TECHNISCHE UNIVERSITÄT ILMENAU Fakultät für Elektrotechnik und Informationstechnik. Diplomarbeit

Transkript

1 TECHNISCHE UNIVERSITÄT ILMENAU Fakultät für Elektrotechnik und Informationstechnik Diplomarbeit Reporting von Transaktionsdaten am Beispiel des Potato-Systems Vorgelegt von: Tobias Weiß Marienstr Weimar Matrikelnummer: Studiengang: Medientechnologie Studienrichtung: Medienproduktion Verantwortlich: Prof. Dr. Rüdiger Grimm Betreuer: Dr.-Ing. Jürgen Nützel Nummer der Arbeit: 2181 / 04D / 01 Ausgabetermin: 12. Januar 2004 Abgabetermin: 11. Juli 2004 Ort, Datum: Weimar, den 08. Juli 2004

2 Kurzfassung Kurzfassung Im Mittelpunkt dieser Arbeit steht die Archivierung, Bereitstellung und Analyse von Daten aus wirtschaftlichen Transaktionsprozessen. Diese teilweise sehr großen Datenmengen bergen ein oftmals ungenutztes Potential, das Unternehmen wichtige Informationen über Geschäftsprozesse und -entwicklungen, Kunden oder Produkte liefern kann. Mit Technologien wie Reporting, Data Warehouse, OLAP und Data Mining werden grundlegende Ansätze vorgestellt, die dieses Potential verfügbar und verwertbar machen. Am Beispiel des als Web-Service konzipierten Potato-Systems wird ein prototypisches Reporting-System entworfen und umgesetzt. In diesem Zusammenhang geht die Arbeit auf die Grundlagen von Web-Services und den Aufbau und die Funktionsweise des Potato-Systems ein. Bestandteile der prototypischen Anwendung sind ein Mechanismus für das Nutzungsreporting an die GEMA und ein Data-Mining-Verfahren für die Analyse von Transaktionskorrelationen. Die Realisierung erfolgt auf Basis der plattformunabhängigen Programmiersprache Java und der Auszeichnungssprache XML.

3 Abstract Abstract Archiving, disposition and analysis of data that derive from economically based transactional processes are in the centre of attention within this work. Analyzing large volumes of data can reveal useful information about business processes and developments, clients or products whereby analyzing possibilities have often not been fully exploited. This work describes Reporting, Data Warehouse, OLAP and Data Mining, fundamental technologies that enable organizations to determine information from large collections of data and make it available and usable. The practical focus of this work has been set on designing and programming a prototypic reporting system for the Potato-System that is based on Web Services technology. In this context, the work explains basic concepts of the Web Services technology and describes structure and functionality of the Potato-System. Part of the prototypic application is on the one hand the implementation of a use reporting for GEMA, on the other hand a data mining method to identify transaction coherences. The reporting system has been realized by using the platform independent programming language Java and the markup language XML.

4 Inhaltsverzeichnis Inhaltsverzeichnis 1. Einleitung Kurzüberblick 1 I. UNTERSUCHUNGSBEREICH 2. Reporting Der Informationsbedarf als Ansatzpunkt Transaktionen Transaktionsdaten als Basis des Reporting Einordnung des Reporting Was ist ein Report? Einsatzgebiete und Anspruchsgruppen Arten des Reporting Anforderungen und Aufgaben Grenzen und Erweiterungen des Reporting Die Datenhaltung Relationale Datenbanken Data Warehouse Aufgaben eines Data Warehouse Konzepte des Data Warehousing Architektur eines Data Warehouse Datenmodellierung für Data Warehouses Star-Schema Snowflake-Schema OLAP - Online Analytical Processing Was ist OLAP? OLAP-Architekturen ROLAP MOLAP HOLAP OLAP-Funktionen MDX Die multidimensionale SQL Vergleich zwischen SQL und MDX 32

5 Inhaltsverzeichnis Struktur einer MDX-Anweisung Eine Drill-Down-Operation an einem Beispiel Data Mining Was ist Data Mining? Data Mining als Teil des KDD-Prozesses Web Mining Web Content Mining Web Structure Mining Web Usage Mining Methoden des Data Mining Assoziationsanalyse Formale Definition Die Bildung starker Assoziationsregeln Der Apriori-Algorithmus Einsatzmöglichkeiten Clusteranalyse Der k-mittelwerte-algorithmus Einsatzmöglichkeiten Künstliche Neuronale Netze Klassifikation Einsatzmöglichkeiten Das Potato-System Idee und Konzept Funktionsweise Szenario Architektur Web-Services XML Syntax DTD XML-Namespaces XML-Schema SOAP Simple Object Access Protocol WSDL Web Service Description Language 70

6 Inhaltsverzeichnis II. PRAKTISCHE ANWENDUNG 7. Konzeption Anforderungen Das GEMA-Reporting Der Informationsfluss Aufbau des Transaktionsreports Report des Lizenznehmers Report des Lizenzgebers Generierung eines GEMA-Reports Offene Punkte Analyse von Verkaufsvorgängen Idee Annahmen Umsetzung Interpretation der Ergebnisse Beispiel Vergleich mit dem User-File-Matching-Algorithmus Erweiterungen und Empfehlungen Implementierung Aufbau Entwicklungsumgebung Datenbankanbindung XML-Dateien mit JDOM verarbeiten XML-Dokumente erzeugen Elemente auslesen Gleichnamige Unterelemente auslesen Schlußbetrachtungen 95

7 Inhaltsverzeichnis III. ANHANG A.1 Realisierung 98 A.1.1 Dokumentation der Java-Klassen 98 A.1.2 Screenshots des Web Interface 107 A 1.3 Konfiguration 108 A.1.4 Beispiel eines GEMA-Reports 109 A.1.5 Beispiel eines Assoziationsanalyse-Reports 112 A.1.6 Die Codd schen OLAP-Evaluationsregeln 113 Literaturverzeichnis 115 Abbildungsverzeichnis 123 Abkürzungsverzeichnis 124 Tabellenverzeichnis 125 Gleichungen 125 Listings 126 Eigenständigkeitserklärung Thesen

8 1 Einleitung 1. Einleitung Neue Trends und Entwicklungen, die in immer rascherer Folge aufgenommen und verarbeitet werden müssen, stellen die Wandlungs-, Anpassungs- und Reaktionsfähigkeit von Unternehmen heutzutage auf eine harte Probe. Informationen sind in diesem Prozeß von zentraler Bedeutung. Die Bereitstellung und Aufbereitung der ökonomischen Ressource [Gab99] Information ermöglicht nicht nur die Planung und Kontrolle von Unternehmensprozessen oder die Analyse von Marktentwicklungen, sondern bildet auch die Grundlage für Entscheidungen und die strategische Ausrichtung eines Unternehmens. Informationen entstehen auf der Basis von Daten, deren Sammlung und Archivierung innerhalb von Transaktionsprozessen in vielen Unternehmen selbstverständlich geworden ist. Gerade webbasierte Transaktionssysteme erzeugen mehr noch als das traditionelle Geschäft - Rohdaten in außerordentlichem Umfang. Über ihre Funktion für die Dokumentation von Transaktionsprozessen für verschiedene Anspruchsgruppen hinaus, bergen diese Daten ein oftmals noch ungenutztes Wissen und damit ein bedeutendes strategisches Wettbewerbspotential. Im Rahmen dieser Arbeit werden Möglichkeiten aufgezeigt, wie diese Daten organisiert, für die Generierung von Information genutzt und dem Endanwender in adäquater Form zur Verfügung gestellt werden können. Hierfür wird die unternehmensinterne Informationslogistik grob in die Bereiche Datenbereitstellung, Datenhaltung und Datenentdeckung aufgeteilt und auf Technologien, Verfahren und Prozesse dieser Teilbereiche eingegangen. 1.1 Kurzüberblick Der Untersuchungsbereich dieser Arbeit erarbeitet die theoretischen Grundlagen und bildet mit dem Reporting den thematischen Einstieg. Weitere Schwerpunkte stellen das Data Warehousing sowie die multidimensionale Analyse OLAP und das Data Mining dar. Zur Vorbereitung auf den praktischen Teil umfasst der Untersuchungsbereich im weiteren eine Beschreibung der Funktionsweise des Potato-Systems sowie eine - 1 -

9 1 Einleitung Einführung in die wichtigsten Elemente der Web-Services-Technologie, die dem Potato-System zugrunde liegt. Am Beispiel des Potato-Systems wird im Teil Praktische Anwendung ein prototypisches Reporting-System konzipiert und umgesetzt. Den Kern des Systems stellen dabei zwei Funktionalitäten dar: Zum einen ein Reporting an die GEMA auf Basis einer Formatspezifikation, zum anderen ein Data-Mining-Algorithmus zur Analyse von Verkaufsvorgängen. Die Implementierung dieser Anwendung wird im Anschluß an die Konzeption skizziert und Empfehlungen für mögliche Erweiterung des Systems erarbeitet. Die Details der Umsetzung finden sich im Anhang. Das letzte Kapitel fasst die Grundgedanken der Arbeit noch einmal zusammen und unternimmt einen Ausblick auf zukünftige Entwicklungen

10 I. UNTERSUCHUNGSBEREICH - 3 -

11 2 Reporting 2. Reporting Das folgende Kapitel beschreibt die Notwendigkeit und den Ansatzpunkt des Reporting, welcher vor allem darin besteht, (...) aus Daten Informationen zu machen [Mar98]. An den Ansatzpunkt des Reporting knüpft eine Betrachtung des Transaktionsbegriffes an. Weiterhin wird das Reporting als Komponente von Informationssystemen eingeordnet, wobei die Aufgaben und der Aufbau derartiger Systeme kurz beschrieben werden. Anschließend wird der Begriff Report beleuchtet sowie die Einsatzgebiete, Anspruchsgruppen und Aufgaben des Reporting näher betrachtet. 2.1 Der Informationsbedarf als Ansatzpunkt Im Zusammenhang mit dem Reporting tauchen immer wieder die Begriffe Daten 1, Informationen 2 und Wissen 3 auf. In einem Informationssystem stellen Daten den Rohstoff dar, der in einem Prozess der Sammlung, Speicherung, Selektion, Verarbeitung und Distribution in den Produktions- und Wettbewerbsfaktor Information [Wei02] und in vom Menschen anwendbares Wissen umgewandelt werden soll. Informationen können als Basis allen ökonomischen Handelns bezeichnet werden, deren nutzenbringende Generierung als Basis des ökonomischen Erfolges. [Wei02] Sie dienen als Grundlage für Kontroll-, Planungsund Entscheidungsprozesse in Unternehmungen, aber auch für Entscheidungen von Verbrauchern für oder gegen eine Unternehmung oder deren Produkte. Die zunehmende Dokumentation von Geschäftsprozessen erhöht ständig die zur Verfügung stehende Menge des Rohstoffes Daten. Die Herausforderung einer Unternehmung besteht darin, die Daten zusammenzuführen und aus ihnen neue Informationen zu generieren, so dass sie gewinnbringend in Entwicklungs-, Herstellungs- oder Vertriebsprozessen eingesetzt werden können. 1 Daten werden als die Gesamtheit der verfügbaren Texte, Zahlen und Statistiken, Graphiken, Bilder, Audio- und Videodokumente usw. definiert und sind unabhängig von deren Nutzung für die jeweilige Unternehmung. [DMR+01] 2 Information ist die Teilmenge der Daten, welche für die eigene Unternehmung ausgewählt, geordnet, gespeichert und verfügbar gemacht wird. [DMR+01] 3 Wissen ist die von Menschen verstandene, verknüpfte und angewendete Information. [DMR+01] - 4 -

12 2 Reporting Da die Anforderungen an den Produktionsfaktor Information aufgrund hochkomplexer und sich ständig schneller ändernder Marktsituationen in den letzten Jahren rapide gestiegen sind, kann nur durch eine ausgereifte Informationslogistik sichergestellt werden, dass die benötigten Informationen zeitgerecht und in der erforderlichen Qualität am richtigen Ort vorliegen. [CG99] Webbasierte Transaktionssysteme, so wie sie auch im Rahmen dieser Arbeit betrachtet werden, bieten in diesem Zusammenhang den Vorteil, dass sie Informationen sofort an der Quelle ihres Entstehens elektronisch erfassen und ohne Reibungsverluste sowie Medienbrüche in die ihnen nachgelagerten Prozesse einfließen lassen können

13 2 Reporting 2.2 Transaktionen Zur Definition des Begriffes der Transaktion ist sowohl die wirtschaftswissenschaftliche als auch die informationstechnologische Sicht heranzuziehen, denn in webbasierten Transaktionssystemen, deren Ziel der Vertrieb einer reellen oder auch virtuellen Ware ist, spielen beide Aspekte eine Rolle. In der Regel stößt die Anbahnung als auch der Abschluss einer Transaktion im wirtschaftswissenschaftlichen Sinne in webbasierten Verkaufsportalen eine Transaktion im informationstechnologischen Sinne an. Im Kontext der Wirtschaftswissenschaften, und hier insbesondere im Rahmen der Transaktionskostentheorie, wird eine Transaktion (...) als Übertragung von Property Rights 4 definiert. [PRW96] Eine Transaktion findet statt, wenn ein Gut oder eine Leistung über eine technisch trennbare Schnittstelle hinweg übertragen wird. [Wil90] In der Informationstechnologie, und hier vor allem im Zusammenhang mit dem Management von Datenbanken, ist eine Transaktion (...) eine Folge von Operationen (Aktionen), die die Datenbank von einem konsistenten Zustand in einen neuen Zustand überführen, wobei das sogenannte ACID-Prinzip 5 eingehalten werden muss. [SS00] Eine Transaktion lässt eine Datenbank also in konsistentem Zustand zurück, wenn diese vor Beginn der Transaktion schon konsistent war. In der Programmiersprache Java, die bei der Realisierung einer prototypischen Reportinganwendung für das Potato-System Einsatz findet (vgl. 4 Property Rights sind (...) die mit einem Gut verbundenen und Wirtschaftssubjekten aufgrund von Rechtsordnungen und Verträgen zustehenden Handlungs- und Verfügungsrechte. Diese Handlungs- und Verfügungsrechte haben sowohl einen gegenstands- als auch einen personenbezogenen Aspekt. Sie legen die Rechte der Individuen im Umgang mit einem Gut fest und grenzen damit die Rechte der Individuen untereinander an einem Gut ab. Die Zuordnung von Property Rights schafft Handlungsrechte und -pflichten für die begünstigten Individuen und Handlungsrestriktionen für diejenigen Individuen, die über keine Property Rights an dem betreffenden Gut verfügen. [PRW96] 5 ACID steht für Atomarität (Atomicity), Konsistenz (Consistency), Isolation (Isolation) und Dauerhaftigkeit (Durability). Die Atomarität oder Ununterbrechbarkeit bedeutet, dass eine Transaktion ganz oder gar nicht ausgeführt wird. Die Konsistenz oder auch Integritätserhaltung bedeutet, dass der von einer Transaktion hinterlassene neue Zustand den Integritätsbedingungen genügt. Die Isolation fordert einen isolierten Ablauf der Transaktionen. Das Ergebnis einer Transaktion muss einem isolierten Ablauf dieser Transaktionen entsprechen, selbst wenn tatsächlich mehrere Transaktionen nebenläufig auf denselben Datenbeständen aktiv waren. Die Dauerhaftigkeit oder auch Persistenz der Ergebnisse fordert, dass nach Ende einer Transaktion die Ergebnisse dauerhaft in der Datenbank stehen. [SS00] - 6 -

14 2 Reporting Kapitel 6), wird die Steuerung des Transaktionsablaufes von den Methoden commit () und rollback () der Schnittstelle Connection 6 übernommen Transaktionsdaten als Basis des Reporting Transaktionsdaten sind das Ergebnis der Dokumentation täglich ablaufender Geschäftsprozesse und entstehen als Schnittmenge von wirtschaftswissenschaftlichen und informationstechnologischen Transaktionen. Jede wirtschaftliche Transaktion ist dabei durch eine endliche Menge sie charakterisierender Merkmale gekennzeichnet, welche als Basis für ihre spätere Identifikation oder Einordnung dienen können. Dazu gehören beispielsweise Informationen wie Art, Umfang, Zeitpunkt, Beteiligte und Ablauf, wobei jedes Merkmal wiederum eigene Ausprägungen (Beteiligte Alter, Geschlecht, Größe, Wohnort, Haushaltseinkommen) und Unterausprägungen (Wohnort Einwohner, Größe, Regenwahrscheinlichkeit, Einkaufsmöglichkeiten) haben kann. Die Teilmenge aus allen möglichen eine wirtschaftliche Transaktion definierenden Merkmalen, die in einem technischen System tatsächlich archiviert werden, ergibt die Transaktionsdatenmenge. Diese dient dem Reporting auf dem Weg zur Generierung von Informationen später als Basis für weitere Verarbeitungs- und Analyseschritte. In webbasierten Transaktionssystemen können auch noch zusätzliche Informationen aus Server-Logfiles oder Cookies zu der eine Transaktion beschreibende Datenmenge gerechnet werden. Ohne die Speicherung dieser Daten könnten webbasierte Transaktionen weder im nachhinein nachgewiesen noch nachvollzogen werden. Unternehmungen könnten ihre Geschäftsprozesse nicht dokumentieren und ihrer Informationspflicht gegenüber ihren Kunden, Mitarbeitern oder Investoren nicht nachkommen. 6 Die Methode commit () zeigt an, dass eine Transaktion erfolgreich abgeschlossen werden soll und alle Änderungen permanent in die Datenbank zu schreiben sind. Mit rollback() werden alle Änderungen, die im Rahmen dieser Transaktion durchgeführt wurden, wieder rückgängig gemacht, wenn die aktive Transaktion abgebrochen wird. [SS00] - 7 -

15 2 Reporting 2.3 Einordnung des Reporting Unter einem Reporting-System wird ein standardisiertes, automatisiertes und ereignisgesteuertes Berichtswesen verstanden (...) [MB98] Das Reporting ist eine Komponente in der Informationslogistik einer Unternehmung. Es vereinigt die interne und externe Berichterstattung einer Unternehmung und stellt ein Werkzeug zur Sammlung und zeitpunkt- wie zeitraumbasierten Auswertung von Aktivitäts- und Zustandsdaten [ZR02] dar. Reporting-Systeme können eigenständige Werkzeuge sein, sind aber meist eine Teilkomponente innerhalb der mehrere Datenanalyse- und Datenorganisationstechniken integrierenden, analytischen oder operativen Informationssysteme 7. Die Datenbasis dieser Systeme wird durch ein Data Warehouse oder Data Mart bereit gestellt. Methoden und Werkzeuge der Datenanalyse sind unter anderem OLAP oder Data Mining. [SB99] Eine Vereinigung dieser Technologien in einem Gesamtsystem wird auch als Business Intelligence 8 (Abbildung 2.1) bezeichnet. Analytische Informationssysteme sollen die entscheidungsunterstützenden Systeme der Vergangenheit ablösen, die vornehmlich für das Topmanagement konzipiert waren. Im Zuge der Verlagerung von Entscheidungskompetenzen aus dem klassischen Management auf die Ebene kompetenter Fachkräfte und der zunehmenden unternehmensinternen Vernetzung kommt ihnen nun die Aufgabe zu, einen größeren Empfängerkreis mit tätigkeitsorientierten, arbeitsunterstützenden Informationen zu versorgen. Hierbei lassen sich operative und analytische Tätigkeitsfelder grob voneinander abgrenzen. [CG99] Die operativen 7 Der Begriff Analytisches Informationssystem fasst alle Unterstützungs-, Informations- und entscheidungsunterstützenden Systeme zusammen, für die in der Literatur unter anderem die Begriffe Management Support Systems (MSS), Management Information Systems (MIS), Executive Information Systems (EIS), Executive Support Systems (ESS) oder Decision Support Systems (DSS) benutzt werden. 8 Business Intelligence (BI) bezeichnet den analytischen Prozess, der fragementierte Unternehmens- und Wettbewerbsdaten in handlungsgerichtetes Wissen über die Fähigkeiten, Positionen, Handlungen und Ziele der betrachteten internen und externen Handlungsfelder (Akteure und Prozesse) transformiert. [GG00] Der Terminus Intelligence ist weniger im Sinne des deutschen Wortes Intelligenz zu interpretieren (...). Eher trifft schon die informationstheoretische Definition von P.R.Hofstätter zu, wonach unter Intelligenz die Fähigkeit zum Auffinden von Ordnungen und Regelhaftigkeit im Zusammentreffen, Neben- und Nacheinander von Ereignissen zu verstehen ist. (...) [In diesem Begriff] finden sich die Elemente einer gezielten Sammlung und Weiterleitung von für bestimmte Zwecke wichtigen Informationen unter Inkaufnahme eines nicht unbeträchtlichen Aufwandes. [Mer02] - 8 -

16 2 Reporting Tätigkeitsfelder vereinen Administrations- und Dispositionsaufgaben, wie Kontrolle von Warenbeständen, Kundendaten oder Bestellungen und sind vor allem transaktionsorientiert ausgerichtet. Analytische und dispositive Tätigkeitsfelder hingegen beinhalten meist wesentlich vielschichtigere und komplexere Aufgaben, die ebensolche Systeme und Lösungen verlangen. Informationssysteme dienen Führungs- und Fachkräften in Unternehmungen und Verwaltungen vor allem zum zielgerichteten Zugriff und zur Auswertung der gespeicherten Informationen im Planungs- und Entscheidungsprozess. Innerhalb dieser Systeme übernimmt das Reporting die Beobachtung, Überwachung und Protokollierung des Unternehmensgeschehens und generiert aus diesen Informationen Berichte (Reports). Abbildung 2.1: Einordnung des Reporting als Komponente von Business-Intelligence- Systemen in Anlehnung an [GG00] und [Mer02] - 9 -

17 2 Reporting 2.4 Was ist ein Report? Ein Report ist ein ausführbares Programm, um Informationen aus einer Datenbank zu extrahieren. Der Report liest und evaluiert die Daten der Datenbank und zeigt schließlich die Ergebnisse der Auswertung an. Einige Reports zeigen lediglich Informationen an, während andere dem Benutzer die Möglichkeit bieten, Analysen mit Hilfe von Funktionen wie Datensortierung und grafischer Anzeige durchzuführen. Reports ermöglichen gewöhnlich keine Datenmanipulation, ihre Darstellung erfolgt üblicherweise in Form einer Liste oder einer Grafik. [SAP04] Die Erstellung eines Reports kann entweder standardisiert und in periodischen Abständen oder auf Anforderung eines Benutzers geschehen. Reports werden als interne oder externe Informationsinstrumente eingesetzt. Bei internen Reports handelt es sich um Informationen, die meist nur inner- oder zwischenbetrieblichen Wert haben, wie z.b. Ergebnisberichte, Kostenstellenberichte. Externe Reports erfüllen hingegen Anforderungen, die außerhalb des Unternehmens von Bedeutung sind. [SAP04] Im Zusammenhang mit webbasierten Transaktionssystemen wird das interne Reporting als Backend-, das externe Reporting als Frontend-Reporting bezeichnet. Eine ausführliche Beschreibung und technische Implementierung des Frontend-Reporting für das Potato-System findet sich in [Eme04]. 2.5 Einsatzgebiete und Anspruchsgruppen In einem Unternehmen müssen Personen auf fast allen Ebenen auf Reports zugreifen, um ihren Bedarf an Information zu decken. Das Reporting kann innerbetrieblich wertvolle Informationen für das Marketing (Marktforschung, Produktmanagement, Unternehmenskommunikation, Webdesign, Vertrieb, etc.), das Controlling (Unternehmens-, Marketing- und Vertriebsmanagement, Marketingund Finanz-Controlling etc.) oder die IT (Serveradministration, IT Planung, Trendanalysen, IT Service Management) liefern. Darüber hinaus kann es aber auch Informationsansprüche unternehmensexterner Interessengruppen bedienen. Hierzu zählen z.b. Wirtschaftsprüfer, Finanzberater, Journalisten (Medien), Steuer- und Justizbehörden, Versicherer, Verwertungsgesellschaften, Aktieninhaber, Banker, Kunden. [SAP04] Die Ansprüche, die an das Reporting gestellt werden, können dabei sehr unterschiedlich sein und in Umfang und Komplexität stark variieren. Während unternehmensexterne Informationen vor allem quantitativer Natur sind, steigen die

18 2 Reporting Qualitätsansprüche an einen innerbetrieblichen Report meist mit dem Grad der Entscheidungsbefugnis eines Mitarbeiters. Ein Reporting-System sollte deshalb eine Benutzeroberfläche bereitstellen, die je nach Zugriffsrechten des Nutzers einfachere oder komplexere Anfragen an das System ermöglicht und die Interaktionsmöglichkeiten des Anwenders einschränkt oder erweitert. 2.6 Arten des Reporting Im Allgemeinen lassen sich in operativen oder analytischen Informationssystemen folgende Report-Arten unterscheiden: Standard-Reports Standard-Reports sind vordefinierte Reports, welche zu definierten Zeitpunkten für einen in der Regel gleichbleibenden Empfängerkreis erzeugt werden. Sie können entweder auf Abruf bereit stehen oder auf Anforderung eines Nutzers produziert werden. Ein Standard-Report des Potato-Systems wäre beispielsweise die vierteljährliche Zusammenstellung aller Informationen zur Nutzung von Musikdateien für die GEMA Ad-hoc-Reports Nicht alle Reports können vordefiniert werden. Ad-hoc-Reports werden fallweise je nach Anforderung erstellt und können von den Anwendern selbstständig zusammengestellt werden. Die Parameter eines Reports, z.b. Zeitraum des Reports, können also je nach Ausgestaltung der Anwendung frei definiert oder ausgewählt werden. Diese Ad-hoc-Reports können wieder als Standard-Berichte definiert und abgelegt werden. Durch diese Technik sind auch tiefergehende Analysen der Zusammenhänge möglich Exception-Reports Reports können auch aufgrund vorab definierter Ausnahmesituationen erzeugt werden, beispielsweise bei der Über- oder Unterschreitung eines Schwellenwertes oder beim Erreichen eines vorher definierten Zeitpunktes

19 2 Reporting 2.7 Anforderungen und Aufgaben Nach [SB99] sollten Business-Intelligence-Werkzeuge eine Reihe von Anforderungen und Aufgaben erfüllen, um die Informationsbedürfnisse innerhalb eines Unternehmens befriedigen zu können. Diese lassen sich auch auf die innerhalb dieser Systeme angesiedelten Reporting-Werkzeuge übertragen. 1. Als grundlegender Architekturansatz wird ein mehrstufiges Client-Server- Konzept empfohlen, welches eine große Anzahl von Benutzern mit multidimensionalen Daten aus verschiedenen Datenquellen effizient versorgen kann. Die verbreiteten Thin-Client-Architekturen haben hierbei den Vorteil, dass sie die Datenverarbeitung und -aufarbeitung auf die Serverseite verlagern und den Client meist nur zur Darstellung oder Ausführung nutzen. Ansätze dieser Art sind wesentlich leichter zu pflegen und kostengünstiger als Rich-Client-Architekturen. 2. Die Sicherheit der Daten, die innerhalb von Informationssystemen gespeichert und übertragen werden, müssen gegen unbefugten Zugriff abgesichert werden. Dazu ist es nötig Datenbanken, Server, Clients und alle Systemschnittstellen durch geeignete Sicherheitsmechanismen zu schützen, da ein System insbesondere dann angreifbar ist, wenn es über Unternehmensgrenzen hinaus zugänglich sein soll. 3. Eine wichtige Aufgabe von Informationssystemen und insbesondere ihrer Anwenderschnittstellen in Form von Bedienoberflächen besteht in der zielgruppengerechten und relevanten Auswahl, Aufbereitung und Präsentation von Information. Dabei steht vor allem die Reduktion und Visualisierung von komplexen Zusammenhängen im Mittelpunkt. Hierfür haben sich Standardtypen wie beispielsweise zwei- oder dreidimensionale Balken-, Säulen- oder Kreisdiagramme bewährt, die im Gegensatz zu numerischen oder tabellarischen Auflistungen visuell einfacher zu erfassen und so schneller weiterzuverarbeiten sind. Weiterhin sollten Alarm- oder Ausnahmesituationen in Reports gesondert gekennzeichnet sein, wofür sich z.b. das Traffic Lighting anbietet. [BS93] Die Gestaltung eines Reports ist dabei stark von den Anforderungen des Empfängers abhängig. Die Informationsmenge sollte jedoch empfängerorientiert und deren visueller Aufbau formal einheitlich sein

20 2 Reporting Die Bereitstellung der Information kann nach dem pull- oder push-prinzip erfolgen. Bei der ersten Variante wird die Abfrage von Informationen vom Benutzer selbstständig über eine Benutzeroberfläche initiiert, bei der zweiten Variante kann die Information z.b. über Internet-Push Channels oder an einen Arbeitsplatz ausgeliefert werden, was über eine Abonnierung oder die regelbasierte Überwachung von Datenbankinhalten durch Software-Agenten erfolgen kann, die beim Eintreffen definierter Situationen eine Benachrichtigung versenden. [SB99] Die Distribution von Information an verschiedene Endgeräte oder über unterschiedliche Medien (Desktop-PC, PDA, Mobiltelefon, Papier) ist ein Aspekt, der in den letzten Jahren an Bedeutung gewonnen hat. Hier hat sich vor allem die Kapselung von Daten in XML als plattformunabhängiger Standard etabliert. Benutzeroberflächen sollten darüber hinaus individuell anpassbar sein und sich automatisch oder halbautomatisch an die Gewohnheiten seiner Nutzer adaptieren. 4. Hinsichtlich Abfrage- und Navigationsmöglichkeiten sollten Business- Intelligence-Werkzeuge den Nutzer in seinen Analyseoptionen so wenig wie möglich einschränken und die Steuerung so intuitiv und einfach wie möglich halten. Benutzeroberflächen, auch BI-Frontends genannt, die interaktive Navigations- und Analysemöglichkeiten bieten, sind mittlerweile in verschiedensten Ausprägungen erhältlich und reichen vom einfachen Excel-Add-In bis hin zu vorgefertigten Analysemodulen für komplexere betriebswirtschaftliche Auswertungen. [Wol03] 5. Die Analysemöglichkeiten derartiger Tools lassen sich nach [Dar97] in drei Gruppen aufteilen, wobei die erste Gruppe die multidimensionale Auswahl und Darstellung unterstützt, jedoch wenig Funktionalitäten zur weiteren Analyse bietet. Werkzeuge der zweiten Gruppe bieten erweiterte Möglichkeiten wie Wertüberwachung, Trendberechnung oder statistische Analysemethoden, in der dritten Gruppe werden vermehrt umfangreiche Data-Mining-Methoden zur Datenanalyse und -prognose eingesetzt

21 2 Reporting 2.8 Grenzen und Erweiterungen des Reporting Wie bereits in Kapitel 2.3 angedeutet, ist das Reporting meist in größeren Informationssystemen angesiedelt, die Funktionalitäten bereitstellen, die über einfache SQL-Queries in Datenbanken hinausgehen und die Analysemöglichkeiten innerhalb großer Datenbestände verbessern sollen. Die Einschränkungen des Reporting bestehen insbesondere darin, dass die in den Reports abgebildeten Fragestellungen Monat für Monat gleich bleiben und lediglich die Datenwerte aktualisiert werden. Diese Starrheit führt zu befriedigenden Informationen, solange die dargestellten Zahlen den Erwartungen entsprechen. Treten Abweichungen auf, so vertraut man in der Regel darauf, dass so genannte Ad-Hoc-Reports den zusätzlichen, fallweise auftretenden Informationsbedarf decken. Die benutzergetriebene Analyse, in der allein der Anwender für die Wegfindung verantwortlich ist, wird verstärkt auch durch datengetriebene Mechanismen (Exception Reporting) unterstützt, bei der die aktuelle Datenlage definiert, wann ein Report erstellt wird. [GG00] Möglichkeiten, die Analysequalitäten innerhalb von Informationssystemen zu erweitern und zu flexibilisieren, bieten Techniken des Data Warehousing, der multidimensionalen Analyse OLAP und des Data Mining, die bereits mehrfach angesprochen wurden und Inhalt der folgenden Kapitel sind

22 3 Die Datenhaltung 3. Die Datenhaltung Durch die Dokumentation aller wichtigen Geschäftsprozesse innerhalb eines Unternehmens entstehen oftmals sehr viele Transaktionsdaten, deren Speicherung, Strukturierung, Aufbereitung und Verwaltung Inhalt des folgenden Kapitels ist. Im Mittelpunkt steht dabei die Data Warehouse-Technologie, die in den letzten Jahren eine wichtige Komponente moderner entscheidungsunterstützender Informationssysteme geworden ist. 3.1 Relationale Datenbanken Unter einer Datenbank ist eine auf Dauer angelegte Datenorganisation zu verstehen, und unter dem Begriff Datenorganisation werden alle Verfahren zusammengefasst, die dazu dienen, Daten zu strukturieren, zu speichern und verfügbar zu halten. [Deh99] Relationale Datenbanken strukturieren Daten in Relationen, die sich in der Praxis in Form von Tabellen darstellen, zwischen denen logische Abhängigkeiten bestehen. Sie basieren auf dem Relationenmodell, welches durch,,a Relation Model of Data for Large Shared Data Banks und durch, The Relational Model for Database Management: Version 2 (1990) von E. F. Codd exakt beschrieben wurde. Die kleinste Einheit einer relationalen Datenbank stellt dabei der Datensatz dar, der sich aus mehreren Feldern zusammensetzen kann. Ein Feld ist dabei der Schnittpunkt zwischen einer Spalte und einer Zeile innerhalb einer zweidimensionalen Tabelle. Die Spalten einer Tabelle spezifizieren die einzelnen Attribute eines Datensatzes, die Zeilen der Tabelle repräsentieren die einzelnen Datensätze. Die Ausprägungen oder Werte der Attribute eines Datensatzes werden durch den Wertebereich einer Spalte eingegrenzt. Das bedeutet beispielsweise, dass eine Spalte, für die der Wertebereich auf numerische Werte eingegrenzt wurde, keine Buchstaben enthalten darf. Relationale Datenbanken werden innerhalb von Datenbankverwaltungssystemen (DBMS Database Management System) eingesetzt. Zur Abfrage und Manipulation von relationalen Datenbanken hat sich die Structured Query Language (SQL) durchgesetzt, die mittlerweile von allen RDBMS 9 bis auf einige produktspezifische Unterschiede - verstanden wird. [Cla98] 9 RDBMS Relational Database Management System

23 3 Die Datenhaltung RDBMS sind die dominierenden Systeme für das Online Transaction Processing (OLTP), in denen Einzeltransaktionen wie Buchungen von Warenbeständen oder -verkäufen auf niedrigster Aggregationsstufe gespeichert und in Echtzeit hinzugefügt werden können. Die RDBMS zeichnen sich dadurch aus, dass sie große Datenmengen effizient verwalten können, parallelen Zugriff vieler Nutzer ermöglichen, physische und logische Datenunabhängigkeit 10 gewährleisten und über Datenschutz und -sicherheitsmechanismen verfügen. [SS00] Sie bieten gute Möglichkeiten bei der Abfrage einfacher Sachverhalte, wobei das Antwortzeitverhalten jedoch bei sehr großen Datenbeständen problematisch werden kann. [Cla98] Bei der Analyse der in den operativen Datenbanken gespeicherten und verwalteten Datenbestände steht man jedoch oftmals vor einer Reihe von Problemen: Zum einen sind die für eine Problemlösung notwendigen Daten teilweise über viele innerhalb und außerhalb des Unternehmens verteilte Datenbanken verstreut, die unter Umständen kein homogenes Datenformat aufweisen. Zum anderen führt eine Datenanalyse in Transaktionssystemen häufig aufgrund ihrer Komplexität zu erheblichen Performanzverlusten. Aus diesem Grund bauen Unternehmen für analytische und strategische Informationssysteme eine von den operativen Systemen getrennte, zentrale Analyse-Datenbank, das Data Warehouse, auf, (...) welches in regelmäßigen Abständen mit verdichteten Extrakten aus diesen operativen Datenquellen versorgt wird. [Kur99] 10 Unter physischer Datenunabhängigkeit versteht man, dass die konzeptuelle Sicht auf einen Datenbestand unabhängig von der für die Speicherung der Daten gewählten Datenstruktur besteht. Die logische Datenunabhängigkeit koppelt die Datenbank von Änderungen und Erweiterungen der Anwendungsschnittstelle ab. [SS00]

24 3 Die Datenhaltung 3.2 Data Warehouse Unter dem Begriff Data Warehouse wird eine von den operationalen DV-Systemen isolierte Datenbank verstanden, die als unternehmensweite Datenbasis für entscheidungsunterstützende Systeme dient. Es stellt keine standardisierte Lösung dar, sondern muss als individuelles Konzept verstanden werden, welches an jedes Unternehmen und dessen Anforderungen angepasst werden muss. Allgemein hat ein Data Warehouse die Aufgabe, (...) aus Daten nicht nur Informationen abzuleiten, sondern diese Informationen in Wissen weiterzuentwickeln und dann in Aktionen zu wandeln. [Mar98] Damit lässt sich das Data Warehouse auch als eine Weiterentwicklung klassischer Reporting-Systeme verstehen, das die strukturellen Voraussetzungen für intelligente Analyseverfahren wie OLAP (vgl. Kapitel 4) und Data Mining (vgl. Kapitel 5) schafft Aufgaben eines Data Warehouse A Data Warehouse is a subject-oriented, integrated, time-variant, and nonvolatile collection of Data in support of managements Decision support process. [Inm92] Nach der Definition des amerikanischen Beraters W. H. Inmon aus dem Jahre 1992 verfolgt ein Data Warehouse das Ziel, Daten für ein spezifisches Anwendungsziel ( subject-oriented ) zu strukturieren und diese langfristig ( time-variant ) zu speichern. Dabei ist es wichtig, Daten aus heterogenen Datenquellen in einem homogenen System zugänglich zu machen ( integrated ) und diese persistent zu speichern. Somit kann im Regelfall auf ein Data Warehouse nur lesend (Read Only) zugegriffen werden. Analytische Anfragen an das Data Warehouse dürfen den Datenbestand demzufolge nicht verändern. [Kur99] Die bereits angesprochene Trennung des Data Warehouse von den Quelldatensystemen ist notwendig, da das direkte Zugreifen auf operationale Systeme zum Zweck der Analyse von Daten aus mehreren Gründen problematisch sein kann: Zum einen sind die Datenmodelle dieser Systeme im Wesentlichen dahingehend optimiert, sich wiederholende Transaktionsprozesse zu bearbeiten [AM97], zum anderen enthalten sie meist keine historischen Daten, die für Systeme zur Unterstützung von Entscheidungen von hoher Bedeutung sind. Erst durch die 11 [Kur99] bezeichnet das Data Warehouse-Konzept aus diesem Grund auch als Enabling Technology, also als eine Technologie, auf deren Basis die Anwendung anderer Technologien erst möglich wird

25 3 Die Datenhaltung langfristige Speicherung von Daten lassen sich Trends und Entwicklungen mittels Zeitreihenanalysen erkennen. Bei der Integration vieler operativer Datenquellen in ein Data Warehouse ist auch das Antwortzeitverhalten bei Datenanalysen ein wichtiger Aspekt. Da das Datenformat bei einem Data Warehouse stark vereinheitlicht ist und die Daten aggregiert 12 werden, lassen sich auch Analysen durchführen, die sich auf heterogenen Quellsystemen nur sehr umständlich oder gar nicht realisieren lassen Konzepte des Data Warehousing Beim Data Warehouse werden im wesentlichen drei verschiedene Konzepte unterschieden: Das herkömmliche Data Warehouse, der Data Mart und das virtuelle Data Warehouse. [Kur99] Das herkömmliche Data Warehouse vereinigt das gesamte unternehmensweite Datenaufkommen für Analysezwecke in einer gemeinsamen, zentralen Datenbank. Diese ist in der Regel für die Anwender aller Hierarchiestufen im Unternehmen zugänglich. Merkmal dieses zentralistischen Ansatzes ist besonders die einheitliche Modellierung aller Daten, mit der die Qualität der Analysen verbessert werden soll. Hierzu wandelt ein Konverter die Daten aus den Quellsystemen in ein einheitliches Zieldatenformat um. Ein Integrator gliedert die vom Konverter bereitgestellten Daten in das Data Warehouse ein, nachdem sie mit den bestehenden Daten abgeglichen wurden. Quellen können dabei sowohl innerbetrieblicher als auch externer Art (z.b. Marktforschungsinstitute, Börseninformationsdienste oder statistische Ämter) sein. Ein Data Mart ist ein kleines Data Warehouse, welches sich lediglich auf einen oder wenige Bereiche eines Unternehmens beschränkt und eine Untermenge der Daten eines Data Warehouse speichert. Der Vorteil eines Data Mart ist vor allem seine schnellere und kostengünstigere Implementierung. Das semantische Datenmodell des Data Mart ist in der Regel mit dem eines herkömmlichen Data Warehouse identisch, so dass es nach und nach erweitert und zu einem zentralen Datenlager ausgebaut werden kann. Data Marts verschiedener Bereiche müssen 12 Unter der Aggregation von Daten versteht man das Zusammenfassen detaillierter Daten zu größeren Einheiten

26 3 Die Datenhaltung aber nicht zwangsläufig homogen modelliert sein, obwohl dies natürlich im Hinblick auf eine spätere Verbindung zu einem unternehmensweiten Data Warehouse von Vorteil ist. Beim Ansatz des virtuellen Data Warehouse wird, im Gegensatz zu den beiden oben genannten Varianten, keine Informationsdatenbank neben der operativen Datenbank aufgebaut. Analytische Abfragen werden direkt auf den operativen Systemen ausgeführt. Dieser Ansatz hat den Nachteil, dass Performanzeinbußen in zweierlei Hinsicht auftreten können: Erstens werden die operativen Systeme durch Auswertungsabfragen belastet, zweitens dauern diese im virtuellen Data Warehouse deutlich länger, da die Daten vor der Analyse erst verdichtet werden müssen. Somit finden die Hauptgesichtspunkte, die für die Errichtung eines Data Warehouse sprechen, nämlich die Entlastung der operativen Systeme und die Integration mehrerer auch heterogener Datenbanken in eine informative Datenbasis keine Beachtung. Als Data Warehouse-Systeme der zweiten Generation [Mar98] kann man Data- Warehouse-Anwendungen bezeichnen, die auf der Basis einheitlicher Webtechnologien aufgebaut sind. Bei diesem Ansatz, der auch als Web-enabled Data Warehousing [Kur99] oder Web Warehousing [BK99] bezeichnet wird, übernimmt der Web-Browser die Rolle als zentrales Werkzeug für das flexible Abfragen von Informationen (Abbildung 3.1). Er ermöglicht somit einen intuitiven Zugang auf ein Data Warehouse oder ein Data Mart. Die Kommunikation wird dabei über einen Web-Server gesteuert, der meist fertige Schnittstellen zu den am weitesten verbreiteten Datenbanksystemen bereitstellt. Die Vorteile dieser Lösung liegen vor allem in der Plattformunabhängigkeit, der Möglichkeit der zentralen Wartung des Systems und den offenen und einfachen Standards im Bereich der Web-Technologie. Mit dieser Entwicklung setzt sich auch der sogenannte Thin- Client-Ansatz durch. [Kur99] Dieser verlagert alle rechenintensiven Programmabläufe auf einen zentralen Server und reduziert dabei die Anforderungen an den Client auf ein Minimum, so dass er im Prinzip nur noch als grafische Benutzeroberfläche dient

27 3 Die Datenhaltung Abbildung 3.1: Web-Enabled Data Warehousing (in Anlehnung an [Mar98])

28 3 Die Datenhaltung Architektur eines Data Warehouse Abbildung 3.2 zeigt die technische Referenzarchitektur eines Data Warehouse in Anlehnung an [Kur99]. Sie ist in eine operative Quelldatenschicht, eine Data Warehouse- und ETL-Schicht sowie eine Applikations- und eine Präsentationsschicht unterteilt. Die für das Data Warehouse relevanten Daten werden aus der operativen Quelldatenschicht an die ETL-Schicht weitergegeben, dort selektiert, transformiert, bereinigt und geladen. Abbildung 3.2: Data-Warehouse-Referenzarchitektur (in Anlehnung an [Kur99]) Dieser Vorgang erfolgt meist periodisch zu einem festgelegten Zeitpunkt durch entsprechende ETL-Werkzeuge, wobei bei der Übernahme der Daten beispielsweise

29 3 Die Datenhaltung Schlüssel bereinigt oder Attributsausprägungen vereinheitlicht werden müssen. Dem eigentlichen Data Warehouse kann sowohl eine relationale als auch eine multidimensionale Datenbanktechnologie zugrunde liegen. Welche Technologie den Vorzug findet, hängt auch von der nachfolgenden Applikationsschicht und der hier eingesetzten Analysetechnologien ab. Wird hier zur Auswertung der Daten OLAP eingesetzt, werden aufgrund des höheren Leistungsniveaus auch multidimensionale Architekturansätze eingesetzt. Die Applikationsschicht kann außerdem die Generierung von Standard-Reports oder die Anwendung von Data-Mining- Verfahren 13 auf den Datenbestand innerhalb des Data Warehouse umfassen. Die Präsentationsschicht ist für die Visualisierung der durch die Auswertung des Datenbestandes gewonnenen Informationen zuständig. Beim Web-Enabled Data Warehousing (Abbildung 3.1) stellt der Webbrowser die Benutzerschnittstelle zwischen Präsentations- und Applikationsschicht dar. Er ermöglicht dem unerfahrenen Anwender, Anfragen an das Data Warehouse zu formulieren. Hierbei ist es vor allem wichtig, Anwendungen so zu konzipieren, dass auch Anwender ohne Kenntnisse über das dem Data Warehouse zugrundeliegende Datenmodell, qualitativ hochwertige und brauchbare Ergebnisse aus dem Datenbestand extrahieren können. Komplexere Analyseverfahren - wie sie beispielsweise das Data Mining bereitstellt bedürfen jedoch oftmals des spezifischen Fachwissens eines Experten, der Ergebnisse auswerten und Stärken bzw. Schwächen eines Verfahrens bewerten kann. [Kur99] 13 Aufgrund der Komplexität vieler Data Mining-Verfahren lassen sie sich oftmals nur auf einen begrenzten Ausschnitt des kompletten Datenbestandes eines Data Warehouses anwenden. Dieser hängt von der Leistungsfähigkeit der verwendeten Datenbanktechnologie und der Effizienz der Berechnungsverfahren ab

30 3 Die Datenhaltung Datenmodellierung für das Data Warehouse Nach [Hol98] treten im Rahmen der Modellierung managementunterstützender Daten (für das Data Warehouse) zwei konkurrierende Zielsetzungen auf: Zunächst muss das Datenmodell die tatsächlichen, relevanten Zusammenhänge des abgebildeten Bereichs möglichst vollständig abbilden, das heißt, es muss die Semantik des Realitätsausschnittes wiedergeben. (...) Darüber hinaus ist das Datenmodell auch die Grundlage für den Datenbankdesigner zur Überführung in ein Datenbankmodell. Daher muß das Datenmodell möglichst viele Detailinformationen zu den Datenstrukturen wiedergeben, die auch für das Erzielen einer optimalen Systemleistung wichtig sind. Aus diesen konkurrierenden Anforderungen lassen sich unterschiedliche Sichten auf die Datenobjekte eines Modells ableiten: 1. Die semantische Sicht, die die Sicht des Anwenders und damit die Struktur der Daten innerhalb eines Unternehmens abbildet. 2. Die logische Sicht, welche aus dem semantischen Datenmodell abgeleitet wird und eine Art Übersetzung von wirtschaftlichen in technische Begriffe durchführt. 3. Die physikalische Sicht, die sich aus der logischen Sicht und der verwendeten Datenbanktechnologie ableitet und die Speicherung der Daten übernimmt. Für die logische Datenmodellierung in einem relationalen Data Warehouse werden vorzugsweise zwei Schemata angewendet: Das Star-Schema und das Snowflake- Schema Das Star-Schema Bei der Realisierung des Star-Schemas werden die Daten in Fakt- sowie Dimensionsdaten gruppiert und in Tabellen abgelegt. Fakttabellen beinhalten die Elemente, die innerhalb von Transaktionen und Abfragen im System entstehen und meist quantitativer Natur sind. Dies sind vor allem numerische Werte, die im Mittelpunkt der Datenanalyse stehen (z.b. Verkaufs- und Umsatzzahlen). Dimensionsdaten demgegenüber haben einen deskriptiven Charakter und beschreiben die relevanten Geschäftsdimensionen. [Hol98] Die Dimensionstabellen beinhalten die Attribute der Faktdaten und deren Ausprägungen. Der Name des Schemas entsteht durch die visuelle Anordnung der Tabellen zueinander, bei der die Fakttabelle im Zentrum steht und um sie herum für jede Dimension eine Dimensionstabelle angeordnet wird (Abbildung 3.3). Die Fakttabelle enthält eine

31 3 Die Datenhaltung Anzahl von Fremdschlüsseln 14 und bildet den Primärschlüssel 15 aus der Zusammensetzung der Fremdschlüssel. Sie ist damit hochnormalisiert 16, die Dimensionstabellen dagegen vollständig denormalisiert. Für die Modellierung eines realen Datenaufkommens sind in der Regel meist mehrere Fakttabellen notwendig. Abbildung 3.3: Star-Schema in Anlehnung an das Potato-Datenbankschema Das Star-Schema zeichnet sich vor allem durch seine einfache, intuitive und logische Struktur aus. Die Vorteile liegen auch in der einfachen Wartung durch die relativ geringe Anzahl der Tabellen. Nachteile ergeben sich insbesondere durch die Schwierigkeit bei der Bildung von Aggregaten, also der Zusammenfassung von Datensätzen aus der Fakttabelle, und durch Performanzeinbußen bei sehr großen Dimensionstabellen. [Kur99] Hier kann das Snowflake-Schema Abhilfe schaffen. 14 Ein Fremdschlüssel ist ein Attributwert, der einen Schlüsselwert in einer anderen Tabelle darstellt und somit als eindeutiger Verweis auf einen Datensatz in der anderen Tabelle zeigt. [SS00] 15 Ein Primärschlüssel ist ein Attribut oder eine Attributkombination, die einen Datensatz eindeutig identifiziert. [SS00] 16 Das Ziel der Normalisierung von Relationenschemata besteht darin, alle Abhängigkeiten auf Schlüsselabhängigkeiten zurückzuführen und damit Redundanz zu vermeiden. Im laufenden Betrieb von Datenbanken wird oft eine Denormalisierung vorgenommen, in der eine redundante Speicherung wiedereingeführt wird, um die Performanz zu steigern. [SS00]

32 3 Die Datenhaltung Das Snowflake-Schema Fakttabellen enthalten zumeist wesentlich mehr Datensätze als die im Vergleich recht kleinen Dimensionstabellen. In besonderen Fällen, z.b. beim Entwurf einer Produkttabelle, können Dimensionstabellen unter Umständen sehr große Ausmaße annehmen. Um die Datenbestände zu reduzieren und Redundanz abzubauen, kann ein Star-Schema in ein Snowflake-Schema überführt werden, in dem eine Normalisierung der Dimensionstabellen durchgeführt wird. Dabei wird für jedes Dimensionselement ein Schlüsselattribut eingefügt, das die Dimensionstabelle mit einer Tabelle verknüpft, die die Attribute der Elemente enthält. Abbildung 3.4: Das Snowflake-Schema baut auf das Star-Schema auf, erhöht aber dessen strukturelle Komplexität. Das Snowflake-Schema bringt dann spürbare Verbesserungen der Performanz, wenn die Dimensionstabellen sehr groß werden [Hol98]. Darüber hinaus bietet es Vorteile bei der Bildung von Aggregaten und reduziert die Redundanz in den Dimensionstabellen. Auf der anderen Seite sind Datenbanken diesen Types durch die hohe Anzahl der Tabellen schwerer zu pflegen und die Generierung von SQL- Abfragen ist wesentlich komplexer

33 4 OLAP 4. OLAP Online Analytical Processing Die Defizite relationaler Datenbankmodelle, die vor allem in der flexiblen und benutzeradäquaten Zurverfügungstellung entscheidungsrelevanter Informationen für das Management [CG98] liegen, haben die Entwicklung neuer Datenbankkonzepte vorangetrieben. Diese Entwicklung resultiert unter anderem aus der Tatsache, dass sich managementunterstützende Daten grundsätzlich von denen operationaler Informationssysteme unterscheiden [Hol98]. Informationen, die für die Abwicklung und das Nachvollziehen der Geschäftsprozesse von Bedeutung sind und aus den Daten täglich ablaufender Transaktionen gewonnen werden, sollen vor allem standardisierte Fragestellungen beantworten. Dies lässt sich mit den Möglichkeiten relationaler Datenbanktechnologien und über die Generierung von standardisierten Reports meist zufriedenstellend realisieren. Entscheidungs- und führungsrelevante Fragestellungen verlangen hingegen oftmals eine Sicht auf die Datenbasis eines Unternehmens, die als dynamisch, multidimensional, aggregiert und analysezentriert bezeichnet werden kann. Der Endbenutzer (Manager) möchte auf Informationen so zugreifen, dass eine möglichst hohe Übereinstimmung mit seinem geistigen Bild des jeweiligen Arbeitsumfeldes eintritt. Als angemessene Präsentationsform hat sich hier eine multidimensionale Anordnung quantitativer Daten mit Hierarchiebildung entlang der Achsen erwiesen. [CG98] Aufgrund der flachen, zweidimensionalen Tabellenstrukturen relationaler Datenbanksysteme erfordern dynamische, multidimensionale Sichtweisen auf den Datenbestand jedoch aufwendige und zeitraubende Join-Operationen, die sich nur mit Hilfe komplexer SQL-Anweisungen erstellen lassen. Mit dem multidimensionalen Ansatz des Online Analytical Processing (OLAP) wurde eine Technologie entwickelt, die der Komplexität managementunterstützender Problemstellungen Rechnung trägt und eine Sicht auf die Daten ermöglicht, die den Erfordernissen dieser Anwendergruppe entspricht