Modellierung für BI-Systeme Dr. Michael Hahne. Konzeptionelle Modellierung mehrdimensionaler Datenstrukturen

Transkript

1 TDWI 04 Deutschland Modellierung für BI-Systeme Dr. Michael Hahne cundus AG 2004 Einteilung Teil 1 Konzeptionelle Modellierung mehrdimensionaler Datenstrukturen Mehrdimensionales Datenmodell der Microsoft SQL Server 2000 Analysis Services Teil 2 Mehrdimensionales Datenmodell des SAP Business Information Warehouse 1

2 Konzeptionelle Modellierung mehrdimensionaler Datenstrukturen Phasen der Datenmodellierung Grundbestandteile mehrdimensionaler Datenstrukturen Hierarchische Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Ausgewählte Konzeptionelle Datenmodelle Konzeptionelle Modellierung mit ADAPT Unterstützung durch Microsoft Visio und den cundus CubeDesigner Mehrdimensionales Datenmodell der Microsoft SQL Server 2000 Analysis Services Microsoft Data Warehouse Architektur Dimensionsmodellierung mit den Microsoft Analysis Services Attribute und Dimensionen Modellierung von Cubes Kennzahlen 2

3 Mehrdimensionales Datenmodell des SAP Business Information Warehouse Architektur des Business Information Warehouse der SAP AG Erweitertes Star Schema der SAP AG Allgemeine Dimensionsstrukturen Modellierungsvarianten von hierarchischen Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Grafische Modellrepräsentation mit Visio Ableitung eines BW-Modells aus dem ADAPT-Modell Unterstützung durch Microsoft Visio und den cundus CubeDesigner 3

4 TDWI 04 Deutschland Modellierung für BI-Systeme Konzeptionelle Modellierung mehrdimensionaler Datenstrukturen Dr. Michael Hahne cundus AG 2004 Agenda Phasen der Datenmodellierung Grundbestandteile mehrdimensionaler Datenstrukturen Hierarchische Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Ausgewählte Konzeptionelle Datenmodelle Konzeptionelle Modellierung mit ADAPT Unterstützung durch Microsoft Visio und den cundus CubeDesigner 1

5 Agenda Phasen der Datenmodellierung Grundbestandteile mehrdimensionaler Datenstrukturen Hierarchische Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Ausgewählte Konzeptionelle Datenmodelle Konzeptionelle Modellierung mit ADAPT Unterstützung durch Microsoft Visio und den cundus CubeDesigner Beschreibungsebenen betrieblicher Informationssysteme Betriebswirtschaftliche Problemstellung Fachkonzept Analyse DV-Konzept Design/Entwurf Technische Implementierung Implementierung/Realisierung Informationstechnik Quelle: Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle für industrielle Geschäftsprozesse, 3. Aufl., Berlin u.a

6 Ebenen der Datenmodellierung Semantisches Datenmodell Logisches Datenmodell Physisches Datenmodell Agenda Phasen der Datenmodellierung Grundbestandteile mehrdimensionaler Datenstrukturen Hierarchische Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Ausgewählte Konzeptionelle Datenmodelle Konzeptionelle Modellierung mit ADAPT Unterstützung durch Microsoft Visio und den cundus CubeDesigner 3

7 Zahlenwürfel Zahlenwürfel mit betriebswirtschaftlichem Bezug Absatzmenge Periode 02/98 01/ Artikel Nord Ost Süd West Region 4

8 Strukturkomponenten 1. Betriebswirtschaftliche Variablen (Meßgrößen, Kennzahlen, Fakten) 2. Dimensionen 3. Dimensionshierarchien 4. Regeln Betriebswirtschaftliche Variablen (Kennzahlen) Kennzahlendefinition Zahl, die betriebliche und außerbetriebliche Informationen in aussagekräftiger, komprimierter Form wiedergibt Kennzahlentypen Statistische Form Absolute Kennzahlen (z.b. Beschäftigte, Umsatz, Bilanzsumme) Gegenstand (Mengen / Werte, Zeitpunkt / Zeitraum) Objektbereich (Gesamtwirtschaftlich, Konzern, Teilbetrieb) Relative Kennzahlen Gliederungszahlen (z.b. Anlagevermögen/Gesamtvermögen) Beziehungszahlen (z.b. Gewinn/Eigenkapital) Indexzahlen (z.b. Lohnkosten heute * / Lohnkosten Vorjahr) 5

9 Kennzahlensysteme Zusammenstellung unterschiedlicher Kennzahlen zur rechentechnischen Systematisierung Einzelkennzahlen stehen in sachlich sinnvoller Beziehung zueinander - + * : Bekannte Kennzahlensysteme RL-Kennzahlenschema von Reichmann/Lachnit ZVEI-Kennzahlenschema Du-Pont-Kennzahlenschema Gewinn in % des invest. Kapitals Gewinn in % des Umsatzes Kapitalumschlag Gewinn Umsatz Umsatz Investiertes Kapital Quelle: Küting, Karlheinz, Kennzahlensysteme in der betrieblichen Praxis, in: WiSt, Heft 6, Juni 1983, S. 292 Deckungsbetrag Fixe Kosten Nettoumsatz Variable Umsatzkosten Forderungen Bestände Bruttoumsatz Fertigungsgem.kosten Verwaltungsgem.kosten Vertriebsgem.kosten Umlaufvermögen Anlagevermögen Zahlungsmittel Erlösschmälerungen Produktionsprogramm Fertigungsmaterial Fertigungslöhne Sonst. var. Fert.- gemeinkosten Absatzwege 6

10 Kennzahlen als Bestandteile multidimensionaler Datenstrukturen Betrachtung von Einzelkennzahlen Betrachtung mehrerer Kennzahlen Kennzahlendimension Zeit Region Zeit Stück Erlös DB Artikel Artikel Absatzmenge Vertrieb Dimensionen Aufgabe: Aufgliederung / Konkretisierung von Kennzahlen bzw. Zahlenwerten Inhalt: Sachlogisch zusammengehörige Umweltobjekte, gleichen Geschäftsaspekt betreffend Ausprägungen: Einzelobjektdimensionen (Element bestimmt) wenige, aufzählbare Dimensionselemente (z.b. Szenario- oder Kennzahlendimension) Mengendimensionen (Ebenen bestimmt) viele bis sehr viele Dimensionselemente (z.b. Kunden- oder Artikeldimension) Beschreibung nur über Objektmengen 7

11 Dimensionskomponenten Abgeleitet bzw. verdichtete Elemente Dimensionselemente Hierarchiestufe bzw. Konsolidierungsebene (Level) Basiselemente bzw. unabhängige Elemente Granularität Dimensionstypen Standarddimensionen (z.b. Artikel, Kunden, Regionen) Kennzahlendimension (Measure Dimension) Szenario- bzw. Wertartdimension (Plan, Ist, Soll,...) Zeitdimension (vorbestimmte Struktur) 8

12 Weitere Regeln -Würfelübergreifende Verknüpfungsregeln OLAP-Join: Verbindung zwischen Würfeln (Multicube-Ansatz) -Integritätsregeln Hierarchische Integrität bei nicht dynamischer Berechnung -Regeln für die Behandlung von Ausnahmen z.b. Konsolidierungs-Sonderfälle Agenda Phasen der Datenmodellierung Grundbestandteile mehrdimensionaler Datenstrukturen Hierarchische Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Ausgewählte Konzeptionelle Datenmodelle Konzeptionelle Modellierung mit ADAPT Unterstützung durch Microsoft Visio und den cundus CubeDesigner 9

13 Flache Struktur A1 A2 A3 A4 A5 A6 A7 A8 A9 Typisierte flache Struktur A 10

14 Flache Struktur mit totaler Verdichtung Alle A1 A2 A3 A4 A5 A6 A7 A8 A9 Typisierte flache Struktur mit totaler Verdichtung Alle A 11

15 Baumstruktur Alle AG1 AG2 AG3 A1 A2 A3 A4 A5 A6 A7 A8 A9 Typisierte Baumstruktur Alle AG A 12

16 Baumstruktur mit unterschiedlichen Tiefen Variante I Alle AOG1 AG1 AG2 AG3 A1 A2 A3 A4 A5 A6 A7 A8 A9 Typisierte Baumstruktur mit unterschiedlichen Tiefen Variante I Alle AOG AG A 13

17 Baumstruktur mit unterschiedlichen Tiefen Variante II Alle AG1 AUG1 AUG2 AG2 A1 A2 A3 A4 A5 A6 A7 A8 A9 Typisierte Baumstruktur mit unterschiedlichen Tiefen Variante II Alle AG AUG A 14

18 Parallele Hierarchie Alle AG1 PG1 AG2 PG2 AG3 A1 A2 A3 A4 A5 A6 A7 A8 A9 Typisierte parallele Hierarchie Alle PG AG A 15

19 Heterarchie (m:n-beziehungen) Alle AG1 AG2 AG3 A1 A2 A3 A4 A5 A6 A7 A8 A9 Typisierte Heterarchie Mit Unterscheidung der Kardinalität der Kanten Ohne Unterscheidung der Kardinalität der Kanten Alle Alle AG deg in = 2 deg in = 1 AG A A 16

20 Anteilige Verrechnung Sonderfall: Anteilige Verrechnung Alle AG1 AG2 AG3 60% 40% A1 A2 A3 A4 A5 A6 A7 A8 A9 Regeln (Additivitätseigenschaften) Ausnahmeregeln für nicht-additive Kennzahlen z.b. Preis, Lagerendbestand Gegebenenfalls sinnvoll: Durchschnittsberechnung oder letzter Wert Einzelartikel Artikelgruppen A1 800?? AG1 A2 A3 A Artikelpreise Zu beachten: Semi-additiveGrößen (Lagerendbestände lassen sich zwar sinnvoll über alle Lagerorte addieren, nicht jedoch über die Zeit)

21 Agenda Phasen der Datenmodellierung Grundbestandteile mehrdimensionaler Datenstrukturen Hierarchische Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Ausgewählte Konzeptionelle Datenmodelle Konzeptionelle Modellierung mit ADAPT Unterstützung durch Microsoft Visio und den cundus CubeDesigner Zeitabhängigkeit: Strukturelle Veränderungen in Dimensionen PG 1 PG 2 Strukturveränderungen PG 1 PG 2 P 1 P 2 P 3 P 4 P 5 P 4 gelöscht P 6 hinzugefügt P 3 verändert P 1 P 2 P 3 P 5 P 6 18

22 Anforderungen des Berichtswesens Mögliche Anforderungen: Berichte nach aktueller Struktur Berichte nach definierter historischer Struktur (Zeitpunkt) Berichte gemäß historischer Wahrheit (Transaktionsorientierte Sicht der Bewegungsdaten) Bericht vergleichbarer Resultate (Zeitintervall) Lösungsalternativen bei Strukturbrüchen Anpassung des historischen Datenmaterials an neue Strukturen Vorteile: Keine Aufblähung des Datenbestandes; Datenstrukturen bleiben überschaubar Nachteile: Alte Strukturen sind verloren; Anwender wollen u. U. Berichte mit alten Strukturen Separate Speicherung des historischen Datenbestandes zusätzlich zum Komplettbestand mit neuen Strukturen Vorteile: Alte Auswertungen können abgerufen werden Nachteile: Datenvolumen; aufwendige Aktualisierung, wenn Anwender auch neue Zahlen in den alten Strukturen sehen wollen; verwirrend für Endbenutzer Aufbau paralleler Hierarchien mit alten/neuen Strukturen Vorteile: Alle Zahlen können mit beliebigen Strukturen angezeigt werden Nachteile: Dimensionsstruktur kaum überschaubar Temporale Datenbanken - Gültigkeitsstempel Vorteile: Alle Zahlen können mit beliebigen Strukturen angezeigt werden Nachteile: Performance; Konzepte noch nicht ausgereift 19

23 Agenda Phasen der Datenmodellierung Grundbestandteile mehrdimensionaler Datenstrukturen Hierarchische Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Ausgewählte Konzeptionelle Datenmodelle Konzeptionelle Modellierung mit ADAPT Unterstützung durch Microsoft Visio und den cundus CubeDesigner Gestaltungsüberlegungen der Dimensionsmodellierung auf semantischer Ebene Anzahl der Dimensionen zwischen vier und zehn (ideal zwischen sechs und acht) Anzahl der Hierarchiestufen (maximal sieben Hierarchiestufen) Anzahl der Elemente je Konsolidierungselement (maximal fünfzehn bis zwanzig Elemente) Bestimmung von Dimensionen (1:1-Beziehungen ungeeignet; 1:N-Beziehungen bilden Dimensionshierarchie; M:N-Beziehungen stellen zwei Dimensionen dar) 20

24 Agenda Phasen der Datenmodellierung Grundbestandteile mehrdimensionaler Datenstrukturen Hierarchische Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Ausgewählte Konzeptionelle Datenmodelle Konzeptionelle Modellierung mit ADAPT Unterstützung durch Microsoft Visio und den cundus CubeDesigner Konzeptionelle mehrdimensionale Datenmodelle Entity Relationship Model ME/R -Modell Dimensional Fact Modeling (Golfarelli) Dimensional Modeling (Kimball) / Star Schema Kennzahlendatenmodell (Groffmann) Multidimensional Data Model (Cabibbo / Torlone) 21

25 ER-Modellierung multidimensionaler Datenstrukturen Lieferant Artikel Mitarbeiter Einkaufspreis Absatzmenge Vertrieb 1 n Preis 1 n n 1 1 n 1 n n Erlös n 1 1 Periode Kunde Erweiterung eer zur Darstellung von Dimensionshierarchien Periode 1 Jahr Woche n 1 n 1 n 1 n Monat Tag 22

26 ER-Modellierung multidimensionaler Datenstrukturen: Beispiel Artikel v für verdichtet zu Gesamt Vertriebsweg isa Sondermodellgruppe Gesamt Vertriebsweg Zeit Jahr Ord v Region v Kennzahlen Szenario v v Marke isa isa Quartal Ord Land v Bruttoerlös Erlösschm. Var. Kost. Plan Ist v v Gruppe Nettoerlös DB1 Abw. Monat Ord Gebiet v v v Einzel Quelle: Totok, A., Semantische Modellierung von multidimensionalen Datenstrukturen -Vortragsunterlagen, Workshop des GI-Arbeitskreises MDDB, , Darmstadt Tag Ord Filiale Darstellungsobjekte im ME/R-Modell Fakt- Name Ebenen-Name Faktbeziehungstyp Dimensionsebenen Entitytyp Roll-Up Beziehungstyp Quelle: Sapia, Carsten; Blaschka, Markus; Höfling, Gabriele;, Dinter, Barbara: Extending thee/r Model for the Multidimensional Paradigm. In: Proceedings of theadvances in Databases Technologies Conference, November 19-20, 1998, Singapore 23

27 Beispiel eines ME/R-Modells Jahr Quartal Szenario Monat Gesamt Artikel Vertrieb Tag Region Filiale Gebiet Land Erlös Dimensional Fact Modeling Hierarchie Dimension Monat Woche Kategorie Hersteller Typ Produkt Vertrieb Verkaufsmenge Erlös Größe Filiale Nicht-dimensionales Attribut Stadt Vertriebsmanager Land Absatzmenge Fakt- Attribut Fakt Adresse Quelle: Golfarelli, Matteo; Maio, Dario; Rizzi, Stefano: Conceptual Design of Data Warehouses from E/R Schemas. In: Proceedings of the Hawaii International Conference On System Sciences, January 6-9, 1998, Kona, Hawaii. 24

28 Aggregation im Dimensional Fact Modeling Eingeschränkte Addierbarkeit für Kennzahl Käuferzahl in allen Dimensionen Hersteller Produkt Typ Größe Kategorie Vertrieb Vertriebsmanager Monat Woche Durchschnitt Verkaufsmenge Erlös Käuferzahl Bestand Filiale Stadt Adresse Land Alternative Aggregation für Kennzahl Bestand in Dimension Woche Dimensional Modeling (Faktendarstellung) Date Day Fact Name Contract Number Contract Unit Price Fact Description Indicates the specific contract number for the relationship between this vendor and Telco. The agreed upon unit price for this purchased item. Default Aggregation Rule N/A N/A Purchased Product Item Vendor Contracts End Date End Day Vendor Vendor Quelle: Ralph Kimball, The Data Warehouse Lifecycle Toolkit, Wiley Computer Publishing, New York u.a

29 Dimensional Modeling (Dimensionsdarstellung) Fiscal Year Fiscal Quarter Fiscal Month Fiscal Week Type of Day Calendar Year Calendar Quarter Calendar Month Calendar Week Attribute Name Attribute Description Sample Values Day The specific day that an activity took place. 06/04/1998; 06/05/1998 Day of Week The specific name of the day. Monday; Tuesday Holiday Identifies that this day is a holiday. Easter; Thanksgiving Type of Day Indicates whether or not this day is a weekday or a weekend day. Weekend; Weekday Calendar Week The week ending date, always a Saturday. Note that WE denotes week ending. WE 06/06/1998; WE 06/13/1998 Calendar Month The calendar month. January,1998; February, 1998 Calendar Quarter The calendar quarter. 1998Q1; 1998Q4 Calendar Year The calendar year Day of Week Day Holiday Kennzahlendatenmodell 8 Dimensionen zur Differenzierung von Kennzahlen Untersuchungsgegenstand Informationsquelle Umsatz Einheit Int. DV- System Euro Informationszweck Ist Kennzahl Gesamtunternehmen Betr. Aggregationsniveau Bewegungszahl Monat Quelle: Groffman, Hans-Dieter: Kooperatives Führungsinformationssystem Gabler, 1992 Zahlenart 6/2004 Zeitpunkt Zeitl. Aggregationsniveau 26

30 Multidimensional Data Model (MD) Beschreibung eines Dimensionslevels Produkt Zeit Name Marke Jahr Gruppe Produkt Sonderperiode Quartal Verkäufe Tag Monat Dimensionslevel Stk. Erl.. f-node Variablen Agenda Phasen der Datenmodellierung Grundbestandteile mehrdimensionaler Datenstrukturen Hierarchische Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Ausgewählte Konzeptionelle Datenmodelle Konzeptionelle Modellierung mit ADAPT Unterstützung durch Microsoft Visio und den cundus CubeDesigner 27

31 Modellkomponenten in ADAPT Objekte zur Modellierung von Dimensionen Objekte zur Modellierung von Cubes Beziehungsobjekte Objekte der Dimensionsmodellierung in ADAPT Dimension Model Hierarchy { } Member { } Level { } Scope Attribute 28

32 Elementbestimmte Dimension Szenario { } Ist { } Plan { } Abweichung Ist - Plan Ebenenbestimmte Dimension Produkt Produkthierarchie Warenhauptgruppe { } { } Warengruppe Warenuntergruppe { } { } Hersteller { } Produkt Bezeichnung { } Eigene Produkte { } Fremdprodukte Verpackungsart Herstellerhierarchie Verpackungsgröße Gewicht Anzahl auf einer Palette 29

33 Beziehungstypen in ADAPT Fully exclusive Fully overlapping Partially exclusive Partially overlapping Cube-Modellierung Kennzahl Zeit { } Kosten { } { } Jahr Quartal Controlling Zeit Kostenstelle Kostenart Szenario Kennzahl { } Kostenstelle Kostenstellen- Hierarchie Kostenstelle Kalenderhierarchie Kostenstellenverantwortlicher { } Monat Szenario Kostenart { } Ist { } Plan Kostenarten- Hierarchie { } Abweichung { } Kostenart Ist - Plan 30

34 Modellierung einer abgeleiteten Teilsicht eines Cubes Kosten Zeit Kostenstelle Kostenart Szenario Kennzahl Prognoserechnung Prognostizierte Kosten Erweiterungen in T-ADAPT Als Ergänzung zu ADAPT werden in T-ADAPT (M. Hahne) unterschieden: Komplette Historisierung von Dimensionshierarchien Spezialfall der transaktionsorientierten kontinuierlichen Historisierung Selektive Historisierung Hierzu neu definierte Objekte: Hierarchy Version 31

35 Kontinuierliche Historisierung über Gültigkeitszeit Produkt Produkthierarchie Gültigkeitszeit t Transaktionale Sicht 32

36 Historienverfolgung mit dedizierten Versionen Kostenstelle Kostenstellenhierarchie Einzelne Versionen v Jahresende 2001 Jahresende 2002 Aktuell Agenda Phasen der Datenmodellierung Grundbestandteile mehrdimensionaler Datenstrukturen Hierarchische Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Ausgewählte Konzeptionelle Datenmodelle Konzeptionelle Modellierung mit ADAPT Unterstützung durch Microsoft Visio und den cundus CubeDesigner 33

37 TDWI 04 Deutschland Modellierung für BI-Systeme Mehrdimensionales Datenmodell der Microsoft SQL Server 2000 Analysis Services Dr. Michael Hahne cundus AG 2004 Agenda Microsoft Data Warehouse Architektur Dimensionsmodellierung mit den Microsoft Analysis Services Attribute und Dimensionen Modellierung von Cubes Kennzahlen 1

38 Agenda Microsoft Data Warehouse Architektur Dimensionsmodellierung mit den Microsoft Analysis Services Attribute und Dimensionen Modellierung von Cubes Kennzahlen Architektur Microsoft Data Warehouse Front-End OLE DB for OLAP / ADO MD Analysis Services Data Transformation Services (DTS) Data Warehouse SQL Server Data Transformation Services (DTS) Quellsysteme 2

39 Architektur Analysis Services Analysis Manager Decision Support Objects (DSO) MOLAP-Speicher Analysis Server OLAP Engine Data Mining Engine Agenda Microsoft Data Warehouse Architektur Dimensionsmodellierung mit den Microsoft Analysis Services Attribute und Dimensionen Modellierung von Cubes Kennzahlen 3

40 Dimensionen in den Analysis Services Parents (übergeordnete Elemente) Siblings (Elemente mit dem gleichen übergeordneten Element) Children (untergeordnete Elemente) Cousins (Elemente einer Ebene mit verschiedenen übergeordneten Elementen) Descendants of x (Nachfolger von x) Ancestors of x (Vorgänger von x) All Artikel Dimension Artikel AG1 AG2 AG3 A1 A2 A3 A4 A5 A6 A7 A8 A9 Technische Restriktionen Dimensionen pro Datenbank Ebenen pro Datenbank 128 Dimensionen pro Cube 256 Ebenen pro Cube 64 Ebenen pro Dimension untergeordnete Elemente je übergeordnetem Element 4

41 Shared vs. Private Dimensionen Sales-Org Kunde Szenario Produkt Zeit Hat Auswirkungen auf die Aktualisierungsläufe Balancierte Dimensionen Star Schema SQL-Server Jede Ebene der Dimension wird von einer Spalte einer Dimensionstabelle des Star Schemas befüllt Alle AG Dimensionstabellen Standard oder Snowflake Fakten beziehen sich auf die unterste Ebene All Artikel A AG1 AG2 AG3 A1 A2 A3 A4 A5 A6 A7 A8 A9 5

42 Unbalancierte Dimensionen Star Schema SQL-Server Jede Ebene der Dimension wird von einer Spalte einer Dimensionstabelle des Star Schemas befüllt Alle AOG Dimensionstabellen Standard oder Snowflake Die Lücken werden redundant gefüllt Fakten beziehen sich auf die unterste Ebene AOG1 Alle Wird ausgeblendet! AG3 AG A AG1 AG2 AG3 A1 A2 A3 A4 A5 A6 A7 A8 A9 Dimensionen auf Basis einer Parent-Child-Relation Star Schema SQL-Server Die Ebenen werden aus der Selbstrelation abgeleitet Ebenenbezeichnungen können vergeben werden Alle AG Level 1 2 Dimensionstabelle mit Parent-Child-Relation Fakten können sich auf alle Ebenen beziehen AG1 Alle AUG A 3 4 AUG1 AUG2 AG2 A1 A2 A3 A4 A5 A6 A7 A8 A9 6

43 Agenda Microsoft Data Warehouse Architektur Dimensionsmodellierung mit den Microsoft Analysis Services Attribute und Dimensionen Modellierung von Cubes Kennzahlen Attribute (Elementeigenschaften) Star Schema SQL-Server Jede Ebene der Dimension wird von einer Spalte einer Dimensionstabelle des Star Schemas befüllt Alle Die Attributspalten bedienen die Elementeigenschaften AG Dimensionstabellen Standard oder Snowflake Fakten beziehen sich auf die unterste Ebene Mit zusätzlichen Spalten für Attribute je Ebene All Artikel AG1 Product Manager abc A PM Preis A1 A2 A3 A4 Preis 1 Preis 2 Preis 3 Preis 4 7

44 Virtuelle Dimensionen Dimension mit Attributen Alle Aus einer oder mehreren Elementeigenschaften wird die virtuelle Dimension abgeleitet Dimension PM All PM AG PM Dimension Artikel All Artikel PM abc A AG1 Product Manager abc Preis A1 A2 A3 A4 Preis 1 Preis 2 Preis 3 Preis 4 Agenda Microsoft Data Warehouse Architektur Dimensionsmodellierung mit den Microsoft Analysis Services Attribute und Dimensionen Modellierung von Cubes Kennzahlen 8

45 Speichervarianten ROLAP MOLAP HOLAP Aggregate Aggregattabellen SQL-Server Aggregat-Cubes Aggregat-Cubes Speicher Star Schema SQL-Server MOLAP-Speicher Star Schema SQL-Server Virtuelle Cubes Sales Actual Sales Forecast 9

46 Partitionen Viele Aggregat-Cubes Aktuelles Jahr Wenig Aggregat-Cubes Vorjahr Actual Sales ROLAP-Speicher ohne Aggregate Historie Agenda Microsoft Data Warehouse Architektur Dimensionsmodellierung mit den Microsoft Analysis Services Attribute und Dimensionen Modellierung von Cubes Kennzahlen 10

47 Modellierung von Kennzahlen Star Schema SQL-Server Die Wertspalten der Faktentabelle füllen die Kennzahlen Und bilden automatisch die Kennzahlen-Dimension Actual Sales Numerische Spalten der Faktentabelle Measures Die Berechnung erfolgt uniform über alle Dimensionen hinweg anhand der Aggregatfunktionen sum, count, min, max, distinct count Derived Measures bieten darüber hinausgehende Möglichkeiten 11

48 TDWI 04 Deutschland Modellierung für BI-Systeme Mehrdimensionales Datenmodell des SAP Business Information Warehouse Dr. Michael Hahne cundus AG 2004 Agenda Architektur des Business Information Warehouse der SAP AG Erweitertes Star Schema der SAP AG Allgemeine Dimensionsstrukturen Modellierungsvarianten von hierarchischen Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Grafische Modellrepräsentation mit Visio Ableitung eines BW-Modells aus dem ADAPT-Modell 1

49 Agenda Architektur des Business Information Warehouse der SAP AG Erweitertes Star Schema der SAP AG Allgemeine Dimensionsstrukturen Modellierungsvarianten von hierarchischen Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Grafische Modellrepräsentation mit Visio Ableitung eines BW-Modells aus dem ADAPT-Modell Architektur SAP Business Information Warehouse Third-Party- Werkzeuge Business Explorer BAPI ODBO XML Administrator Workbench BW-Server OLAP-Prozessor Info-Cubes Administration Scheduling Metadaten- Manager Daten-Manager ODS Monitoring Staging-Bereich PSA BAPI FILE XML XML-Daten Flache Dateien Non-SAP- Anwendungen SAP R/2 SAP R/3 SAP BW 2

50 Datenfluss und Integrationsarchitektur Info-Cubes Anwendung von Business-Rules Fortschreibungsregeln Vertriebsdaten Aggregation betriebswirtschaftliche Konsolidierung ODS Transformation Fortschreibungsregeln Istdaten Vertrieb Plandaten Vertrieb Übertragungs- und Fortschreibungsregeln Vertriebsmarktdaten Konsolidierung verschiedener Datenquellen PSA Extraktion Vertriebsdaten EMEA Vertriebsdaten USA Quellsysteme Vertriebsplandaten Vertriebsmarktdaten nichttransformierte Quelldaten Arten von Info-Cubes Form des InfoCube, der einen in sich geschlossenen Datenbestand eines betriebswirtschaftlichen Bereiches enthält und physisch gespeichert vorliegt. Front-End Abfrage-Schicht Info-Cubes im BW-Server Multi-Cube Übergeordneter Cube, der Daten aus mehreren Cubes in einen gemeinsamen Kontext stellt. Er enthält selbst keine Daten! Basis-Cubes Periodische Datenbeschaffung ETL-Schicht Quellsysteme Remote-Cube Direkter Durchgriff Die Bewegungsdaten werden in diesem Fall nicht im BW, sondern extern verwaltet. Im BW wird lediglich die Struktur des Remote- Cubes definiert. Für das Reporting gelangen die Daten über eine BAPI - Schnittstelle ins BW. 3

51 Agenda Architektur des Business Information Warehouse der SAP AG Erweitertes Star Schema der SAP AG Allgemeine Dimensionsstrukturen Modellierungsvarianten von hierarchischen Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Grafische Modellrepräsentation mit Visio Ableitung eines BW-Modells aus dem ADAPT-Modell Datenziele im SAP BW Datenziele sind Objekte, in denen Bewegungsdaten für Reportingund Analysezwecke gehalten werden. Die Wichtigsten sind: Info-Cubes ODS-Objekte Daneben gibt es im BW noch weitere Datenziele, die u. a. ein direktes Stammdaten- Reporting ermöglichen (Info-Sets, Info-Objekte) 4

52 Definition Info-Cube Der InfoCube ist ein zentraler Datenspeicher, auf dem Berichte und Analysen im SAP BW basieren. Er enthält einen in sich geschlossenen Datenbestand z. B. eines betriebswirtschaftlichen Bereichs oder einer Geschäftseinheit. InfoCubes enthalten zwei Datentypen: Kennzahlen und Merkmale. Der Begriff InfoCube bezeichnet eine Tabellenstruktur, in der eine Anzahl relationaler Tabellen im Sinne des sog. Star Schema-Datenmodells miteinander verknüpft sind. (multi-dimensionale Datenspeicherung) Star Schema: Dimensionstabellen gruppieren sich sternförmig um eine zentrale Faktentabelle. Star Schema Das Star Schema ist die häufigste Art der Abbildung mehrdimensionaler Datenstrukturen in relationalen Datenbanken. Im Star Schema werden die Fakten in einer separaten Faktentabelle gespeichert, während die Merkmale in Dimensionstabellen gruppiert werden. Die Dimensionstabellen sind über Fremdschlüssel- / Primärschlüsselbeziehungen (DIM ID) mit der Faktentabelle verbunden. Auf diese Weise werden alle Datensätze aus der Faktentabelle eindeutig durch eine Wertekombination dieser Fremdschlüssel aus den Dimensionstabellen gekennzeichnet. 5

53 Vor- und Nachteile des allgemeinen Star Schemas Hohe Performance bei der Analyse von Daten Hohe Flexibilität beim Hinzufügen von Merkmalen und Kennzahlen. Aufgrund der Eindeutigkeit des Schlüssels in den Dimensionstabellen können keine -N : M Beziehungen und -nur schlecht unbalancierte Hierarchien dargestellt werden. Deshalb entschied sich die SAP AG zur Erweiterung des Star Schemas. Beim erweiterten Star Schema werden Stammdaten separat und unabhängig von den InfoCubes gespeichert. Erweitertes Star Schema Das erweiterte Star Schema ermöglicht Zugriff auf: Stammdatentabellen und ihre zugehörigen Attribute Texttabellen mit umfassenden mehrsprachigen Beschreibungen Externe Hierarchietabellen für den strukturierten Datenzugriff SID-Tabellen (Zeigertabellen) liefern die technische Verknüpfung zu den Stammdaten- und Hierarchietabellen außerhalb der Dimensionstabellen eines Star-Schemas. 6

54 Stammdatenkonzept Attribute Kunde: Kundengruppe Texte Kunde: Sprache, Bezeichnung Hierarchien Kunde: Kundenhierarchie Dimension Kunde Info-Cube Dimension Zeit Attribute Zeit: Feiertag Faktentabelle des Info-Cube Dimensionstabelle Kunde Dimensionstabelle Zeit Texte Zeit: Sprache, Bezeichnung Dimensionstabelle Produkt Hierarchien Zeit: Kalenderhierarchie Attribute Produkt: Produktgruppe Texte Produkt: Sprache, Bezeichnung Hierarchien Produkt: Produkthierarchie Dimension Produkt Stammdatenanbindung über SID-Tabellen K P Z Absatz Umsatz Faktentabelle Info-Cube K SID-Kunde SID-Kette SID-Niederl. SID- Zentrale Dimensionstabelle Zeit Dimensionstabelle Produkt Dimensionstabelle Kunde SID-Kunde Kunde SID-Region Kunde Text SID-Kette Kette Lampen Müller SID-Region Region 23 S5 SID-Tabelle für Attribute SID-Tabelle für Attribute Text-Tabellen für (sprachabhängige) Bezeichnungen Region Text S5 Süd 5/Frankfurt SID-Tabelle für Attribute Stammdaten 7

55 Verschiedene Stammdaten-Tabellen K SID-Kunde. SID-Kette SID-Niederl. SID- Zentrale Dimensionstabelle Kunde S SID-Kunde Kunde SID-Tabelle BIC/SKunde Standard SID-Tabelle P Q Kunde Kundenname Lampen Müller Kunde DateFrom... DateTo... Stammdaten-Tabelle BIC/PKunde für nicht-zeitabhängige Anzeige-Attribute Region Stammdaten-Tabelle BIC/QKunde für zeitabhängige Süd 5/Frankfurt Anzeige-Attribute X SID-Kunde Kunde SID-Region 23 SID-Tabelle BIC/XKunde für nicht-zeitabhängige Navigations-Attribute Y SID-Kunde Kunde DateFrom DateTo... SID-Klasse 12 SID-Tabelle BIC/YKunde für zeitabhängige Navigations-Attribute Hierarchietabellen Dim-ID SID-Kunde SID-Kette SID-Niederl. SID-Zentrale Dimensions-Tabelle Kunde S SID-Kunde 522 Kunde SID-Tabelle /BIC/SKunde Standard SID-Tabelle I SID der Hierarchie 234 pred -21 succ 522 Hierarchietabelle /BIC/IKunde Parent-Child-Tupel der Hierarchien K SID der Hierarchie 234 Knoten Kundengruppe A SID -21 Hierarchietabelle /BIC/KKunde Textknoten der Hierarchien 8

56 Line-Item Dimensionen Faktentabelle K P Z Absatz Umsatz Faktentabelle K P Z Absatz Umsatz Dimensionstabelle Kunde K SID-Kunde 522 Line-Item: Dimensionstabelle entfällt SID-Kunde Kunde SID-Region 23 SID-Kunde Kunde SID-Region 23 SID-Tabelle für Attribute SID-Tabelle für Attribute SID-Region Region 23 S5 SID-Tabelle für Attribute SID-Region Region 23 S5 SID-Tabelle für Attribute Komplexität des erweiterten Star Schemas im Überblick InfoCube (1) Fakten-Tabelle (2) Dimensions-Tabellen (3) zeit-unabhängige unabhängige-sid zeit-abhängige abhängige-sid herkömmliche SID (4) SID Attribute 9

57 Agenda Architektur des Business Information Warehouse der SAP AG Erweitertes Star Schema der SAP AG Allgemeine Dimensionsstrukturen Modellierungsvarianten von hierarchischen Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Grafische Modellrepräsentation mit Visio Ableitung eines BW-Modells aus dem ADAPT-Modell Dimensionen und balancierte Hierarchien Abgeleitet bzw. verdichtete Elemente Dimensionselemente Hierarchiestufe bzw. Konsolidierungsebene (Level) Basiselemente bzw. unabhängige Elemente Granularität 10

58 unbalancierte Dimensionsstruktur Abgeleitet bzw. verdichtete Elemente Dimensions -elemente Hierarchiestufe bzw. Konsolidierungsebene Basiselemente bzw. unabhängige Elemente Granularität Agenda Architektur des Business Information Warehouse der SAP AG Erweitertes Star Schema der SAP AG Allgemeine Dimensionsstrukturen Modellierungsvarianten von hierarchischen Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Grafische Modellrepräsentation mit Visio Ableitung eines BW-Modells aus dem ADAPT-Modell 11

59 Hierarchische Strukturen über Merkmale Land Region Kunde SIDs Dimensionstabelle Merkmal Kunde Merkmal Region Merkmal Land Hierarchien in Dimensionen / Eigenschaften Ein Info-Objekt je level balancierte Struktur Schnellste Variante zur Abbildung von hierarchischen Strukturen Übergeordnete Attribute sind in Aggregate mit einzuschließen Keine vordefinierten Navigationspfade im BEx 12

60 Navigationsattribute als Basis für hierarchische Strukturen Land Region Kunde SID Dimensionstabelle Merkmal Kunde Attribut Region SIDs Stammdatentabelle Attribute Attribut Land Hierarchien über Attribute in Stammdaten / Eigenschaften Ein Info-Objekt je level balancierte Struktur Übergeordnete Attribute sind in Aggregate mit einzuschließen Keine vordefinierten Navigationspfade im Bex Schlechte Performance Hohe Flexibilität zur Reorganisation 13

61 Externe Hierarchien im BW Kanten Kunde Dimensionstabelle SID Merkmal Kunde Child Parent Stammdatentabelle Hierarchie (Inclusion Table) Textknoten Externe Hierarchien / Eigenschaften Gut bei häufigen Strukturänderungen Unbalancierte Strukturen Mehrere Hierarchien pro Info-Objekt abbildbar und selektierbar Schlechte Performance ähnlich Navigationsattribute große Hierarchien problematisch Aggregate bei Zeitabhängigkeit nur bei gesamter Struktur zeitabhängig 14

62 Agenda Architektur des Business Information Warehouse der SAP AG Erweitertes Star Schema der SAP AG Allgemeine Dimensionsstrukturen Modellierungsvarianten von hierarchischen Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Grafische Modellrepräsentation mit Visio Ableitung eines BW-Modells aus dem ADAPT-Modell Zeitabhängigkeit: Strukturelle Veränderungen in Dimensionen PG 1 PG 2 Strukturveränderungen PG 1 PG 2 P 1 P 2 P 3 P 4 P 5 P 4 gelöscht P 6 hinzugefügt P 3 verändert P 1 P 2 P 3 P 5 P 6 15

63 Beispiel für Slowly Changing Dimensions Produktdimension in Produkt P A P B P C P D Produkt P A P B P C P D P E Produktgruppe PG X PG X PG Y PG Y Produktdimension in Produktgruppe PG X PG Y (geändert) PG Y PG Y PG Y (neu) Produkt P A P B P C P D P A P B P C P D P E Fakten-Tabelle Periode Umsatz Berichtsanforderungen -Szenarien Berichtsszenario aktuelle Struktur Produktgruppe PG X PG Y Umsatz Umsatz Berichtsszenario alte Struktur Produktgruppe PG X PG Y Umsatz Umsatz Berichtsszenario historische Wahrheit Produktgruppe PG X PG Y Umsatz Umsatz Berichtsszenario vergleichbare Resultate Produktgruppe PG X PG Y Umsatz Umsatz

64 Szenario I : Bericht mit aktueller Struktur Produktdimension in Fakten-Tabelle Produkt Produktgruppe Produkt Periode Umsatz P A P B P C P D P E PG X PG Y (geändert) PG Y PG Y PG Y (neu) P A P B P C P D P A P B P C P D P E Produktgruppe PG X PG Y Umsatz Umsatz Abfrageweg aktuelle Struktur über Navigationsattribute S-Tabelle von Produktgruppe Produktgruppe SID X-Tabelle von Produkt Produkt SID Produkt P A P B P C P D P E Produktgruppe PG X PG Y Produktgruppe SID Produkt DIM ID Fakten-Tabelle Periode Umsatz Produkt SID Produkt DIM ID Produktgruppe PG X PG Y Umsatz Umsatz Dimensions-Tabelle Produkt 17

65 Abfrageweg aktuelle Struktur über externe Hierarchie K-Tabelle von Produkt SID nodename Fakten-Tabelle -2-3 PG X PG Y I-Tabelle von Produkt pred succ Produkt DIM ID Periode Umsatz Produkt SID Produkt DIM ID Produktgruppe PG X PG Y Umsatz Umsatz Dimensions-Tabelle Produkt Szenario II : Bericht mit alter Struktur Fakten-Tabelle Produktdimension in Produkt Periode Umsatz Produkt P A P B P C P D Produktgruppe PG X PG X PG Y PG Y P A P B P C P D P A P B P C P D P E Produktgruppe PG X PG Y Umsatz Umsatz

66 Abfrageweg alte Struktur über zeitabh. Navigationsattribute S-Tabelle von Produktgruppe Produktgruppe SID Produkt SID Y-Tabelle von Produkt Produkt P A P B P B P C P D P E Produktgruppe PG X PG Y Produktgruppe SID Query keydate gültig ab gültig bis Produkt DIM ID Fakten-Tabelle Periode Umsatz Produkt SID Produkt DIM ID Produktgruppe PG X PG Y Umsatz Umsatz Dimensions-Tabelle Produkt Abfrageweg alte Struktur über zeitabhängige Hierarchie K-Tabelle von Produkt SID -2-3 Version nodename PG X PG Y I-Tabelle von Produkt pred succ Produkt DIM ID Fakten-Tabelle Periode Umsatz Version 1 2 gültig ab Query keydate Gültig bis Produkt SID Produkt DIM ID Produktgruppe PG X PG Y Umsatz Umsatz Dimensions-Tabelle Produkt 19

67 Szenario III : Bericht nach historischer Wahrheit Produktdimension in Produkt P A P B P C P D Produkt P A P B P C P D P E Produktgruppe PG X PG X PG Y PG Y Produktdimension in Produktgruppe PG X PG Y (geändert) PG Y PG Y PG Y (neu) Produkt P A P B P C P D P A P B P C P D P E Fakten-Tabelle Periode Umsatz Produktgruppe PG X PG Y Umsatz Umsatz Abfrageweg historische Wahrheit über Merkmale S-Tabelle von Produktgruppe Fakten-Tabelle Produktgruppe SID Produkt SID Produktgruppe PG X PG Y Produktgruppe SID Dimensions-Tabelle Produkt Produkt DIM ID Produkt DIM ID Produktgruppe PG X PG Y Periode Umsatz Umsatz Umsatz

68 Szenario IV : Bericht mit vergleichbaren Resultaten Produktdimension in Produkt P A P B P C P D Produkt P A P B P C P D P E Produktgruppe PG X PG X PG Y PG Y Produktdimension in Produktgruppe PG X PG Y (geändert) PG Y PG Y PG Y (neu) Produkt P A P B P C P D P A P B P C P D P E Fakten-Tabelle Periode Umsatz Produktgruppe PG X PG Y Umsatz Umsatz Abfrageweg vergleichbare Resultate über zeitabhängige Navigationsattribute Dimensions-Tabelle Produkt Prod. SID Produkt DIM ID S-Tabelle von Produktgruppe Prod.grp. SID Produktgruppe PG X PG Y ben. ab < ben. bis > Query keydate od Produkt DIM ID Fakten-Tabelle Periode Umsatz Prod. SID Prod. Prod.grp. SID ben. ab ben. bis gültig ab gültig bis P A P B P B P C P D P E Produktgruppe PG X PG Y Umsatz Umsatz Y-Tabelle von Produkt 21

69 Agenda Architektur des Business Information Warehouse der SAP AG Erweitertes Star Schema der SAP AG Allgemeine Dimensionsstrukturen Modellierungsvarianten von hierarchischen Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Grafische Modellrepräsentation mit Visio Ableitung eines BW-Modells aus dem ADAPT-Modell Gestaltungsempfehlungen Modellierung von Dimensionsstrukturen Gestaltung von Info-Providern 22

70 Gestaltungsüberlegungen der Dimensionsmodellierung auf semantischer Ebene Anzahl der Dimensionen zwischen vier und zehn (ideal zwischen sechs und acht) Anzahl der Hierarchiestufen (maximal sieben Hierarchiestufen) Anzahl der Elemente je Konsolidierungselement (maximal fünfzehn bis zwanzig Elemente) Bestimmung von Dimensionen (1:1-Beziehungen ungeeignet; 1:N-Beziehungen bilden Dimensionshierarchie; M:N-Beziehungen stellen zwei Dimensionen dar) Gestaltungsüberlegungen der Dimensionsmodellierung auf logischer und physischer BW-Ebene Merkmale mit vielen Ausprägungen als Line-Item modellieren Attribute, die sich häufig ändern, sollten als eigene Dimension modelliert werden (Line Item beachten!) Steigt die gesamte Dimensionsanzahl, sind ggf. Merkmale in eine Dimension zusammen zu fassen, die jeweils selbst wenige Ausprägungen haben Große Dimensionen möglichst eigene Dimension, Parent-Merkmale evtl. in eigene Dimension 23

71 Kriterien zur Entscheidungshilfe der logischen Modellierung von Dimensionsstrukturen im BW Historisierung Wirkungsbereich Performance Navigationspfade Unbalancierte Dimensionsstrukturen Blätter mit mehreren Parent-Elementen Strukturänderungen und Reorganisation Hierarchie-Guideline: Historisierung Externe Hierarchie Hierarchie in Dimension über Merkmale Hierarchie über Attribute Sicht zum Zeitpunkt des Ladens nicht vorhanden Sichten per Version oder Schlüsseldatum Nur Sicht zum Zeitpunkt des Ladens möglich Sicht zum Zeitpunkt des Ladens nicht vorhanden Nur die gültige Sicht der Stammdaten zum Zeitpunkt der Auswertung 24

72 Hierarchie-Guideline: Wirkungsbereich Externe Hierarchie Hierarchie in Dimension über Merkmale Hierarchie über Attribute Hängt am Info-Object und gilt daher für dieses Info-Object in allen Info- Cubes Nur im Info-Cube Hierarchie hängt in den Stammdaten und gilt daher für dieses Info- Object in allen Info- Cubes Hierarchie-Guideline: Performance Externe Hierarchie Hierarchie in Dimension über Merkmale Hierarchie über Attribute Aggregate werden unbedingt benötigt für performante Abfragen Auch ohne Aggregate recht performant Aggregate werden unbedingt benötigt für performante Abfragen 25

73 Hierarchie-Guideline: Navigations-Pfade Externe Hierarchie Hierarchie in Dimension über Merkmale Hierarchie über Attribute Vordefinierte Navigation entlang der Hierarchie- Struktur Ebenen können übersprungen werden, da Navigationspfad nicht vordefiniert ist Ebenen können übersprungen werden, da Navigationspfad nicht vordefiniert ist Hierarchie-Guideline: unbalancierte Dimensionsstrukturen Externe Hierarchie Hierarchie in Dimension über Merkmale Hierarchie über Attribute Unbalancierte Strukturen sind abbildbar Jedes Merkmal korrespondiert mit einer festgelegten Ebene der Hierarchie, also nur balancierte Strukturen Jedes Attribut korrespondiert mit einer festgelegten Ebene der Hierarchie, also nur balancierte Strukturen 26

74 Hierarchie-Guideline: Blätter mit mehreren Parent-Elementen Externe Hierarchie Hierarchie in Dimension über Merkmale Hierarchie über Attribute m:n-beziehungen zwischen Ebenen möglich Nur in dem Maße, wie es in der Faktentabelle gebucht wurde Nicht möglich Hierarchie-Guideline: Strukturänderungen und Reorganisation Externe Hierarchie Hierarchie in Dimension über Merkmale Hierarchie über Attribute Schnelles Verändern der Hierarchie möglich Reorganisation nicht möglich, ohne den Info- Cube neu zu laden Reorganisation möglich durch zusätzliche Attribute 27

75 2-Layer Konzept der Cube-Modellierung Multi-Cube Fachanwender orientiert Basis-Cube Basis-Cube Basis-Cube physisch optimiert Agenda Architektur des Business Information Warehouse der SAP AG Erweitertes Star Schema der SAP AG Allgemeine Dimensionsstrukturen Modellierungsvarianten von hierarchischen Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Grafische Modellrepräsentation mit Visio Ableitung eines BW-Modells aus dem ADAPT-Modell 28

76 Dimension mit einem Merkmal Dimension { } Characteristic T Short, Medium, Long Line-Item-Dimension LI Dimension { } Characteristic T LD Short, Medium, Long 29

77 Anzeige-Attribute eines Merkmales Dimension { } Characteristic T Short, Medium, Long D Display-Attrib. D Display-Attrib. Navigationsattribute eines Merkmales Dimension { } Characteristic N Nav-Attribute N Nav-Attribute TD 30

78 Hierarchie über Merkmale Dimension { } Characteristic Base level { } Characteristic Middle level { } Characteristic Top level Hierarchie über Navigationsattribute Dimension { } Characteristic Base level N Nav-Attribute middle level N Nav-Attribute top level 31

79 Externe Hierarchien Dimension { } Characteristic Hierarchy (external) T Hierarchy (external) T T T Hierarchy (external) Modellierung von Basis-Cubes 32

80 Agenda Architektur des Business Information Warehouse der SAP AG Erweitertes Star Schema der SAP AG Allgemeine Dimensionsstrukturen Modellierungsvarianten von hierarchischen Dimensionsstrukturen Zeitabhängigkeit und Versionierung Gestaltungsempfehlungen für die Modellierung Grafische Modellrepräsentation mit Visio Ableitung eines BW-Modells aus dem ADAPT-Modell 33