Problemfeld Datenqualität. Wo kann IT helfen?

Größe: px
Ab Seite anzeigen:

Download "Problemfeld Datenqualität. Wo kann IT helfen?"

Transkript

1 10. Zittauer Umweltsymposium St. Marienthal in Ostritz, 21. April 2009 Problemfeld Datenqualität Wo kann IT helfen? Prof. Dr. -Ing. Axel Toll Hochschule für Technik und Wirtschaft Dresden Fakultät Informatik/Mathematik

2 Agenda Einleitende Beispiele Strukturierte Daten Unstrukturierte Daten Zusammenfassung 2

3 Drei Beipiele Nach mehr als 9 Monaten Flugzeit verlor die NASA ihren Mars Climate Orbiter im September Grund: fehlende Übersetzung englischer nach metrischer Maßeinheiten in der Navigationssoftware [Isbell & Savage: (Zugriff am ) 9 Bergmänner wurden in einer Kohlemine in Western Pensylvania für 3 Tage durch einen Wassereinbruch aus einem alten Querstollen eingesperrt. Grund: unvollständig aktualisiertes und veraltetes Kartenmaterial [Mining Safety and Health Administration 2003: (Zugriff am ) Der vor 450 Jahren verstorbene deutsche Rechenmeister Adam Ries soll Rundfunk- und Fernsehgebühren bezahlen. Die Gebühreneinzugszentrale Köln (GEZ) habe einen entsprechenden Bescheid im Oktober 2008 an Herrn Adam Ries verschickt. Grund: Fehler in den Stammdaten [http://www.welt.de/vermischtes/article /gez-schickt-zahlungsbescheid-an- Adam-Ries.html] (Zugriff am ) ) 3

4 Klassifikation von Datenfehlern bei strukturierten Daten Datenfehler einzelne Datenquelle integrierte Datenquelle Modellebene Datenebene Modellebene Datenebene unzulässiger Wert Eindeutigkeit verletzt Referentielle Integrität verletzt fehlender Wert Schreibfehler falscher Wert eingebettete Werte falsche Zuordnung widersprüchliche h Werte Duplikate/ Redundanzen strukturelle Heterogenität Namenskonflikte widersprüchliche Werte unterschiedliche Repräsentationen unterschiedliche Einheiten it unterschiedliche Genauigkeit unterschiedliche Aggregationsebenen [Rahm, E., Do, H. -H H.: Data cleaning; IEEE Data Eng. Bull. 23 (4), (2000)] 4

5 Datenfehler bei einer einzelnen Datenquelle Eindeutigkeit verletzt Widersprüchliche Werte durch Einbettung widersprüchliche Werte K_ID Name Geb.datum Alter Famst. PLZ Ort 1112 Fuchs, Reinecke v Waldhausen l Baumstadt 1113 Elster, Diebische g Baumstadt 1114 Reinecke Fuchs v Wiesenhausen fehlender Wert Duplikat unzulässiger Wert 5

6 Datenablage im Datenbanksystem Internet GRANT REVOKE RULE CHECK PRIMARY KEY ASSERT FOREIGN KEY NOT NULL UNIQUE DOMAIN TRIGGER STORED PROC besitzt bewährte Funktionen für Integritätssicherung und Zugriffsschutz Datenbankbetriebssystem y verfügbar seit SQL86 / SQL 89 aktuell SQL2003 6

7 Datenmodellierung Problem der Realwelt fachliche Aufgabe ERM semantisches Datenmodell Hierarchisches Relationales Objektrelationales Datenmodell Datenmodell Datenmodell logisches Datenmodell Hierarchisches DBMS Relationales DBMS Relationales DBMS mit OR-Features physisches Datenmodell 7

8 Entity-Relationship-Modellierung (ERM) Beispiel: Projektbearbeitung Projekt wird bearbeitet leitet Mitarbeiter Fach- und IT- Kompetenz hat Teilprojekte Projekt m B e a r b e i t u n g wird bearbeitet m Mitarbeiter 8

9 ERM zum Beispiel Projektbearbeitung Kunde 1 gibt in Auftrag c m Projekt hat Teilprojekt m c cm wird bearbeitet wird geleitet Programmierer m 1 Mitarbeiter is-a DB-Spezialist mc Systemanalytiker y benutzt m PKW [nach Gräfe,Toll: Script zur Vorlesung Datenbanksysteme I (SS 2009)] 9

10 Überführung des ERM in Relationen sechs Regeln: Kardinalität Typ Zahl der Relationen 1 : 1 obligatorsich 1 1 : c einseitig konditional 2 c : c beidseitig konditional 3 1 : m ; c : m einseitig obligatorisch oder konditional 1 : mc ; c : mc ein- oder zweiseitig konditional 3 m : m ; m : mc obligatorisch oder ein- oder 3 mc : mc zweiseitig konditional 2 Formale Transformation 10

11 Relationen im Beispiel Projektbearbeitung Mitarbeiter Bearbeitung Projekt Teilprojekt Mitarbeiternummer Name, Vorname Ort Geburtsdatum Grundgehalt Einsatzgebiet Mitarbeiternummer Projektnummer Plananteil Istanteil Projektnummer Kurzbezeichnung Budget Termin Kundennummer Leiternummer ProjektnummerO ProjektnummerU Benutzung PKW Mitarbeiternummer Kennzeichen Datum Kilometer Kennzeichen Typ Baujahr Programmierer DB-Spezialist Systemanalytiker Mitarbeiternummer Programmiersprache Mitarbeiternummer Datenbanksysteme Mitarbeiternummer Lehrgang Formale Syntax CREATE TABLE Projekt (Projektnummer VARCHAR(5) CONSTRAINT PK_ Projekt PRIMARY KEY, Kurzbezeichnung VARCHAR(50) NOT NULL, Termin DATETIME NOT NULL CONSTRAINT CK_Termin CHECK (Termin >= GetDate()), Kundennummer VARCHAR(10) NOT NULL, Leiternummer VARCHAR(5) NOT NULL, CONSTRAINT FK_Projekt_Kundennummer FOREIGN KEY (Kundennummer) REFERENCES Kunden(Kundennummer), CONSTRAINT FK_Projekt_Leiternummer FOREIGN KEY (Leiternummer) REFERENCES Mitarbeiter(Mitarbeiternummer)) 11

12 Normalisierung nach Codd Regelwerk zur schrittweisen Zerlegung großer Relationen: eato e Ziel: Beseitigung von Anomalien Bildung der 1. bis 3. Normalform [Codd, 1970] Mitnr Name Beruf Gehalt Projnr Projbez Anteil Abtnr Abtbez 111 Bauer Organ Statistik 0,2 2 Organisation 111 Bauer Organ PPS 0,5 2 Organisation 123 Meier Inform Statistik 0,5 1 EDV 123 Meier Inform PPS 0,5 1 EDV 130 Keil Math Statistik 1,0 2 Organisation 133 Frei Inform MIS 1,0 1 EDV MiPro Projekt Mitnr Projnr Anteil Projnr Projbez ,2 31 Statistik ,5 35 PPS ,5 36 MIS , , ,0 Mitarbeiter2 Mitnr Name Beruf Gehalt Abtnr Abtbez 111 Bauer Organ Organisatio n 123 Meier Inform EDV 130 Keil Math Organisatio n 133 Frei Inform EDV 12

13 Lösungsvorschlag für das Eingangbeispiel Nutzersicht K_ID Name Geb.datum Alter Famst. PLZ Ort 1112 Fuchs, Reinecke v Waldhausen 1116 Kluge, Uhu l Baumstadt 1113 Elster, Diebische g Baumstadt DBMS Trigger View K_ID Name Vorname GebDatum FamSt PLZ 1112 Fuchs Reinecke v Elster Diebische g Kluge Uhu l PLZ Ort Waldhausen Baumstadt 13

14 Datenmodellierung Problem der Realwelt IT-Unterstützung fachliche Aufgabe ERM Fachkompetenz semantisches Datenmodell Hierarchisches Relationales Objektrelationales Datenmodell Datenmodell Datenmodell logisches Datenmodell Hierarchisches DBMS Relationales DBMS Relationales DBMS mit OR-Features physisches Datenmodell 14

15 Klassifikation von Datenfehlern bei strukturierten Daten Datenfehler einzelne Datenquelle integrierte Datenquelle Modellebene Datenebene Modellebene Datenebene unzulässiger Wert Eindeutigkeit verletzt Referentielle Integrität verletzt fehlender Wert Schreibfehler falscher Wert eingebettete Werte falsche Zuordnung widersprüchliche h Werte Duplikate/ Redundanzen strukturelle Heterogenität Namenskonflikte widersprüchliche Werte unterschiedliche Repräsentationen unterschiedliche Einheiten it unterschiedliche Genauigkeit unterschiedliche Aggregationsebenen [Rahm, E., Do, H. -H H.: Data cleaning; IEEE Data Eng. Bull. 23 (4), (2000)] 15

16 Typische Aufgaben bei der Integration Zusätzlich zu Fehlerquellen der einzelnen Datenquelle (Widersprüche, Duplikate, ): Systemintegration verschiedener Vorsysteme (ERP, DBMS, ) Integration verschiedener Hersteller Schemaintegration (Struktur, Typ und Format) Datenintegration (Inhalt der Datenfelder) Synonyme beseitigen Daten transformieren Homonyme beseitigen Widersprüche, Duplikate, behandeln Maßeinheiten anpassen Beispiel: i Feldname = Kunden_ID Informationssystem Wert = Typ = longint Bestell-DB SAP R3 Feldname = Besteller_ID Feldname = Service_ID Typ = NUMC (8) Service-DB Typ = INT (sequence-basiert) Wert = Oracle 11g Wert =

17 ETL: Extraktion, Transformation und Laden Anwendung eines ETL-Tools zur Datenübernahme aus einem ERP-System 17

18 Maßnahmen zur Verbesserung der Datenqualität proaktiv Ziel: ursachenorientierte Sicherung und Verbesserung der Datenqualität reaktiv Ziel: symptomorientierte Sicherung und Verbesserung der Datenqualität Maßnahmen: Ursachenanalyse und -behebung / Prävention Verbesserung des Datenmodells Standardisierung von Begrifflichkeiten Maßnahmen: Data Cleaning Datentransformation t ti Datenbereinigung Duplikatbehandlung Anreicherung Datenkategorien: Datenkategorien: strukturiert strukturiert semistrukturiert semistrukturiert unstrukturiert 18

19 Schritte bei unstrukturierten Daten Vorbereiten der Daten Definition der Qualitätsanforderung Pragmatik Ziele und Interessen der Nutzer an den Daten Wertanalyse Semantik: inhaltliche Bedeutung der Daten oft schwer definierbar Transformation Datenübernahme IT-Unterstützung Fachkompetenz Semiotik: Lehre der Zeichen und Symbole Syntax Zeichen Zeichen Benutzer/ Situation Pragmatik Bedeutung Semantik 19

20 Beispiel 1: Auswertung eines Datenbestandes von Onlinebewerbungen Qualitätsanforderungen: Verwendung der Daten für statistische ti ti Auswertungen in Klassen keine Auswertungen auf der Ebene einzelner Datensätze 20

21 Beispiel: Datenbestand von Onlinebewerbungen (1) Analyse des Datenbestandes Identifizierung von Datenfehlern durch Methoden der Statistik und des Data Mining. Ableitung von Regeln / Mustern Attribut: Personenalter Verwendung von Kennzahlen der deskriptiven und robusten Statistik Normalverteilung: - Datenfehler vor allem am Rand der Verteilung - 95% der Datenwerte max. Abweichung vom Mittelwert um 2 Sigma Datensätze Minimum Maximum Spannweite Median Mittelwert Standardabweichung ,09 203,834 21

22 Beispiel: Datenbestand von Onlinebewerbungen (2) Winsoring Einfluss von Ausreißern minimieren durch Winsorisierung 2ơ +/ arith. Mittelwert Wertebereich der winsorisierten Datenreihe: [16; 65] 22

23 Beispiel: Datenbestand von Onlinebewerbungen (3) Reaktive Datenqualitätsverbesserung Anreicherung Duplikatzusammenführung Bereinigung Löschung Auswahl über Umfang und Nutzungseinschränkung Verwendungszweck der Imputation betroffenen Datensätze Beispiel: quantitatives Attribut Personenalter Imputation des Mittelwertes Mini- Maxi- Spann- Mittel- Standard- mum mum weite Median wert abweichung unbereinigt ,09 203,834 bereinigt ,09 9,585 23

24 Beispiel 2: Adressabgleich auf Briefköpfen Qualitätsanforderungen: Zustellung von Briefen nur an real existierende Adressen möglichst hohe Rate an automatischer Fehlerkorrektur kt 24

25 Beispiel: Adressabgleich (1) Fehlertypen bei der Wiedergabe von Ziffernfolgen Fehlertyp Verwechseln einer Ziffer Vertauschen benachbarter Ziffern Vertauschen einer Ziffer mit der Übernächsten Zwillingsfehler Phonetische Fehler Sprung-Zwillingsfehler Übrige (zufällige) Fehler Beispiel Relative Häufigkeit 79,0 % 10,2 % 0,8 % 0,6 % 0,5 % 0,3 % 8,6 % Ähnlichkeiten zwischen gekürzten und vollständigen Straßennamen Straße gekürzte Straße Ähnlichkeit Johannes R. Becher Str. Johann Sebastian Bach Str. J. R. Becher Str. Bach Str. 43,1 % 40,9 %... 25

26 Datenbank mit allen real existierenden Adressen Beispiel Adressabgleich (2) Friedrich-List-Platz Dresden Hauptstraße Kurort Oybin Auszug Adresse i Theodor-Körner-Allee Zittau Th.-Körner Alle Zittau PLZ i Ort i Straße i PLZ' Ort' Straße' Entscheidung mittels Neuronalem Netz: Wie groß ist die Gesamtähnlichkeit des Paares i? Rangliste aller Adresse Erstellen eines Vergleichsvektors: PLZ' - PLZ i Ort' - Ort i Straße' - Straße i absteigend geordnet nach Gesamtähnlichkeit gegebene, eventuell fehlerhafte h ft Adresse 26

27 Systemarchitektur Eingabe einer eventuell fehlerhaften Adresse Beispiel Adressabgleich (3) Suche nach ähnlichen n-maliger Durchlauf des Neuronalen Netzes; Auswahl der Adresse mit der höchsten h Adressen Ausgabe eines Gesamtähnlichkeit; in der Eignungsgrades Abgleich der Datenbank für jedes Tripel Hausnummer PLZ' Ort' Straße' Nach- arbeit Fuzzy- Suche xn n FPLZ* FOrt* FStraße* Hausnr.' Hausnr.' 27

28 Datenqualitätsmerkmale nach Wang und Strong Intrisische Merkmale (kontextunabhängig) Glaubhaftigkeit Genauigkeit Objektivität Kontextuelle Merkmale (kontextabhängig) g) Mehrwert Relevanz Zeitnähe Vollständigkeit Präsentationsmerkmale Interpretierbarkeit Verständlichkeit Konsistenz Zugriffsmerkmal Verfügbarkeit Sicherheit Zugriffsschutz [Wang, R.Y., Strong D.M.: Beyond accuracy: What data quality means to data consumers; J. Manage. Inf. Syst. 12(4), 5-34 (1996)] 28

29 Sichtweisen auf das Problemfeld Datenqualität Informationssytem Semiotik Datenqualitätsmerkmal nach Wang und Strong Fachliche Ebene Pragmatik Kontextuelle Merkmale Logische Ebene Semantik Intrisische Merkmale (kontextunabhängig) t Präsentations- merkmale Physische h Ebene Syntax Zugriffsmerkmal IT-Unterstützung Fachkompetenz 29

30 Vielen Dank für Ihre Aufmerksamkeit 30

Datenqualität: allgemeiner Überblick Waldemar Braun. Seminar Datenqualität OvGU Magdeburg 03.12.2009

Datenqualität: allgemeiner Überblick Waldemar Braun. Seminar Datenqualität OvGU Magdeburg 03.12.2009 Datenqualität: allgemeiner Überblick Waldemar Braun Seminar Datenqualität OvGU Magdeburg Gliederung 1. Einleitung 2. Motivation 3. Definition 4. DQ-Probleme 5. DQ-Dimensionen 6. DQ-Modelle 7. Messen der

Mehr

Quality Point München Datenqualität

Quality Point München Datenqualität Quality Point München Datenqualität Paul, wie ist denn Eure Datenqualität? Nachdem ich bei der letzten Gehaltszahlung mit Frau... angeredet wurde, bin ich mir nicht mehr so sicher. Autor: W. Ulbrich IT&More

Mehr

Definition Informationssystem

Definition Informationssystem Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation

Mehr

Einführung in SQL. Sprachumfang: Indizes. Datensätzen. Zugriffsrechten

Einführung in SQL. Sprachumfang: Indizes. Datensätzen. Zugriffsrechten Einführung in SQL Die Sprache SQL (Structured Query Language) ist eine Programmiersprache für relationale Datenbanksysteme, die auf dem ANSI-SQL-Standard beruht. SQL wird heute von fast jedem Datenbanksystem

Mehr

Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter. Chinesische Botschaft in Belgrad

Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter. Chinesische Botschaft in Belgrad Datenqualität mit dem DataFlux dfpower Studio 8.1 Tobias Jansen Zaferna-Hütte, 4. Januar 2009 Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter Nasa Marssonde Mars Climate Orbiter

Mehr

SQL structured query language

SQL structured query language Umfangreiche Datenmengen werden üblicherweise in relationalen Datenbank-Systemen (RDBMS) gespeichert Logische Struktur der Datenbank wird mittels Entity/Realtionship-Diagrammen dargestellt structured query

Mehr

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.

Mehr

Datenbanken: ER-Modell

Datenbanken: ER-Modell Beispiel: Lastenheft: Für eine Hochschule soll eine Verwaltungssoftware geschrieben werden, die alle relevanten Daten in einem relationalen Datenbanksystem speichert. Zu diesen Daten zählen die Stamm-

Mehr

Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013

Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013 Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013 Endler Gregor, Warum Datenqualität? 2002, USA: 600.000.000 $ Y2k weltweit: 1.500.000.000 $ Kosten 44.000 98.000 Todesfälle

Mehr

Hochschule Karlsruhe Technik und Wirtschaft- 10.7.2013. Anhänge: Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Prof. Schmidt.

Hochschule Karlsruhe Technik und Wirtschaft- 10.7.2013. Anhänge: Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Prof. Schmidt. Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Datenbanken und Informationssysteme II Szenario: Projektverwaltung. Es gibt Projekte, Projektleiter, Mitarbeiter und ihre Zuordnung zu Projekten.

Mehr

Relationale Datenbanken Kursziele

Relationale Datenbanken Kursziele Relationale Datenbanken Kursziele DB Grundlagen Daten-Modellierung Relationales Modell und DB => Praxis: Mit SQL als Anfragesprache Mit MySQL als DB RDB 1-1 Kursinhalt (Tage) 1. DB Einleitung / Entity-Relationship

Mehr

Logische Modellierung von Data Warehouses

Logische Modellierung von Data Warehouses Logische Modellierung von Data Warehouses Vertiefungsarbeit von Karin Schäuble Gliederung. Einführung. Abgrenzung und Grundlagen. Anforderungen. Logische Modellierung. Methoden.. Star Schema.. Galaxy-Schema..

Mehr

Uni Duisburg-Essen Fachgebiet Informationssysteme Prof. Dr. N. Fuhr

Uni Duisburg-Essen Fachgebiet Informationssysteme Prof. Dr. N. Fuhr Raum: LF 230 Bearbeitung: 9.-11. Mai 2005 Datum Gruppe Vorbereitung Präsenz Aktuelle Informationen unter: http://www.is.informatik.uni-duisburg.de/courses/dbp_ss03/ Tabellen in IBM DB2 Tabellen Eine relationale

Mehr

DB2 SQL, der Systemkatalog & Aktive Datenbanken

DB2 SQL, der Systemkatalog & Aktive Datenbanken DB2 SQL, der Systemkatalog & Aktive Datenbanken Lehr- und Forschungseinheit Datenbanken und Informationssysteme 1 Ziele Auf DB2 Datenbanken zugreifen DB2 Datenbanken benutzen Abfragen ausführen Den Systemkatalog

Mehr

SQL Tutorial. SQL - Tutorial SS 06. Hubert Baumgartner. INSO - Industrial Software

SQL Tutorial. SQL - Tutorial SS 06. Hubert Baumgartner. INSO - Industrial Software SQL Tutorial SQL - Tutorial SS 06 Hubert Baumgartner INSO - Industrial Software Institut für Rechnergestützte Automation Fakultät für Informatik Technische Universität Wien Inhalt des Tutorials 1 2 3 4

Mehr

Bewertungskriterien für die Qualität von angelieferten Datensätzen in Mo Re data

Bewertungskriterien für die Qualität von angelieferten Datensätzen in Mo Re data Bewertungskriterien für die Qualität von angelieferten Datensätzen in Mo Re data 1. Hintergrund 1.1 Qualitätsmerkmale nach Wang & Strong (1996) 2. Bewertungskriterien für die Qualität von angelieferten

Mehr

Themenblock: Erstellung eines Cube

Themenblock: Erstellung eines Cube Themenblock: Erstellung eines Cube Praktikum: Data Warehousing und Data Mining Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Idee Speicherung der Daten in Form von Tabellen

Mehr

1 Grundbegriffe...1. 2 Datenbanksysteme...7. 3 Entwicklung von Datenbanksystemen...15. Inhaltsverzeichnis. 1.1 Information und Daten...

1 Grundbegriffe...1. 2 Datenbanksysteme...7. 3 Entwicklung von Datenbanksystemen...15. Inhaltsverzeichnis. 1.1 Information und Daten... Inhaltsverzeichnis 1 Grundbegriffe...1 1.1 Information und Daten...2 1.2 Datenorganisation...3 1.3 Dateikonzept...5 1.4 Kontroll- und Vertiefungsfragen...6 2 Datenbanksysteme...7 2.1 Datenintegration...7

Mehr

Inhalt. Ein Einführung in die Nutzung von SQL-Datenbanken am Beispiel Oracle. Daten und Tabellen - ein Beispiel. Daten und Tabellen - Normalisierung

Inhalt. Ein Einführung in die Nutzung von SQL-Datenbanken am Beispiel Oracle. Daten und Tabellen - ein Beispiel. Daten und Tabellen - Normalisierung Inhalt Ein Einführung in die Nutzung von SQL-Datenbanken am Beispiel Oracle Daten und Tabellen Normalisierung, Beziehungen, Datenmodell SQL - Structured Query Language Anlegen von Tabellen Datentypen (Spalten,

Mehr

EDV-GESTÜTZTES ENTWERFEN, BERECHNEN UND KONSTRUIEREN IM BAUINGENIEURWESEN Prof. Dr.-Ing. Klaus Wassermann MODULPRÜFUNG

EDV-GESTÜTZTES ENTWERFEN, BERECHNEN UND KONSTRUIEREN IM BAUINGENIEURWESEN Prof. Dr.-Ing. Klaus Wassermann MODULPRÜFUNG EDV-GESTÜTZTES ENTWERFEN, BERECHNEN UND KONSTRUIEREN IM BAUINGENIEURWESEN Prof. Dr.-Ing. Klaus Wassermann MODULPRÜFUNG Bachelorstudiengang Facility Management Informatik am 26. September 2007 Name, Vorname

Mehr

Fundamentals of Software Engineering 1

Fundamentals of Software Engineering 1 Folie a: Name Fundamentals of Software Engineering 1 Grundlagen der Programmentwurfstechnik 1 Sommersemester 2012 Dr.-Ing. Stefan Werner Fakultät für Ingenieurwissenschaften Folie 1 Inhaltsverzeichnis

Mehr

Integritätsbedingungen / Normalformen- Beispiel: Kontoführung

Integritätsbedingungen / Normalformen- Beispiel: Kontoführung Technische Universität München WS 2003/04, Fakultät für Informatik Datenbanksysteme I Prof. R. Bayer, Ph.D. Lösungsblatt 8 Dipl.-Inform. Michael Bauer Dr. Gabi Höfling 12.01. 2004 Integritätsbedingungen

Mehr

Datenbanksysteme 1. Organisation. Prof. Stefan F. Keller. Ausgabe 2005. Copyright 2005 HSR SS 2005

Datenbanksysteme 1. Organisation. Prof. Stefan F. Keller. Ausgabe 2005. Copyright 2005 HSR SS 2005 Datenbanksysteme 1 Organisation Ausgabe 2005 Prof. Stefan F. Keller SS 2005 Copyright 2005 HSR Inhalt Einführung Relationales Datenmodell, Datenmodellierung DB-Entwurf, Normalisierung SQL-Data Definition

Mehr

In die Zeilen würden die Daten einer Adresse geschrieben werden. Das Ganze könnte in etwa folgendermaßen aussehen:

In die Zeilen würden die Daten einer Adresse geschrieben werden. Das Ganze könnte in etwa folgendermaßen aussehen: 1 Einführung in Datenbanksysteme Fast jeder kennt Excel und hat damit in seinem Leben schon einmal gearbeitet. In Excel gibt es Arbeitsblätter, die aus vielen Zellen bestehen, in die man verschiedene Werte

Mehr

Datenqualität. Werner Nutt. In Zusammenarbeit mit Simon Razniewski. Freie Universität Bozen

Datenqualität. Werner Nutt. In Zusammenarbeit mit Simon Razniewski. Freie Universität Bozen Datenqualität Werner Nutt In Zusammenarbeit mit Simon Razniewski Freie Universität Bozen Vorstellung Werner Nutt Professor für Informatik and der Freien Univ. Bozen Schwerpunkte in Lehre und Forschung:

Mehr

Relationale Datenbanken Kursziele

Relationale Datenbanken Kursziele Relationale Datenbanken Kursziele DB Grundlagen Daten-Modellierung Relationales Modell und DB => Praxis: Mit SQL als Anfragesprache Mit MySQL als DB RDB 1-1 Kursinhalt (Tage) 1. Einleitung / Entity-Relationship

Mehr

Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1)

Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1) Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1) Herbstsemester 2013/14 Prof. S. Keller Informatik HSR Januar 2014, HS13/14 Dbs1 - Prüfungsvorbereitung 1 Dbs1 Ziele Grundlagenwissen in folgenden Gebieten

Mehr

Datenwertintegration / Informationsqualität

Datenwertintegration / Informationsqualität / Fabian Panse 09.09.2014 Fabian Panse II Datenintegration 09.09.2014 1 / 18 Datenreinigung Datenintegration [NL06] Wenn Daten in gemeinsamem Schema vorliegen: weitere Probleme Datenfehler: Formatfehler

Mehr

SQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar

SQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere

Mehr

Business Intelligence Praktikum 1

Business Intelligence Praktikum 1 Hochschule Darmstadt Business Intelligence SS 2014 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 07.05.2014 Business Intelligence Praktikum

Mehr

Data Warehouse Grundlagen

Data Warehouse Grundlagen Seminarunterlage Version: 2.10 Version 2.10 vom 24. Juli 2015 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen

Mehr

Kapitel 2 Terminologie und Definition

Kapitel 2 Terminologie und Definition Kapitel 2 Terminologie und Definition In zahlreichen Publikationen und Fachzeitschriften tauchen die Begriffe Data Warehouse, Data Warehousing, Data-Warehouse-System, Metadaten, Dimension, multidimensionale

Mehr

Einleitung. Literatur. Pierre Fierz. Architektur von Datenbanksystemen. Physische Datenunabhängigkeit. Der Datenbank Administrator (DBA) 1.

Einleitung. Literatur. Pierre Fierz. Architektur von Datenbanksystemen. Physische Datenunabhängigkeit. Der Datenbank Administrator (DBA) 1. Inhalt der Vorlesung Literatur 1 Datenmodellierung (Entity-Relationship Modell) 2 Das relationale Modell 3 Relationenalgebra 4 Datenbanksprache (SQL) 5 Normalisierung 6 Vom ERM zum Datenbankschema 7 Routinen

Mehr

Business Intelligence Praktikum 1

Business Intelligence Praktikum 1 Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.10.2013 Business Intelligence Praktikum

Mehr

Datenbanktechnologie für Data-Warehouse-Systeme

Datenbanktechnologie für Data-Warehouse-Systeme Wolfgang Lehner Datenbanktechnologie für Data-Warehouse-Systeme Konzepte und Methoden dpunkt.verlag 1 1.1 1.2 1.3 1.4 1. 5 2 2.1 2.2 2.3 Einleitung 1 Betriebswirtschaftlicher Ursprung des Data Warehousing...

Mehr

Relationale Datenbanken in der Praxis

Relationale Datenbanken in der Praxis Seite 1 Relationale Datenbanken in der Praxis Inhaltsverzeichnis 1 Datenbank-Design...2 1.1 Entwurf...2 1.2 Beschreibung der Realität...2 1.3 Enitiy-Relationship-Modell (ERM)...3 1.4 Schlüssel...4 1.5

Mehr

Einstieg in relationale Datenbanken mit MySQL. Dr. Kerstin Puschke September 2009

Einstieg in relationale Datenbanken mit MySQL. Dr. Kerstin Puschke September 2009 Einstieg in relationale Datenbanken mit MySQL Dr. Kerstin Puschke September 2009 1 Lizenz Lizenz Dieser Text steht unter einer Creative Commons Attribution-Share Alike 3.0 Germany Lizenz, siehe http://creativecommons.org/licenses/by-sa/3.0/de/

Mehr

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi Motivation Themenblock: Data Preprocessing We are drowning in information, but starving for knowledge! (John Naisbett) Was genau ist Datenanalyse? Praktikum: Data Warehousing und Data Mining Was ist Data

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

Informationsintegration

Informationsintegration Informationsintegration Grundlegende Architekturen Ulf Leser Inhalt diese Vorlesung Klassifikation verteilter, autonomer, heterogener Systeme Weitere Klassifikationskriterien Schichtenaufbau integrierter

Mehr

Einstieg in das SQL- und Datenbanktuning 14.01.2009. Loblied auf den Tabellen-Index!

Einstieg in das SQL- und Datenbanktuning 14.01.2009. Loblied auf den Tabellen-Index! 1/40 PHP-User-Group Stuttgart 14.01.2009 Warum Datenbanken einen Hals bekommen und was sich dagegen tun lässt. Tuning und Performancesteigerung ohne zusätzliche Hardware. Ein. Loblied auf den Tabellen-Index!

Mehr

A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems

A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems markus.helfert@unisg.ch Slide 2 Überblick Data-Warehouse-Systeme und Datenqualität Datenqualitätsmanagement Datenqualität

Mehr

Software-Engineering und Datenbanken

Software-Engineering und Datenbanken Software-Engineering und Datenbanken Prof. Dr. Bernhard Schiefer bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Prof. Dr. Bernhard Schiefer 1-1 Wesentliche Inhalte Begriff DBS Datenbankmodelle

Mehr

IBM Informix SQL. Seminarunterlage. Version 11.04 vom

IBM Informix SQL. Seminarunterlage. Version 11.04 vom Seminarunterlage Version: 11.04 Version 11.04 vom 27. April 2015 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen

Mehr

Fachbereich Informatik Praktikum 1

Fachbereich Informatik Praktikum 1 Hochschule Darmstadt DATA WAREHOUSE SS2015 Fachbereich Informatik Praktikum 1 Prof. Dr. S. Karczewski Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.April.2015 1. Kurzbeschreibung In diesem Praktikum geht

Mehr

Seminar Datenqualität. Dr. V. Köppen. Einführung

Seminar Datenqualität. Dr. V. Köppen. Einführung 1 Seminar Datenqualität Einführung 27. Oktober 2011 2 Agenda Allgemeines Themen Datenqualität Seminardurchführung Themenvergabe 3 Allgemeines: Seminarablauf Leistungen: 1 Vortrag (vorab in der Konsultation

Mehr

XML - Extensible Markup Language. Agenda - Oracle XML DB

XML - Extensible Markup Language. Agenda - Oracle XML DB Architektur und Funktionalitäten der Oracle XML DB - ein Überblick mit ausgewählten praktischen Beispielen - im Rahmen des 17. Workshop Grundlagen von Datenbanken 2005 in Wörlitz Annegret Warnecke Senior

Mehr

Unterabfragen (Subqueries)

Unterabfragen (Subqueries) Unterabfragen (Subqueries) Die kürzeste Formulierung ist folgende: SELECT Felderliste FROM Tabelle1 WHERE Tabelle1.Feldname Operator (SELECT Feldname FROM Tabelle2 WHERE Bedingung); wobei Tabelle1 und

Mehr

SQL-Anweisungen. SELECT (SQL Data Query Language)

SQL-Anweisungen. SELECT (SQL Data Query Language) SQL-Anweisungen SELECT (SQL Data Query Language) SELECT * SELECT * FROM "meine Tabelle"; SELECT feldname1, feldname2 SELECT feldname1, feldname2 FROM meinetabelle ORDER BY feldname2, feldname1 DESC; WHERE

Mehr

Datenbanktechnologie mit praktischen Übungen in MySQL und PHP

Datenbanktechnologie mit praktischen Übungen in MySQL und PHP Datenbanktechnologie mit praktischen Übungen in MySQL und PHP Übung, Sommersemester 2013 29. April 2013 - MySQL 2 Sebastian Cuy sebastian.cuy@uni-koeln.de Aufgaben Anmerkungen Best practice: SQL Befehle

Mehr

3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen

3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen 3. Spezielle ER-Modelle und Tabellenableitung Spezialfälle von ER-Modellen Grundlage, was sind Relationen Transformation von ER-Diagrammen in Relationen 56 Lesebeispiel Access (Realisierungmodell!) 57

Mehr

Data Preprocessing 1. Thema: Bussiness Intelligence Teil 1: OLAP & Data Warehousing. von Christian Merker

Data Preprocessing 1. Thema: Bussiness Intelligence Teil 1: OLAP & Data Warehousing. von Christian Merker 1 Data Preprocessing 1 Thema: Bussiness Intelligence Teil 1: OLAP & Data Warehousing von Christian Merker 2 Gliederung Motivation Monitore Datenextraktion Schema- und Datenintegration Datenbereinigung

Mehr

Schritt 3 (Grundlegende Folien für die Wiederholung sind mit gekennzeichnet!)

Schritt 3 (Grundlegende Folien für die Wiederholung sind mit gekennzeichnet!) HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 1 Lehrveranstaltung DM/DB Datenmodellierung und Datenbanksysteme Methodische Grundkenntnisse über

Mehr

Software-Engineering und Datenbanken

Software-Engineering und Datenbanken Software-Engineering und Datenbanken BNF Prof. Dr. Bernhard Schiefer 7-1 Syntaxbeschreibung Formalismus zur Beschreibung der Syntax von Sprachen erforderlich. Im Programmiersprachenbereich üblicher Formalismus:

Mehr

DBS ::: SERIE 5. Join Right Semi- Join Left Semi-Join Projektion Selektion Fremdschlüssel. Kreuzprodukt

DBS ::: SERIE 5. Join Right Semi- Join Left Semi-Join Projektion Selektion Fremdschlüssel. Kreuzprodukt DBS ::: SERIE 5 Die Relation produkt enthält Hersteller, Modellnummer und Produktgattung (pc, laptop oder drucker aller Produkte. Die Modellnummer ist (der Einfachheit halber eindeutig für alle Hersteller

Mehr

Wege aus dem Datenlabyrinth

Wege aus dem Datenlabyrinth Wege aus dem Datenlabyrinth - Datenqualität auf dem Prüfstand - 17. November 2009 CEA v6.4 Studie IT-Trends 2009 in Deutschland: Das BI-Top-Thema ist Datenqualität Business Intelligence: Bedeutung einzelner

Mehr

Übungsblatt 8- Lösungsvorschlag

Übungsblatt 8- Lösungsvorschlag Universität Innsbruck - Institut für Informatik Prof. Günther Specht, R.Binna, N.Krismer, M. Tschuggnall 30. November 2012 Proseminar Datenbanksysteme Übungsblatt 8- Lösungsvorschlag Aufgabe 1 (Trigger)

Mehr

Datenbanken - Eine Einführung

Datenbanken - Eine Einführung Datenbanken - Eine Einführung H.-G. Hopf Georg-Simon-Ohm Fachhochschule Nürnberg Inhaltsverzeichnis Motivation Begriffserklärung DBMS Marktübersicht Datenbankanwendung Datenmodellierung Datenbankabfragesprache

Mehr

Nachtrag: Farben. Farbblindheit. (Light und Bartlein 2004)

Nachtrag: Farben. Farbblindheit. (Light und Bartlein 2004) Nachtrag: Farben Farbblindheit (Light und Bartlein 2004) 1 Vorgeschlagene Farbskalen (Light and Bartlein 2004) Farbkodierung metrisch skalierter Daten Unterscheide: 1. Sequential Data (ohne Betonung der

Mehr

Datenbanken / Datenbankmanagementsystem

Datenbanken / Datenbankmanagementsystem Datenbanken / Datenbankmanagementsystem 1.Einführung Daten, Informationen; Datenbank, Datenbanksystem; Relationale Datenbanksysteme; Beispiel Access 2.Aufbau von Datenbanken Datenanalyse; Entitäten-Beziehungsmodell;

Mehr

Vom Entity-Relationship-Modell (ERM) zum relationalen Datenmodell (RDM)

Vom Entity-Relationship-Modell (ERM) zum relationalen Datenmodell (RDM) Regeln Vom Entity-Relationship-Modell (ERM) zum relationalen Datenmodell (RDM) Seite 1 Regel 1 Starke Entity-Typen Starke Entity-Typen Bilde ein Relationenschema R für jeden regulären Entity-Typ mit den

Mehr

Taschenbuch der Wirtschaftsinformatik und Wirtschaftsmathematik

Taschenbuch der Wirtschaftsinformatik und Wirtschaftsmathematik Taschenbuch der Wirtschaftsinformatik und Wirtschaftsmathematik von Wolfgang König, Heinrich Rommelfanger, Dietrich Ohse, Oliver Wendt, Markus Hofmann, Michael Schwind, Klaus Schäfer, Helmut Kuhnle, Andreas

Mehr

Datenadminstrator, Datenbankdesigner, Systemanalytiker (für die logische Sicht zuständig)

Datenadminstrator, Datenbankdesigner, Systemanalytiker (für die logische Sicht zuständig) 1 Grundlagen Begriffe Daten bekannte zutreffende Tatsachen über die Domäne/Miniwelt DBS Einsatz eines DBMS für eine Datenbank, DBS besteht aus folgenden Komponenten: 1. DBMS 2. Datenbank DBMS Software

Mehr

Informatik Datenbanken SQL-Einführung

Informatik Datenbanken SQL-Einführung Informatik Datenbanken SQL-Einführung Gierhardt Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Auswahl-Abfragen mit SELECT 2 2.1 Selektion...................................... 2 2.2 Projektion.....................................

Mehr

Vorlesung. Informationssysteme. Prof. Dr. Hans Czap. Lehrstuhl für Wirtschaftsinformatik I. Email: Hans.Czap@uni-trier.de

Vorlesung. Informationssysteme. Prof. Dr. Hans Czap. Lehrstuhl für Wirtschaftsinformatik I. Email: Hans.Czap@uni-trier.de Vorlesung Grundlagen betrieblicher Informationssysteme Prof. Dr. Hans Czap Email: Hans.Czap@uni-trier.de - II - 1 - Inhalt Kap. 1 Ziele der Datenbanktheorie Kap. 2 Datenmodellierung und Datenbankentwurf

Mehr

Software-Engineering Einführung

Software-Engineering Einführung Software-Engineering Einführung 7. Übung (04.12.2014) Dr. Gergely Varró, gergely.varro@es.tu-darmstadt.de Erhan Leblebici, erhan.leblebici@es.tu-darmstadt.de Tel.+49 6151 16 4388 ES Real-Time Systems Lab

Mehr

Agenda. Einführung MS SQL Server Integration Services (SSIS) Oracle Data Warehouse Builder (OWB) Zusammenfassung Quellen. Einführung SSIS OWB

Agenda. Einführung MS SQL Server Integration Services (SSIS) Oracle Data Warehouse Builder (OWB) Zusammenfassung Quellen. Einführung SSIS OWB Agenda Einführung MS SQL Server Integration Services () Oracle Data Warehouse Builder () Quellen 10.12.2009 Martin Tobies - DQ Tools 2 Agenda Einführung MS SQL Server Integration Services () Oracle Data

Mehr

Einführung in die Informatik II

Einführung in die Informatik II Einführung in die Informatik II Die Structured Query Language SQL Prof. Dr. Nikolaus Wulff SQL Das E/R-Modell lässt sich eins zu eins auf ein Tabellenschema abbilden. Benötigt wird eine Syntax, um Tabellen

Mehr

Agenda. Portfolioübersicht. Business-Case. Zusammenfassung. Das Ziel. SAP EIM Produktportfolio. Datenreorganisation mit SAP EIM

Agenda. Portfolioübersicht. Business-Case. Zusammenfassung. Das Ziel. SAP EIM Produktportfolio. Datenreorganisation mit SAP EIM Datenreorganisation > Effiziente und performante Stammdatenreorganisation mit SAP Data Services < Simon Hartstein / T-Systems Data Migration Consulting AG / Harmonization & Consolidation Mai 21, 2014 Agenda

Mehr

Gliederung und Einordnung

Gliederung und Einordnung Gliederung und Einordnung 1. Objektorientierte Programmierung mit Object Pascal (5. Studienbrief, Kapitel 5) 9.4. + 16.4. 2. Software-Bausteine am Beispiel der Delphi-Komponenten (5. Studienbrief, Kapitel

Mehr

Datenintegration mit Informatica PowerCenter

Datenintegration mit Informatica PowerCenter Datenintegration mit Informatica PowerCenter Mein Weg vom Studenten zum Consultant Christoph Arnold 03.07.2013 1 Agenda Von der THM zu Infomotion Datenschieberei oder doch mehr? Die weite Welt von Informatica

Mehr

TransConnect - Anwendertag

TransConnect - Anwendertag TransConnect - Anwendertag Master Data Management mit TransConnect - neu oder nicht? Jürgen Bittner Realität eines Unternehmens Zahlreiche Softwaresysteme bzw. Datenbestände, die Daten der gleichen Objekte

Mehr

Entwicklung einer MySQL Datenbank

Entwicklung einer MySQL Datenbank Fachoberschule am Beruflichen Schulzentrum e.o. Plauen Facharbeit in der Fachrichtung Technik im Fach Informatik Entwicklung einer MySQL Datenbank von Max Epperlein FOSTLA04 Betreuer: Herr Taschik Ort,

Mehr

Informa(onssysteme Übersicht Sommersemester 2015

Informa(onssysteme Übersicht Sommersemester 2015 Prof. Dr.-Ing. Stefan Deßloch AG Heterogene Informationssysteme Zi. 36/329, Tel.: 0631-205-3275 E-Mail: dessloch@cs.uni-kl.de Informa(onssysteme Übersicht Sommersemester 2015 h8p://wwwlgis.informa(k.uni-

Mehr

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

Datawarehouse Architekturen. Einheitliche Unternehmenssicht Datawarehouse Architekturen Einheitliche Unternehmenssicht Was ist Datawarehousing? Welches sind die Key Words? Was bedeuten sie? DATA PROFILING STAGING AREA OWB ETL OMB*PLUS SAS DI DATA WAREHOUSE DATA

Mehr

Übung Datenbanksysteme

Übung Datenbanksysteme Übung Datenbanksysteme Martin Reifberger Übungsaufgabe 1 Sachverhalt: Ein mittelständiges Industrieunternehmen möchte sein Auftragswesen datenbankbasiert organisieren, da die tägliche Flut auflaufender

Mehr

Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH. Software mit Format.

Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH. Software mit Format. Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH Gerd Schandert, Neuss den 18.03.2014 Agenda 1. Vorstellung Auftraggeber 2. Förderung allgemein 3. Schichten im Data Warehouse 4.

Mehr

Zusammenfassung Modul 104

Zusammenfassung Modul 104 JanikvonRotz Zusammenfassung Modul 104 Datenmodell implementieren Copyright by Janik von Rotz Version: 01.00 Freigabe: 20.05.11 Janik von Rotz Hoheneich 4, 6064 Kerns Internet www.janikvonrotz.ch Email

Mehr

Data/Information Quality Management

Data/Information Quality Management Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!

Mehr

PostgreSQL im praktischen Einsatz. Stefan Schumacher

PostgreSQL im praktischen Einsatz. Stefan Schumacher PostgreSQL im praktischen Einsatz 2. Brandenburger Linux Infotag 2005 Stefan Schumacher , PGP Key http:/// $Header: /home/daten/cvs/postgresql/folien.tex,v 1.11 2005/04/25

Mehr

Lehrgebiet Informationssysteme

Lehrgebiet Informationssysteme Lehrgebiet AG Datenbanken und (Prof. Michel, Prof. Härder) AG Heterogene (Prof. Deßloch) http://wwwlgis.informatik.uni-kl.de/ Was sind? Computergestützte Programmsysteme, die Informationen erfassen, dauerhaft

Mehr

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221 Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting

Mehr

Orientierungsvorlesung. Vertiefungsrichtung Datenbanksysteme. Richard Lenz Februar 2014

Orientierungsvorlesung. Vertiefungsrichtung Datenbanksysteme. Richard Lenz Februar 2014 Orientierungsvorlesung Vertiefungsrichtung Datenbanksysteme Februar 2014 Lehrstuhl für Informatik 6 (Datenmanagement) Friedrich-Alexander-Universität Erlangen-Nürnberg Datenbanksysteme (1) 2 Techniken

Mehr

Whitepaper. Produkt: combit Relationship Manager. Datensatzhistorie mit dem SQL Server 2000 und 2005. combit GmbH Untere Laube 30 78462 Konstanz

Whitepaper. Produkt: combit Relationship Manager. Datensatzhistorie mit dem SQL Server 2000 und 2005. combit GmbH Untere Laube 30 78462 Konstanz combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager Datensatzhistorie mit dem SQL Server 2000 und 2005 Datensatzhistorie mit dem SQL Server 2000 und 2005-2 - Inhalt

Mehr

Einführungsveranstaltung: Data Warehouse

Einführungsveranstaltung: Data Warehouse Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring

Mehr

ERP-Connector für MHS

ERP-Connector für MHS Whitepaper ERP-Connector für MHS VERSION 2.0 ERSTELLT AM 10.01.2013 Zusammenfassung Der ERP-Connector für MHS ist ein innovatives Werkzeug, dass es IT-Abteilungen und BI- Administratoren auf einfache und

Mehr

Brennpunkt Datenqualität

Brennpunkt Datenqualität Business t Brennpunkt Datenqualität Konzeption eines Datenqualitätsmanagements für ETL-Prozesse Seit Jahren genießt das Thema Datenqualität in IT-Abteilungen sowie auf Managementebene steigende Aufmerksamkeit.

Mehr

Projektbericht Gruppe 12. Datenbanksysteme WS 05/ 06. Gruppe 12. Martin Tintel Tatjana Triebl. Seite 1 von 11

Projektbericht Gruppe 12. Datenbanksysteme WS 05/ 06. Gruppe 12. Martin Tintel Tatjana Triebl. Seite 1 von 11 Datenbanksysteme WS 05/ 06 Gruppe 12 Martin Tintel Tatjana Triebl Seite 1 von 11 Inhaltsverzeichnis Inhaltsverzeichnis... 2 1. Einleitung... 3 2. Datenbanken... 4 2.1. Oracle... 4 2.2. MySQL... 5 2.3 MS

Mehr

LINQ to SQL. Proseminar Objektorientiertes Programmieren mit.net und C# Christoph Knüttel. Institut für Informatik Software & Systems Engineering

LINQ to SQL. Proseminar Objektorientiertes Programmieren mit.net und C# Christoph Knüttel. Institut für Informatik Software & Systems Engineering LINQ to SQL Proseminar Objektorientiertes Programmieren mit.net und C# Christoph Knüttel Institut für Informatik Software & Systems Engineering Agenda 1. LINQ allgemein Vorteile Bausteine und Varianten

Mehr

SQL-Befehlsliste. Vereinbarung über die Schreibweise

SQL-Befehlsliste. Vereinbarung über die Schreibweise Vereinbarung über die Schreibweise Schlüsselwort [optionale Elemente] Beschreibung Befehlsworte in SQL-Anweisungen werden in Großbuchstaben geschrieben mögliche, aber nicht zwingend erforderliche Teile

Mehr

Kapitel 7 Datenbank-Tuning

Kapitel 7 Datenbank-Tuning Kapitel 7 Datenbank-Tuning Flien zum Datenbankpraktikum Wintersemester 2012/13 LMU München 2008 Thmas Bernecker, Tbias Emrich 2010 Tbias Emrich, Erich Schubert unter Verwendung der Flien des Datenbankpraktikums

Mehr

Einführung in die Statistik mir R

Einführung in die Statistik mir R Einführung in die Statistik mir R ww w. syn t egris.de Überblick GESCHÄFTSFÜHRUNG Andreas Baumgart, Business Processes and Service Gunar Hofmann, IT Solutions Sven-Uwe Weller, Design und Development Jens

Mehr

Semantische Infomationsintegration à la carte?

Semantische Infomationsintegration à la carte? Semantische Infomationsintegration à la carte? Ziele und Herausforderungen der Anwendung des CIDOC CRM. Historisch-Kulturwiss. Informationsverarbeitung, Universität Köln 1. Oktober 2010 1 Ein User Scenario

Mehr

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015 Abstrakt zum Vortrag im Oberseminar Graphdatenbanken Gero Kraus HTWK Leipzig 14. Juli 2015 1 Motivation Zur Darstellung komplexer Beziehungen bzw. Graphen sind sowohl relationale als auch NoSQL-Datenbanken

Mehr

Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 3. Aufgabenstellung

Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 3. Aufgabenstellung Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 3 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 18.12.2013 1. Kurzbeschreibung Dieses Praktikum

Mehr

Dominik Pretzsch TU Chemnitz 2011

Dominik Pretzsch TU Chemnitz 2011 Dominik Pretzsch TU Chemnitz 2011 Wir leben im Informationszeitalter und merken es daran, dass wir uns vor Information nicht mehr retten können. Nicht der überwältigende Nutzen der Information, sondern

Mehr

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen Lennart Leist Inhaltsverzeichnis 1 Einführung 2 1.1 Aufgaben einer Datenbank...................... 2 1.2 Geschichtliche Entwicklung

Mehr

Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben. Die Hypercube-Technologie

Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben. Die Hypercube-Technologie Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben Transbase Hypercube ist eine Transbase -Option, die die innovative Hypercube-Technologie für komplexe analytische Anwendungen (OLAP)

Mehr

SQL-DDL und SQL-Anfragen. CREATE TABLE Kategorie (Bezeichnung VARCHAR(15) NOT NULL PRIMARY KEY, Klassifikationskriterium VARCHAR(100) NOT NULL )

SQL-DDL und SQL-Anfragen. CREATE TABLE Kategorie (Bezeichnung VARCHAR(15) NOT NULL PRIMARY KEY, Klassifikationskriterium VARCHAR(100) NOT NULL ) Technische Universität München WS 2003/04, Fakultät für Informatik Datenbanksysteme I Prof. R. Bayer, Ph.D. Lösungsblatt 6 Dipl.-Inform. Michael Bauer Dr. Gabi Höfling 1.12.2003 SQL-DDL und SQL-Anfragen

Mehr

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

Mehr