Online Analytical Processing

Transkript

1 Online Analytical Processing

2 Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden Analyseergebnisses. Dabei ist insbesondere das Management in seiner Rolle als Entscheidungsträger die Zie lgruppe für OLAP- Anwendungen. Die Daten liegen in einem Data W a- rehouse, welches eine globale Sicht auf heterogene und verteilte Datenbestände ermöglicht, indem die für die globale Sicht relevanten Daten aus den Datenquellen zu einem gemeinsamen konsistenten Datenbestand zusammenführt und langfristig speichert. Dabei ist es die Basis für die Aggregation von b e- trieblichen Kennzahlen und Analysen innerhalb mehrdimensionaler Matr izen (OLAP- Cube/-Würfel).

3 Szenarien für den OLAP-Einsatz OLAP kann in nahezu allen betrieblichen Bereichen zum Einsatz kommen und bietet durch sein Fundament, heterogene Daten zu einer gemeinsamen Datenbasis zu sammeln und diese entlang von Dimensionen mit Hierarchien und Aggregaten auszustatten, vielfältige Einsatzbereiche: Klassifizierungen und Zuordnungen von Kunden-, Verkaufs- und Bewegungsstrukturen Erkennen von Kunden-Verhaltensmustern Untersuchungen entlang von Zeit- und Geographieachsen zur Erkennung von Märkten, ihre Bewegungen und Entwicklungen Ableitung von Prognosemodellen für die Vorhersagen von Bestellvorgängen, Marktveränderungen und Entscheidungsverhalten von Kunden, Mitarbeitern und Lieferanten Ableitung von Regeln Lösungen mit OLAP OLAP bietet für eine Reihe von betriebswirtschaftlichen Fragestellungen im Bereich der Datenanalyse Lösungen an: Multidimensionale Untersuchungen Integration von unterschiedlichen internen und externen Datenquellen zur gemeinsamen Untersuchung Kombination von Standardfragestellungen und ad-hoc-untersuchungen Datenabfragen über natürliche und domänenspezifische Hierarchien hinweg Bereitstellung von unternehmens-/branchenbezogenen Aggregaten Berechnung und Bereitstellung von Kennzahlen Statistische Auswertungen für beschreibende und schließende Fragestellungen bis hin zu komplexen Data Mining-Analysen Muster-Entdeckung und regelbasierte Auswertungen Umsetzen von Auswertungen über Heuristiken

4 OLAP in der Theorie Das OLAP-Konzept wurde von Codd mit 12 Evaluationsregeln in die DB-Theorie eingeführt. Diese Regeln sollen von einem OLAP-fähigen System alle gleichermaßen erfüllt werden. Mehrdimensionale konzeptionelle Perspektiven Da die Natur von Unternehmensanalysen interner und externer Art ohnehin multidimensional ist, sollte die konzeptionelle Sicht der OLAP-Modelle ebenfalls multidimensional sein. Dies führt zu einer Aufgliederung der relevanten Kennzahlen einer Unternehmens oder einer Organisation anhand verschiedener Kriterien. Transparenz OLAP-Werkzeuge müssen sich unproblematisch und einfach in die Arbeitsumgebung des Benutzers einfügen. Berichte und Analysen müssen ad hoc und ohne weitere technische Kenntnisse verfügbar sein. Zugriffsmöglichkeit Die Architektur eines OLAP-Systems soll möglichst offen sein, sodass alle internen und viele externe Datenquellen gleichermaßen zu einem multidimensionalen Bild der Unternehmung zusammenfließen können. Stabile Antwortzeiten Die Antwortzeiten des Systems sollten auch bei steigender Komplexität oder einer starken Zunahme an Dimensionen und Daten annähernd gleich bleiben, um einfaches Arbeiten mit dem System zu ermöglichen. Client-Server-Architektur Die Basis-Architektur muss für einen schnellen und nahezu unbegrenzten Zugriff optimiert werden, sodass nur eine Client-Server- Architektur zum Einsatz kommen kann. Grundprinzip der gleichgestellten Dimensionen Die einzelnen Dimensionen sollen funktional und strukturell äquivalent zueinander sein, sodass auch umfassende Datenmodelle nachvollziehbar bleiben. Dadurch muss sich ein einheitlicher Sprachumfang für die Dimensionsverwaltung nutzen lassen können.

5 Dynamische Verwaltung dünn besetzter Matrizen Sind Ausprägungen aufgrund unterschiedlicher Bedingungen nicht vorhanden, d.h. enthalten Datenmatrizen Lücken und sind daher dünn besetzt, so müssen diese Datenstrukturen optimal vom System gespeichert werden. Mehrbenutzerfähigkeit Die Daten und damit das gesamte OLAP- System müssen simultan von mehreren Benutzern genutzt werden können. Dazu gehört auch ein Sicherheitskonzept, um lesende und schreibende Zugriffe individuell zu definieren. Unbeschränkte kreuzdimensionale Operationen Insbesondere für Kennzahlensysteme muss die Fähigkeit vorhanden sein, Aggregationen über mehrere Dimensionen hinweg abzubilden. Intuitive Datenmanipulation Gerade für den Einsatz des OLAP-Systems durch Benutzer ohne weitere technische Erfahrungen muss der Einsatz des Systems einfach und schnell erlernbar zu bedienen sein. Auswahlmenüs und Verknüpfungen für die Navigation innerhalb verschiedener Hierarchiestufen und Aggregationsebenen müssen dies unterstützen. Flexibles Berichtswesen Die Informationen aus multidimensionalen Vergleichen, Kennzahlenergebnissen und Szenarien sowie auf den einzelnen Aggregationsstufen müssen sich leicht in konfigurierbare Berichte ausgeben lassen. Dazu gehören auch Visualisierungen mit Diagrammen und Tabellen. Unbegrenzte Dimensions- und Aggregationsstufen Die Anzahl der Dimensionen und Aggregationsstufen soll unbegrenzt sein, um jeden beliebigen realen Sachverhalt abbilden zu können.

6 OLAP-Projekte und ihre Phasen Analyse des Informationsbedarfs In einer ersten Phase muss der Informationsbedarf analysiert werden. Dies bezieht sich auf den Zweck, den das OLAP-System erfüllen soll, und aus dem die Einzelinformationen zu bestimmen sind, welche im OLAP- System explizit zu erfassen sind. Dies stellt eine analytische und beratende Aktivität dar, bei welche die Anwender ausdrücklich mit einbezogen sind. Zusätzlich muss die Herkunft der Daten bestimmt werden, wobei bei externen Datenquellen auch Übertragungsformate und Schnittstellen zu berücksichtigen sind. Greift man auf historische Daten zurück, so müssen diese für eine kontinuierliche Nutzung im neuen System migrieren. Design und Planung einer Lösung In einer zweiten Phase wird die Lösung des zuvor beschriebenen Anforderungskatalogs entwickelt. Dabei werden geeignete Standardwerkzeuge ausgewählt und um die entsprechenden individuellen Bedingungen erweitert. Zwei grundlegende Fragen bei der Umsetzung der Lösung stellen dabei die Aktualität der Daten im OLAP-System und die möglichen Aggregationsformen der Daten dar. Aus den Aggregationsformen lassen sich später die Dimensionen ableiten, in denen die Analyseroutinen durchgeführt werden sollen. In jedem Fall ergeben sich grundlegende Unterschiede in Größe, Komplexität und Datenmodellierung der OLAP-Datenbank im Vergleich zu den operativen Datenbanken der Organisation. Implementierung und Umsetzung In einer dritten Phase wird die Lösung dann umgesetzt und implementiert. Dies sollte auch immer eine Anwenderschulung zur optimalen Nutzung der bereit gestellten Werkzeuge und Ausgabemedien enthalten. Weitere Phasen für Tests und evtl. Korrekturoder Erweiterungsaktivitäten können sich sofort oder zu einem späteren Zeitpunkt bei z.b. geänderten Anforderungen anschließen.