Business Intelligence Data Warehouse. Jan Weinschenker

Transkript

1

2 Business Intelligence Data Warehouse Jan Weinschenker

3 Inhaltsverzeichnis Einleitung eines Data Warehouse Data Warehouse im Zusammenfassung Fragen 3

4 Einleitung Definition: Data Warehouse A data warehouse is a subject oriented, integrated, non-volatile and time variant collection of data in support of management s decisions. aus [Inmon[ 1996] 4

5 Einleitung Definition: Data Warehouse Ein Data Warehouse ist eine physikalische Datenbank, die eine integrierte Sicht auf beliebige Daten zu Analysezwecken ermöglicht. aus [Bauer/Günzel 2004] 5

6 Wozu braucht man eigentlich ein Data Warehouse? 6

7 Wozu eigentlich DW? Analyse von Kennzahlen: Ging lange Zeit ohne DW Ging lange Zeit sogar ohne Computer Unternehmen waren trotzdem erfolgreich! 7

8 Wozu eigentlich DW? 8

9 Wozu eigentlich DW? Wenn einen die große e Masse (an Daten) erschlägt! gt! Daten sind oft geschäftsobjekt ftsobjekt-orientiertorientiert Zusammentragen der Informationen wird mühselig Excel, SPSS und Anwender sind irgendwann überfordert 9

10 Deswegen! DW machen große e Datenmengen überschaubar Sie schaffen eine einheitliche Sicht auf unterschiedliche Datenquellen DW machen Analysen performanter Weitere neue Impulse durch die KI Finden neuer Zusammenhänge nge Datamining 10

11 Meine DW kann wichtige Beiträge liefern fürf Planung, Steuerung, Kontrolle Hilft überall, wo Projekte kontrolliert zum Erfolg gebracht werden sollen Gewinnt in Unternehmen an Bedeutung 11

12 eines Data Warehouse Wie baut man ein Data Warehouse? 12

13 Ein Data Warehouse Orientierung an Referenzarchitektur Komponenten: Arbeitsbereich, Basisdatenbank, Data Warehouse Extraktion, Transformation, Laden, Metadaten Manager Aus [Bauer/Günzel 2004] 13

14 Referenzarchitektur 14

15 Datenhaltung 15

16 Datenhaltung In der Regel mit einem RDBMS realisiert Arbeitsgrundlagen für f ETL-Prozesse Prozesse, Datenhaltung getrennt vom Produktivsystem 16

17 Prozesse und Metadaten 17

18 Prozesse und Metadaten 18

19 Prozesse und Metadaten Überführung der Daten aus dem Produktivsystem in das Data Warehouse Umwandlung der Daten Von Anwendungs- nach Analyseorientiert In einheitliche Datentypen Laden von großen Datenmengen Performancelastig 19

20 Manager 20

21 Manager 21

22 Manager Steuerungs- und Kontrollkomponente Datenbeschaffung Interner Datenfluss Fehlerbehandlung Logging der eigenen Aktivitäten ten 22

23 Ausrichtung an gewünschten Analysen Vereinbarungen mit Teilgruppen Anwendungsfälle Anwendungsdaten Schnittstellen Persistenz Analyse 23

24 DW im Was kann ich beitragen? 24

25 Wozu brauchen wir DW? Unser Heterogene Anwendungen und Daten Einzelne Datentöpfe im Persistenzdienst Viele interessante Datenquellen RFID, Semantic Web, also? 25

26 Wozu brauchen wir DW? für r eine integrierte Sicht auf die vorhandenen Daten Daten und Informationen vorhanden Müssen nur in Wissen umgewandelt werden Analyse mit Data Mining und OLAP Dazu mehr im nächsten n Vortrag 26

27 Vorschlag Starschema 27

28 Werkzeuge ETL: Octopus Basiert auf Java und XML Zugriff auf ODBC und JDBC- Datasources,, CSV und Excel 28

29 Werkzeuge Data Warehouse: DeepGreen Open Source Data Warehouse Basiert auf BisGres DMBS (PostGreSQL( PostGreSQL- Fork) Benötigt Fedora/Redhat Redhat-Linux

30 Einheitliche Sicht auf unsere Daten Grundlage für f r Analysen Benötigt werden: Anwendungsdaten Vereinbarungen über Geschäftsprozesse 30

31 Fragen? 31

32 Vielen Dank! 32