Folie 198 Gliederung Datenbanksysteme 5. Datenbanksprachen 1. Datendefinitionsbefehle 2. Datenmanipulationsbefehle 3. Grundlagen zu SQL 6. Metadatenverwaltung 7. DB-Architekturen 1. 3-Schema-Modell 2. Verteilte und föderierte Datenbanksysteme 8. Datenintegrität 1. Datenkonsistenz 2. Datensicherheit 3. Datenschutz 9. Data Warehousing und On-Line Analytical Processing (OLAP) Teil II II Datenintegrität Im Bereich der Datenintegrität (lat.: Makellosigkeit) werden Fragen behandelt, die sich mit der Korrektheit der Daten befassen. Architektur von DBS Externes Modell 1 Konzeptionelles Modell Physisches Modell Externes Modell 2 Integritätsziele Datenschutz (Zugriff durch Befugte im Rahmen der definierten Befugnis) Datenkonsistenz (Widerspruchsfreiheit der Daten zu sich selbst und den Vereinbarungen des konzeptionellen/der externen Datenmodelle) Datensicherheit (Daten zu jedem Zeitpunkt in korrekter Form nutzbar) Folie 199
Folie 200 Datenintegrität Eingabe Datenkonsistenz logisch Datenbasis nach konzeptionellem Modell Datenschutz ethisch Verwendung Datensicherheit physisch Betrieb Datenintegrität: Zielkonflikte hoch gering hoch gering gering hoch Performance gering hoch Datensicherheit Maßnahmen zur Datenintegrität gehen in der Regel zu lasten der Performance des DB-Systems Maßnahmen zur Datensicherheit gehen in der Regel zu Lasten des Datenschutzes Folie 201 hoch Datenintegrität Datenschutz Datenkonsistenz gering gering hoch Datensicherheit Maßnahmen zur Datensicherheit gehen in der Regel zu Lasten des Datenkonsistenz
Folie 202 Gliederung Datenbanksysteme 5. Datenbanksprachen 1. Datendefinitionsbefehle 2. Datenmanipulationsbefehle 3. Grundlagen zu SQL 6. Metadatenverwaltung 7. DB-Architekturen 1. 3-Schema-Modell 2. Verteilte und föderierte Datenbanksysteme 8. Datenintegrität 1. Datenkonsistenz 2. Datensicherheit 3. Datenschutz 9. Data Warehousing und On-Line Analytical Processing (OLAP) Teil II II Datenkonsistenz Konsistenz: Eine Datenbank ist konsistent, wenn ihr Inhalt mit der Beschreibung übereinstimmt und die gespeicherten Daten widerspruchsfrei sind. Redundanz: Redundanz ist in einem Datenbestand genau dann vorhanden, wenn ein Teil des Bestandes ohne Informationsverlust weggelassen werden kann. Ungewollte Redundanzen werden vermieden bei a) sorgfältigem Aufbau und strikter Umsetzung eines ISM b) genauer Anwendung der Normalformenlehre Folie 203
Folie 204 Datenkonsistenz: Beispiel Fachbereich 1 n Dozent Dozent Fachbereich (FB_Nr, FB_Name, FB_Leiter, Sem_Etat, Ges_Honorar,...) Dozent (Doz_Nr, Doz_Name, Doz_Vname, Doz_Tel_Nr, Doz_Honorar, FB_Nr,...) Konsistenzbedingungen bei der Dozenten-Neuaufnahme: KB_Doz_1: Dozentennummer muß eingegeben werden KB_Doz_2: Dozentennummer muß eindeutig sein KB_Doz_3: Fachbereichsnummer FB_Nr hat Gültigkeit KB_Doz_4: Telefonnummer ist numerisch KB_Doz_5: Honorar mindestens 400,-, wenn verheiratet mind. 480,- KB_Doz_6: Semesteretat des Fachbereichs wird nicht überschritten Klassifizierung von Konsistenzbedingungen 1) Klassifizierung nach Objektmengenumfang Welche Objekte sind bei der Konsistenzprüfung zu beachten? a) Vergleich der eingegebenen Werte mit dem Bildungsgesetz einer Merkmalsklasse (KB_Doz_1 und KB_Doz_4) b) Vergleich der eingegebenen Werte mit dem Bildungsgesetzen mehrerer Merkmalsklassen (KB_Doz_5) c) Logischer Vergleich der eingegebenen Werte mit mehreren Informationsobjekten/ Datensätzen (KB_Doz_2) d) Einbeziehung von Merkmalswerten anderer Informationsobjektklassen/ Relationen (KB_Doz_3 und KB_Doz_6) 2) Klassifizierung nach Zeitpunkt der Konsistenzprüfung Wann muss der Datenbestand wieder konsistent sein? a) Primäre Konsistenzbedingungen: Nach jeder elementaren Operation (lesen, schreiben) ist der Datenbestand wieder konsistent b) Sekundäre Konsistenzbedingungen: (Quasizeitgleiche) Änderungen bei mehreren Datenobjekten bedingen temporäre Inkonsistenz (KB_Doz_6) 3) Klassifizierung nach der Reaktionsform a) stark - Weiterverarbeitung nur nach Korrektur b) schwach - Weiterarbeit wird zugelassen Folie 205
Folie 206 Realisierung von Konsistenzbedingungen 1) Realisierung durch Anwenderprogramme Anwenderprogramm Prüfung DBMS Datenbasis Realisierung von Konsistenzbedingungen 2) Realisierung durch das Datenbanksystem Anwenderprogramm DBMS Prüfung DD Datenbasis Folie 207
Folie 208 Transaktionskonzept Transaktion: Folge von Operationen, die eine Datenbank ununterbrechbar von einem konsistenten Zustand in einen erneut konsistenten Zustand überführt. Attributswertänderungen in unterschiedlichen Relationen können logische Einheiten darstellen. Forderungen an die Transaktionsverwaltung Atomizität Jede Transaktion gilt als atomare Einheit. Somit sind Transaktionen vollständig oder gar nicht auszuführen. Konsistenz Jede Transaktion erzeugt einen konsistenten Zustand. Isolation Die von einer Transaktion benötigten Datenobjekte sind vor konsistenzgefährdender Nutzung durch andere Transaktionen geschützt. Dauerhaftigkeit Ergebnisse einer Transaktion bleiben auch bei einem Systemausfall erhalten. Folie 209
Folie 210 Gliederung Datenbanksysteme 5. Datenbanksprachen 1. Datendefinitionsbefehle 2. Datenmanipulationsbefehle 3. Grundlagen zu SQL 6. Metadatenverwaltung 7. DB-Architekturen 1. 3-Schema-Modell 2. Verteilte und föderierte Datenbanksysteme 8. Datenintegrität 1. Datenkonsistenz 2. Datensicherheit 3. Datenschutz 9. Data Warehousing und On-Line Analytical Processing (OLAP) Teil II II Datensicherheit Gegenstand: Technische und organisatorische Maßnahmen, die dafür sorgen, daß Verluste, Beschädigungen, Verfälschungen von und unberechtigter Zugriff auf Daten vermieden wird. Zweck: Daten sollen zu jeder Zeit in korrekter Form verfügbar sein Organisatorische Maßnahmen: Zugangskontrollen zu Datenträgerarchiven etc. Technische Maßnahmen: Problem: Abwicklung von Mehrbenutzerbetrieb. Verhinderung gegenseitiger Blockierung unterschiedlicher Prozesse Systemverklemmung (Deadlock) Folie 211
Folie 212 Datensicherheit Unkritische Fälle: - Transaktionen lassen sich seriell abwickeln. - Transaktionen betreffen ungleiche Datenbereiche. - Transaktionen sind ausschließlich Leseoperationen. Kritischer Fall: - Mehrere Benutzer arbeiten gleichzeitig an einer Datenbasis, wobei mindestens ein Benutzer auch Daten verändern will. Synchronisation von Zugriffen bei Mehrbenutzerbetrieb: Beispiel Arbeitsplatz 1 Lese aktuelle Teilnehmeranzahl und die Teilnehmerobergrenze für Kurs 4711 Wenn aktuelle Teilnehmeranzahl < Teilnehmerobergrenze Teilnehmeranzahl = Teilnehmeranzahl +1 Ersetze alte Teilnehmeranzahl durch neue Teilnehmeranzahl Zeit Arbeitsplatz 2 Lese aktuelle Teilnehmeranzahl und die Teilnehmerobergrenze für Kurs 4711 Wenn aktuelle Teilnehmeranzahl < Teilnehmerobergrenze Teilnehmeranzahl = Teilnehmeranzahl +1 Ersetze alte Teilnehmeranzahl durch neue Teilnehmeranzahl Folie 213
Folie 214 Synchronisation von Zugriffen bei Mehrbenutzerbetrieb: Sperren Lösung des Problems: Mit dem Lesen der aktuellen Teilnehmeranzahl wird dieser Attributwert gegen alle Versuche anderer Transaktionen geschützt, ihn zu lesen oder zu ändern, bis der der neue Wert für die aktuelle Teilnehmeranzahl gespeichert ist. Sperrmechanismen (Locks) Arten von Sperrmechanismen: Schreib- und Lesesperre Schreibsperre (Bsp.: Veränderung eines Attributwertes, etwa Doz_Tel) Klassifizierung nach Umfang der betroffenen Daten: Von der ganzen Datenbank...... bis zu einzelnen Attributwerten Normalfälle: Sperre einer Relation bzw. Datei (File Locking) Sperre eines Datensatzes (Record Locking) Deadlocks bei parallelen Transaktionen Transaktion 1 Erfolgreiche Anforderung einer S-Sperre für Datenobjekt A Erfolglose Anforderung einer S-Sperre für Datenobjekt B Transaktion 2 Erfolgreiche Anforderung einer SL-Sperre für Datenobjekt B Erfolglose Anforderung einer SL-Sperre für Datenobjekt A Verfahren zur Auflösung von Deadlocks Graphenverfahren (Auflösung von Zyklen) Zeitlimit-Verfahren, Time Out (Am längsten bearbeitete Transaktion wird abgebrochen) Folie 215
Folie 216 Rücksetzung auf definierte Zustände Transaktionsprinzip: Jede nicht abgeschlossene Transaktion muß wirkungslos bleiben (Rücksetzung= Undo ) Recovery: Konzepte und Verfahren zur Sicherung des Wiederanlaufs von DB-Systemen Transaktion T1 Transaktion T2 Transaktion T3 Rücksetzungs-Zustand Systemzusammenbruch (z.b. Hardwarefehler) Zeit Gliederung Datenbanksysteme 5. Datenbanksprachen 1. Datendefinitionsbefehle 2. Datenmanipulationsbefehle 3. Grundlagen zu SQL 6. Metadatenverwaltung 7. DB-Architekturen 1. 3-Schema-Modell 2. Verteilte und föderierte Datenbanksysteme 8. Datenintegrität 1. Datenkonsistenz 2. Datensicherheit 3. Datenschutz 9. Data Warehousing und On-Line Analytical Processing (OLAP) Teil II II Folie 217
Folie 218 Datenschutz Datenschutz Schutz personenbezogener Daten vor Missbrauch [Bundesdatenschutzgesetz u.a. Gesetze] Forderungen des Datenschutzgesetzes: Ziel und Zweck jeder Speicherung klar erkennbar Speicherbeschränkung kritischer Daten auf das Notwendigste Sammlung personenbezogener Daten ist zu registrieren und von den betroffenen Personen einsehbar Falsche Daten sind zu berichtigen Nicht benötigte Daten sind zu löschen Datenweitergabe nur nach besonderen Vorkehrungen Ebenen des Datenschutzes Organisatorische Maßnahmen Identitätskontrolle Zugriffskontrolle Verschlüsselung Datenbasis Folie 219
Folie 220 Datenschutz: Maßnahmen zur Verhinderung unbefugten Zugriffs Organisatorische Maßnahmen (Diebstahlsicherung, bauliche Maßnahmen, Überwachung peripherer Geräte etc.) Zwang zur Identifikation Benutzererkennung Passwortabfrage Beschränkung der Zugriffsrechte Zugriffsumfang: Beschränkung der Datenobjekte, mit denen Benutzer oder Benutzergruppen arbeiten dürfen Zugriffsart: lesend, schreibend, lesend/schreibend Beschränkung über Berechtigungsmatrix, Schlüssel-Schloß-Methode, Views (Datenbanksprache) Verschlüsselung des Datenmaterials (Kryptographie) Problem: Geschwindigkeitsverlust beim Entschlüsseln Beispiel: Berechtigungsmatrix Anmeldebearbeiter Buchhalter lesen lesen Objekte Vorlesungsverzeichnis Nutzer Kursinteressent lesen Dozent lesen Kursplandaten Teilnehmer Teilnehmer Dozentenhonorare Grunddaten Leistungsdaten _ lesen (schreiben) _ lesen schreiben lesen schreiben eigene Kurse lesen _ Folie 221
Folie 222 Zusammenfassung: Anforderungen an Datenbanksysteme I Grundlegende Anforderungen Speicherung und Verwaltung der Datenbestände Mehrbenutzerbetrieb mit Zugriffsregelung Notwendige Anforderungen Redundanzarmut bzw. -freiheit Daten-Programm-Unabhängigkeit Datenintegritätssicherung Datenkonsistenz Datensicherheit Datenschutz Zusammenfassung: Anforderungen an Datenbanksysteme II Weitere Anforderungen Allgemeingültige Anforderungen Leistungsfähigkeit Flexibilität Benutzungsfreundlichkeit Anwendungsbezogene Anforderungen Modellkonstrukte Unterstützte Benutzerzahl Kosten und Wirtschaftlichkeit... Allgemeine Anforderungen an Software Folie 223
Folie 224 Gliederung Datenbanksysteme 5. Datenbanksprachen 1. Datendefinitionsbefehle 2. Datenmanipulationsbefehle 3. Grundlagen zu SQL 6. Metadatenverwaltung 7. DB-Architekturen 1. 3-Schema-Modell 2. Verteilte und föderierte Datenbanksysteme 8. Datenintegrität 1. Datenkonsistenz 2. Datensicherheit 3. Datenschutz 9. Data Warehousing und On-Line Analytical Processing (OLAP) Teil II II On-Line Analytical Processing (OLAP) Software-Technologie, die Managern schnelle, interaktive und vielfältige Zugriffe auf relevante und konsistente Informationen ermöglicht Interaktivität:..the name given to the dynamic enterprise analysis required to create, manipulate, animate and synthesize information from Enterprise Data Models." [Codd, Codd, Salley, 1993] dynamische, multidimensionale Analysen auf auf konsolidierten Unternehmensdatenbeständen zwölf Evaluationsregeln nach Codd/Codd/Salley Mehr- / Multidimensionalität: Anordnung betriebswirtschaftlicher Variablen (z.b. Kennzahlen) entlang mehrerer, unterschiedlicher Dimensionen (z.b. Region, Artikel, Produkte, Zeit, Kunden) PRODUKT ZEIT 23 40 45 15 54 80 45 60 56 REGION Folie 225
Folie 226 Dimensionen von Tabellen Eindimensionale Tabelle Relationale DBS On-Line Transaction Processing (OLTP) Zweidimensionale Tabelle Multidimensionale DBS On-Line Analytical Processing (OLAP) Nr. Produkte Monate Wert Jan Feb Mär 1 Produkt 1 Jan 100 Produkt 1 100 120 140 2 Produkt 2 Mär 300 Produkt 2 0 1300 300 3 Produkt 1 Mär 140 Produkt 3 900 1100 1000 4 Produkt 3 Jan 900 5 Produkt 2 Feb 350 6 Produkt 3 Feb 1100 Datenzelle 7 Produkt 2 Feb 950 8 Produkt 1 Feb 120 9 Produkt 3 Mär 1000 Datensatz Mehrdimensionale Würfel (OLAP) und Datenzellenprinzip Mehrdimensionaler Würfel Datenzelle Produkte Jan Feb Produkt 3 Produkt 2 Produkt 1 100 120 140 Absatz Mär Monate Produkt 1 100 Jan Preis Umsatz 4,5 5 4 450 600 560 Absatz Einzelne Elemente des Dimensionsvektors liefert konkrete Datenzelle Konten Folie 227
Folie 228 Bausteine multidimensionaler Datenmodelle 1. Betriebswirtschaftliche Variablen (Messgrößen, Kennzahlen, Fakten) 2. Dimensionen 3. Dimensionshierarchien 4. Regeln Bausteine multidimensionaler Datenmodelle 1. Betriebswirtschaftliche Variablen (Messgrößen, Kennzahlen, Fakten) 2. Dimensionen 3. Dimensionshierarchien 4. Regeln Folie 229
Folie 230 Betriebswirtschaftliche Variablen (Kennzahlen) Kennzahlendefinition Zahl, die betriebliche und außerbetriebliche Informationen in aussagekräftiger, komprimierter Form wiedergibt Abgrenzungsmerkmale Gegenstand (Mengen / Werte, Zeitpunkt / Zeitraum) Objektbereich (Gesamtwirtschaftlich, Konzern, Teilbetrieb) Absolute Kennzahlen (z.b. Beschäftigte, Umsatz, Bilanzsumme) Relative Kennzahlen Statistische Kennzahlen Gliederungszahlen (z.b. Varianz, Teil-/Gesamtgröße Arithmetisches Mittel) (z.b. EK / GK) Beziehungszahlen Ursache/Wirkung (z.b. Gewinn / EK) Indexzahlen zeitliche Entwicklung im Verhältnis zum Basiswert 100% Kennzahlensysteme geordnete Anzahl von Kennzahlen, die in einer Beziehung zueinander stehen und als Gesamtheit über einen Sachverhalt vollständig informieren Spitzenkennzahl liefert die betriebswirtschaftlich wichtigste Aussage des Systems in komprimierter Form DuPont-Kennzahlensystem RL-Kennzahlensystem ZVEI-Kennzahlensystem Balanced Scorecard Finanzen Kunden Geschäftsprozesse Lernen/Wachstum RoI x Gewinn :: Umsatz Umsatz :: Kapital Umsatzrendite Kapitalumschlag Deckungsbeitrag./. Fixe Kosten Umlaufvermögen + Anlagevermögen Umsatz./. Variable Kosten liquide Mittel + Forderungen + Vorräte Folie 231
Folie 232 Kennzahlen als Bestandteile multidimensionaler Datenstrukturen Betrachtung von Einzelkennzahlen Zeit 100 120 140 Absatzmenge Region 135 5 4 450 600 560 Betrachtung mehrerer Kennzahlen Kennzahlendimension Zeit Erlös - Stückkosten = DB1 Artikel 100 200 140 80 120 40 20 80 100 Artikel Bausteine multidimensionaler Datenmodelle 1. Betriebswirtschaftliche Variablen (Messgrößen, Kennzahlen, Fakten) 2. Dimensionen 3. Dimensionshierarchien 4. Regeln Folie 233
Folie 234 Dimensionen in Analyseorientierten Informationssystemen Abteilung Kostenstellen Filialen Gesellschaften Werke Artikel Produktgruppe Sparte Dienstleistungsarten Sortiment Regionen Kundengruppe Leistungs- Struktur Organisations- Struktur Markt- Struktur Zielmärkte Lieferanten Wettbewerber Unternehmensspezifische Informationsstrukturen Dimensionen Elemente Produktstruktur Produktstruktur...... Produktgruppen, Produktgruppen, Division, Division, Produkte, Produkte,...... Organisationsstruktur...... Kostenstellen, Kostenstellen, Geschäftsbereiche, Geschäftsbereiche, Gesellschaften... Gesellschaften... Vertriebsstruktur Vertriebsstruktur...... Märkte, Märkte, Kundengruppen, Kundengruppen, Regionen Regionen...... Zeitstruktur Zeitstruktur...... Wochen, Wochen, Quartale, Quartale, Jahre, Jahre, Monate Monate...... Wert- Wert- /Szenarioarten /Szenarioarten...... Ist, Ist, Plan, Plan, Forecast, Forecast, Budget Budget...... Kennzahlen Kennzahlen...... Umsatz, Umsatz, Deckungsbeitrag, Deckungsbeitrag, Umsatzrentabilität Umsatzrentabilität...... Währungsarten Währungsarten...... Lokalwährung, Lokalwährung, Konzernwährung Konzernwährung.................. Folie 235
Folie 236 Bausteine multidimensionaler Datenmodelle 1. Betriebswirtschaftliche Variablen (Messgrößen, Kennzahlen, Fakten) 2. Dimensionen 3. Dimensionshierarchien 4. Regeln Verdichtungshierarchien Leistungs- Struktur Organisations- Struktur Markt- Struktur Top-Level Element Produktstruktur Produkt- Gruppe 1 Produkt 1 Produkt 2 Produkt 3 Eine Dimensionshierarchie wird als ein endlicher Baum definiert, der durch die einzelnen Elemente (Dimensionsausprägungen) gebildet wird. Level eines Knotens: Anzahl der Kanten auf dem Weg vom Knoten zum Blatt Tiefe eines Knotens: Anzahl der Kanten auf dem Weg vom Knoten zur Wurzel Generation eines Knotens: Tiefe + 1 Produkte- Gesamt Produkt- Gruppe 2 Knoten mit Level 0 Knoten mit Tiefe 2 Knoten der Generation 3 Produkt 4 Produkt 5 Produkt 6 Produkt 7 Folie 237
Folie 238 Parallele Hierarchien Mehrfache Verdichtungshierarchien: einzelne Elemente einer Dimension werden auf verschiedene Arten verdichtet Hierarchisierung der Monate Verdichtungshierarchie 1 Verdichtungshierarchie 2 Unbalancierte nach Quartalen Einfache Hierarchien Hierarchie Alle nach Elemente haben die gleiche Tiefe die Jahreszeiten gleiche Tiefe Hierarchisierung der Kunden nach sachlichen Kriterien (A-, B-, C-Kunden) nach Branchen nicht alle Elemente haben = Verdichtungs-Elemente (C) = Basis-Elemente (N) Informationsinhalte Datenzellen nehmen betriebswirtschaftliche Variablen bzw. Kennzahlen auf Schnitt im n-dimensionalen Würfel wird als 2-dimensionale Tabelle dargestellt Datenarten... Ist... Plan... Prognose... Simulation... Budget... Kennzahlen... Umsatz... Kosten... Variable Kosten... Deckungsbeitrag... Produkte... Alle Prod.-Gruppen... Oberklasse... Mittelklasse... A-Klasse... C-Klasse... Jahre... 1993... 1994... 1995... 1996... 1997... 1998... 1999... 2000... Basiselemente Basiselemente (N-Elemente) Monat (N-Elemente) Januar Februar März 1. Quartal April Regionen Niederlande Belgien Luxemburg BENELUX 2500 2600 2500 7600 2340 1200 1400 1500 4100 1450 80 30 40 150 90 3780 4030 4040 11850 3880 BRD Frankreich... EU-Staaten 10360 12340 13200 35900 12450 - - 8400 8400 9230............... 80340 90340 97550 268230 100230 Folie 239 'Dünn-besetzte' 'Dünn-besetzte' Matrizen Matrizen Konsolidierte Konsolidierte Elemente Elemente (C-Elemente) (C-Elemente) "On "On the the fly" fly" Berechnung Berechnung
Folie 240 Beispiel: Abbildung eines Datenwürfels in einem multidimensionalen Datenbanksystem (MIS ALEA) Werte Dimensionen Navigation in multidimensionalen Datenstrukturen Slice Dice Drill-Down Roll-Up PRODUKT ZEIT 23 40 45 15 54 80 45 60 56 REGION Folie 241
Folie 242 Slice Herausschneiden einzelner Scheiben, Schichten oder kleiner Würfel aus dem Datenraum Produktsicht z.b. Produktmanager Regionale Sicht z.b. Gebietsleiter Ad-hoc-Sicht z.b. Analyst Region Produkt Zeit 4alle Regionen 4gesamter Zeitraum 4ein Produkt (Filter) Region Produkt Zeit 4alle Produkte 4gesamter Zeitraum 4eine Region (Filter) Region Zeit Produkt 4ein Produkt (Filter) 4ein Monat (Filter) 4eine Region (Filter) Dice Region Produkt Zeit Rotation des Datenwürfels durch Drehen oder Kippen, um eine andere Perspektive auf die Daten zu ermöglichen. Produkt Zeit Region Folie 243
Folie 244 Drill-Down: Dimension Region Deutschland Europa Untersuchen der Daten in einem feineren Detaillierungsgrad innerhalb der Attributehierarchie einer Dimension. Untersuchen von Detaildaten Hessen Roll-Up: Dimension Region Deutschland Europa Beim Roll-Up werden die Werte auf der nächsthöheren Hierarchieebene analysiert. Folie 245 Hessen
Folie 246 Darstellung multidimensionaler Strukturen im Relationenmodell Artikel Würfel Absatz 03/98 02/98 01/98 4711 40 20 15 Periode 4712 4713 20 50 70 30 80 95 Artikel 4711 4712 4713 4711... Relation Absatz Region Nord Nord Nord Ost... Periode 01/98 01/98 01/98 01/98... Absatzmenge 40 20 30 20... Nord Ost Süd Region Darstellung multidimensionaler Strukturen im Relationenmodell Star-Schema Artikel 1 Artikel-ID Bezeichnung Maßeinheit Packung Farbe Region Region-ID Bezeichnung 1 Fläche in qkm Bevölkerung n n Vertrieb Artikel-ID Perioden-ID Regionen-ID Absatzmenge Faktentabelle n 1 Dimensionstabellen Dimensionstabellen Periode Perioden-ID Bezeichnung Folie 247
Folie 248 Data Warehouse-Konzept Endbenutzer- werkzeuge Data Warehouse Metadaten- banksystem Data Mining Executive - Information Systeme Data Mart Zentrale Datenbasis ETL-System Abfrage- und Berichtssysteme OLAP- Frontend Data Mart OLAP Server Archivierungs- system Datensammlung zur Unterstützung von Managemententscheidungen [Inmon, 1996] Themenorientierung Vereinheitlichung Zeitorientierung Beständigkeit Externe Daten Operative Vorsysteme Standardwerkzeug im Controlling: MS Excel Tabellenkalkulation ********** ********** Präsentationsgrafik Datenbank Anwendungsprogrammierung mit mit VBA VBA Folie 249
Folie 250 Klassische Tabellenkalkulationen Vorteile breite Basis an Formeln & Funktionen einfaches Handling durch Integration in Office-Suite hohes Maß an Flexibilität bei vielen Gestaltungsmöglichkeiten Existenz von einer Vielzahl von betriebswirtschaftlichen Tools Standard für Controllinganwendungen X X X Nachteile nicht integrierte Datenverwaltung provoziert Fehler Mehrbenutzereinsatz nur eingeschränkt möglich zentrale Administration nur eingeschränkt möglich sehr heterogener Kenntnisse bei Anwendern kein zentrales, integriertes Konzept für Datenversorgung führt zu redundanter und inkonsistenter Datenhaltung begrenzte Datenmenge X X X X X X Klassische Datenbanksysteme Vorteile Große Datenmengen bei performanter Verarbeitung Client/Server Technologie Professioneller Mehrplatzeinsatz Benutzerverwaltung Konsistente Schnittstellen Redundante Datenhaltung Professionelle Verwaltung der Datenintegrität Datenschutz Datenkonsistenz Datensicherheit... Nachteile umfangreiches Know-how zum Aufbau Aufwendige Strukturveränderungen Administrationsaufwand Aufwendige Erstellung von Benutzerschnittstellen kaum Möglichkeiten zur individuellen Gestaltung hohe Kosten... Folie 251
Folie 252 Integration von OLAP-Datenbank und Tabellenkalkulation Vorteile Tabellenkalkulation breite Basis an Formeln & Funktionen einfaches Handling durch Integration in Office-Suite hohes Maß an Flexibilität bei vielen Gestaltungsmöglichkeiten Existenz von einer Vielzahl von betriebswirtschaftlichen Tools Standard für Controllinganwendungen & Vorteile Datenbanksysteme Große Datenmengen bei performanter Verarbeitung Client/Server Technologie Professioneller Mehrplatzeinsatz Benutzerverwaltung Konsistente Schnittstellen Redundante Datenhaltung Professionelle Verwaltung der Datenintegrität Multidimensionale Datenbank Flexible Standard-Benutzeroberfläche