Fortgeschrittene OLAP Analysemodelle



Ähnliche Dokumente
Model Klausel - Der Excel-Killer von Oracle?

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

IV. Datenbankmanagement

SQL für Trolle. mag.e. Dienstag, Qt-Seminar

Sructred Query Language

SQL (Structured Query Language) Schemata Datentypen

Die bisher bereits bekannten Aggregatsfunktionen MIN, MAX, SUM, AVG, COUNT, VARIANCE und STDDEV wurden um FIRST und LAST erweitert.

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

Modul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug Name: Note:

SQL. Fortgeschrittene Konzepte Auszug

Universität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5

SQL. strukturierte Datenbankabfragesprache eine Datenbanksprache zur. Structured Query Language:

Mengenvergleiche: Alle Konten außer das, mit dem größten Saldo.

Übung Datenbanken in der Praxis. Datenmodifikation mit SQL

Einführung in SQL. 1. Grundlagen SQL. Structured Query Language. Viele Dialekte. Unterteilung: i. DDL (Data Definition Language)

WS 2010/11 Datenbanksysteme Fr 15:15 16:45 R Vorlesung #3. SQL (Teil 1)

Datenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin

Analytische Funktionen in 10g

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER

Abfragen (Queries, Subqueries)

Fortgeschrittene OLAP Analysemodelle

SQL und MySQL. Kristian Köhntopp

Vorlesung Datenbankmanagementsysteme

Einführung in SQL. Sprachumfang: Indizes. Datensätzen. Zugriffsrechten

Berechnung von Kennzahlen mit der SQL Model Clause

3 Query Language (QL) Einfachste Abfrage Ordnen Gruppieren... 7

SQL Intensivpraktikum SS 2008

Seminar 2. SQL - DML(Data Manipulation Language) und. DDL(Data Definition Language) Befehle.

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery

3.17 Zugriffskontrolle

Aktuelle Entwicklungen

Übersicht über Datenbanken

Index- und Zugriffsstrukturen für. Holger Brämer, 05IND-P

Unterabfragen (Subqueries)

Relationale Datenbanken in der Praxis

Bibliografische Informationen digitalisiert durch

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

Oracle: Abstrakte Datentypen:

Einführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem.

Themenblock: Erstellung eines Cube

Cassandra Query Language (CQL)

SQL-Befehlsliste. Vereinbarung über die Schreibweise

Relationales Modell: SQL-DDL. SQL als Definitionssprache. 7. Datenbankdefinitionssprachen. Anforderungen an eine relationale DDL

Dynamisches SQL. Folien zum Datenbankpraktikum Wintersemester 2009/10 LMU München

SQL SQL. SQL = Structured Query Language (SEQUEL) IBM San Jose Research Laboratory SYSTEM R. Grundlagen der Datenbanksysteme I

Anfragesprachen für On-Line Analytical Processing (OLAP)

Datenbanktechnologie mit praktischen Übungen in MySQL und PHP

Logische Modelle für OLAP. Burkhard Schäfer

27 Transact-SQL-Erweiterungen in Bezug auf Analysis Services

Analysemöglichkeiten mit SQL:

Beispiel 1: Filmdatenbank

Informatik 12 Datenbanken SQL-Einführung

Referentielle Integrität

Erstellen einer Datenbank. Datenbankabfragen

SQL structured query language

Arbeiten mit ACCESS 2013

SQL. DDL (Data Definition Language) Befehle und DML(Data Manipulation Language)

Datenintegrität. Einschränkung der möglichen Datenbankzustände und -übergänge auf die in der Realität möglichen

ISU 1. Ue_08/02_Datenbanken/SQL. 08 Datenbanken. Übung. SQL Einführung. Eckbert Jankowski.

SQL: statische Integrität

Datenintegrität. Arten von Integritätsbedingungen. Statische Integritätsbedingungen. Referentielle Integrität. Integritätsbedingungen in SQL.

IBM Informix SQL. Seminarunterlage. Version vom

bersicht Datenbanken und Datawarehouses Datenbank Datenbanksysteme Niels Schršter

Datenintegrität. Einschränkung der möglichen Datenbankzustände und -übergänge auf die in der Realität möglichen

Data Warehousing. Ausführung von OLAP Operationen. Ulf Leser Wissensmanagement in der Bioinformatik

Abbildung 1: Das ERM. Nun zu den Tabellen: Zunächst wird aus jeder Entity eine Tabelle, d.h. wir erhalten:

Labor 3 - Datenbank mit MySQL

Informatik II Vorlesung am D-BAUG der ETH Zürich. Vorlesung 12, Datenbanksysteme: Datendefinition in SQL, Kompliziertere Datenbankabfragen

Referenzielle Integrität SQL

DB1. DB SQL-DQL 1 Mario Neugebauer

Relationale Anfragesprachen

ORM & OLAP. Object-oriented Enterprise Application Programming Model for In-Memory Databases. Sebastian Oergel

Arbeiten mit einem lokalen PostgreSQL-Server

105.3 SQL-Datenverwaltung

Datenbanksysteme I. Klausur zum Praktikum. Mehrere Professoren prüfen mit genau einem Beisitzer genau einen Studenten.

Interaktive Webseiten mit PHP und MySQL

Prozedurale Datenbank- Anwendungsprogrammierung

Datumsangaben, enthält mindestens Jahr, Monat, Tag

Datenintegrität. Bisherige Integritätsbedingungen

SQL-Anweisungen. SELECT (SQL Data Query Language)

Klausur in Programmieren

Fachbereich Informatik Praktikum 1

5.3 Datenänderung/-zugriff mit SQL (DML)

Kap. 6 Data Warehouse

Es geht also im die SQL Data Manipulation Language.

Referentielle Integrität

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY

SQL Data Manipulation Language (DML) und Query Language (QL)

Funktionale Programmierung ALP I. Funktionen höherer Ordnung. Teil 2 SS Prof. Dr. Margarita Esponda. Prof. Dr.

Michaela Weiss 01. April Lerneinheit 4: Relationale Datenbanken am Beispiel von MySQL

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

Summarization-based Aggregation

adcubum ACADEMY. Die Vertiefung von Hochstehendem. SQL-Datenbankkurse

SQL-Loader. Prof. Dr. Waldemar Rohde Dipl.-Ing. Jörg Höppner

Pivotieren. Themenblock: Anfragen auf dem Cube. Roll-up und Drill-down. Slicing und Dicing. Praktikum: Data Warehousing und Data Mining. Produkt.

Wiederholung VU Datenmodellierung

Datenbanken: Datenintegrität.

Regionaltreffen Rhein Main 26. März 2007

Transkript:

Fortgeschrittene OLAP Analysemodelle Jens Kübler Imperfektion und erweiterte Konzepte im Data Warehousing

2 Grundlagen - Datenanalyse Systemmodell Datenmodell Eingaben System Schätzer Datentypen Datenoperationen Ausgaben

3 Grundlagen - Systemmodell System Störungen Eingaben Systemmodell Messmodell Ausgaben Schätzer

4 Grundlagen - Datenmodell Datentypen Character, Bool, Integer Strukturen Datenoperationen Data Definition Language (CREATE TABLE) Data Controll Language (COMMIT, ROLLBACK) Data Modification Language (SELECT, INSERT, UPDATE, DELETE)

5 Codd'sche Modellklassen Kategorisches Modell niedrige Komplexität Exegatives Modell Kontemplatives Modell Formales Modell hohe Komplexität

6 Kategorisches Modell Ziel: niedrigdimensionale Analysen SELECT attribut FROM table GROUP BY klasse Eingaben System Ausgaben Zinssatz Anlagebetrag E = Ab * Zs + Ab Ergebnis

7 Exegatives Modell Ziel: Analyse über mehrere Dimensionen ROLLUP DRILLDOWN Eingaben System Ausgaben Zinssätze zu unterschiedlichen Zeitpunkten t E = Ab * Zs + Ab Ergebnisse zu den Zeitpunkten t

8 Kontemplatives Modell Spezifikation von Systemgleichungen Varianzen bei Eingaben und System Suche nach Ergebnissen des Modells Eingaben System Ausgaben Können durch Eingaben oder System bedingte Varianzen aufweisen

9 Formales Modell Ausgaben gegeben, Eingaben gesucht Formale Beschreibung des Systemmodells Suche passendes Systemmodell Ergänzen von Eingabevektoren Eingaben System Ausgaben Startpunkt

10 ORACLE SQL Datentypen SQL99 char int double... Erweiterungen z.b. Numeric XMLType...

11 ORACLE SQL Datenoperationen (DML) Basisoperationen AVG, SUM, COUNT Fortgeschrittene Operationen Ranking Lineare Regression MODEL...

12 Oracle SQL MODEL Beispiel SELECT country, product, year, sales FROM sales_view WHERE country IN ('Italy', 'Japan') MODEL PARTITION BY (country) DIMENSION BY (product, year) MEASURES (sales sales) RULES (sales['bounce', 2002] = sales['bounce', 2001] + sales['bounce', 2000], sales['y Box', 2002] = sales['y Box', 2001], sales['all_products', 2002] = sales['bounce', 2002] + sales['y Box', 2002]) ORDER BY country, product, year;

13 Oracle SQL MODEL SQL Integration mit vollem Funktionsumfang Aggregatsfunktionen Arithmetische Operationen... Weitere besondere Möglichkeiten ITERATE FOR UPDATE / UPSERT

14 ORACLE OLAP Datentypen Analytic Workspace als Datendefinition Reduzierter Satz an Typen Kein DOUBLE Kein FLOAT Jedoch NUMERIC

15 ORACLE OLAP Datenoperationen arithmetisch Bedingungen... Ausdrücke (Expressions) Formeln Aggregationen Modelle Programme

16 ORACLE OLAP - Modelle DEFINE income.budget MODEL MODEL DIMENSION line month Opr.Income = Gross.Margin - Marketing Gross.Margin = Revenue - Cogs Revenue = LAG(Revenue, 1, month) * 1.02 Cogs = LAG(Cogs, 1, month) * 1.01 Marketing = LAG(Opr.Income, 1, month) * 0.20 END

17 ORACLE OLAP - Modelle Definition multipler Szenarien Divergenztests Maximaliterationen Konvergenztests werden compiliert können debugged werden