Benutzer-Werkzeuge

Webseiten-Werkzeuge


analyse:datenbank-dimension
  • Bookmark "Datenbank Dimension" auf del.icio.us
  • Bookmark "Datenbank Dimension" auf Digg
  • Bookmark "Datenbank Dimension" auf Furl
  • Bookmark "Datenbank Dimension" auf Reddit
  • Bookmark "Datenbank Dimension" auf Ask
  • Bookmark "Datenbank Dimension" auf Google
  • Bookmark "Datenbank Dimension" auf Netscape
  • Bookmark "Datenbank Dimension" auf StumbleUpon
  • Bookmark "Datenbank Dimension" auf Technorati
  • Bookmark "Datenbank Dimension" auf Live Bookmarks
  • Bookmark "Datenbank Dimension" auf Yahoo! Myweb
  • Bookmark "Datenbank Dimension" auf Facebook
  • Bookmark "Datenbank Dimension" auf Newsvine
  • Bookmark "Datenbank Dimension" auf Yahoo! Bookmarks
  • Bookmark "Datenbank Dimension" auf Twitter
  • Bookmark "Datenbank Dimension" auf myAOL
  • Bookmark "Datenbank Dimension" auf Slashdot
  • Bookmark "Datenbank Dimension" auf Mister Wong

Datenbank Dimension

Microsoft SQL Server Analysis Services (SSAS) stellt OLAP- und Data Mining-Funktionalitäten für Business Intelligence Anwendungen bereit1). Es gibt drei Möglichkeiten, um mit Analysis Services zu interagieren: SQL Server Management Studio (SSMS), Business Intelligence Development Studio im Projektmodus (BIDS) und im direkt verbundenem Modus (BIDS DCM)2). OLAP bedeutet „OnLine Analytical Processing“ und dient der Analyse und Auswertung von multidimensionalen Daten, um Informationen für Geschäfts- und Unternehmensentscheidungen zu gewinnen. Um mit Analysis Services-Instanzen arbeiten zu können, benötigt man geschäftsrelevante Daten, um Analysen auf diesen durchführen zu können. Dafür wird in SSAS ein OLAP Datenmodell erstellt, welches dann als Datenbank für die Grundlage geschäftsbezogener Analysen in den Analysis Services-Instanzen genutzt werden kann3). Der Aufbau der OLAP Datenbank besteht aus folgenden Schritten. Zuerst benötigt man die Datenquellen (meist aus externen Datensystemen), aus denen die geschäftsrelevanten Rohdaten entnommen werden. Anschließend wird eine sogenannte „Data Source View“, die Metadaten, erstellt. Da es sich bei der OLAP Datenbank um eine multidimensionale Datenstruktur handelt, müssen jetzt die einzelnen Dimensions- und Faktentabellen erstellt werden, auf denen dann der „Cube“ mit den aggregierten und aufbereiteten geschäftsrelevanten Daten aufgebaut wird4). In diesem Text wird nun auf die Dimensionen der OLAP Datenbank genauer eingegangen.

Dimensionen spielen in einer multidimensionalen Datenbank, wie der Name es schon sagt, eine der wichtigsten Rollen. Sie halten das Datenmodell einfach und strukturieren die Daten so, dass sie für die Businessnutzer verständlich und einfach nachvollziehbar sind. Dies ist eines der wichtigsten Voraussetzungen für die Daten in einer Business Intelligence Anwendung. Das dimensionale Modellieren ist daher die bisher praktikabelste Technik um Daten für Business Intelligence Anwendungen zu liefern, da es eine schnelle Abfrage-Leistung besitzt und ein gutes Geschäftsverständnis übermittelt5). Das dimensionale Modellieren wird unterteilt in „measurements“6) und „context“7). Measurements sind die sogenannten (geschäftsrelevanten) Fakten, die meist numerische Werte angeben und auf einem gewissen Context basieren. Dieser Context befindet sich in den einzelnen Dimensionen und wird durch „Surrogate Keys“ mit der Faktentabelle verknüpft. Dimensionen beschreiben somit das „wer, was, wann, wo, warum und wie“8) der Fakten.

Die Datenbankdimension ist eine Auflistung verknüpfter Attribute, die Informationen für die Faktendaten in einem oder mehreren Cubes zur Verfügung stellt9). Folglich kann jeder einzelne Geschäftsprozess des Unternehmens durch ein multidimensionales Modell mit einer Faktentabelle und mehreren Dimensionstabellen dargestellt werden. Da die Dimensionen für mehrere Cubes verwendet werden können, ist es vorab wichtig zu klären, welche Dimensionen im multidimensionalen Datenmodell benötigt werden, um die Geschäftssituation bestmöglich darzustellen. Ein Beispiel für eine Dimension wäre die Produktdimension mit den Attributen Produktname, Produktkategorie und Produktpreis10). Dimensionsattribute sollten dabei folgende Eigenschaften besitzen: die Bezeichnungen sind eindeutig und bestehen aus ganzen Wörtern, sie sind beschreibend, sie sind vollständig, sie sollten nur einen Wert pro Zeile enthalten und qualitätsgesichert sein. Qualitätssicher bedeutet hier, dass keine Rechtschreibfehler vorhanden sind, keine unmöglichen Werte angenommen werden können und keine veralteten Werte enthalten sind11). Es ist dabei normal, dass eine Dimension dutzende von Attributen enthalten kann, da unteranderem mehrere Hierarchien als Attribute in einer einzelnen Dimension dargestellt werden müssen. Dies sind natürliche Effekte der Denormalisierung. Hierarchien bedeuten, dass wenn sich z.B. die Dimension Produkt in Marken aufteilt und diese wiederum in Kategorien, dann werden für die Hierarchien keine neuen Dimensionen erzeugt, sondern diese als Attribute in die Produktdimension eingefügt. Dies führt zwar zu redundanten Informationen, aber dadurch wird die Abfrage-Leistung nicht beeinflusst12). Insgesamt verfügt ein multidimensionales Modell ca. über 8-15 Dimensionstabellen, um die Daten strukturiert und verständlich aufzubereiten.

2)
HSH-BIS-242-BI-Olschimke-Part-02-Microsoft-SSAS-and-Excel Folie 11
4)
HSH-BIS-242-BI-Olschimke-Part-02-Microsoft-SSAS-and-Excel Folie 10
5)
Kimball, Ralph. The Data Warehouse Lifecycle Toolkit Second Edition, S.233
6) , 7) , 8)
Kimball, Ralph. The Data Warehouse Lifecycle Toolkit Second Edition, S.235
11)
Kimball, Ralph. The Data Warehouse Lifecycle Toolkit Second Edition, S.241
12)
Kimball, Ralph. The Data Warehouse Lifecycle Toolkit Second Edition, S.242
  • Bookmark "Datenbank Dimension" auf del.icio.us
  • Bookmark "Datenbank Dimension" auf Digg
  • Bookmark "Datenbank Dimension" auf Furl
  • Bookmark "Datenbank Dimension" auf Reddit
  • Bookmark "Datenbank Dimension" auf Ask
  • Bookmark "Datenbank Dimension" auf Google
  • Bookmark "Datenbank Dimension" auf Netscape
  • Bookmark "Datenbank Dimension" auf StumbleUpon
  • Bookmark "Datenbank Dimension" auf Technorati
  • Bookmark "Datenbank Dimension" auf Live Bookmarks
  • Bookmark "Datenbank Dimension" auf Yahoo! Myweb
  • Bookmark "Datenbank Dimension" auf Facebook
  • Bookmark "Datenbank Dimension" auf Newsvine
  • Bookmark "Datenbank Dimension" auf Yahoo! Bookmarks
  • Bookmark "Datenbank Dimension" auf Twitter
  • Bookmark "Datenbank Dimension" auf myAOL
  • Bookmark "Datenbank Dimension" auf Slashdot
  • Bookmark "Datenbank Dimension" auf Mister Wong
analyse/datenbank-dimension.txt · Zuletzt geändert: 2015/07/27 09:02 (Externe Bearbeitung)