Advertisement

Besonderheiten der Modellierung einer Data Warehouse-Datenbasis

  • Jan Holthuis
Chapter
Part of the Gabler Edition Wissenschaft book series (GEW)

Zusammenfassung

Nach der Klärung von Grundlagen und allgemeinen Modellierungsaspekten in Kapitel 6.1 und 6.2 folgt in Kapitel 6.3 die Darstellung multidimensionaler Datenstrukturen, die in vielen Managementunterstützungssystemen zum intuitiveren Umgang mit den Daten eingesetzt werden und zudem durch die OLAP-Regeln explizit gefordert sind. Anschließend werden in Kapitel 6.4 die besonderen Aspekte der Abbildung von Zeit behandelt. Das Kapitel schließt mit einer Einführung von differenzierten Sichten für die Modellierung von Daten in einem Data Warehouse.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 270.
    Vgl. Bossel, H.: Modellbildung und Simulation - Konzepte, Verfahren und Modelle zum Verhalten dynamischer Systeme, Braunschweig/Wiesbaden, 1992, S. 27.CrossRefGoogle Scholar
  2. 271.
    Vgl. Bossel, H.: Modellbildung und Simulation, a.a.O., S. 28.Google Scholar
  3. 272.
    Vgl. Demarco, T.: Software Projektmanagement - Wie man Kosten, Zeitaufwand und Risiko kalkulierbar plant, München 1989, S. 59.Google Scholar
  4. 273.
    Vgl. Ellinger, T.; ASMUSSEN, R.; SCHIRMER, A.: Verbesserte Produktionsplanung durch Simulation, Rationalisierungs-Kuratorium der deutschen Wirtschaft, Eschborn 1987, S. 31.Google Scholar
  5. 274.
    Vgl. Littger, K.: Optimierung - Eine Einführung in rechnergestützte Methoden, Berlin 1992, S. 1.Google Scholar
  6. 275.
    Vgl. Schneeweib, C.: Elemente einer Theorie betriebswirtschaftlicher Modellbildung, in: Zeitschrift für Betriebswirtschaft: 5/1984, S. 483 (480–504).Google Scholar
  7. 276.
    Vgl. Schneeweib, C.: Elemente einer Theorie betriebswirtschaftlicher Modellbildung, a.a.O., S. 483.Google Scholar
  8. 277.
    Vgl. Schneeweib, C.: Elemente einer Theorie betriebswirtschaftlicher Modellbildung, a.a.O., S. 483.Google Scholar
  9. 278.
    Vgl. Ellinger, T.; ASMUSSEN, R.; SCHIRMER, A.: Verbesserte Produktionsplanung durch Simulation, a.a.O., S. 31.Google Scholar
  10. 279.
    Wedekind, H.: Datenmodell, in: Mertens, P. (Hrsg.): Lexikon der Wirtschaftsinformatik, 3. Auflage, Berlin/Heidelberg/New York 1997, S. 118 (118–120).Google Scholar
  11. 281.
    Vgl. De Ridder, L.; KöN1G, H.: CIMOSA - Architektur für Offenen Systeme und Modellierung von Unternehmensprozessen, in: CIM Management: 4/1992, S. 6 (4–11).Google Scholar
  12. 282.
    Schuldt, G.: Definition of Data Modelling, in: Data Base Newsletter: 5/1996, S. 10.Google Scholar
  13. 284.
    Vgl. Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle für industrielle Geschäftsprozesse, a.a.O., S. 14 ff.Google Scholar
  14. 285.
    In Anlehnung an Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle far industrielle Geschäftsprozesse, a.a.O., S. t 5.Google Scholar
  15. 287.
    Vgl. Codd, E.F.: OLAP On-Line Analytical Processing mit TM/l; Whitepaper, ohne Ort 1994, S. 9.Google Scholar
  16. 288.
    Vgl. Thomsen, E.: Dimensional Modeling: An Analytical Approach, in: Database Programming and Design: 3/1997, S. 29 ff. (29–35).Google Scholar
  17. 290.
    Vgl. Bulos, D.: A New Dimension, Database Programming and Design: 6, 1996, S. 34 (33–37).Google Scholar
  18. 291.
    Vgl. Mcguff, F.: Data Modelling for Data Warehouses, S. 31 fGoogle Scholar
  19. 292.
    In diesem Zusammenhang spricht man auch von der Granularität der Daten.Google Scholar
  20. 293.
    Vgl. Scheer, A.-W.: Wirtschaftsinformatik, Referenzmodelle für industrielle Geschäftsprozesse, a.a.O., S. 35 ff.Google Scholar
  21. 294.
    Vgl. Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle für industrielle Geschäftsprozesse, a.a.O., S. 36.Google Scholar
  22. 295.
    Vgl. Scheer, A.-W.: Wirtschaftsinformatik - Informationssysteme im Industriebetrieb, 3. Auflage, Berlin/Heidelberg/New York 1990, S. 27.Google Scholar
  23. 296.
    Vgl. Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle Fir industrielle Geschäftsprozesse, a.a.O., S. 40.Google Scholar
  24. 297.
    Vgl. Biethahn, J.; Mucksch, H.; Ruf, W.: Ganzheitliches Informationsmanagement, Band 2, a.a.O., S. 67 f.Google Scholar
  25. 298.
    Vgl. Mcguff, F.: Data Modelling for Data Warehouses, a.a.O., S. 28 ff.Google Scholar
  26. 299.
    D. Bulos spricht in diesem Falle von einer sogenannten Tupeldimension, die auch eine Kombination aus anderen Dimensionstypen sein kann. Vgl. Bulos, D.: A New Dimension, a.a.O., S. 34.Google Scholar
  27. 300.
    Als Beispiel sei die Zeitdimension genannt, in welcher eine logische Ordnung von Dirnensionspositionen auf einer Ebene zwingend erforderlich ist. Vgl. Bulos, D.: A New Dimension, a.a.O., S. 34.Google Scholar
  28. 301.
    Vgl. Thomsen, E.: Dimensional Modeling, a.a.O., S. 29 ff.Google Scholar
  29. 303.
    Gluchowski, P.: Modelling Multidimensional Data Structures, Vortrag auf der trendforum-Tagung, München, Mai 1996.Google Scholar
  30. 306.
    Vgl. Kenan Technologies: An Introduction to Multidimensional Database Technology, a.a.O., S. 20.Google Scholar
  31. 307.
    Holthuis, J.: Multidimensionale Datenstrukturen - Grundkonzept, Funktionalität, Implementierungsaspekte, in: Mucksch, H.; Behme, W. (Hrsg.): Das Data-Warehouse-Konzept, Architektur - Datenmodelle - Anwendungen, 1. Auflage, Wiesbaden 1996, S. 183 (165204).Google Scholar
  32. 308.
    Gluchowski, P.: Modelling Multidimensional Data Structures, a.a.O.Google Scholar
  33. 309.
    Vgl. Gluchowski, P.: Architekturkonzepte multidimensionaler Data Warehouse-Lösungen, in: Mucksch, H.; Behme, W. (Hrsg.): Das Data-Warehouse-Konzept: Architektur - Datenmodelle - Anwendungen, 1. Auflage, Wiesbaden 1996, S. 247 (229–261).Google Scholar
  34. 310.
    Vgl. Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle für industrielle Geschäftsprozesse, a.a.O., S. 11.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1998

Authors and Affiliations

  • Jan Holthuis

There are no affiliations available

Personalised recommendations