Auszug
Als Aufgabe der Bereitstellungsschicht einer BI-Lösung wurde die Zurverfügungstellung eines geeigneten und stimmigen Datenbestandes zu Informations- und Analysezwecken heraus gestellt. Um diesem Anspruch genügen zu können, muss sowohl eine entscheidungsorientiert gestaltete Datenbasis strukturell definiert und implementiert als auch die dauerhafte Befüllung mit vorhandenen und neu hinzukommenden Problemdaten gewährleistet werden. Die dazu benötigten technologischen Grundkonzepte und Realisierungsalternativen lassen sich dem Thema „Data Warehousing“ zuordnen und bilden den Gegenstand des folgenden Kapitels.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vaske stellt heraus, dass 70% der Projekte zum Aufbau von Executive Information Systemen im Jahre 1990 erfolglos verliefen. Vgl. Vaske (1996), S. 7.
Als alternative Bezeichnungen, die sich jedoch nicht flächendeckend durchsetzen konnten, lassen sich Atomic Database, Business Information Resource, Data Supermarket, Decision Support System Foundation, Information Warehouse und Reporting Database anführen. Vgl. Holthuis (1998), S. 72. Der Kern des DW-Konzeptes wurde bereits seit dem Jahre 1988 beim Unternehmen IBM unter der Bezeichnung European Business Information System (EBIS) später als Informtion Warehouse Strategy entwickelt. Vgl. Mucksch/Behme (2000), S. 5; Mertens/Griese (2002), S 24ff.
Vgl. Mucksch/Holthuis/Reiser (1996), S. 421f.
Vgl. Martin/Maur (1997), S. 105.
Vgl. Radding (1995), S. 53f.
Vgl. Kurz (1999), S. 75; Holthuis/Mucksch/Reiser (1995). Hummeltenberg wertet den Aspekt der Entkopplung sogar als konstituierend für den Aufbau von Data Warehouse-Lösungen. Vgl. Hummeltenberg (1998), S. 49. Eine Entkopplung führt einerseits zu einer Entlastung der operativen Systeme und eröffnet andererseits die Option, das analyseorientierte System auf die Belange von Auswertungen und Berichten hin zu optimieren. Vgl. Wieken (1999), S. 16.
Vgl. Hummeltenberg (1998), S. 51.
Allgemein lassen sich Maßnahmen zur Format-und Strukturvereinheitlichung voneinander abgrenzen. Vgl. Holthuis (1998), S. 75.
Zum Themenkomplex der Abbildung zeitbezogenen Informationsobjekte vgl. Knolmayer/Myrach (1996).
Vgl. Mucksch/Behme (2000), S. 10f.
Vgl. Mucksch/Behme (2000), S. 13.
Vgl. Inmon (1996), S. 29–39.
Vgl. Lehmann (2001), S. 17–19.
Vgl. Mucksch/Holthuis/Reiser (1996), S. 422.
Vgl. Inmon (1996), S. 24; Mucksch/Behme (2000), S. 16.
Aus diesem Grunde wird häufig für das Data Warehouse eine ausschließlich lesende Zugriffsform für die Endanwender gefordert, um jeglicher potenziellen Verfälschung von historischem Datenmaterial vorzugreifen. Vgl. Poe/Reeves (1997), S. 23.
Vgl. Holthuis/Mucksch/Reiser (1995); Martin/Maur (1997), S. 105.
Vgl. Gabriel/Chamoni/Gluchowski (2000), S. 77.
Vgl. Inmon (1996), S. 7.
Vgl. Lochte-Holtgreven (1996), S. 26f.
Vgl. z. B. Martin (1997).
Inmon geht hier von maximal vier Stufen der Datenhaltung aus. Neben den operativen Datenspeichern und dem zentralen Data Warehouse-Datenbestand sind für ihn abteilungsbezogene Datenbestände-hier als Data Marts bezeichnet-sowie die individuellen Daten auf dem einzelnen Endbenutzerrechner relevant. Vgl. Inmon (1996), S. 17ff.
Vgl. Nußdorfer (1996), S. 34.
Ein derartiger Durchgriff auf die operativen Datenbestände kann zwar online erfolgen, allerdings ist häufig noch der Datenaustausch per Diskette, CD oder Speicherstick zu beobachten. Vgl. Holthuis (1998), S. 48f.
Vgl. Mucksch/Behme (2000), S. 55f.; o. V. (1996), S. 34–36.
Quix und Jarke schlagen hier eine zumindest logische Data Warehouse-Komponente vor, die Metadaten-Informationen über die Datenstrukturen der Quellsysteme enthält. Vgl. Quix/Jarke (2000), S. 11.
Vgl. Nußdorfer (1996), S. 34.
Vgl. Anahory/Murray (1997), S. 69.
Vgl. Mucksch/Behme (2000), S. 56–58.
Vgl. Reinke/Schuster (1999), S. 40.
Vgl. Mucksch/Behme (2000), S. 20.
Kimball u. a. bezeichnen derartige Architekturen als „stovepipe data marts“ (Ofenrohr-Data Marts) und wollen dadurch versinnbildlichen, dass eine flächendeckende und übergreifende Informationsversorgung auf diese Weise nicht gelingen kann. Vgl. Kimball/Reeves/Ross/Thornthwaite (1998), S. 154f.
Vgl. Ariyachandra/Watson (2005), S. 20.
Derartige Dimensionen werden dann „conformed dimensions“ (im Sinne von gleichförmig) genannt. Vgl. Kimball/Reeves/Ross/Thornthwaite (1998), S. 156f.
Vgl. Chamoni/Gluchowski/Hahne (2005), S. 32.
Vgl. Bouzeghoub (2000), S. 47f.
Häufig werden bei der Übernahme umfangreicher Datenbestände Massenlader (bulk loader) eingesetzt, die sich dadurch auszeichnen, dass nicht benötigte Funktionen wie Konsistenzprüfungen während des Ladevorganges unterdrückt werden, um zusätzliche Geschwindigkeitsvorteile zu erreichen. Vgl. Kimball/Reeves/Ross/Thornthwaite (1998), S. 621–623; Bauer/Günzel (2004), S. 58.
Vgl. Mucksch/Behme (2000), S. 42.
Vgl. Holthuis (1998), S. 93f.
Vgl. Kemper (1998), S. 192f.
Zu den einzelnen Datenbanktechnologien vgl. Gabriel/Röhrs (1995), S. 114–157, und die Ausführungen in Abschnitt 4.2.1.
Vgl. Holthuis (1998), S. 90f.; Müller (1999), S. 103–112; Wieken (1999), S. 191–192.
Kemper weist darauf hin, dass sich für diesen Teilprozess bislang kein einheitliches Begriffsverständnis etablieren konnte. Alternativ werden hier auch die Begriffe Datenveredlung, Datenaufbereitung sowie „data scrubbing“ verwendet. Vgl. Kemper (1998), S. 191.
Vgl. Bange (2006), S. 92–94.
Vgl. Schelp (2000), S. 116.
Vgl. Widom (1995), S. 2.
Häufig kann beispielsweise beobachtet werden, dass Schlüssel in operativen Systemen aus mehreren Teilen bestehen, die für sich genommen jeweils eine Codierung für ein spezielles Objektattribut darstellen und im Rahmen der Transformation aufgespaltet und decodiert werden müssen. Vgl. Poe/Reeves (1997), S. 60f.
Vgl. Kemper/Finger (2006), S. 126.
Vgl. Inmon/Hackathorn (1994), S. 17f.
Vgl. Anahory/Murray (1997), S. 205ff.
Vgl. Mucksch/Behme (2000), S. 28.
Vgl. auch Dittmar (2004), S. 335; Nußdorfer (1996), S. 18.
Vgl. Mucksch/Behme (2000), S. 22f.; Holthuis (1998), S. 96ff.
In der Literatur finden sich teilweise andere Strukturierungen, die weitere Hauptkomponenten enthalten oder abweichende Aufteilungen vornehmen. Vgl. Mucksch/Behme (2000), S. 14–33; Quix/Jarke (2000), S. 3f.; Bouzeghoub (2000), S. 47f. Bauer und Günzel beschreiben insgesamt zwölf unterschiedliche Bausteine, die für sie zentrale Bedeutung beim Systemaufbau besitzen. Vgl. Bauer/Günzel (2004), S. 31–71.
Rights and permissions
Copyright information
© 2008 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
(2008). Datenbereitstellung: Data Warehousing. In: Management Support Systeme und Business Intelligence. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-68269-1_5
Download citation
DOI: https://doi.org/10.1007/978-3-540-68269-1_5
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-23543-9
Online ISBN: 978-3-540-68269-1
eBook Packages: Business and Economics (German Language)