Skip to main content
SpringerLink
Log in

Informationssysteme für das Management

  • Chapter
Der Aufbau von Data Warehouse-Systemen

Part of the book series: Gabler Edition Wissenschaft ((GEW))

  • 72 Accesses

Zusammenfassung

In Zeiten stetig zunehmender Datenmassen mit zum Teil exponentiellem Wachstum wird eine computerunterstützte Analyse der Datenbestände eines Unternehmens für die Aufgaben des Managements unabdingbar. 85

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 49.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. t,gl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, in: Communications of the Acm: 11/1996, S. 27 f. (27–34).

    Google Scholar 

  2. Vgl. Holthuis, J.; Mucksch, H.; Reiser, M.: Das Data Warehouse Konzept, a.a.O., S. 4.

    Google Scholar 

  3. Vgl. Gluchowski, P.; Gabriel, R.; Chamoni, P.: Management Support Systeme, a.a.O., S. I49.

    Google Scholar 

  4. Vgl. Gluchowski, P.; Gabriel, R.; Chamoni, P.: Management Support Systeme, a.a.O., S. 167.

    Google Scholar 

  5. Vgl. Bullinger, H.-J.; Koll, P.; Niemeier, J.: Führungsinformationssysteme (Fis), a.a.O., S. 32 f.

    Google Scholar 

  6. Vgl. Behme, W.; Schimmelefeng, K.: Führungsinformationssysteme: Edv-Unterstützung für das Management, in: Wisu—Das Wirtschaftsstudium: 3/1995, S. 202 (201–204).

    Google Scholar 

  7. Vgl. SchmidhÄUsler, F.: Data Warehouse: Hilfe im Informations-Dschungel, in: Gablers Magazin: 3/1996, S. 26 (26–28).

    Google Scholar 

  8. Vgl. Gluchowski, P.; Gabriel, R.; Chamoni, P.: Management Support Systeme, a.a.O., S. 216.

    Google Scholar 

  9. Vgl. Ackoff, R.L.: Management Misinformation Systems, in: Management Science: 4/1967, S. 147–156.

    Google Scholar 

  10. Kienbaum Unternehmensberatung GmbH: Eine Studie über Planung, Entwicklung und

    Google Scholar 

  11. Vgl. Guimares, T.; Saraph, J.V.: The role of prototyping in executive decision systems, in: Information & Management: 5/1991, S. 259 (257–267).

    Google Scholar 

  12. HoLthuis, J.; Mucksch, H.; Reiser, M.: Das Data Warehouse Konzept, a.a.O., S. 7.

    Google Scholar 

  13. In Anlehnung an Eckerson, W.: Data Warehouses - Product Requirements, Architectures and Implementation Strategies, in: Open Information Systems: 8/1994, Special Reprint, S. 6.

    Google Scholar 

  14. Architectures and Implementation Strategies, in: Open Information Systems: 8/1994, Special Reprint, S. 6.

    Google Scholar 

  15. Bauer, G.; Fritsch, W.: Olap-Lösungen brauchen multidimensionale Daten, in: PC Magazin: Nr. 24 vom 12. Juni 1996, S. 38 (36–40).

    Google Scholar 

  16. Vgl. Hansen, W.-R.: Erfahrungen mit unterschiedlichen Ansätzen und Lösungswegen in Data-Warehouse-Projekten, in: Mucksch, H.; Behme, W. (Hrsg.): Das Data-WarehouseKonzept, Architektur - Datenmodelle - Anwendungen, I. Auflage, Wiesbaden 1996, S. 430 f. (425–454).

    Google Scholar 

  17. Vgl. Kenan Technologies: An Introduction to Multidimensional Database Technology, Whitepaper 1995, S. 16.

    Google Scholar 

  18. Mucksch, H.; Behme, W.; Holthuis, J.: Das Data Warehouse-Konzept. Modellierung managementunterstützender Daten, in: Mucksch, H. (Hrsg.): Das Data Warehouse-Konzept. Die Basis einer unternehmensweiten Informationslogistik aufbauen, Online `97, Tutorialband E, Velbert 1997, S. 54 (42–60).

    Google Scholar 

  19. Vgl. Biethahn, J.; Mucksch, H.; Ruf, W.: Ganzheitliches Informationsmanagement, Band 1, a.a.O., S. 74 f.

    Google Scholar 

  20. Becker, J.; Priemer, J.; Wild, R.G.: Modellierung und Speicherung aggregierter Daten, in: Wirtschaftsinformatik: 5/1994, S. 423 (422–433).

    Google Scholar 

  21. Vgl. ORa, K.: Ibm hail for 90’s: `Free Jailed Data’; Separating Information and Operations for better Data Access and Integration, in: Software Magazine: 7/1991, S. 51 f. (51–54).

    Google Scholar 

  22. Vgl. Kapitel 4.3.

    Google Scholar 

  23. Vgl. Eckerson, W.: Data Warehouses, a.a.O., S. 6.

    Google Scholar 

  24. Vgl. Behme, W.: Business-Intelligence als Baustein des Geschäftserfolgs, in: Mucksch, H.; Behme, W. (Hrsg.): Das Data-Warehouse-Konzept, Architektur - Datenmodelle - Anwendungen, 1. Auflage, Wiesbaden 1996, S. 28 f. (27–45).

    Google Scholar 

  25. Vgl. Codd, E.F.; Codd, S.B.; Salley, C.T.: Providing Olap (On-Line Analytical Processing) to User-Analysts: An IT Mandate, White Paper, Codd & Date Inc., 1993. Die Schreibweise des Begriffsbestandteiles On-Line erfolgt hier in Anlehnung an E.F. Codd. Ansonsten wird jedoch die gängigere Schreibweise Online in dieser Arbeit verwendet.

    Google Scholar 

  26. GlucllowsKI, P.; Gabriel, R.; Chamoni, P.: Management Support Systeme, a.a.O., S. 282.

    Google Scholar 

  27. Vgl. Tiemeyer, E.: Eis und Data Warehouse - Lösungswege zur besseren Führungsinformation (2), in: Office Management: 6/1996, S. 54 f. (54–57).

    Google Scholar 

  28. Vgl. Winterkamp, T.: Olap: Präzisere Information durch mehrdimensionale Sicht, in: Computerwoche: Nr. 41 vom 13. Oktober 1995, S. 51 (50–5I).

    Google Scholar 

  29. Vgl. Cord, E.F.; Codd, S.B.; Salley, C.T.: Providing Olap (On-Line Analytical Processing) to User-Analysts, a.a.O., S. 14 ff.

    Google Scholar 

  30. Vgl Chamoni, P.; Zeschau, D.: Management-Support-Systeme und Data Warehousing, in: Mucksch, H.; Behme, W. (Hrsg.): Das Data-Warehouse-Konzept, Architektur - Datenmodelle - Anwendungen, I. Auflage, Wiesbaden 1996, S. 75 f. (47–83).

    Google Scholar 

  31. Vgl. CoDD, E.F.; Codd, S.B.; Salley, C.T.: Providing Olap (On-Line Analytical Processing) to User-Analysts, a.a.O., S. 25.

    Google Scholar 

  32. Vgl. Earner, G.: Rules for Evaluating Olap Systems - A Critical Requirement for Business Intelligence Systems, Iri Software, White Paper, 1995; vgl. Gartner Group: Url: http://www.gartner.com, 1995.

    Google Scholar 

  33. Vgl. Olap-Council: Url: http://www.olapcouncil.org.

    Google Scholar 

  34. Vgl. Pendse, N.; Creeth, R.: A New Definition for Olap: Fasmi, Url: http://www.busintel.com/syn3.htm.

    Google Scholar 

  35. Vgl. Becker, J.: Olap. Multidimensionale Datenanalyse, in: PC Magazin: Nr. 27 vom 3. Juli 1996, S. 29 (28–30).

    Google Scholar 

  36. Vgl. Mertens, P.; Bissantz, N.; Hagedorn, J.; Schultz, J.:: Datenmustererkennung in der Ergebnisrechnung mit Hilfe der Clusteranalyse, in: Die Betriebswirtschaft 6/1994, S. 739 (739–753).

    Google Scholar 

  37. Bissantz, N.; Hagedorn, J.: Data-Mining (Datenmustererkennung), in: Wirtschaftsin formatik.: 5/1993, S. 481 (481–487).

    Google Scholar 

  38. Vgl. Witting, M.: Data Mining. Die Suche nach versteckten Informationen, in: it Management: 09–10/1996, S. 11 (10–12).

    Google Scholar 

  39. Vgl. HeitwG, M.: Data Mining, a.a.O., S. 12.

    Google Scholar 

  40. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 28.

    Google Scholar 

  41. Vgl. Fayyad, U.: Data Mining and Knowledge Discovery: Making Sense Out of Data, in: Ieee Expert — Intelligent Systems & Their Application: 5/1996, S. 21 (20–25).

    Google Scholar 

  42. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 29; vgl. Fayyad, U.: Data Mining and Knowledge Discovery, a.a.O., S. 23.

    Google Scholar 

  43. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 30 f.

    Google Scholar 

  44. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 30 f.; vgl. Heiting, M.: Data Mining, a.a.O., S. I1.

    Google Scholar 

  45. Vgl. Brachman, R.J.; Khabaza, T.; Kloesgen, W.; Piatetsky-Shapiro, G.; Simoudis, E.: Mining Business Databases, in: Communications of the Acm: 11/1996, S. 44 (42–48).

    Google Scholar 

  46. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 31.

    Google Scholar 

  47. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 30; vgl. Heiting, M.: Data Mining, a.a.O., S. 12.

    Google Scholar 

  48. Brachman, R.J.; Khabaza, T.; Kloesgen, W.; Piatetsky-Shapiro, G.; Simoudis, E.: Mining Business Databases, a.a.O., S. 48.

    Google Scholar 

  49. Vgl. Heiting, M.: Data Mining, a.a.O., S. 10.

    Google Scholar 

  50. Vgl. Simoudis, E.: Reality Check for Data Mining, in: Ieee Expert — Intelligent Systems S Their Applications: 5/1996, S. 31 f. (26–33).

    Google Scholar 

  51. Vgl. Michels, E.: Datenanalyse mit Data Mining. Kassenbons — die analysierbaren Stimmzettel der Konsumenten, in: Dynamik im Handel.: 11/1995, S. 37 ff. (37–43).

    Google Scholar 

  52. Vgl. Heiting, M.: Data Mining, a.a.O., S. 12.

    Google Scholar 

  53. Vgl. Simouois, E.: Data Mining: A Technology Comes Of Age, White Paper, Ibm Software Quarterly, Url: http://pscc.dfw.ibm.com/sq/issues/vo124/datatech.htm.

    Google Scholar 

  54. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 33.

    Google Scholar 

  55. Vgl. Heiting, M.: Data Mining, a.a.O., S. 10 f.; vgl. Simoudis, E.: Data Mining, a.a.O., S. I ff.

    Google Scholar 

  56. Vgl. Simoudis, E.: Reality Check for Data Mining, a.a.O., S. 28 f.

    Google Scholar 

  57. Vgl. Simoudis, E.: Reality Check for Data Mining, a.a.O., S. 29 f.

    Google Scholar 

  58. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 29 ff.

    Google Scholar 

  59. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 31.

    Google Scholar 

  60. Vgl. Heiting, M.: Data Mining, a.a.O., S. 12.

    Google Scholar 

  61. Bissantz, N.; KÖPpers, B.; Neumann, G.: Data Mining in Theorie und Praxis. Auf der Suche nach verborgenen Schätzen, in: PC Magazin: Nr. 34 vom 21. August 1996, S. 37 (36–38).

    Google Scholar 

  62. Vgl. Data Intelligence Group (Dig): An Overview of Data Mining at Dun & Bradstreet, Whitepaper 01/1995, Cambridge 1995, S. 3 ff.

    Google Scholar 

  63. Vgl. Schumann, M., Lohrbach, T.; Retzko, R.: Einführung in Aufbau und Arbeitsweise Künstlicher Neuronaler Netze, Arbeitspapiere der Abteilung Wirtschaftsinformatik II, Universität Göttingen, Nr. I, Göttingen, Dezember 1991.

    Google Scholar 

  64. Vgl. Bissantz, N.; Klippers, B.; Neumann, G.: Data Mining in Theorie und Praxis. Auf der Suche nach verborgenen Schätzen, a.a.O., S. 37.

    Google Scholar 

  65. Vgl. Data Intelligence Group (Dig): An Overview of Data Mining at Dun & Bradstreet,a.a.O., S. 3 ff.

    Google Scholar 

  66. Vgl. Bissantz, N.; KörPers, B.; Neumann, G.: Data Mining in Theorie und Praxis, a.a.O., S. 37 f.;

    Google Scholar 

  67. Vgl. Weldon, J.-L.: Data Mining and Visualization, in: Database Programming & Design: 5/1996, S. 23 (21–24). Vgl. Weldon, J.-L.: Data Mining and Visualization, a.a.O., S. 23 f.

    Google Scholar 

  68. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 32 f.

    Google Scholar 

  69. HöscHel, H.-P.; Herrmann, W.: Data Mining. Erfolgreiche Suche im Data Warehouse, in: PC Maga=in: Nr. 7 vom 14. Februar 1996, S. 42 (42–45).

    Google Scholar 

  70. Vgl. Simoudis, E.: Reality Check for Data Mining, a.a.O., S. 30.

    Google Scholar 

  71. Vgl. Favvad, U.: Data Mining and Knowledge Discovery, a.a.O., S. 25.

    Google Scholar 

  72. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 34.

    Google Scholar 

  73. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 33.

    Google Scholar 

  74. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 34.

    Google Scholar 

  75. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 33.

    Google Scholar 

  76. Vgl. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: The Kdd Process for Extracting Useful Knowledge from Volumes of Data, a.a.O., S. 34.

    Google Scholar 

Download references

Authors
  1. Jan Holthuis
    View author publications

    You can also search for this author in PubMed Google Scholar

Rights and permissions

Reprints and permissions

Copyright information

© 1998 Springer Fachmedien Wiesbaden

About this chapter

Cite this chapter

Holthuis, J. (1998). Informationssysteme für das Management. In: Der Aufbau von Data Warehouse-Systemen. Gabler Edition Wissenschaft. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-08346-7_4

Download citation

  • DOI: https://doi.org/10.1007/978-3-663-08346-7_4

  • Publisher Name: Deutscher Universitätsverlag, Wiesbaden

  • Print ISBN: 978-3-8244-6722-8

  • Online ISBN: 978-3-663-08346-7

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics

Search

Navigation