Zusammenfassung
Informationen sind ein wesentliches Element des betriebswirtschaftlichen Geschehens und ein bedeutsamer Faktor im Prozeß der Leistungserstellung im Unternehmen.281 Im vorhergehenden Kapitel wurden Möglichkeiten und Infrastrukturen beschrieben, Informationen für das operative Geschehen im Unternehmen datenbankbasiert zu speichern und zu verarbeiten.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Wacker (1971), S. 41; Picot/Franck (1988), S. 544.
Vgl. Behme/Mucksch (1998b), S. 13.
Zu den Gründen für dieses Scheitern vgl. z.B. Chamoni/Gluchowski (1998b), S. 8ff.
Vgl. Picot/Franck (1988), S. 544.
Entgegen dieser Begriffsverwendung wird in der englischsprachigen Literatur unter einem Management Information System teilweise auch die Gesamtheit der Informations- und Kommunikationssysteme einer Organisation verstanden, vgl. Laudon/Laudon (1994), S. 21; Davis/Olson (1985), S. 6ff.; Davis (1997c), S. 138; Stahlknecht/Hasenkamp (1997), S. 426;.
Zu einer ausführlichen Beschreibung der Merkmale von Managementinformationssystemen vgl. Gluchowski/Gabriel/Chamoni (1997), S. 150ff.
Vgl. Gluchowski/Gabriel/Chamoni (1997), S. 162f.; Koreimann (1971), S. 10f.
Vgl. Chamoni/Gluchowski (1998b), S. 7.
Vgl. für eme ausführlichere Beschreibung zu Decision Support Systemen Gluchows-ki/Gabriel/Chamoni (1997), S. 165ff.
Vgl. auch Mertens/Griese (1993), S. 4.
Vgl. Schinzer(1996), S. 57.
Vgl. Gluchowski/Gabriel/Chamoni (1997), S. 195.
Geläufige synonyme Bezeichnungen sind z.B. Chefinformationssystem (CIS) oder Führungsinformationssystem (FIS). Vgl. zu Executive Information Systemen Gluchowski/Gabriel/Chamoni (1997), S. 20Iff.
Gluchowski/Gabriel/Chamoni (1997), S. 216.
Vgl. Chamoni/Gluchowski (1998b), S. 8f.
Chamoni/Gluchowski (1998b), S. 9.
Vgl.o.V.(1994), S. 14ff.
Vgl. Devlin/Murphy (1988).
Vgl. Hackathorn (1993), S. 25If.
Vgl. Meyer/Cannon (1998), S. ixf. Auch Rudin (1996) und Chaudhuri/Dayal (1997), S. 65, nennen Werte in dieser Größenordnung als Prognose für 1998.
Vgl. z.B. Gluchowski (1997), S. 48; Holthuis/Mucksch/Reiser (1995), S. 10; Chamoni/Glu-chowski (1998b), S. 13.
Zur Rolle externer Informationen bei der Entscheidungsunterstützung vgl. Mertens (1998b), S. 16ff.; Behme/Mucksch (1998a), S. 86ff.
Vgl. zu diesen Merkmalen z.B. Inmon/Hackathorn (1994), S. 3ff.; Hackathorn (1995), S. 38; Mucksch/Behme (1998b), S. 40ff.
Vgl. Meyer/Cannon (1998), S. 21; Devlin (1997), S. 162f.
Vgl. Hackathorn (1993), S. 227f.
Vgl. z.B. Behme (1996), S. 36.
Vgl. z.B. Meyer/Cannon (1998), S. 27f.; Schinzer/Bange (1998), S. 46; Holthuis/Mucksch/Rei-ser(1995), S. 15f.
Vgl. zum OLAP-Begriff z.B. Gluchowski/Gabriel/Chamoni (1997), S. 282; Chamoni (1998), S. 233ff.; Chamoni/Gluchowski (1998c), S. 404ff.; Jahnke/Groffmann/Kuppa (1996), S. 321ff.
Vgl. zu den OLAP-Regeln Codd/Codd/Salley (1993). Beschrieben werden diese Regeln z.B. bei Chamoni (1998), S. 233ff.; Chamoni/Gluchowski (1998c), S. 404ff., und Holthuis (1998a), S. 52ff.
Z.B. durch Buytendijk (1995). 3,1 Vgl. Holthuis (1998b), S. 148f.
Genaugenommen müßte von einem Quader gesprochen werden, weil die Kantenlänge (Anzahl der Ausprägungen der Dimensionen) hier keineswegs immer gleich sein muß. Trotzdem wird bei der gängigen Bezeichnung „Würfel” geblieben.
Höhere Dimensionen lassen sich bei schnell abnehmender Anschaulichkeit z.B. durch nebeneinandergestellte Würfel visualisieren.
Vgl. Schelp (1998), S. 266f.; Hahne (1998b), S. 9f.
Vgl. insbesondere zur Hierarchisierung der Zeitdimension Yazdani/Wong (1998), S. 46f.
Vgl. Gabriel/Gluchowski (1997), S. 25.
Vgl. Schelp(1998), S.268f.
Vgl. z.B. Codd/Codd/Salley (1993); Buytendijk (1995); W.-R. Hansen (1996), S.431; Sa-pia/Höfling/Dinter (1997).
Vgl. Bissantz (1998), S. 325.
Vgl. Holthuis (1998b), S. 152.
Vgl. Kenan Technologies (1995), S. 16f.
Vgl. hierzu z.B. Raden (1996), Kimball (1996), S. lOff.; Yazdani/Wong (1998), S. 51ff.; Hahne (1998a) S. 110ff. Eine Vielzahl von Anwendungsbeispielen zeigen Silverson/Inmon/Graziano (1997), S. 265ff.
Vgl. Poe (1996), S. 121.
Hahne (1998a), S. 110.
Vgl. Red Brick Systems (1995), S. 4.
Vgl. Chaudhuri/Dayal (1997), S. 69f.
Vgl. Hahne (1998a), S. 11 Iff.
Vgl. Hahne (1998a), S. 112f.; Chaudhuri/Dayal (1997), S. 70.
Vgl. Chaudhuri/Dayal (1997), S. 70.
Vgl. Hahne (1998a), S. 120f.; McGuff (1998).
Vgl. Kimball (1996), S. 95ff.
Vgl. Edelstein (1995), S. 1ff.
Vgl. Red Brick Systems (1995), S. 13ff.; Holthuis (1998b), S. 178f.
Vgl. McGuff (1998).
Potentiell auftretende Geschwindigkeitsprobleme bei Anfragen an so modellierte Datenbestände, die sich aus den Charakteristika relationaler Anfragesprachen ergeben, sowie Verbesserungsansätze diskutiert z.B. Holthuis (1998b), S. 180ff.
Vgl. Gabriel/Gluchowski (1997), S. 29f.
Ansätze semantischer Modelle für mehrdimensionale Daten strukturen zeigen Hahne/Schelp (1997), S. 15ff., sowie Golfarelli/Maio/Rizzi (1998), S. 334ff.
Holthuis (1998a), S. 139ff., untersucht in diesem Zusammenhang insbesondere die Entity-Relationship-Methode und objektorientierte Modellierungsmethoden.
Vgl. Meyer/Cannon (1998), S. 79.
So werden zunehmend die vom OLAP-Council aufgestellten Begriffsdefinitionen (vgl. OLAP-Council (1995)) in der Terminologie der Hersteller aufgegriffen. Beim OLAP-Council handelt es sich um eine von mehreren Herstellern entsprechender Produkte getragene Organisation, die der produktorientierten Forschung dienen soll und durch Standardisierung Interoperabilität ermöglichen will. Vgl. zur Selbstdarstellung dieser Organisation OLAP-Council (1997). Microsoft entwickelt für Middleware zum Zugriff auf Datenbanken Erweiterungen für die Abfrage mehrdimensionaler Datenbanken (vgl. Microsoft (1997)), wobei eine Nutzung durch möglichst viele Hersteller von OLAP-Datenbanken angestrebt wird.
Vgl. Gabriel/Gluchowski (1997), S. 20.
Zu ADAPT vgl. Bulos (1996).
Vgl. Bulos (1996), S. 34.
Eine ausführlichere Beschreibung der Notationselemente von ADAPT sowie ein Fallbeispiel zur Modellierung mit dieser Methode findet sich bei Totok/Jaworski (1998), S. 19ff.
Vgl. Bulos (1996), S. 38.
Bewertungen zu ADAPT finden sich in Gabriel/Gluchowski (1997), S. 31f., und in Holthuis (1998a), S. 163f.
Hahne (1998b), S. 15ff., zeigt am Beispiel von drei Produkten den Aufbau mehrdimensionaler Datenmodelle in OLAP-Datenbanken.
Vgl. Hahne (1998b), S. 48f.
Konkrete Überlegungen zu diesen Aspekten finden sich z.B. in Anahory/Murray (1997), S. 135ff. (Software) und 155ff. (Hardware); Kimball et al. (1998), S. 335ff.; Chan (1997), S. 230ff.
In Anlehnung an Müller (1998), S. 81.
Vgl. Mucksch/Holthuis/Reiser (1996), S. 423.
Vgl. Chaudhuri/Dayal (1997), S. 65.
Vgl. z.B. Inmon (1996), S. 18f.; Scheer (1996); Winterkamp (1995); Bontempo/Zagelow (1998), S. 40f.
In Anlehnung an Scheer (1996), S. 75.
Vgl. Chaudhuri/Dayal (1997), S. 65f.
Vgl. z.B. Lehmann/Ellerau (1997), S. 81f.; Schinzer/Bange (1998), S. 45.
Vgl. Chaudhuri/Dayal (1997), S. 65f.; Anahory/Murray (1997), S. 325f.
Vgl. Mucksch/Behme (1998b), S. 49.
Vgl. Abschnitt 3.1.1.
Vgl. z.B. Kemper/Finger (1998), S. 72f.
Vgl. Mucksch/Behme (1998b), S. 49.
Vgl. z.B. Kenan Technologies (1995).
Vgl. Mucksch/Behme (1998b), S. 69f., wo auch Vor- und Nachteile dieses Konzepts diskutiert werden.
Vgl. Inmon (1996), S. 197; Bontempo/Zagelow (1998), S. 41.
Vgl. Mucksch/Behme (1998b), S. 71f.; Inmon (1996), S. 198ff.; Devlin (1997), S. 366ff.; Kimballetal. (1998), S. 28.
Vgl. Abschnitt 2.3.3.2.
In Anlehnung an Kenan Technologies (1995), S. 26, und Inmon (1996), S. 25.
Vgl. zu einer Diskussion dieses Konzepts Schinzer et al. (1997), S. 20ff.; Mucksch/Behme (1998b), S. 73f. Ein Beispielprodukt für ein virtuelles Data Warehouse wird in Aberdeen Group (1995) beschrieben.
Vgl. zur Funktionalität von Middleware auch Tresch (1996), S. 249ff.
Vgl. Schwarzkopf (1997).
Vgl. zu den Komponenten eines Datenbanksystems Gabriel/Röhrs (1995), S. 256ff.
Vgl. zu einer Wertung des Data Warehouse unter Datenschutzaspekten Möller (1998), S. 558f., und Möncke (1998), S. 564ff.
Vgl. Inmon (1996), S. 161ff.; Schinzer et al. (1997), S. 31f.
Zur Messung der Leistungsfähigkeit von Datenbanksystemen, aus der auch Anhaltspunkte über das Antwortzeitverhalten gewonnen werden können, lassen sich „Benchmarks” einsetzen. Vgl. Gluchowski/Hahne (1998), S. 72ff.
Vgl. O’Neill/Quass (1998), S. 543ff. Hier werden vor diesem Hintergrund die Indexierungs-techniken „Bitmap”, „Bit-Slice” und „Projection Index” beschrieben und in bezug auf die Data Warehouse-Anforderungscharakteristik bewertet. Gluchowski (1998d), S. 16ff., beschreibt die Einsetzbarkeit herkömmlicher Indexierungstechniken im Data Warehouse-Kontext.
Eine Diskussion verschiedener Speichermedien unter Data Warehouse-Gesichtspunkten erfolgt in Meyer/Cannon (1998), S. 103ff.
Vgl. Inmon (1996), S. 57ff. Ein Anwendungsbeispiel beschreibt Scalzo (1996), S. 67ff.
Vgl. Schinzer et al. (1997), S. 31f.
Vgl. Gluchowski (1998b), S. 16 und 20.
Vgl. Mucksch/Behme (1998b), S. 55.
Gluchowski (1998b), S. 19, nennt eine Grenze von ca. 20 GB.
Ein Beispiel zeigen Holthuis (1998b), S. 170ff., sowie Kenan Technologies (1995), S. 13.
Vgl. zu dieser Problematik Chamoni (1998), S. 24Iff.
Vgl. Holthuis (1998a), S. 189.
Vgl. zu den folgenden Ausführungen zu technischen Merkmalen multidimensionaler Datenbanksysteme Meyer/Cannon (1998), S. 78ff.
Vgl. Raden (1995); Holthuis (1998a), S. 186.
Vgl. Mucksch/Behme (1998b), S. 55; Gluchowski (1998b), S. 19.
Vgl. Bischoff (1994), S. 27ff.
In operativen Datenbanksystemen spielen sie dagegen kaum eine Rolle, da hier primär De-taildaten verarbeitet werden.
Mit dem Begriff der Granularität wird der Detaillierungsgrad der Daten beschrieben, vgl. Inmon (1996), S. 45ff. Je detaillierter die Datenbestände, desto niedriger ist nach dieser Terminologie die Granularität.
Vgl. Bischoff (1994), S. 31; Inmon (1996), S. 48.
Vgl. Inmon (1996), S.45f.
Vgl. Anahory/Murray (1997), S. 69; Mucksch/Behme (1998b), S. 45f.; Gluchowski (1998b), S. 16.
Vgl. Mucksch/Behme (1998b), S. 45f.
Vgl. Gluchowski (1998b), S. 16.
Vgl. Schinzer et al. (1997), S. 23.
Vgl. Behme (1996), S. 35f.; Miley (1998), S. 80f.
Zu diesem Konzept vgl. auch Anahory/Murray (1997), S. 71 f.
Vgl. Schinzer/Bange (1998), S. 45.
Vgl. Inmon (1997b).
Vgl. z.B. Inmon (1997a); Martin (1998), S.131.
Vgl. Chamoni/Gluchowski (1998c), S. 433.
In Anlehnung an Gluchowski (1998a), S. 1174f.
Vgl. Gluchowski (1998a), S. 1174ff., sowie ausführlicher Gluchowski (1998c), S. 188ff.
Mertens/Griese (1993), S.41, weisen allerdings darauf hin, daß Berichte vielfach wenig bedarfsgerecht erzeugt und kaum gelesen werden („Zahlenfriedhöfe”).
Vgl. Gluchowski/Gabriel/Chamoni (1997), S. 275f.; Schinzer et al. (1997), S. 56ff.
Beispielanwendungen zeigt Totok (1998), S. 170ff.
Vgl zu den Operationen für mehrdimensionale Datenmodelle Abschnitt 3.2.1.
Vgl. Bissantz/Hagedorn (1993), S. 481.
Vgl. Fayyad/Piatetsky-Shapiro/Smyth (1996), S. 2ff.
Vgl. Moxon (1996) sowie o.V. (1997), wo auch zahlreiche Beispiele für den Einsatz von Data Mining im Data Warehouse-Umfeld beschrieben werden.
Vgl. Scheer (1996), S. 75; Bissantz/Hagedorn/Mertens (1998), S. 458f.; Brooks (1997). Beispiele für eine Anwendung von Data Mining für betriebswirtschaftliche Fragestellungen zeigen Mertens/Bissantz/Hagedorn (1997), S. 186ff.
Vgl. zur Bedeutung sowie zu Struktur und Inhalt von Metadaten im Umfeld analyseorientierter Informationssysteme auch Devlin (1997), S. 52ff.; Holthuis (1998a), S, 99ff.; Brackett (1996), S. 185ff., sowie Poe (1996), S. 170f.
Vgl. z.B. Devlin (1997), S. 54ff.; Gardner (1997), S. 65f.; Gardner (o.J.), S. 4; Moriarty/Green-wood (1996), S. 78ff.; Moriarty/Mandraccia (1996), S. 70ff.; Muksch (1997), S. C811.08.
Vgl. White (1995).
Vgl. zu betriebswirtschaftlichen Kennzahlensystemen z.B. Kiiting (1983); Meyer (1994).
Vgl. Abschnitt 3.2.
Vgl. Abschnitt 3.2.
Beispiele werden ausführlich in Wieken (1998), S. 299ff., beschrieben.
Vgl. Gabriel/Röhrs (1995), S. 271.
Verschiedene Indextypen für Data Warehouse-Umgebungen werden in O’Neill/Quass (1998) erläutert.
Vgl. Devlin (1997), S. 56f. Beispiele zeigt Zell (1997), S. 299f.
Entsprechende Modellierungsmethoden beschreibt z.B. Scheer (1998).
Vgl. hierzu Hammer (1997), S. 30f.
Date (1986), S. 160, eigene Übersetzung.
Vgl. Hufford (1997), S. 229.
Vgl. Gardner (1997), S. 66; Gardner (o.J.), S. 5.
Angelehnt an Wells/Carnelley (1996), S. 93.
Vgl. Wells/Carnelley (1996), S. 93.
Vgl. Wells/Carnelley (1996), S. 82.
Vgl. Abschnitt 2.4.2.
Vgl. White (1995).
Vgl. Gardner (o.J.), S. 5.
Vgl. z.B. Chaudhuri/Dayal (1997), S. 73.
Vgl. Hufford (1997), S. 259.
Organisationen, die sich mit der Standardisierung von Metadaten befassen, sind das Metadata Council und die EIA (Electronic Industries Association)-CDIF-Division. Vgl. Metadata Coalition (1996), Ernst (1997a) sowie Ernst (1997b).
Vgl. Gleason (1997a), S. 171.
Vgi Wells/Carnelley (1996), S. 71.
Vgl. Wells/Carnelley (1996), S. 71.
Vgl. Gleason (1997a), S. 172.
Vgl. Hammer (1997), S. 31f.
Vgl. Gausden/Mason (1997), S. 272.
Vgl. Hammer (1997), S. 31 f.
Vgl. zu den Betriebsarten z.B. Gabriel (1997), S. 63.
„Significant Business Events” (Welch (1997), S. 176).
Vgl. Riehm/Vogler (1996), S. 28. Nach dieser Definition kann aus dem Blickwinkel des Gesamtsystems auch die Transformationskomponente selbst als Middleware bezeichnet werden, ermöglicht sie doch die transparente Kommunikation zwischen dem Data Warehouse und den Datenquellen. Vgl. Gausden/Mason (1997), S. 255ff.
So werden Werkzeuge im Data Warehouse-Umfeld vielfach mit Schnittstellensoftware ausgestattet, die einen unmittelbaren Zugriff auf die marktbedeutenden relationalen Datenbanksysteme wie z.B. Oracle oder DB/2 (IBM) erlaubt, während die Schnittstellen zu weniger verbreiteten Systemen über die standardisierte Schnittstelle ODBC realisiert werden. Vgl. Small/Edel-stein(1997), S. 172.
Vgl. Gleason (1997a), S. 171f.; Wells/Carnelley (1996), S. 8. Kirchner (1998), S. 264ff., beschreibt ausgewählte Produkte.
Rights and permissions
Copyright information
© 2000 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Müller, J. (2000). Analyseorientierte Informationssysteme. In: Transformation operativer Daten zur Nutzung im Data Warehouse. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-09052-6_3
Download citation
DOI: https://doi.org/10.1007/978-3-663-09052-6_3
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-7073-0
Online ISBN: 978-3-663-09052-6
eBook Packages: Springer Book Archive