Data-Warehouse-Systeme für Dummies

Wolfgang Gerken ist Professor für Wirtschaftsinformatik an der Hochschule für Angewandte Wissenschaften Hamburg. Seine Schwerpunktthemen sind Data Warehousing, Data Mining und Business Intelligence.

• Einleitung 19Über dieses Buch 19Konventionen in diesem Buch 20Was Sie nicht lesen müssen 20Törichte Annahmen über den Leser 21Wie dieses Buch aufgebaut ist 21Teil I: Was ist ein Data Warehouse? 21Teil II: Architektur eines Data-Warehouse-Systems 21Teil III: Anwendungsbereiche für ein Data Warehouse 22Teil IV: Modellierung eines Data-Warehouse-Systems 22Teil V: Zugriff auf ein Data Warehouse 22Teil VI: Speicherung und Optimierung auf Datenbankebene 22Teil VII: Der Top-10-Teil 22Symbole, die in diesem Buch verwendet werden23Wie es weitergeht 23TEIL I WAS IST EIN DATA WAREHOUSE? 25Kapitel 1 Ein Beispiel zur Einführung 27Daten und ihre Verarbeitung 27Daten und Datenbanken 27Die Verarbeitung von Daten 28Analyse von Absatzmengen und Planzahlen als Beispiel 29Besonderheiten analytischer Aufgabenstellungen 31Wenn personenbezogene Daten ins Spiel kommen 34Kapitel 2 Das Data Warehouse im Umfeld der betrieblichen Informationssysteme 35Hierarchie betrieblicher Informationssysteme 35Zusammenfassung: Analytische Informationssysteme 38Beispiele für analytische Informationssysteme 39Beispiel 1: Analytische Informationssysteme im CRM 39Beispiel 2: Kennzahlen-Analysesysteme im Rechnungswesen 41Beispiel 3: Website-Analysesysteme 43Fazit: Data Warehouse und analytische Informationssysteme 45Kapitel 3 Definition und Abgrenzung des Begriffs »Data Warehouse« 47Die 3-Schichten-Architektur analytischer Informationssysteme 47Definitionen des Begriffs Data Warehouse 50Definition von Inmon 50Definition von Kimball 52Vergleich der beiden Definitionen 53Anwendungsfall: Das Data Warehouse und Business Intelligence 54TEIL II ARCHITEKTUR EINES DATA-WAREHOUSE-SYSTEMS 57Kapitel 4 Überblick über die Architektur eines Data-Warehouse-Systems 59Die Phasen des Data Warehousing 59Ein allgemeines Data-Warehouse-Architekturmodell 61Vorgehensweisen bei der Erstellung eines Data Warehouse 64Projektdefinition und Machbarkeitsstudie 65Analyse, Entwurf und Einführung für einen Anwendungsbereich 66Kapitel 5 Der ETL-Prozess 69Überblick 69Ein einführendes Beispiel 70Extraktion 71Das Pull-Prinzip 71Das Push-Prinzip 72Beispiele 72Transformation 77Datenbestandsanalyse 77Datenbereinigung 78Datenintegration 80Laden 82Kapitel 6 Die Basisdatenbank 85Merkmale der Basisdatenbank 85Unterschied zwischen operativen Datenbanken und der Basisdatenbank 87Die operativen Quellsysteme des Beispiels 88Die Basisdatenbank des Beispiels 89Kapitel 7 Das Analyse-Subsystem 93Dimensionen und Fakten 93Dimension oder Metrik? 95Metriken als Dimension 96Dimensionen als Metrik 97Klassifizierung von Dimensionen 98Fachliche Dimensionen 98Kategorische Dimensionen 98Strukturelle Dimensionen 99Hierarchien von Dimensionswerten 99Parallele Hierarchien 100Unausgeglichene Hierarchiebäume 101Strukturänderungen in Hierarchien 102Slowly Changing Dimensions 102Typ 1: Überschreiben 103Typ 2: Neue Zeile 104Typ 3: Spalten mit altem und neuem Wert 105Typ 4: Mini-Dimension 105Zusammenfassung 106Verknüpfung von Dimensionen über Metriken 106Aggregationstypen von Fakten 107Die Themen Datenqualität und Datenschutz 108Datenqualität 108Datenschutz 109Architekturvarianten für ein Analyse-Subsystem 109Möglichkeiten für die Architektur 110Die Hub-and-Spoke-Architektur 111Auswertungen und Analysen 112Kapitel 8 Metadaten 113Was sind Metadaten?113Metadaten im Data-Warehouse-Kontext 114Das Metadaten-Management in einem Data-Warehouse-System 114Standards für Data-Warehouse-Metadaten 118Ein kleines Beispiel 119TEIL III ANWENDUNGSBEREICHE FÜR EIN DATA WAREHOUSE 121Kapitel 9 Reporting 123Das Berichtswesen eines Unternehmens 123Überblick und Definition 123Erzeugung und Verteilung von Reports 125Arten von Berichtssystemen 125Was sich Anwender vom Reporting wünschen und wie die Wirklichkeit oft aussieht 126Einige Tipps für die Report-Gestaltung 127Graphische Darstellungen im Report 128Die Hichert-Success-Regeln 131Grundformen für Reports 132Ist-Ist-Vergleiche 132Plan-Ist-Vergleiche 133Plan-Wird-Vergleiche 134Berücksichtigung dynamischer Dimensionsstrukturen 135Report as-is 136Report as-of 136Report as-posted 137Ein praktisches Beispiel 137Kapitel 10 Online Analytical Processing 139Motivation und Definition 139Charakteristika von OLAP 141Abgrenzung OLAP und OLTP 141Die Coddschen Regeln 142FASMI 143Spezielle OLAP-Operatoren 144Pivotierung bzwRotation 144Roll-up und Drill-down 145Slice und Dice 146Beispiel 148Kapitel 11 Data Mining151Einführung 151CRISP-DM 153Methoden und Verfahren beim Data Mining 154Assoziationsanalyse 155Clusteranalyse 160Klassifikation mit der Diskriminanzanalyse 164Entscheidungsbaumverfahren 166Spezielle Data-Mining-Fragestellungen im Kontext von Data-Warehouse-Daten 171Welche Artikel werden gemeinsam gekauft? 172Unterscheiden sich gute, normale und schlechte Kunden? 172Welche Kunden besitzen eine bestimmte Produktaffinität? 173Praxisbeispiel »Predictive Analytics« 174Kollaboratives Filtern 175TEIL IV MODELLIERUNG EINES DATA-WAREHOUSE-SYSTEMS 177Kapitel 12 Data Vault 179Einführung 179Hubs, Satelliten und Links 180Hubs 180Links 182Satelliten183Beispiel 185Kapitel 13 Semantischer Entwurf eines Data Warehouse 191Zur Wiederholung: das Entity-Relationship-Modell 191Drei Schritte bei der Modellierung einer Datenbank 192Das ER-Modell: Entitätstypen, Attribute und Beziehungen 192Das multidimensionale ER-Modell 194ADAPT 196Kapitel 14 Relationale Modellierung der Datenwürfel 199Einführung 199Das Star-Schema 200Beispiel 201Besondere Merkmale des Star-Schemas 204Das Snowflake-Schema 207Vergleich von Star- und Snowflake-Schema 209Das Galaxy-Schema 211TEIL V ZUGRIFF AUF EIN DATA WAREHOUSE 213Kapitel 15 Multidimensionale Abfragen mit SQL 215Zugriff auf ein Data Warehouse mit SQL 215Erzeugen der Tabellen 216Typische analytische Fragestellungen 218OLAP-Erweiterungen von SQL 220Die WINDOW-Klausel 220Erweiterungen der GROUP-BY-Option 225Statistische Funktionen 228Kapitel 16 Die Abfragesprache MDX 229Einführung 229Spezielle OLAP-Operatoren und Funktionen 233Tupel und Sets 233Member und Children 234Kreuzprodukt mittels Crossjoin 234Der WITH-Operator 235Häufige Fragestellungen 236Kapitel 17 Zusammenspiel von MDX und SQL 239OLAP-Server 239Der OLAP-Server Mondrian 241MDX-Schema von Mondrian 241Mondrian-Frontend-Tools 245TEIL VI SPEICHERUNG UND OPTIMIERUNG AUF DATENBANKEBENE 247Kapitel 18 ROLAP, MOLAP und anderes 249ROLAP und MOLAP 249Spaltenorientierte und In-Memory-Speicherung 252NoSQL-Datenbanksysteme 255Typen von NoSQL-Systemen 255NoSQL-Datenbanken bei einem Data Warehouse 258Beurteilung 263Kapitel 19 Optimierungsmöglichkeiten bei relationalen Datenbanken 265Einführung 265Partitionierung 266Partition by List 267Partition by Range 268Partition by Hash 268Partition by Reference 269Materialized Views 270Klassische Views vsMaterialized Views 270Materialized Views bei einem Data Warehouse 273Indizierung 274Klassischer Index 274Bitmap-Index 275Mehrdimensionale Indizes 276TEIL VII DER TOP-10-TEIL 279Kapitel 20 10 Schritte auf dem Weg zu Ihrem ersten Dashboard 281Und so wird es gemacht 282Festlegung der Datenquellen 282Vorbereitung der Daten 283Erstellung eines Dashboards 285Daten aus mehreren Quellen 287Integration von Landkarten 288Kapitel 21 10 Schritte, die helfen, die richtige Data-Warehouse-Software zu finden 291Marktanalyse für BI-Software 291Definition der eigenen Anforderungen 292Einbindung des Managements, Projektplan 293Marktanalyse der infrage kommenden BI-Anbieter 293Einholung von Angeboten 293Durchführung von Testinstallationen 294Bewertung der Systeme 294Ermittlung der Kosten 295Einholung von Referenzen, Anbieterqualifikation 296Überprüfung der Lizenzvereinbarung 296Kapitel 22 10 Übungsaufgaben zur Wiederholung 297Aufgaben 297Aufgabe 1: Assoziationsanalyse 297Aufgabe 2: Diskriminanzanalyse 297Aufgabe 3: Data Vault 298Aufgabe 4: ADAPT 298Aufgabe 5: MDX299Aufgabe 6: Star-Schema 299Aufgabe 7: OLAP mit SQL 299Aufgabe 8: Snowflake-Schema 300Aufgabe 9: Optimierung 300Aufgabe 10: Multidimensionale Datenbank301Lösungen 301Lösung von Aufgabe 1 301Lösung von Aufgabe 2 303Lösung von Aufgabe 3 303Lösung von Aufgabe 4 304Lösung von Aufgabe 5 304Lösung von Aufgabe 6 306Lösung von Aufgabe 7 307Lösung von Aufgabe 8 309Lösung von Aufgabe 9 309Lösung von Aufgabe 10 311Literaturverzeichnis 313Stichwortverzeichnis 317

"Das didaktisch gut aufgebaute Buch auf dem aktuellen Stand der Technik endet mit 10 Übungsaufgaben (mit Lösungen) und ist auch zum Selbststudium gut geeignet."(EKZ im Dezember 2018)