Description
(Text)
Ein Data Warehouse ist in der betrieblichen Praxis häufigen Änderungen unterworfen. Einerseits kann sich die Dimensionsstruktur im Zeitablauf ändern, andererseits erweist sich der Informationsbedarf eines Entscheidungsträgers häufig als unstetig und dynamisch. Bei einer nachträglichen Beurteilung von Entscheidungssituationen ist jedoch die zum Entscheidungszeitpunkt vorherrschende Informationslage von elementarer Bedeutung.
Steffen Stock erweitert das Data-Warehouse-Konzept um das Konzept der zeitbezogenen Daten, damit die zu jedem Zeitpunkt verfügbaren Daten und Klassifikationshierarchien dauerhaft gespeichert werden können. Hierzu führt der Autor eine Gültigkeitszeitmatrix ein, die eine Vergleichbarkeit der Fakten auch nach Änderungen der Klassifikationshierarchien ermöglicht. Durch diese Erweiterungen können im Zeitablauf auftretende betriebswirtschaftlich bedingte Strukturänderungen modelliert werden.
(Table of content)
1 Einleitung.- 1.1 Motivation.- 1.2 Zielsetzung.- 1.3 Gang der Untersuchung.- 2 Grundlagen der Datenmodellierung.- 2.1 Schemata-Konzept.- 2.2 Entity-Relationship-Modelle.- 2.3 Relationales Datenmodell.- 3 Zeitbezogene Daten.- 3.1 Begriffliches.- 3.2 Darstellung und Auswertung.- 3.3 Modellierung.- 4 Daten im Data Warehouse.- 4.1 Begriffliches.- 4.2 Darstellung.- 4.3 Auswertung.- 4.4 Modellierung.- 5 Zeitbezogene Daten im Data Warehouse.- 5.1 Darstellung.- 5.2 Auswertung.- 5.3 Modellierung.- 6 Zusammenfassung und Ausblick.
(Author portrait)
Dr. Steffen Stock ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Wirtschaftsinformatik und Operations Research an der Gerhard-Mercator-Universität Duisburg, wo er bei Prof. Dr. Peter Chamoni promovierte.
(Table of content)
1.1.1 Ursachen der fehlenden Fakten.- 5.1.1.1.2 Zeitbezogener Metadatenraum.- 5.1.1.2 Zeitstempelung der Klassifikationshierarchien.- 5.1.1.2.1 Arten der Änderungen der Klassifikationshierarchie.- 5.1.1.2.2 Berücksichtigung von Änderungen der Klassifikationshierarchie.- 5.1.1.2.3 Konzept der slowly changing dimensions.- 5.1.1.2.4 Gültigkeitszeitmatrix.- 5.1.2 Berücksichtigung der Gültigkeits- und Transaktionszeit.- 5.1.2.1 Zeitstempelung der Fakten.- 5.1.2.2 Zeitstempelung der Klassifikationshierarchien.- 5.2 Auswertung.- 5.2.1 Aufbau der Klassifikationshierarchien.- 5.2.2 Klassifikation der Benutzersichten.- 5.2.3 Benutzertypen.- 5.3 Modellierung.- 5.3.1 Zeitbezogenes Star-Schema.- 5.3.1.1 Berücksichtigung der Gültigkeitszeit.- 5.3.1.1.1 Zeitstempelung der Fakten.- 5.3.1.1.2 Zeitstempelung der Klassifikationshierarchien.- 5.3.1.2 Berücksichtigung der Gültigkeits- und Transaktionszeit.- 5.3.1.2.1 Zeitstempelung der Fakten.- 5.3.1.2.1.1 Berücksichtigung der Wertänderungen.- 5.3.1.2.1.1.1 Vollständige Zeitstempelung.- 5.3.1.2.1.1.2 Zeitstempelung nach Sarda.- 5.3.1.2.1.1.3 Bewertung.- 5.3.1.2.1.2 Berücksichtigung des Importzeitpunktes und der Wertänderungen.- 5.3.1.2.1.2.1 Vollständige Zeitstempelung.- 5.3.1.2.1.2.2 Zeitstempelung nach Sarda.- 5.3.1.2.1.2.3 Zeitstempelung nach Clifford und Croker.- 5.3.1.2.1.2.4 Zeitstempelung nach Ariav.- 5.3.1.2.1.2.5 Bewertung.- 5.3.1.2.2 Zeitstempelung der Klassifikationshierarchien.- 5.3.2 Zeitbezogene Entity-Relationship-Modelle im Data Warehouse.- 5.3.2.1 Zeitbezogenes Extended-Entity-Relationship-Modell ohne Modifikation.- 5.3.2.2 Zeitbezogenes multidimensionales Entity-Relationship-Modell.- 6 Zusammenfassung und Ausblick.
Contents
1 Einleitung.- 1.1 Motivation.- 1.2 Zielsetzung.- 1.3 Gang der Untersuchung.- 2 Grundlagen der Datenmodellierung.- 2.1 Schemata-Konzept.- 2.2 Entity-Relationship-Modelle.- 2.3 Relationales Datenmodell.- 3 Zeitbezogene Daten.- 3.1 Begriffliches.- 3.2 Darstellung und Auswertung.- 3.3 Modellierung.- 4 Daten im Data Warehouse.- 4.1 Begriffliches.- 4.2 Darstellung.- 4.3 Auswertung.- 4.4 Modellierung.- 5 Zeitbezogene Daten im Data Warehouse.- 5.1 Darstellung.- 5.2 Auswertung.- 5.3 Modellierung.- 6 Zusammenfassung und Ausblick.