Seminarleitung: Prof. Vossen, Prof. Becker, Prof. Grob
Schlagwörter: BI, Führungsinformationssysteme, Data Warehouse, Data Mining, ETL, OLAP, Star-Schema, Snowflake-Schema, Data Cube, SQL
Business Intelligence
Entwurf, Aufbau und Anwendungen von Führungsinformationssystemen und von Data Warehouses sind heute für eine kontinuierliche Analyse der Performanz eines Unternehmens sowie für Applikationen von Data Mining-Techniken unerlässlich. Fallstudien und vergleichende Darstellungen von Data Warehouse-Werkzeugen ergänzen die grundsätzlichen Überlegungen zu Data Warehouses.
Die zeitnahe Bereitstellung aktueller Daten aus dem operativen Geschäftsbetrieb zum Zwecke der Analyse, der Entscheidungsvorbereitung und der Prognose wird in Zeiten an Tempo ständig zunehmenden Wettbewerbs immer wichtiger. Führungsinformationssysteme und Data Warehouses bieten hier die angemessene Informationstechnik. Sie erlauben eine Aufbereitung und Integration von operativen Daten aus unterschiedlichen Quellen in einem einheitlichen Datenbestand, auf welchem dann Auswertungen und Analysen z. B. unter Berücksichtigung historischer Entwicklungen durchgeführt werden können, grundsätzlich gemäss dem folgenden Aufbau:
Aus einer oder mehreren Datenquellen, bei denen es sich meist um operationale Datenbanken handelt, werden relevante Kenngrößen und Unternehmensdaten über einen so genannten ETL-Prozess (für Extraction, Transformation, Loading) in ein Data Warehouse integriert; auf diesem setzen dann Anwendungen des Online Analytical Processing (OLAP) und des Data Mining auf.
Die Organisation von Warehouse-Daten in Stern- oder Schneeflockenschemata wird anhand von Fallstudien erarbeitet und durch geeignete Entwurfstechniken illustriert. Es wird eine Anbindung von Warehouse-Informationen an das Internet aufgezeigt. Schließlich setzen sich die Teilnehmer anhand konkreter Aufgabenstellungen mit der Frage auseinander, wie sich Warehouse-Daten mithilfe von OLAP-Techniken im Einzelfall zur Verbesserung der Unternehmensführung nutzen lassen.
Das Modul wendet sich weiterhin den Grundlagen des Online Analytical Processing (OLAP) zu. Neben einer multidimensionalen Sicht auf die Warehouse-Daten spielt jetzt der Begriff des Datenwürfels (Data Cube) eine zentrale Rolle, und es werden die Grundlagen von Cube- und Rollup-Operationen auf der Ebene von SQL vorgestellt. In kommerziellen Systemen findet man entweder eine Unterstützung dieser Operationen in herstellerspezifischen SQL-Erweiterungen oder in Form von OLAP-Operationen in Data Warehouse-Produkten. Konkrete Anwendungen von OLAP finden sich etwa im Customer Relationship Management oder bei der Nutzung von Daten aus dem Internet sowie aus dem Web; man spricht auch von Web Farming oder Web Warehousing. Die Heterogenität von Daten aus dem Web lassen semistrukturierte Daten als geeigneten Lösungsansatz erscheinen, wobei sich die Auszeichnungssprache XML in diesem Zusammenhang als uniformes, standardisiertes Datenaustauschformat etabliert hat.
