Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Analytische Informationssysteme – Einordnung und Überblick Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

8. Architekturkonzepte und Modellierungsverfahren für BI-Systeme

verfasst von : Dr. Michael Hahne

Erschienen in: Analytische Informationssysteme

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

In der aktuellen Diskussion um den Aufbau effizienter Business-Intelligence-Architekturen mit der Notwendigkeit, die Heterogenität an Strukturen, Daten und Anforderungen zu beherrschen, sind zunehmend Aspekte der Agilität -im Sinn von Time to Market- sowie der Kostensenkung für Entwicklung und Betrieb relevant. Die Datenbewirtschaftungsprozesse im Data Warehouse sind vermehrt im so genannten 24x7 Modus zu betreiben und bedürfen einer Entzerrung unter expliziter Berücksichtigung von Performance-Aspekten auch in Real-Time-Umgebungen.
Durch die zunehmende Globalisierung von Unternehmen entstehen auch immer globalere Data Warehouse Lösungen, in denen eine stringente Trennung in Online-Zeit und Batch-Zeit nach herkömmlichen Mustern über alle Bereiche hinweg nicht mehr anzutreffen ist. Eine Entzerrung der Prozesse der Datenintegration für unterschiedliche Service Level und heterogene Lademuster ist daher gefordert.
Konzepte der Virtualisierung und des Self-Service BI sind in diesem Zusammenhang aktuelle Möglichkeiten, den Herausforderungen zu begegnen. Vor diesem Hintergrund werden in diesem Aufsatz Architektur und Modellierung für Business-Intelligence-Systeme diskutiert.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Transformation operativer Daten
Nächstes Kapitel Grundlagen und Einsatzpotentiale von In-Memory-Datenbanken
Fußnoten
1
Für eine Übersicht der verschiedenen Architekturvarianten siehe auch KeBM14 S. 21 ff. Zu Aspekten der Agilität siehe auch (Göhl und Hahne 2011, S. 12 ff.).
 
2
Die Übertragung der Methoden agiler Softwareentwicklung auf die Domäne Business Intelligence wird eingehend in (Hughes 2008) diskutiert.
 
3
In einer Studie aus 2006 wurde die Bedeutung und Verbreitung einzelner Architekturformen untersucht. Demzufolge ist die Hub-and-Spoke Architektur mit knapp 40% am weitesten verbreitet, unabhängige Data Marts kamen nur bei gut 10 % der befragten Unternehmen zum Einsatz (Ariyachandra und Watson 2006).
 
4
Zum Begriff der Granularität siehe auch [Hahn05, S. 23].
 
5
Eine ähnliche Betrachtung in (Imhoff et al. 2003 S. 389 ff.) betont die Aspekte der Komplexität und des Aufwands für Wartung und Weiterentwicklung.
 
6
Die Ankermodellierung ist nicht mit dem Anchor-Modeling zu verwechseln. Beide sind zwar in der Domäne Business Intelligence angesiedelt, jedoch ist Anchor-Modeling eine Variante der Gestaltung, die zu Modellen in der sechsten Normalform führt und in der vereinfacht ausgedrückt jedes Attribut in einer eigenen Entität abgebildet ist.
 
7
Eine sehr umfassende Darstellung der Data-Vault-Methode gibt (Hultgren 2012).
 
8
Dies gilt sinngemäß auch für die so genannten Bridge-Tabellen im Data Vault, die ebenfalls zur Verbesserung der Performance Verknüpfungen von Link-Tabellen mit weiteren Tabellen persistieren.
 
9
Eine detailliert Darstellung verschiedener Formen von Link-Tabellen, u. a. auch für rekursive Beziehungen, ist bei (Hultgren 2012, S. 93 ff.) aufgeführt.
 
10
SID steht hier für Surrogate Identifier, ein künstlicher Schlüssel.
 
Literatur
Abelló, A., Martín, C.: A bitemporal storage structure for a corporate data warehouse, Technical Paper, Universitat Politècnica de Catalunya (2003)
Adamson, C.: Star Schema – The Complete Reference. Wiley Publishing, New York (2011)
Ariyachandra, T., Watson, H.J.: Which data warehouse architecture is most successful? Bus. Int. J. 11(1), 4–6 (2006)
Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business Intelligence. 2. Auflage. Springer-Verlag, Berlin, Heidelberg (2008)
Göhl, R., Hahne, M.: Bessere Architektur, Organisation und Methodik, BI-Spektrum, 6. Jg., Heft 2, S. 10–15 (2011)
Hahne, M.: SAP Business Information Warehouse – Mehrdimensionale Datenmodellierung. Springer-Verlag. Berlin, Heidelberg (2005)
Hahne, M.: Lifecycle management – Neue Architektur für das data warehouse. In: Gluchowski, P., et al. (Hrsg.) Schlaglichter der Wirtschaftsinformatik, GUC-Verlag, Chemnitz 2007, S. 157–166 (2007)
Hahne, M.: Architektur und Modellierung für skalierbare flexible Data Warehouse Systeme. In: Felden, C., Krebs, S., Stock, S. (Hrsg.) Perspektiven der Business Intelligence – Festschrift anlässlich des 60, S. 59–70. Geburtstages von Peter Chamoni, München (2011)
Hahne, M.: Modellierung von Business-Intelligence-Systemen – Leitfaden für erfolgreiche Projekte auf Basis flexibler Data-Warehouse-Architekturen, Edition TDWI. dpunkt, Heidelberg (2014)
Hahne, M., Böttiger, W.: Push with Enterprise Data Warehousing – Improving performance and Stability, BI-Spektrum, 1. Jg., Heft 1, S. 34–36 (2006)
Haupt, J., Hahne, M.: Next generation enterprise data warehousing, E-3, S. 82–84 (Mai 2007)
Hughes, R.: Agile Data Warehousing – Delivering World-Class Business Intelligence Systems Using Scrum and XP. Morgan Kaufmann, Bloomington (2008)
Hultgren, H.: Modeling the Agile Data Warehouse with Data Vault. New Hamilton, Stockholm (2012)
Imhoff, C., Galemmo, N., Geiger, J.G.: Mastering Data Warehouse Design – Relational and Dimensional Techniques. John Wiley & Sons, Indianapolis (2003)
Inmon, W.H.: The Problem with Dimensional Modeling, DM Review (May 2000)
Inmon, W.H., Imhoff, C., Sousa, R.: Corporate Information Factory, Wiley, 2nd ed. New York (2001)
Inmon, W.H., Strauss, D., Neishloss, G.: DW 2.0 – The Architecture for the Next Generation of Data Warehousing. Morgan Kaufmann, Amsterdam (2008).
Johnston, T., Weis, R.: Managing Time in Relational Databases. Morgan Kaufmann, Burlington (2010)
Kemper, G., Finger, R.: Transformation operativer Daten – Konzeptionelle Überlegungen zur Filterung, Harmonisierung, Aggregation und Anreicherung im Data Warehouse. In: Chamoni, P., Gluchowski, P. (Hrsg.) Analytische Informationssysteme – Data Warehouse, On-Line Analytical Processing, Data Mining, 4. Aufl., Springer, S. 159–174. Berlin (2010)
Kemper, H.-G., Baars, H., Mehanna, W.: Business Intelligence – Grundlagen und praktische Anwendungen. 4. Aufl. Viehweg, Wiesbaden (2014)
Kimball, R., Ross, M.: The Data Warehouse Toolkit – The Complete Guide to Dimensional Modeling, 2 Aufl. Wiley, John Wiley & Sons, New York (2002)
Kimball, R., Ross, M., Thornthwaite, W., Mundy, J., Becker, B.: The Data Warehouse Lifecycle Toolkit – Practical Techniques for Building Data Warehouse and Business Intelligence Systems, John Wiley & Sons, 2 Aufl. New York (2008)
Linstedt, D.: Super Charge Your Data Warehouse. Dan Linstedt-Verlag (2010)
Rönnebeck, L., Regardt, O., Bergholtz, M., Johannesson, P., Wohed, P.: Anchor Modelling – Agile Information Modeling in Evolving Data Environments, Stockholm University (2010)
Sinz, E.J., Ulbrich-vom-Ende, A.: Architektur von Data-Warehouse-Systemen. In: Chamoni, P., Gluchowski, P. (Hrsg.) Analytische Informationssysteme, 4. Aufl., S. 175–196. Springer, Heidelberg (2010)
Snodgrass, R.T.: Developing Time-Oriented Database Applications in SQL. Morgan Kaufmann, San Francisco (2000)
Metadaten
Titel
Architekturkonzepte und Modellierungsverfahren für BI-Systeme
verfasst von
Dr. Michael Hahne
Copyright-Jahr
2016
Verlag
Springer Berlin Heidelberg
Buch
Analytische Informationssysteme

Print ISBN: 978-3-662-47762-5

Electronic ISBN: 978-3-662-47763-2

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-662-47763-2_8