30

Business Intelligence (Subject) / Kurs 3 (Kapitel 3) (Lesson)

This lesson was created by dachucky.

Learn lesson

This lesson is not released for learning.

back  |  next 1 / 1

• 3.0 Welche Rolle spielt ein Data-Warehouse-System im Gesamtkontext von BI? Das DWH bildet einen elementaren Schritt zwischen "Sammlung der Daten" (intern oder externe Daten) und der "Analyse und Distribution". Nach Sammlung der Daten werden diese in das DWH geladen, wobei hier mehrere Teilschritte durchlaufen werden: Extraktion, Transformation und Laden der Daten. Anschließend werden die Daten zur Analyse und Distribution von anderen Applikationen oder Systemen genutzt (z.B. Data Mining Anwendungen, siehe Kurseinheit 2 von BI).
• 3.1 Wodurch zeichnet sich laut Definition von Bill Inmon ein Data Warehouse-System aus? Es zeichnet sich durch die folgenden Eigenschaften aus: - Themenorientierung: Daten werden im DWH themenorientiert gehalten (z.B. Kunden, Produkte, Mitarbeiter, usw.) - Integration: Daten werden in einem DWH aus verschiedenen Datenquellen integriert. In der Praxis stellt sich dies als schwierig dar, weil jede Applikation die Daten oftmals anders ablegt. Integration ist sehr aufwändig. - Zeitraumbezug: Dadurch dass die Daten in einem DWH nicht nur zeitbezogen abgelegt werden, sondern zeitraumbezogen, können Daten langfristig vorgehalten werden (5-10 Jahre). Operative Systeme brauchen hochaktuelle Daten, die Daten im DWH sind jedoch erst nach Laden der Daten aktuell. - Nicht-Volatilität: Diese Eigenschaft besagt, dass Daten dauerhaft vorgehalten werden und nicht vergänglich sind. Einmal abgelegte Daten werde nicht aktualisiert sondern erneut hochgeladen. Daten aus der Vergangenheit sind ständig abrufbar. Dadurch herrscht in einem DWH zumeist ein enormes Datenvolumen.
• 3.1 Welche Dimensionen existieren bei operativen/dispositiven Daten und wie mappen diese auf die Eigenschaften eines DWH? 1. Ausrichtung mappt auf die DWH-Eigenschaft Integration, da Daten verdichtet und transformiert werden 2. Zeitbezug mappt auf die DWH-Eigenschaft Zeitbezug bzw. auch Nicht-Volatilität 3. Modellierung mappt auf die DWH-Eigenschaft Themenorientierung 4. Zustand mappt nicht auf eine DWH-Eigenschaft 5. Ziel mappt nicht auf eine DWH-Eigenschaft.
• 3.1 Welche Ziele hat eine DWH? Welche Voraussetzungen muss ein DWH besitzen, um die Ziele zu erreichen? 1. Daten für Auswertungen und Analysen EFFIZIENT BEREITSTELLEN 2. Daten können zu Analysezwecken einfach ZUSAMMENGEFÜHRT WERDEN 3. UNTERSTÜTZUNG DER GESCHÄFTSPROZESSE, um zur Strategieerreichung beitragen zu können. Ein DWH kann bei der Analyse und Optimierung der Geschäftsprozesse helfen.  4. ABSCHAFFUNG VON INSELLÖSUNGEN und dadurch Reduzierung von Kommunikationskanälen zwischen Aufgabenbereichen.   Alle genannten Ziele können erst dann erreicht werden, wenn alle Eigenschaften eines DWH eingehalten (Themenorientierung, Integration, Zeitraumbezug und Nicht-Volatilität) und sinnvoll in ein Unternehmen implementiert werden.
• 3.1 Was ist der Unterschied zwischen einem DWH und einem DWH-System?   Das DWH umfasst lediglich die Datenbasis, die in ein DWH-System eingebettet wird, damit die Datenbasis sinnvoll zu Analysezwecken genutztwerden kann. Ein DWH-System sorgt dafür, dass die Eigenschaften eines DWH den Anwendern zur Verfügung gestellt werden können. Hierzu zählen auch die Datenbeschaffung und die Basisdatenbank. Das DWH-System dient primär der Unterstützung der Leistungsprozesse einer Organisation. Je nach Organisationsstruktur sollte die Ausgestaltungsform des DWH-Systems gewählt werden.  
• 3.2 Was sind die Komponenten eines DWH-Systems? - Basisdatenbank - Operational Data Store (ODS) - Arbeitsbereich - Extraktion - Transofmration und Laden (ETL) Komponente - Meta-Datenbanksystem - Analysekomponente
• 3.2 Welche Funktionen hat die Basisdatenbank als Komponente eines DWH-Systems? Die Basisdatenbank sammelt die Daten aus verschiedenen Datenquellen eines Unternehmens und stellt diese zentral zur Verfügung (Sammel- bzw. Integrationsfunktion). Die gesammelten Daten können an verschiedene DWHs im Unternehmen verteilt werden (Distributionsfunktion). Die Basisdatenbank kann einzelne Analysen aus den gesammelten Daten durchführen (Auswertungsfunktion). Die Basisdatenbank stellt somit die wichtigste Komponente eines DWH-Systems dar.
• 3.2 Wozu dient die Komponente ODS in einem DWH-System? Der Operational Data Store ist eng mit der Basisdatenbank verknüpft und erweitert die Funktionsweise des DWH hinsichtlich transaktionsorientierte und integrierte Datenhaltung. Dabei lassen sich ODS in verschiedene Klasse einteilen, die sich bzgl. Interaktion mit dem DWH unterscheiden. Klasse 0 und 1 interagieren quasi gar nicht mit dem DWH und sind daher in der Praxis selten. Klasse 2 und 3 interagieren unidirektional mit dem DWH. Klasse 4 interagiert bidirektional mit dem DWH und stellt die flexibelste und komplizierteste Art und Weise dar, wie der ODS mit dem DWH interagiert.
• 3.2 Was versteht man unter dem Arbeitsbereich (staging area) eines DWH-Systems? Die Staging Area ist eine Komponente eines DWH-Systems, in dem temporär Daten zwischengspeichert werden.  Bevor Daten in der Basisdatenbank gespeichert werden, müssen sie im Datenbeschaffungsbereich aufbereitet werden. Der Arbeitsbereich ist vom Datenbeschaffungsbereich die zentrale Komponente. Er dient dazu, die Daten aus den verschiedenen Datenquellen zu transfomieren und zu integrieren. Wenn alle Daten transformiert und integriert wurden, werden sie in die Basisdatenbank geladen und dann aus dem Arbeitsbereich gelöscht.
• 3.2 Was macht die ETL-Komponente eines DWH-Systems? Die ETL-Komponente unterstützt den ETL-Prozess des DWH-Systems. Die wesentlichen Aufgaben in einem DWH werden durch den ETL-Prozess abgedeckt: Extraktion: Übertragen der Daten aus den Datenquellen in den Arbeitsbereich (Staging Area). Schwierigkeit: Selektion der Daten. Bei einem Fehler darf der Extraktions-Prozess nicht abbrechen. Die Extraktion kann periodisch, anfragegesteuert oder ereignisgesteuert durchgeführt werden. Transformation: Anpassung und Standardisierung der Daten, so dass sie in das DWH geladen werden können. Des Weiteren werden fehlerhafte oder redundante oder alte Daten bereinigt. Laden: Initial Load (Gesamter Bestand) einmalig; Refresh der Daten regelmäßig. Sehr zeitaufwendig, daher oftmals nachts oder auch am Wochenende. Daten werden nicht gelöscht, sondern bleiben in der Basisdatenbank gehalten (wg. Historisierung).
• Advertisement
• 3.2 Welche Aufgabe hat das Meta-Datenbanksystem als Komponente des eines DWH-Systems? Das Meta-Datenbanksystem besteht aus Meta-Datenbanken, die dem DWH Hintergrundinformationen über Datenquellen, Transformationen und Verdichtungen liefern. Die Informationen werden in fachliche und technische Informationen unterteilt. Das Meta-Datenbanksystem bestesht aus zwei Teilkomponenten: 1. Informationskatalog: Bereitstellung von verständlichen Informationsobjekten für den Anwender (Grafikten, Texte, usw.) 2. Navigationshilfe: unterstützt den Anwender bei der Navigation, so dass diese selbständig in den Metadaten suchen und analysieren können.   Im sog. Data Directory sollten folgende Informationen vorliegen: - Lexikon, mit allen Namen der Datenobjekte sowie deren Abkürzungen - Thesaurus, so dass Benutzer Synonyme für Datenobjekte erkennen können - Datenstrukturverzeichnis mit allen im DWH gehaltenen Daten - Glossar mit allen verwendeten Begriffen, Definitionen und Abkürzungen. - Übersicht auf welche Datenquellen welche Organisationseinheiten zugreifen. - Übersicht über Projekte, die mit dem DWH im Zusammenhang stehen - Ansprechpartner
• 3.2 Welche Aufgabe hat die Analysekomponente eines DWH-Systems? Die Hauptaufgabe der Analysekomponente besteht darin, den Benutzer bei der Auswertung der Daten zu unterstützen mit: Data Mining, Data Access, OLAP, Data Marts
• 3.2 Was ist ein Data Access Tool? Data Access ist ein Werkzeug, um Daten zu lesen, einfach Operationen durchzuführen und Daten zu Präsentationszwecke aufzubereiten (z.B. Ampeln o.ä.).
• 3.2 Was ist ein OLAP Werkzeug? OLAP steht für Online Analytical Processing. Mittels OLAP können Daten dargestellt werden. Der Anwender kann selbst Analysekriterien bestimmen und anhand dieser mehrdimensionale Analysen durchführen.
• 3.2 Was ist ein Data Mart? Data Marts helfen dem Benutzer bei der Analyse, indem sie eine Exploration der Daten vornehmen. Data Marts sind "spezielle analyseorientierte Systeme mit einer Ausrichtung auf das jeweilige Anwendungsthema", d.h. es können bspw. einzelne Data Marts für verschiedene Abteilungen eines Unternehmens existieren und abteilungsspezifische Daten für Auswertungen bereitstellen.
• 3.3 In welche Ebenen lässt sich die Gesamtarchitektur eines DWH-Systems einteilen? von oben nach unten: - Präsentationsebene (Analysekomponente) - Datenbereitstellungsebene (Analysekomponente) LADEN (ETL-Prozess) - Datenhaltungsebene (Metadatenbanksystem, Basisdatenbank, ODS) TRANSFORMATION (ETL-Prozess) - Datenerfassungsebene (Arbeitsbereich) EXTRAKTION (ETL-Prozess) - Ebene der operativen Systeme (Operative und Externe Datenquellen)
• 3.4 Welche Arten von Ausgestaltungsformen gibt es für die Basisdatenbank in einer DWH-Systemarchitektur? - zentrales DWH - verteiltes DWH mit Data Marts - virtuelles DWH
• 3.4 Was sind die Vor- und Nachteile eines zentralen DWH als Ausgestaltungsform einer Basisdatenbank eines DWH-Systems? Vorteile: - unkomplizierter Zugriff auf Daten in allen Unternehmensbereichen - erleichterte Zugriffskontrolle - einfache Datenpflege (nur ein Datentopf)   Nachteile: - Sicherheitsrisiken - schlechtere Performance - enormer Datenanstieg in den letzten Jahren - schwierig, Analysen auf die gesamte Datenbasis zu fahren
• 3.4 Welche Funktionen bietet ein zentrales DWH als Ausgestaltungsform einer Basisdatenbank eines DWH-Systems? - Alle Daten werden zusammen an einem logischen Ort gespeichert - Analysefunktion: bedient sich direkt aus dem Datentopf - Sammel- und Integrationsfunktion - Distributionsfunktion ist nur dann notwendig, wenn es nachgelagerte Data Marts gibt - Qualitätssicherungsfunktion: Transformation der Daten, dass sie syntaktisch und semantisch stimmen
• 3.4 Was ist die betriebswirtschaftliche Zielsetzung eines Data Mart bzw. eines zentralen DWH? Letztlich nur in der betriebswirtschaftlichen Zielsetzung. Data Marts dienen der effizienten Unterstützung der jeweiligen Anwender. DWHs sollen die obere Managementebene effizient unterstützen.
• 3.4 Was versteht man unter einem top-down bzw bottom-up Ansatz bei Data Marts? Abhängige Data Marts greifen auf ein zentrales DWH zu. (top down) Unabhängige Data Marts greifen direkt auf die operativen Daten zu (bottom-up).
• 3.4 Was sind die Vor und Nachteile bei der Ausgestaltungsform "Verteiltes DWH mit Data Marts"? Vorteile: - Reduzierte Datenmenge - Daten in den Data Marts jeweils nur für eine Fachabteilung bzw. Entscheidergruppe - Höher aggregierte Daten   Nachteile: - keine historischen Daten - höherer Aufwand beim Konfigurieren der Zugriffsrechte - Analysen sind eingeschränkt
• 3.4 Was ist ein virtuelles DWH? Das virtuelle DWH kommt ohne eigene Datenhaltung aus und Anwender greifen direkt auf die operativen oder externen Daten zu, um daraus ihre Analyse abzuleiten.  In der Praxis findet ein reines virtuelles DWH kaum Anwendung.
• 3.4 Welche Vor- und Nachteile haben virtuelle DWH als Ausgestaltungsform einer Basisdatenbank eines DWH-Systems? Vorteile: - Anwender kann direkt auf den Datenbestand zugreifen, keine Programmierer notwendig, um die Reports zu erstellen - Anwendern wird durch Reportingtools eine überschaubare Anzahl von Tabellen zur Verfügung gestellt - schnelle und kostengünsige Bereitstellung des virtuellen DWH (keine neuen Strukturen müssen geschaffen werden)   Nachteile: - erhöhte Systemauslastung für die operativen Systeme - Einsatz des virtuellen DWHs beschränkt sich auf die Analyse im Bereich des operativen Reportings - keine Historisierung - keine strukturierte Qualitätssicherung  
• 3.5 Warum wird die Einführung eines Data Warehous in Phasen unterteilt? - Minimierung des Risiko zum Scheitern - bessere Kontrolle über das Projekt
• 3.5 Welche Phasen werden überlicherweise bei der Einführung eines DWH durchlaufen? - Analyse - Entwurf - Realisierung - Einführung
• 3.5. Erläutern Sie die Analysephase bei der Einführung eines DWH! 1. Durchführung einer Ist-Analyse: welche Geschäftsprozesse und Abteilung sind überhaupt von der Einführung des DWH betroffen. Dazu werden bspw. Interviews, Workshops, Schriftliche Befragungen durchgeführt oder einfach nur vom Analyst "beobachtet und Notizen gemacht". Bei der Analyse werden bspw. use-Case Diagramme oder auch ereignisgesteuerte Prozessketten (EPK) grafisch erstellt. 2. Bewertung des Ist-Zustands, um Schwachstellen oder Mängel sichtbar zu machen und Folgen daraus ableiten. Die Mängel sollten monetär bewertet werden (>> schwierig) 2. Erarbeitung des Sollkonzepts: Festlegen der Anforderungen (funktionale, nicht-funktionale und technische) an das DWH. Die Anforderungen müssen geeignet dokumentiert und analysiert werden. Anschließend evtl Wirtschaftslichkeitsvergleiche zwischen alt und neu.
• 3.5. Erläutern Sie die Entwurfsphase bei der Einführung eines DWH! Datenmodelle und Anwendungssystemmodelle entwickeln, d.h. auch einen Ansatz aufzeigen, wie die Datenmodelle der internen und externen Datenquellen in das DWH fließen. Des Weiteren muss auch das Datenmodell der Metadatenbank entworfen weerden. Der Detailentwurf des Anwendungssystemmodells beinhaltet eine Beschreibung der einzelnen Komponenten, z.B. der Datenquellen und des DWH-Systems.
• 3.5 Erläutern Sie die Realisierungsphase bei der Einführung eines DWH! Die Implementierung erfolgt auf Basis des Entwurfs. Fremde Komponenten können ebenfalls integriert werden. Der Systemtest stellt die Funktionsfähigkeit des DWH sicher. Die Programmverifikation soll zeigen, dass die Anforderungen, die formuliert wurden, auch durch das DWH erfüllt werden.
• 3.5 Erläutern Sie die Einführungsphase bei der Einführung eines DWH! Wenn die Implementierungs und Testphase abgeschlossen ist erfolgt die Auslieferung des entwickelten Systems an den Auftraggeber (intern oder extern).

back  |  next 1 / 1