27

Datenbanken 2 - Data Warehousing (Fach) / Einführung (Lektion)

Diese Lektion wurde von rekDen erstellt.

Lektion lernen

zurück  |  weiter 1 / 1

• Was sind die Lernziele des Data Warehousings? - wesentliches Thema der Informatik - Wesentliche technologische Grundlagen des Data-Warehousing verstehen - Wichtige Anwendungen des Data-Warehousing - Charakteristika eines Data-Warehouse beschreiben und vondenen eines Produktionssystems unterscheiden können
• Was ist das Ziel des Data Warehousing? - Automatisierung zeitraubender manuellerTätigkeiten  
• Wofür wurde das Data Warehousing bei Geschäftsprozessen zwischen 1960 und 1990 genutzt? - Unterstützung einzelner Prozesse - Unabhängige Anwendungen - Automatisierung regelmäßiger Transaktionen oft im Batchbetrieb Daten in einer prozess-spezifischen Anwendungeingebunden --> Prozessorientierung  
• Worauf wurden hauptsächlich Daten zwischen 1960 und 1990 gespeichert? Auf Magnetbänder
• Wie wurden hauptsächlich Daten zwischen 1960 und 1990 gespeichert? - Aus Kostengründen meist kodiert und komprimiert - Unabhängige Daten (Bänder) für verschiedeneAnwendungen --> Verteilte Daten - Auch nach Einführung von Datenbankenkeine Konsolidierung über eine gesamte Firma --> Prozessorientierung
• Wie wurden Datenbanken im Zeitraum zwischen 1960 und 1990 genutzt? - Tabellen in Datenbanken sind durch gemeinsameeindeutige Schlüssel verbunden, oft Zahlen - Immer mehr Anwendungen greifen auf(verschiedene) Datenbanken zu - Komplexe Systemstrukturen (Systeme undDatenbanken),aber eine übergreifende Sicht ist nicht möglich
• Wie läuft der Decision Support zwischen 1960 und 1990 ab? - Management-Informations-Systeme (MIS) Seit Ende der 60er-Jahre Haben nie richtig funktioniert - Ad-Hoc Decision Support - Management benötigt Berichte (Reports), die Daten aus verschiedenen Systemen verbinden, um Entscheidungen zu treffen komplexe Beziehungen zwischen Geschäftsprozessen - Das IT-Personal schreibt Berichte “von Hand” Daten werden extrahiert, kombiniert, akkumuliert
• Welche Probleme gibt es beim Decision Support zwischen 1960 und 1990? - Sehr zeitaufwändig - Fehleranfällig, relevante Information können vergessen oderfalsch kombiniert werden --> Ad-hoc-Anfragen sind praktisch nicht möglich - Verteilte Daten - Unterschiedliche Datenstrukturen - Probleme mit historischen Daten - Problem mit der Auslastung der Systeme - Inadäquate Technologie
• Was sind verteilte Daten? - Daten befinden sich auf verschiedenen Systemen - Daten werden von verschiedenen Anwendungen verwaltet
• Was muss mit den verteilten Daten gemacht werden? - Daten müssen zur weiteren Analyse auf eingemeinsames System gebracht werden!
• Anzeige
• Welche unterschiedliche Datenstrukturen gibt es? - Unterschiedliche Datentypen - Unterschiedliche Kodierungen (m-f, m-w oder 1, 0) - Unterschiedliche Längen von Feldern
• Welche Probleme gibt es bei den historischen Daten? - Normalerweise werden Daten nach einer festen Zeit(z.B. 3 Monate) archiviert Tägliche Transaktionen erzeugen große Datenmengen Große Datenmengen brauchen viel (Platten-)platz Große Datenmengen erschweren die Administration - Für Berichte muss man daher auf bereits archivierteDaten zurückgreifen - Daten müssen akkumuliert werden
• Welche Probleme gibt es bei der Systembelastung? - das System wird durch die zusätzlichen Berichte stark belastet, da Berichte viele Daten verwenden und komplexe arithmetische Operationen beinhalten. das System ist für so eine Belastung nicht optimiert - der nötige Durchsatz der regelmäßigen Transaktionen ist in Gefahr jede Transaktion verwendet (nur) wenige Daten bearbeiten eine weit gehend konstante große Anzahl an Transaktionen - kann im Extremfall zu einem Systemausfall führen
• Was sind die damaligen ungeeigneten Technologien? - Kapazität und Kosten von Festplatten - Geringe Performance und hohe Kosten vonProzessoren - Keine graphischen Benutzerschnittstellen - Netzwerktechnologie in ihren Anfängen Ethernet
• Welche Schlussfolgerungen gibt es? - Es wird eine neues, vom transaktionalen getrenntes,System benötigt schnelle Berichte ad-hoc-Anfragen keine Behinderung der regelmäßigen Transaktionen - Data Warehouse
• Welche Anforderungen hat der Benutzer eines Data Warehouses? - Möchte alle wichtigen Daten vom Desktop-PC aus zugreifen und analysieren können- Verwendet Datenanalyse für seine täglichen Aufgaben- Möchte auf wechselnde Daten schnell zugreifen können- Möchte Korrelationen in den Daten feststellen können, indem er die Daten anschaut.
• Welche Charakteristika hat ein Data Warehouse? -- Beantwortet Fragen, die fürs Geschäft insgesamt wichtig sind- Unterstützt die Entscheidungen des Managements- Beseitigt (die) Schwierigkeiten, die man bei Verwendung bestehender transaktionaler Systeme hat- Ist kein (Software-)Produkt sondern eine Idee - Enthält Daten (mehrerer) verschiedener Systeme- Importiert regelmäßig Daten von diesen verschiedenen Systemen- fasst Daten zusammen (aggregiert)- stellt historische Daten zur Verfügung- erzeugt Metadaten- Komplett neues System - subject-oriented nicht prozessorientiert wie operationale Systeme zu Analysezwecken geeignet - integrated Daten sind physisch in einer Datenbank zusammengefasst und einheitlich repräsentiert - time-variant and non-volatile Daten sind für einen konkreten Zeitpunkt gültig Daten erstrecken sich über einen größeren Zeitraum Daten dürfen nicht geändert werden
• Wie ist Data Warehouse definiert? A data warehouse is a- Subject oriented,- Integrated,- Time variant,- Non volatilecollection of data in support of management's decision making process subject orientated: Ein Data Warehouse enthält Daten zu bestimmtenThemen, etwa- Kunden- Lieferanten- Produkte Es dient nicht primär der Erledigung einer konkretenAufgabe, wie- Kreditvergabe- Führung von Girokonten Data Warehouse ist eine- physische Datenbank, die eine- integrierte Sicht auf beliebige Daten,- zu Analysezwecken ermöglicht.
• Wie lautet die Integration im Data Warehouse? - Die Daten in einem Data Warehouse sind ausverschiedenen Quellen integriert- Aspekete der Integration- Konsistente Namenskonventionen- Konsistente Bedeutung der Variablen- Konsistente Kodierung- Konsistente Attribute der Daten- „One version of truth“
• Wie werden historische Daten (Time-variance) im Data Warehouse behandelt? - Alle Daten im Data Warehouse sind zu einem konkreten Zeitpunkt gültig Jedes Datum muss mit einem „time stamp“ assoziiert sein im operationalen System ist jedes Datum zum Zeitpunkt des Zugriffs gültig - Sobald ein Datum im Data Warehouse korrekt erfasst ist, darf es nicht mehr geändert werden Ein Data Warehouse ist praktisch eine lange Reihe von Schnappschüssen Operationale Daten werden bei Bedarf geändert  
• Was bedeutet nicht flüchtig/volatile? - Operationen im operationalen System insert delete update Read - Operationen im Data Warehouse load (initial und regelmäßig) read  
• Was sind Charakteristika operationaler Datenbanken? Online Transaction Processing (OLTP)- Kleine Transaktionen- Hauptsächliche Operationen:read, write, und update- Optimiert für Input- Arbeitet auf dem letzten gültigen Zusatnd der Daten- Arbeitet auf einer eingeschränkten Menge von Daten- Datenmodell: Entity-Relationship
• Was sind die Charakteristika analytischer Datenbanken? - Online Analytical Processing (OLAP) DSS: Decision Support System MIS: Management Information System Entscheidungsunterstützung Optimiert für die Datenanalyse und -extraktion Arbeitet typischerweise mit großen Datenmengen Verwendet ein spezielles Benutzerinterface  
• Was sind die Ziele der Benutzung eines Data Warehouse? - Informationen (Reporting)- Geschäftsanalyse- Planen- Durchführung von Kampagnen
• Was versteht man unter Informationen (Reporting)? - Berechnung verschiedener Messwerte – KPI(Key Performance Indicators) Umsatz, Gewinn, Kosten... Einsatz für „Business Performance Management“ - Benutzergruppen Höheres Management Controlling - Hauptsächlich regelmäßige Berichte „Standard Reporting“ Keine „ad hoc“-Anfragen 70 – 80 % aller Benutzer eines Data Warehouse - Web-basierte Benutzerschnittstelle
• Welche Art von Kampagnen sind möglich? - In Form von einzelnen Projekten durchgeführt Kampagnen-Planung Kampagnen-Durchführung Kampagnen-Evaluation - Benötigt Ein breites Spektrum von Daten Nicht alle Daten liegen von Beginn an im Warehouse vor Ausgefeilte Analysetechniken: Data mining - Beispiele Marketing-Kampagnen Verhindern, dass Kunden kündigen
• Wofür kann die Analyse verwendet werden? - Zur Lösung komplexer Probleme- Beispiel: Marketing Optimierung des Produkt-Portfolio Auswahl einer Zeilgruppe (z.B. für Werbung) Optimierung des Marketing-Budgets Wahl der Verkaufskanäle  

zurück  |  weiter 1 / 1