BIR Modul 3

Themenorientierte, integrierte, nicht-flüchtige, zeitabhängige, Sammlung von Daten um Manangemententscheidungen z zu Unterstützen.

Zusammenhängende Informationen über bestehende Themengebiete. Erlaubt Aussagen darüber, wie das Geschäft läuft und warum.

Überführt Daten aus operativen Systemen in ein konsistentes Format

In das Data Warehouse geladene Daten sind nicht veränderbar oder überschreibbar.

Speicherung historischer Daten mit eigenen Zeitstempel. Erlaubt Trends, Abweichungen und Langzeitabhängikeiten zu erkennen. (Verwendung für Forecats, Vergleiche)

(=Anwendungssystem auf Geschäftsebene)

• Hohe Update-Häufigkeit und aktuelle Daten (Überschreibungen aus Performancegründen)
• ungewiss
• geringe Entwicklungskosten, hohe laufende Kosten für Reporterstellung
• Performance und Aufnameorientiert

(Anwendungssystem auf Geschäftsebene)

• Applikation für das Tagesgeschäft
• i. d.R. eine
• abgekapselte Systeme, nur eine Perspektive gegeben
• Sachbearbeiter
• Operation: lesen, schreiben, modifizieren, löschen,

(speziell auf die Entscheidungsunterstützung im Manangement ausgerichtete Datenbasis)

• geringere Update-Häufigkeit, historische Speicherung
• erhöht durch Vorbearbeitung
• hohe Entwicklungskosten
• Auswertungsgeschwindikeit en für Analysen, Query-optimierung

• Tool für die strategische Entscheidungsunterstützung
• mehrere
• Quellen-übergreifende Perspektiven
• große Datenmengen im GB-TB.PB Bereich, Operationene: primär Lesen

• Datenquellen (Ausgangspunk, aus verschiedenen unabhängigen internen und externen operativen Datenbanksystemen gewonnen)
• Datenmigrationsprozess (ELT extrahieren und konsistente Überführung, parallel Z: Sicherung der Datenqualität)
• Data Warehouse Kern (Architektonischer und technischer Aufbau, mit opt. Subsystemen, verantwortlich für die Infromationsspeicherung und Auswertung)
• Middleware (Übersetzung und Vermittlungsschicht, Sichert Verbindung zw. Nurtzer und DWH bzw. dessen Subsystemen)
• Auswertungstools (Grafische Aufbereitung, verschiedene Verwendungszwecke)

• Beschreibung der wesentlichen Komponenetne mit ihren Eigenschaften und Funktionen sowie deren Beziehungssystem
• Saubere Architektur bietet Vorteil bei Entwicklung und dem Betrieb
• Entscheidend für den Aufwand/- die Umsetzbarkeit zukünfitger Anforderungen (z.B. Skalierbarkeit)

• Unterschiedliche Formen und Ausgestaltungen als Ergebnis von historisch gewachsenen IT-Landschaften
• Varianten unterscheiden sich deutlich hinsichtlich der Anzahl der Komponenten, der gesamten Komplexität, des Aufwands für Entwicklung und Betrieb sowie der Performance und Skalierbarkeit

• Multi-tier Architektur:
  Hohe Skalierbarkeit, hohe Performanceleistung, Multinutzer-Zugriff
• Multi-tier nach Hoffer:
  DWH selbst: Daten und Software, Datenakquisitions-Software (backend): ELT (siehe Modul 5) Prozess, Client-Software (frontend): User-Zugriff und -Analysen

Enterprise Data Warehouse:

• Vereinigung eines unternehmensweiten Datenestands aus internen/ externen Quellen
• Granulare Datenerhaltung als  zentrales Respository (Lager) mit einem normalisierten DAtenmodell (i.S. eines Hubs)
• Optimierung für übergreifende Analysezwecke > Entsprechende Themenorientierung und Historisierung
• Enorme Ausmaße
• Erweiterung um Data Marts möglch

• Kopie eines Teildatenbestandes des Data Warehouse für bestimmte Anwendungen oder Betriebseinheiten > Entsprechende Optimierung und Aufbereitung für spezifische Anwendungsbereiche
• Unterscheidung zwischen abhängig und unabhängig