Einheit 3 Flashcards

Question

Eigenschaften Data Marts

Answer 1

* Autonomer Betrieb: Flexibler Zugriff auf benötigte Daten durch Abteilungen * Datenhaltung: Speichern nur der relevanten Daten zur Entscheidungsunterstützung

Answer 2

* Vorteile: geringe Rechnerleistung, kostengünstig, anpassbar an fachliche Gegebenheiten * Nachteile: hoher Aufwand für Qualitätssicherung, Datenredundanz, beschränkte Sicht auf Daten, schwierig für abteilungsübergreifende Analysen

Answer 3

* Online: Direkter Zugriff der Anwender auf den zentralen Datenbestand, um Daten zu betrachten oder zu manipulieren * Analytical: Ermöglicht unterschiedliche Sichten für Entscheidungsträger, im Gegensatz zu OLTP, das sich auf Geschäftsvorfälle konzentriert * Processing: Schnelle Berechnungen und Manipulationen durch den Anwender

Answer 4

1. Multidimensionale konzeptionelle Sichtweise auf die Daten: ermöglicht die Analyse, Aggregation und Korrelation von Daten. Ergebnisse werden visualisiert zur Verfügung gestellt 2. Transparenz: Abfragen können ohne Kenntnisse der zugrundenliegenden Datenstrukturen durchgeführt werden 3. Zugriffsmöglichkeit: Analysen auf Basis unternehmensinterner und externer Datenquellen sind möglich 4. Gleichbleibende Antwortzeit bei der Berichterstellung: Antwortzeit bleibt unabhängig von der Anzahl der Dimensionen oder Datensätze konstant 5. Client-Server-Architektur: Trennung von Speicherung, Verarbeitung und Darstellung. OLAP-Server bietet eine offene Schnittstelle. 6. Generische Dimensionalität: Einheitliche Struktur und Funktionalität aller Dimensionen 7. Dynamische Behandlung unvollständig besetzter Matrizen: Funktionalitäten bleiben auch bei unvollständig besetzten Matrizen erhalten 8. Mehrbenutzerunterstützung: Mehrere Benutzer können parallel auf die gleichen Daten zugreifen. Konsistenz der Daten bleibt erhalten 9. Uneingeschränkte kreuzdimensionale Operationen: Berechnungen über beliebige Dimensionen hinweg sind möglich 10. Intuitive Darstellung und Bearbeitung der Daten: Anwender können Analysen selbstständig und intuitiv durchführen 11. Flexible Berichterstellung: Berichtselemente aus verschiedenen Zeilen und Spalten sind frei positionierbar 12. Unbegrenzte Anzahl von Dimensionen und Klassifikationsebenen: Analysen können mit einer beliebigen Anzahl von Dimensionen durchgeführt werden

Answer 5

1. Datenintegration: Zugriff auf die multidimensionale Datenstruktur und darunter liegende Daten 2. Unterstützung verschiedener Analysemodelle: Vier Datenmodelle werden unterstützt: * kategorisches Datenmodell: Historische Daten werden mit aktuellen Daten verglichen, um den aktuellen Zustand zu definieren * exegetischen Datenmodell: Ursachenanalyse, die zu dem aktuellen Zustand geführt haben * kontemplative Modell: Simulation mit verschiedenen Werten oder Abweichungen von/zwischen Dimensionen * formelbasiertes Modell: Berechnung, durch welche Veränderungen von Kennzahlen und Parametern ein vorgegebener Zielzustand erreicht werden kann 3. Trennung analyseorientierter von den operativen Daten: Veränderungen im DWH werden nicht ins Quellsystem übernommen 4. Trennung der Speicherorte: Veränderungen werden nicht auf dem produktiven Datenbestand gespeichert 5. Unterscheidung zwischen Null- und Fehlwerten: Es müssen fehlende Werte und Werte mit dem numerischen Wert 0 unterschieden werden können 6. Behandlung von fehlenden Werten: Fehlende Werte sollen effizient verwaltet werden, sodass eine optimale Nutzung der Speicherkapazität gewährleistet werden kann

Answer 6

* Geschwindigkeit: Anfragen sollen in unter fünf Sekunden beantwortet werden * Analysemöglichkeit: Intuitive und benutzerfreundliche Analyse der Daten * Sicherheit: Mehrere Anwender können gleichzeitig auf dieselben Daten zugreifen * Multidimensionalität: Nutzung und Kombination multidimensionaler Daten für Analysen * Kapazität: Antwortzeiten bleiben unabhängig von der Anzahl der Anfragen und Datenmenge stabil

Answer 7

Multidimensional OLAP * Physische Speicherung: Daten werden tatsächlich physisch in mehrdimensionalen Datenbanken gespeichert * Schnellere Antwortzeiten: Vorteilhaft für Analysen mit kleineren Datenmengen * Höheres Datenvolumen: Je höher die Anzahl der Dimensionen, desto höher das Datenvolumen

Answer 8

Relational OLAP * Basiert auf relationalen DBMS: Implementierung nach dem Star- oder Snowflake-Schema * Tabellenarten: Dimensionstabellen (Stammdaten) und Faktentabellen (Bewegungsdaten -> werden durch Stammdaten beschrieben) * Dynamische Sichten: Multidimensionale Sichten werden dynamisch erzeugt

Answer 9

Online Transactional Processing * Unterstützt operatives Geschäft * Verwendet aktuelle und detaillierte Daten * Operationen: Anlegen, Lesen, Ändern, Löschen von Daten * Eignet sich für tägliche Geschäftsprozesse vs. OLAP: * Unterstützt Analyse und Entscheidungsfindung * Nutzt historische und aggregierte Daten * Operationen: Multidimensionale Abfragen, ad hoc-Analysen * Eignet sich für strategische Analysen und Berichte

Answer 10

* Verwaltung großer Datenvolumina: ROLAP kann große Datenvolumina besser verwalten * Flexibilität bei der Dimensionenwahl: Bei ROLAP kann die Anzahl der Dimensionen flexibel gewählt werden * Know-How: In den meisten Unternehmen ist das Know-How über die Verwendung von ROLAP-Anwendungen vorhanden, während es bei MOLAP-Anwendungen oft fehlt * Robuste Technologie: ROLAP basiert auf einer robusten Technologie, die in den meisten Unternehmen verfügbar ist * Keine Vorberechnungen notwendig: ROLAP-Anwendungen greifen auf bestehende relationale Tabellen zu, während MOLAP-Anwendungen einen hohen Vorberechnungsaufwand erfordern

Answer 11

* Drehung des OLAP-Würfels um horizontale/ vertikale Achse * Ziel: Austausch der Dimensionen zur weiteren Analyse * Bsp: Wechsel von Betrachtung Kunde/Produkt zu Region/Produkt * Pivotierung: Nutzung von Pivottabellen zur Darstellung mehr als drei Dimensionen. * Rotation: führt dazu, dass neue Dimensionen in die Tabelle aufgenommen werden

Answer 12

* Roll-Up: Aggregation der Daten, höhere Hierarchieebene (z.B. Städte zu Regionen) * Drill-Down: Detaillierung der Daten, tiefere Hierarchieebene (z.B. Region X zu Städten)  Zielabhängig: Roll-Up für Übersicht, Drill-Down für Details

Answer 13

* Filterung der Gesamtdatenmenge * Slice: Eine Dimension auf einen Wert reduzieren (eine Scheibe) – z.B. nur eine Region/ Produkt * Dice: Filterung der Datenmenge, Auswahl einzelner Blöcke; Fokussierung auf einen Teilausschnitt aus der Realität – z.B. Berücksichtigung von zwei Produkten, zwei Regionen, zwei Kunden  neu entstandener Datenwürfel als Ergebnis

Einheit 3 Flashcards

(37 cards)