Hahne SAP Business Information Warehouse

Mehrdimensionale Datenmodellierung
1. Auflage 2005
ISBN: 978-3-540-26958-8
Verlag: Springer Berlin Heidelberg
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 219 Seiten

Das SAP Business Information Warehouse (BW) als Data Warehouse-Lösung zielt auf eine zeitnahe Versorgung betrieblicher Entscheidungsträger mit relevanten Informationen zu Analysezwecken. Basis hierfür sind die mehrdimensionalen Info-Cubes, deren Modellierung maßgeblich die Leistungsfähigkeit und erfolgreiche Nutzung eines BW-Systems beeinflusst. Dieses Buch stellt den gesamten Prozess der mehrdimensionalen Modellierung von Informationssystemen auf Basis des Business Information Warehouse dar, präsentiert adäquate Methoden und gibt Gestaltungsempfehlungen. Das Buch wendet sich an SAP-Berater und IT-Mitarbeiter, die mit der Implementierung eines BW-Systems betraut sind. Es ist als praktischer Leitfaden konzipiert und bietet neben dem Einstieg in das Thema auch ein fundiertes Nachschlagewerk für die tägliche Arbeit.

Autoren/Hrsg.

Hahne, Michael

Inhaltsverzeichnis

1;Vorwort;6
2;Inhaltsverzeichnis;8
3;1 Einleitung;12
4;2 Analyseorientierte Informationssysteme;16
4.1;2.1 Management Support Systeme;16
4.2;2.2 Data Warehouse;18
4.3;2.3 OLAP und mehrdimensionale Datenbanken;21
4.4;2.4 Weiterführende Literatur;23
4.5;2.5 Zusammenfassung;24
5;3 Datenmodellierung und Mehrdimensionalität;26
5.1;3.1 Datenmodelle und Datenmodellierung;26
5.2;3.2 Mehrdimensionale Datenstrukturen;29
5.3;3.3 Kennzahlen und deren Berechnung;41
5.4;3.4 Temporale Aspekte;45
5.5;3.5 Weiterführende Literatur;49
5.6;3.6 Zusammenfassung;50
6;4 Architektur des SAP Business Information Warehouse;52
6.1;4.1 Komponenten der Datenspeicherung im BW;54
6.2;4.2 Auswertung und Analyse auf Basis vom BW;63
6.3;4.3 Weiterführende Literatur;73
6.4;4.4 Zusammenfassung;73
7;5 Anwendungsbeispiel;76
7.1;5.1 Ausgangssituation;76
7.2;5.2 Projektdefinition und Projektziel;77
7.3;5.3 Fachkonzept der Fallstudie;78
8;6 Semantische mehrdimensionale Modellierung;86
8.1;6.1 Methoden mehrdimensionaler semantischer Datenmodellierung;86
8.2;6.2 Semantische Modellierung mit ADAPT;94
8.3;6.3 Erweiterung von ADAPT zu T-ADAPT;101
8.4;6.4 Semantisches Modell des Beispiels;105
8.5;6.5 Weiterführende Literatur;112
8.6;6.6 Zusammenfassung;113
9;7 Allgemeines Star Schema;116
9.1;7.1 Grundform des Star Schemas;116
9.2;7.2 Aggregate;126
9.3;7.3 Weitere Modellierungsvarianten;132
9.4;7.4 Weiterführende Literatur;139
9.5;7.5 Zusammenfassung;140
10;8 Logisches Datenmodell des BW;142
10.1;8.1 Erweitertes Star Schema der SAP;142
10.2;8.2 Modellierungsvarianten hierarchischer Dimensionsstrukturen;147
10.3;8.3 Abbildung zeitabhängiger Berichtsszenarien;153
10.4;8.4 Modellierung von Kennzahlen;163
10.5;8.5 Grafische Repräsentation logischer BW-Modelle;164
10.6;8.6 Ableitung eines BW-Modells für das Beispiel;171
10.7;8.7 Weiterführende Literatur;182
10.8;8.8 Zusammenfassung;183
11;9 Aspekte des physischen Modells;186
11.1;9.1 Multi-Provider;186
11.2;9.2 Komprimierung von Faktentabellen;189
11.3;9.3 Partitionierung von Faktentabellen;191
11.4;9.5 Weiterführende Literatur;196
11.5;9.6 Zusammenfassung;197
12;10 Gestaltungsempfehlungen;200
12.1;10.1 Modellierung von Dimensionsstrukturen;201
12.2;10.2 Abbildung von Kennzahlen;207
12.3;10.3 Gestaltung von Info-Cubes;208
13;Abkürzungsverzeichnis;214
14;Abbildungsverzeichnis;216
15;Tabellenverzeichnis;220
16;Literaturverzeichnis;222
17;Stichwortverzeichnis;226

Leseproben

3 Datenmodellierung und Mehrdimensionalität (S. 15-16)

Für Systemlösungen auf Basis des Data Warehouse Konzeptes und für OLAP Anwendungen haben zwei wesentliche Begriffe zentralen Charakter: Datenmodellierung und Mehrdimensionalität. Da die Modellierung von Systemen zur Unterstützung von Fach- und Führungskräften in ihren analytischen Fragestellungen einen entscheidenden Einfluss auf deren Akzeptanz und erfolgreiche Nutzung hat, steht dieser Aspekt in diesem Buch im Vordergrund. Zur begrifflichen Klärung geht Abschnitt 3.1 daher kurz auf die Begriffe des Datenmodells und der Modellierung ein. Die Mehrdimensionalität ist das zugrunde liegende Paradigma dieser analyseorientierten Systemlösungen und die Vielfalt an Ausgestaltungsmöglichkeiten mehrdimensionaler Strukturen wird in Abschnitt 3.2 aufgearbeitet. Abschnitt 3.3 befasst sich mit Kennzahlen und Kennzahlensystemen. Auf die Aspekte der Zeitabhängigkeit und der Veränderungen in Konsolidierungshierarchien geht Abschnitt 3.4 ein.

3.1 Datenmodelle und Datenmodellierung

Die Begriffe Datenmodell und Datenbankdesign werden in der Literatur mit unterschiedlicher Bedeutung eingesetzt. Um Missverständnissen bezogen auf den Datenmodell-Begriff vorzubeugen, muss die verwendete Definition klar dargestellt werden. Ganz allgemein ist ein Modell ein Objekt, das von einem Subjekt auf der Grundlage einer Struktur-, Funktions- oder Verhaltensanalogie zu einem Original eingesetzt und genutzt wird, um Aufgaben zu lösen, deren Durchführung unmittelbar am Original selbst nicht möglich bzw. zu aufwendig ist. In der metamathematischen Modelltheorie, einem Teilbereich der mathematischen Logik, wird unter einem Modell eine Interpretation eines Axiomensystems verstanden, wobei alle Axiome dieses Systems wahre Aussagen sind. Auf diesem Modellbegriff basieren grundlegende Verfahren zur Beurteilung von Vollständigkeit, Widerspruchsfreiheit und Definierbarkeit.

Diese Interpretation des Modellbegriffs wird in der Datenbanktheorie benutzt. Ein Datenmodell kann als formaler Rahmen zur Beschreibung von Datenstrukturen und Operationen auf Daten bezeichnet werden. Dies korrespondiert mit der Definition, wonach zur Darstellung von Datenmodellen die Unterscheidung in Strukturteil und Operationenteil vorgenommen wird (statischer und dynamischer Aspekt). Datenmodelle dienen der Beschreibung aller in einer Datenbank enthaltenen Daten und im Allgemeinen wird angenommen, dass in einem Datenmodell Objekte, deren Eigenschaften (Attribute) sowie Beziehungen zwischen Objekten modelliert werden. Dies ist auch Basis des weitreichenden Datenmodellbegriffs nach Brodie, welcher diesem Buch zugrunde liegt: Ein Datenmodell ist eine Menge mathematisch wohldefinierter Konzepte, die alle statischen und dynamischen Eigenschaften der Anwendungswelt erfassen soll, und zwar

• statische Eigenschaften wie Objekte, Eigenschaften von Objekten und Beziehungen zwischen Objekten,
• dynamische Eigenschaften wie Operationen auf Objekten, Eigenschaften dieser Operationen und Beziehungen zwischen Operationen,
• Integritätsbedingungen über Objekten (statische Integritätsbedingungen) sowie über Operationen (dynamische Integritätsbedingungen).

Datenmodelle sollen mithin die Bedeutung und Repräsentation von Daten beschreiben, d. h. ein Datenmodell geht aus Abstraktion eines zu modellierenden Realitätsausschnittes hervor. Datenmodelle können daher nach ihrer Nähe zur Realwelt klassifiziert werden. Diese weit verbreitete Strukturierung des Modellierungsvorganges ist in Abbildung 3 dargestellt. Danach werden die Ebenen der semantischen, logischen und physischen Datenmodellierung unterschieden. Der Realwelt am nächsten ist dabei die semantische Ebene.

Die Aufgabe des semantischen Datenmodells ist es, eine Brücke zwischen der Realwelt einerseits und dem logischen Datenmodell andererseits zu schlagen. Dieses ist noch losgelöst von dem einzusetzenden Datenbanksystem und soll den zu betrachtenden Realitätsausschnitt abstrahierend in einem Modell abbilden. Die Wahl eines geeigneten semantischen Datenmodells hängt somit von dem betrachteten Realitätsausschnitt ab. Zur semantischen Modellierung für herkömmliche OLTPAnwendungen und zum Einsatz von relationalen Datenbanksystemen hat sich in der Praxis das Entity Relationship-Modell (ERM) in weiten Bereichen bewährt.