Vor Ort
Merkzettel Warenkorb
Data-Warehouse-Systeme für Dummies

Data-Warehouse-Systeme für Dummies

Aus der Reihe
Taschenbuch

Taschenbuch

27,80 € eBook

eBook

23,99 €

Data-Warehouse-Systeme für Dummies

Ebenfalls verfügbar als:

Taschenbuch

Taschenbuch

ab 27,80 €
eBook

eBook

ab 23,99 €

27,80 €

inkl. MwSt, zzgl. Versandkosten

  • Kostenlose Lieferung ab 30 € Einkaufswert
  • Versandkostenfrei für Bonuscard-Kund*innen

Beschreibung

Details

Einband

Taschenbuch

Erscheinungsdatum

12.09.2018

Verlag

Wiley-VCH

Seitenzahl

318

Maße (L/B/H)

24,1/18/2 cm

Gewicht

566 g

Auflage

1. Auflage

Sprache

Deutsch

ISBN

978-3-527-71447-6

Beschreibung

Rezension

"Das didaktisch gut aufgebaute Buch auf dem aktuellen Stand der Technik endet mit 10 Übungsaufgaben (mit Lösungen) und ist auch zum Selbststudium gut geeignet."

(EKZ im Dezember 2018)

Details

Einband

Taschenbuch

Erscheinungsdatum

12.09.2018

Verlag

Wiley-VCH

Seitenzahl

318

Maße (L/B/H)

24,1/18/2 cm

Gewicht

566 g

Auflage

1. Auflage

Sprache

Deutsch

ISBN

978-3-527-71447-6

Herstelleradresse

Wiley-VCH GmbH
Boschstraße 12
69469 Weinheim
DE

Email: wiley.buha@zeitfracht.de

Weitere Bände von ... für Dummies

Unsere Kundinnen und Kunden meinen

0.0

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Erste Bewertung verfassen

Unsere Kundinnen und Kunden meinen

0.0

0 Bewertungen filtern

Weitere Artikel finden Sie in
Die Leseprobe wird geladen.
  • Data-Warehouse-Systeme für Dummies

  • Einleitung 19

    Über dieses Buch 19

    Konventionen in diesem Buch 20

    Was Sie nicht lesen müssen 20

    Törichte Annahmen über den Leser 21

    Wie dieses Buch aufgebaut ist 21

    Teil I: Was ist ein Data Warehouse? 21

    Teil II: Architektur eines Data-Warehouse-Systems 21

    Teil III: Anwendungsbereiche für ein Data Warehouse 22

    Teil IV: Modellierung eines Data-Warehouse-Systems 22

    Teil V: Zugriff auf ein Data Warehouse 22

    Teil VI: Speicherung und Optimierung auf Datenbankebene 22

    Teil VII: Der Top-10-Teil 22

    Symbole, die in diesem Buch verwendet werden23

    Wie es weitergeht 23

    TEIL I WAS IST EIN DATA WAREHOUSE? 25

    Kapitel 1 Ein Beispiel zur Einführung 27

    Daten und ihre Verarbeitung 27

    Daten und Datenbanken 27

    Die Verarbeitung von Daten 28

    Analyse von Absatzmengen und Planzahlen als Beispiel 29

    Besonderheiten analytischer Aufgabenstellungen 31

    Wenn personenbezogene Daten ins Spiel kommen 34

    Kapitel 2 Das Data Warehouse im Umfeld der betrieblichen Informationssysteme 35

    Hierarchie betrieblicher Informationssysteme 35

    Zusammenfassung: Analytische Informationssysteme 38

    Beispiele für analytische Informationssysteme 39

    Beispiel 1: Analytische Informationssysteme im CRM 39

    Beispiel 2: Kennzahlen-Analysesysteme im Rechnungswesen 41

    Beispiel 3: Website-Analysesysteme 43

    Fazit: Data Warehouse und analytische Informationssysteme 45

    Kapitel 3 Definition und Abgrenzung des Begriffs 'Data Warehouse' 47

    Die 3-Schichten-Architektur analytischer Informationssysteme 47

    Definitionen des Begriffs Data Warehouse 50

    Definition von Inmon 50

    Definition von Kimball 52

    Vergleich der beiden Definitionen 53

    Anwendungsfall: Das Data Warehouse und Business Intelligence 54

    TEIL II ARCHITEKTUR EINES DATA-WAREHOUSE-SYSTEMS 57

    Kapitel 4 Überblick über die Architektur eines Data-Warehouse-Systems 59

    Die Phasen des Data Warehousing 59

    Ein allgemeines Data-Warehouse-Architekturmodell 61

    Vorgehensweisen bei der Erstellung eines Data Warehouse 64

    Projektdefinition und Machbarkeitsstudie 65

    Analyse, Entwurf und Einführung für einen Anwendungsbereich 66

    Kapitel 5 Der ETL-Prozess 69

    Überblick 69

    Ein einführendes Beispiel 70

    Extraktion 71

    Das Pull-Prinzip 71

    Das Push-Prinzip 72

    Beispiele 72

    Transformation 77

    Datenbestandsanalyse 77

    Datenbereinigung 78

    Datenintegration 80

    Laden 82

    Kapitel 6 Die Basisdatenbank 85

    Merkmale der Basisdatenbank 85

    Unterschied zwischen operativen Datenbanken und der Basisdatenbank 87

    Die operativen Quellsysteme des Beispiels 88

    Die Basisdatenbank des Beispiels 89

    Kapitel 7 Das Analyse-Subsystem 93

    Dimensionen und Fakten 93

    Dimension oder Metrik? 95

    Metriken als Dimension 96

    Dimensionen als Metrik 97

    Klassifizierung von Dimensionen 98

    Fachliche Dimensionen 98

    Kategorische Dimensionen 98

    Strukturelle Dimensionen 99

    Hierarchien von Dimensionswerten 99

    Parallele Hierarchien 100

    Unausgeglichene Hierarchiebäume 101

    Strukturänderungen in Hierarchien 102

    Slowly Changing Dimensions 102

    Typ 1: Überschreiben 103

    Typ 2: Neue Zeile 104

    Typ 3: Spalten mit altem und neuem Wert 105

    Typ 4: Mini-Dimension 105

    Zusammenfassung 106

    Verknüpfung von Dimensionen über Metriken 106

    Aggregationstypen von Fakten 107

    Die Themen Datenqualität und Datenschutz 108

    Datenqualität 108

    Datenschutz 109

    Architekturvarianten für ein Analyse-Subsystem 109

    Möglichkeiten für die Architektur 110

    Die Hub-and-Spoke-Architektur 111

    Auswertungen und Analysen 112

    Kapitel 8 Metadaten 113

    Was sind Metadaten?113

    Metadaten im Data-Warehouse-Kontext 114

    Das Metadaten-Management in einem Data-Warehouse-System 114

    Standards für Data-Warehouse-Metadaten 118

    Ein kleines Beispiel 119

    TEIL III ANWENDUNGSBEREICHE FÜR EIN DATA WAREHOUSE 121

    Kapitel 9 Reporting 123

    Das Berichtswesen eines Unternehmens 123

    Überblick und Definition 123

    Erzeugung und Verteilung von Reports 125

    Arten von Berichtssystemen 125

    Was sich Anwender vom Reporting wünschen und wie die Wirklichkeit oft aussieht 126

    Einige Tipps für die Report-Gestaltung 127

    Graphische Darstellungen im Report 128

    Die Hichert-Success-Regeln 131

    Grundformen für Reports 132

    Ist-Ist-Vergleiche 132

    Plan-Ist-Vergleiche 133

    Plan-Wird-Vergleiche 134

    Berücksichtigung dynamischer Dimensionsstrukturen 135

    Report as-is 136

    Report as-of 136

    Report as-posted 137

    Ein praktisches Beispiel 137

    Kapitel 10 Online Analytical Processing 139

    Motivation und Definition 139

    Charakteristika von OLAP 141

    Abgrenzung OLAP und OLTP 141

    Die Coddschen Regeln 142

    FASMI 143

    Spezielle OLAP-Operatoren 144

    Pivotierung bzwRotation 144

    Roll-up und Drill-down 145

    Slice und Dice 146

    Beispiel 148

    Kapitel 11 Data Mining151

    Einführung 151

    CRISP-DM 153

    Methoden und Verfahren beim Data Mining 154

    Assoziationsanalyse 155

    Clusteranalyse 160

    Klassifikation mit der Diskriminanzanalyse 164

    Entscheidungsbaumverfahren 166

    Spezielle Data-Mining-Fragestellungen im Kontext von Data-Warehouse-Daten 171

    Welche Artikel werden gemeinsam gekauft? 172

    Unterscheiden sich gute, normale und schlechte Kunden? 172

    Welche Kunden besitzen eine bestimmte Produktaffinität? 173

    Praxisbeispiel 'Predictive Analytics' 174

    Kollaboratives Filtern 175

    TEIL IV MODELLIERUNG EINES DATA-WAREHOUSE-SYSTEMS 177

    Kapitel 12 Data Vault 179

    Einführung 179

    Hubs, Satelliten und Links 180

    Hubs 180

    Links 182

    Satelliten183

    Beispiel 185

    Kapitel 13 Semantischer Entwurf eines Data Warehouse 191

    Zur Wiederholung: das Entity-Relationship-Modell 191

    Drei Schritte bei der Modellierung einer Datenbank 192

    Das ER-Modell: Entitätstypen, Attribute und Beziehungen 192

    Das multidimensionale ER-Modell 194

    ADAPT 196

    Kapitel 14 Relationale Modellierung der Datenwürfel 199

    Einführung 199

    Das Star-Schema 200

    Beispiel 201

    Besondere Merkmale des Star-Schemas 204

    Das Snowflake-Schema 207

    Vergleich von Star- und Snowflake-Schema 209

    Das Galaxy-Schema 211

    TEIL V ZUGRIFF AUF EIN DATA WAREHOUSE 213

    Kapitel 15 Multidimensionale Abfragen mit SQL 215

    Zugriff auf ein Data Warehouse mit SQL 215

    Erzeugen der Tabellen 216

    Typische analytische Fragestellungen 218

    OLAP-Erweiterungen von SQL 220

    Die WINDOW-Klausel 220

    Erweiterungen der GROUP-BY-Option 225

    Statistische Funktionen 228

    Kapitel 16 Die Abfragesprache MDX 229

    Einführung 229

    Spezielle OLAP-Operatoren und Funktionen 233

    Tupel und Sets 233

    Member und Children 234

    Kreuzprodukt mittels Crossjoin 234

    Der WITH-Operator 235

    Häufige Fragestellungen 236

    Kapitel 17 Zusammenspiel von MDX und SQL 239

    OLAP-Server 239

    Der OLAP-Server Mondrian 241

    MDX-Schema von Mondrian 241

    Mondrian-Frontend-Tools 245

    TEIL VI SPEICHERUNG UND OPTIMIERUNG AUF DATENBANKEBENE 247

    Kapitel 18 ROLAP, MOLAP und anderes 249

    ROLAP und MOLAP 249

    Spaltenorientierte und In-Memory-Speicherung 252

    NoSQL-Datenbanksysteme 255

    Typen von NoSQL-Systemen 255

    NoSQL-Datenbanken bei einem Data Warehouse 258

    Beurteilung 263

    Kapitel 19 Optimierungsmöglichkeiten bei relationalen Datenbanken 265

    Einführung 265

    Partitionierung 266

    Partition by List 267

    Partition by Range 268

    Partition by Hash 268

    Partition by Reference 269

    Materialized Views 270

    Klassische Views vsMaterialized Views 270

    Materialized Views bei einem Data Warehouse 273

    Indizierung 274

    Klassischer Index 274

    Bitmap-Index 275

    Mehrdimensionale Indizes 276

    TEIL VII DER TOP-10-TEIL 279

    Kapitel 20 10 Schritte auf dem Weg zu Ihrem ersten Dashboard 281

    Und so wird es gemacht 282

    Festlegung der Datenquellen 282

    Vorbereitung der Daten 283

    Erstellung eines Dashboards 285

    Daten aus mehreren Quellen 287

    Integration von Landkarten 288

    Kapitel 21 10 Schritte, die helfen, die richtige Data-Warehouse-Software zu finden 291

    Marktanalyse für BI-Software 291

    Definition der eigenen Anforderungen 292

    Einbindung des Managements, Projektplan 293

    Marktanalyse der infrage kommenden BI-Anbieter 293

    Einholung von Angeboten 293

    Durchführung von Testinstallationen 294

    Bewertung der Systeme 294

    Ermittlung der Kosten 295

    Einholung von Referenzen, Anbieterqualifikation 296

    Überprüfung der Lizenzvereinbarung 296

    Kapitel 22 10 Übungsaufgaben zur Wiederholung 297

    Aufgaben 297

    Aufgabe 1: Assoziationsanalyse 297

    Aufgabe 2: Diskriminanzanalyse 297

    Aufgabe 3: Data Vault 298

    Aufgabe 4: ADAPT 298

    Aufgabe 5: MDX299

    Aufgabe 6: Star-Schema 299

    Aufgabe 7: OLAP mit SQL 299

    Aufgabe 8: Snowflake-Schema 300

    Aufgabe 9: Optimierung 300

    Aufgabe 10: Multidimensionale Datenbank301

    Lösungen 301

    Lösung von Aufgabe 1 301

    Lösung von Aufgabe 2 303

    Lösung von Aufgabe 3 303

    Lösung von Aufgabe 4 304

    Lösung von Aufgabe 5 304

    Lösung von Aufgabe 6 306

    Lösung von Aufgabe 7 307

    Lösung von Aufgabe 8 309

    Lösung von Aufgabe 9 309

    Lösung von Aufgabe 10 311

    Literaturverzeichnis 313

    Stichwortverzeichnis 317