Zusammenfassung
Nach der Klärung von Grundlagen und allgemeinen Modellierungsaspekten in Kapitel 6.1 und 6.2 folgt in Kapitel 6.3 die Darstellung multidimensionaler Datenstrukturen, die in vielen Managementunterstützungssystemen zum intuitiveren Umgang mit den Daten eingesetzt werden und zudem durch die OLAP-Regeln explizit gefordert sind. Anschließend werden in Kapitel 6.4 die besonderen Aspekte der Abbildung von Zeit behandelt. Das Kapitel schließt mit einer Einführung von differenzierten Sichten für die Modellierung von Daten in einem Data Warehouse.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Bossel, H.: Modellbildung und Simulation - Konzepte, Verfahren und Modelle zum Verhalten dynamischer Systeme, Braunschweig/Wiesbaden, 1992, S. 27.
Vgl. Bossel, H.: Modellbildung und Simulation, a.a.O., S. 28.
Vgl. Demarco, T.: Software Projektmanagement - Wie man Kosten, Zeitaufwand und Risiko kalkulierbar plant, München 1989, S. 59.
Vgl. Ellinger, T.; ASMUSSEN, R.; SCHIRMER, A.: Verbesserte Produktionsplanung durch Simulation, Rationalisierungs-Kuratorium der deutschen Wirtschaft, Eschborn 1987, S. 31.
Vgl. Littger, K.: Optimierung - Eine Einführung in rechnergestützte Methoden, Berlin 1992, S. 1.
Vgl. Schneeweib, C.: Elemente einer Theorie betriebswirtschaftlicher Modellbildung, in: Zeitschrift für Betriebswirtschaft: 5/1984, S. 483 (480–504).
Vgl. Schneeweib, C.: Elemente einer Theorie betriebswirtschaftlicher Modellbildung, a.a.O., S. 483.
Vgl. Schneeweib, C.: Elemente einer Theorie betriebswirtschaftlicher Modellbildung, a.a.O., S. 483.
Vgl. Ellinger, T.; ASMUSSEN, R.; SCHIRMER, A.: Verbesserte Produktionsplanung durch Simulation, a.a.O., S. 31.
Wedekind, H.: Datenmodell, in: Mertens, P. (Hrsg.): Lexikon der Wirtschaftsinformatik, 3. Auflage, Berlin/Heidelberg/New York 1997, S. 118 (118–120).
Vgl. De Ridder, L.; KöN1G, H.: CIMOSA - Architektur für Offenen Systeme und Modellierung von Unternehmensprozessen, in: CIM Management: 4/1992, S. 6 (4–11).
Schuldt, G.: Definition of Data Modelling, in: Data Base Newsletter: 5/1996, S. 10.
Vgl. Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle für industrielle Geschäftsprozesse, a.a.O., S. 14 ff.
In Anlehnung an Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle far industrielle Geschäftsprozesse, a.a.O., S. t 5.
Vgl. Codd, E.F.: OLAP On-Line Analytical Processing mit TM/l; Whitepaper, ohne Ort 1994, S. 9.
Vgl. Thomsen, E.: Dimensional Modeling: An Analytical Approach, in: Database Programming and Design: 3/1997, S. 29 ff. (29–35).
Vgl. Bulos, D.: A New Dimension, Database Programming and Design: 6, 1996, S. 34 (33–37).
Vgl. Mcguff, F.: Data Modelling for Data Warehouses, S. 31 f
In diesem Zusammenhang spricht man auch von der Granularität der Daten.
Vgl. Scheer, A.-W.: Wirtschaftsinformatik, Referenzmodelle für industrielle Geschäftsprozesse, a.a.O., S. 35 ff.
Vgl. Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle für industrielle Geschäftsprozesse, a.a.O., S. 36.
Vgl. Scheer, A.-W.: Wirtschaftsinformatik - Informationssysteme im Industriebetrieb, 3. Auflage, Berlin/Heidelberg/New York 1990, S. 27.
Vgl. Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle Fir industrielle Geschäftsprozesse, a.a.O., S. 40.
Vgl. Biethahn, J.; Mucksch, H.; Ruf, W.: Ganzheitliches Informationsmanagement, Band 2, a.a.O., S. 67 f.
Vgl. Mcguff, F.: Data Modelling for Data Warehouses, a.a.O., S. 28 ff.
D. Bulos spricht in diesem Falle von einer sogenannten Tupeldimension, die auch eine Kombination aus anderen Dimensionstypen sein kann. Vgl. Bulos, D.: A New Dimension, a.a.O., S. 34.
Als Beispiel sei die Zeitdimension genannt, in welcher eine logische Ordnung von Dirnensionspositionen auf einer Ebene zwingend erforderlich ist. Vgl. Bulos, D.: A New Dimension, a.a.O., S. 34.
Vgl. Thomsen, E.: Dimensional Modeling, a.a.O., S. 29 ff.
Gluchowski, P.: Modelling Multidimensional Data Structures, Vortrag auf der trendforum-Tagung, München, Mai 1996.
Vgl. Kenan Technologies: An Introduction to Multidimensional Database Technology, a.a.O., S. 20.
Holthuis, J.: Multidimensionale Datenstrukturen - Grundkonzept, Funktionalität, Implementierungsaspekte, in: Mucksch, H.; Behme, W. (Hrsg.): Das Data-Warehouse-Konzept, Architektur - Datenmodelle - Anwendungen, 1. Auflage, Wiesbaden 1996, S. 183 (165204).
Gluchowski, P.: Modelling Multidimensional Data Structures, a.a.O.
Vgl. Gluchowski, P.: Architekturkonzepte multidimensionaler Data Warehouse-Lösungen, in: Mucksch, H.; Behme, W. (Hrsg.): Das Data-Warehouse-Konzept: Architektur - Datenmodelle - Anwendungen, 1. Auflage, Wiesbaden 1996, S. 247 (229–261).
Vgl. Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle für industrielle Geschäftsprozesse, a.a.O., S. 11.
Rights and permissions
Copyright information
© 1998 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Holthuis, J. (1998). Besonderheiten der Modellierung einer Data Warehouse-Datenbasis. In: Der Aufbau von Data Warehouse-Systemen. Gabler Edition Wissenschaft. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-08346-7_6
Download citation
DOI: https://doi.org/10.1007/978-3-663-08346-7_6
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-6722-8
Online ISBN: 978-3-663-08346-7
eBook Packages: Springer Book Archive