Cargando…
Data Warehouse : Technologien /
Architekturprinzipien von Data-Warehouse-Systemen Datenstrukturen und Algorithmen Anwendungsfeld Business Intelligence Dieses Lehrbuch behandelt Konzepte und Techniken von Data-Warehouse-Systemen, die eine wesentliche Komponente in betrieblichen Entscheidungsprozessen darstellen. Im Mittelpunkt steh...
| Clasificación: | Libro Electrónico |
|---|---|
| Autores principales: | , , |
| Formato: | Electrónico eBook |
| Idioma: | Alemán |
| Publicado: |
Heidelberg :
mitp,
2014.
|
| Edición: | Zweite Auflage. |
| Temas: | |
| Acceso en línea: | Texto completo (Requiere registro previo con correo institucional) |
Tabla de Contenidos:
- Cover; Titel; Impressum; Inhaltsverzeichnis; 1 Einführung in Data-Warehouse-Systeme; 1.1 Anwendungsszenario Getränkemarkt; 1.2 OLTP versus OLAP; 1.2.1 OLAP- versus OLTP-Transaktionen; 1.2.2 Vergleich von OLTP und OLAP; 1.2.3 Abgrenzung: DBMS-Techniken; 1.3 Charakteristika und Begriffe; 1.4 Big Data und Data Warehousing; 1.5 Aufbau des Buches; 1.6 Vertiefende Literatur; 1.7 Übungen; 2 Architektur; 2.1 Anforderungen; 2.1.1 Grobe Übersicht über Data-Warehouse-Systeme; 2.1.2 Anforderungen an die Architektur; 2.1.3 Die 12 OLAP-Regeln nach Codd; 2.1.4 Die FASMI-Anforderungen
- 2.2 Datenfluss in einem Data-Warehouse-System2.2.1 Phasen des Data Warehousing; 2.2.2 Datenquellen; 2.2.3 Datenbereinigungsbereich; 2.2.4 Extraktionskomponenten; 2.2.5 Transformationskomponenten; 2.2.6 Ladekomponente; 2.2.7 Basisdatenbank; 2.2.8 Befüllen; 2.2.9 Der Datenwürfel; 2.2.10 Data Marts; 2.2.11 Das Data Warehouse; 2.3 Referenzarchitektur; 2.3.1 Data-Warehouse-Manager; 2.3.2 Monitore; 2.3.3 Repository; 2.3.4 Metadaten-Manager; 2.3.5 Diskussion der kompletten Referenzarchitektur; 2.4 Architektur des Data Warehouse; 2.4.1 Rolle der Data Marts
- 2.4.2 Abhängige Data Marts: Nabe und Speiche2.4.3 Unabhängige Data Marts; 2.4.4 Föderierte und virtuelle Datenwürfel; 2.4.5 Data-Warehouse-Architektur in der Praxis; 2.4.6 Ein Multi-Schichten-Architekturansatz; 2.5 Vertiefende Literatur; 2.6 Übungen; 3 Modellierung von Data Warehouses; 3.1 Das multidimensionale Datenmodell; 3.1.1 Grundbegriffe; 3.1.2 Dimensionen; 3.1.3 Fakten und Kennzahlen; 3.1.4 Schema des multidimensionalen Datenwürfels; 3.2 Konzeptuelle Modellierung; 3.2.1 Das ME/R-Modell; 3.2.2 ADAPT; 3.3 Relationale Umsetzung; 3.3.1 Prinzip der relationalen Abbildung
- 3.3.2 Snowflake-Schema3.3.3 Star-Schema; 3.3.4 Vergleich von Snowflake- und Star-Schema; 3.3.5 Fact-Constellation-Schema und Galaxie-Schema; 3.3.6 Alternative Modellierung von Klassifikationshierarchien; 3.3.7 Vermeidung von Semantikverlusten; 3.4 Slowly Changing Dimensions; 3.4.1 Berichtsanforderungen im Data Warehouse; 3.4.2 Typdefinitionen nach Kimball; 3.4.3 Realisierungen im Data Warehouse; 3.5 Vertiefende Literatur; 3.6 Übungen; 4 Extraktions-, Transformations- und Ladeprozess; 4.1 Qualitätsaspekte; 4.1.1 Der Datenbereinigungsprozess; 4.1.2 Duplikaterkennung; 4.1.3 Vergleichsfunktionen
- 4.1.4 Beheben von Datenkonflikten4.2 Der ETL-Prozess; 4.3 Die Extraktionsphase; 4.3.1 Extraktionstechniken; 4.3.2 Methode des Differential Snapshot; 4.4 Die Transformationsphase; 4.4.1 Daten- und Schemakonflikte; 4.4.2 Mappings im Transformationsschritt; 4.5 Die Ladephase; 4.5.1 Verwendung des Oracle SQL-Loader; 4.5.2 Multi-Table-Insert; 4.6 Alternativer Ansatz: ELT; 4.7 Vertiefende Literatur; 4.8 Übungen; 5 Anfragen an Data-Warehouse-Datenbanken; 5.1 Einführung und Anforderungen; 5.2 OLAP-Operationen; 5.3 SQL-Operationen für das Data Warehouse