Wurden früher Data-Warehouse-Systeme meist nur zur Datenanalyse für die Entscheidungsunterstützung des Managements eingesetzt, haben sie sich nunmehr zur zentralen Plattform für die integrierte Informationsversorgung eines Unternehmens entwickelt. Dies schließt vor allem auch die Einbindung des Data-Warehouses in operative Prozesse mit ein, für die zum einen sehr aktuelle Daten benötigt werden und zum anderen eine schnelle Anfrageverarbeitung gefordert wird. Daneben existieren jedoch weiterhin klassische Data-Warehouse-Anwendungen, welche hochqualitative und verfeinerte Daten benötigen. Die Anwender eines Data-Warehouse-Systems haben somit verschiedene und zum Teil konfligierende Anforderungen bezüglich der Datenaktualität, der Anfragelatenz und der Datenstabilität. In der vorliegenden Dissertation wurden Methoden und Techniken entwickelt, die diesen Konflikt adressieren und lösen. Die umfassende Zielstellung bestand darin, eine Echtzeit-Data-Warehouse-Architektur zu entwickeln, welche die Informationsversorgung in seiner ganzen Breite -- von historischen bis hin zu aktuellen Daten -- abdecken kann.
Zunächst wurde ein Verfahren zur Ablaufplanung kontinuierlicher Aktualisierungsströme erarbeitet. Dieses berücksichtigt die widerstreitenden Anforderungen der Nutzer des Data-Warehouse-Systems und erzeugt bewiesenermaßen optimale Ablaufpläne. Im nächsten Schritt wurde die Ablaufplanung im Kontext mehrstufiger Datenproduktionsprozesse untersucht. Gegenstand der Analyse war insbesondere, unter welchen Bedingungen eine Ablaufplanung in Datenproduktionsprozessen gewinnbringend anwendbar ist.
Zur Unterstützung der Analyse komplexer Data-Warehouse-Prozesse wurde eine Visualisierung der Entwicklung der Datenzustände, über die Produktionsprozesse hinweg, vorgeschlagen. Mit dieser steht ein Werkzeug zur Verfügung, mit dem explorativ Datenproduktionsprozesse auf ihr Optimierungspotenzial hin untersucht werden können.
Das den operativen Datenänderungen unterworfene Echtzeit-Data-Warehouse-System führt in der Berichtsproduktion zu Inkonsistenzen. Daher wurde eine entkoppelte und für die Anwendung der Berichtsproduktion optimierte Datenschicht erarbeitet. Es wurde weiterhin ein Aggregationskonzept zur Beschleunigung der Anfrageverarbeitung entwickelt. Die Vollständigkeit der Berichtsanfragen wird durch spezielle Anfragetechniken garantiert.
Es wurden zwei Data-Warehouse-Fallstudien großer Unternehmen vorgestellt sowie deren spezifische Herausforderungen analysiert. Die in dieser Dissertation entwickelten Konzepte wurden auf ihren Nutzen und ihre Anwendbarkeit in den Praxisszenarien hin überprüft.:1 Einleitung 1
2 Fallstudien 7
2.1 Fallstudie A: UBS AG . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1 Unternehmen und Anwendungsdomäne . . . . . . . . . . . . 8
2.1.2 Systemarchitektur . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.3 Besonderheiten und Herausforderungen . . . . . . . . . . . . 13
2.2 Fallstudie B: GfK Retail and Technology . . . . . . . . . . . . . . . . 15
2.2.1 Unternehmen und Anwendungsdomäne . . . . . . . . . . . . 15
2.2.2 Systemarchitektur . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.3 Besonderheiten und Herausforderungen . . . . . . . . . . . . 20
3 Evolution der Data-Warehouse- Systeme und Anforderungsanalyse 23
3.1 Der Data-Warehouse-Begriff und Referenzarchitektur . . . . . . . . . 23
3.1.1 Definition des klassischen Data-Warehouse-Begriffs . . . . . . 23
3.1.2 Referenzarchitektur . . . . . . . . . . . . . . . . . . . . . . . 24
3.2 Situative Datenanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2.1 Interaktion zwischen IT und Fachbereich . . . . . . . . . . . 31
3.2.2 Spreadmart-Lösungen . . . . . . . . . . . . . . . . . . . . . . 33
3.2.3 Analytische Mashups und dienstorientierte Architekturen . . 35
3.2.4 Werkzeuge und Methoden im Kostenvergleich . . . . . . . . . 40
3.3 Evolution der Data-Warehouse-Systeme . . . . . . . . . . . . . . . . 40
3.3.1 Nutzung von Data-Warehouse-Systemen . . . . . . . . . . . . 41
3.3.2 Entwicklungsprozess der Hardware- und DBMS-Architekturen 46
3.4 Architektur eines Echtzeit-Data-Warehouse . . . . . . . . . . . . . . 50
3.4.1 Der Echtzeit-Begriff im Data-Warehouse-Umfeld . . . . . . . 50
3.4.2 Architektur eines Echtzeit-Data-Warehouses . . . . . . . . . . 51
3.4.3 Systemmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.5 Anforderungen an ein Echtzeit-Data-Warehouse . . . . . . . . . . . . 55
3.5.1 Maximierung der Datenaktualität . . . . . . . . . . . . . . . 55
3.5.2 Minimierung der Anfragelatenz . . . . . . . . . . . . . . . . . 56
3.5.3 Erhalt der Datenstabilität . . . . . . . . . . . . . . . . . . . . 57
4 Datenproduktionssteuerung in einstufigen Systemen 59
4.1 Qualitätskriterien und Systemmodell . . . . . . . . . . . . . . . . . . 59
4.1.1 Dienstqualitätskriterien . . . . . . . . . . . . . . . . . . . . . 60
4.1.2 Datenqualitätskriterien . . . . . . . . . . . . . . . . . . . . . 63
4.1.3 Multikriterielle Optimierung . . . . . . . . . . . . . . . . . . 64
4.1.4 Workload- und Systemmodell . . . . . . . . . . . . . . . . . . 66
4.2 Multikriterielle Ablaufplanung . . . . . . . . . . . . . . . . . . . . . 68
4.2.1 Pareto-effiziente Ablaufpläne . . . . . . . . . . . . . . . . . . 68
4.2.2 Abbildung auf das Rucksackproblem . . . . . . . . . . . . . . 71
4.2.3 Lösung mittels dynamischer Programmierung . . . . . . . . . 74
4.3 Dynamische Ablaufplanung zur Laufzeit . . . . . . . . . . . . . . . . 78
4.4 Selektionsbasierte Ausnahmebehandlung . . . . . . . . . . . . . . . . 81
4.5 Evaluierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.5.1 Experimentierumgebung . . . . . . . . . . . . . . . . . . . . . 84
4.5.2 Leistungsvergleich und Adaptivität . . . . . . . . . . . . . . . 86
4.5.3 Laufzeit- und Speicherkomplexität . . . . . . . . . . . . . . . 87
4.5.4 Änderungsstabilität . . . . . . . . . . . . . . . . . . . . . . . 89
4.6 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5 Bewertung von Ladestrategien in mehrstufigen Datenproduktionsprozessen
5.1 Ablaufplanung in mehrstufigen Datenproduktionsprozessen . . . . . 96
5.1.1 Ladestrategien und Problemstellung . . . . . . . . . . . . . . 97
5.1.2 Evaluierung und Diskussion . . . . . . . . . . . . . . . . . . . 98
5.2 Visualisierung der Datenqualität in mehrstufigen Datenproduktionsprozessen
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.2.1 Erfassung und Speicherung . . . . . . . . . . . . . . . . . . . 110
5.2.2 Visualisierung der Datenqualität . . . . . . . . . . . . . . . . 111
5.2.3 Prototypische Umsetzung . . . . . . . . . . . . . . . . . . . . 114
5.3 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6 Konsistente Datenanalyse in operativen Datenproduktionsprozessen 119
6.1 Der Reporting-Layer als Basis einer stabilen Berichtsproduktion . . 120
6.1.1 Stabilität durch Entkopplung . . . . . . . . . . . . . . . . . . 120
6.1.2 Vorberechnung von Basisaggregaten . . . . . . . . . . . . . . 121
6.1.3 Vollständigkeitsbestimmung und Nullwertsemantik . . . . . . 125
6.1.4 Datenhaltung . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
6.1.5 Prozess der Anfrageverarbeitung mit Vollständigkeitsbestimmung
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
6.1.6 Verwandte Arbeiten und Techniken . . . . . . . . . . . . . . . 127
6.1.7 Evaluierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.2 Nullwertkomprimierung . . . . . . . . . . . . . . . . . . . . . . . . . 133
6.2.1 Einleitendes Beispiel und Vorbetrachtungen . . . . . . . . . . 134
6.2.2 Nullwertkomprimierung . . . . . . . . . . . . . . . . . . . . . 136
6.2.3 Anfrageverarbeitung auf nullwertkomprimierten Daten . . . . 143
6.2.4 Verwandte Arbeiten und Techniken . . . . . . . . . . . . . . . 146
6.2.5 Evaluierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
6.3 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
7 Zusammenfassung und Ausblick 157
Literaturverzeichnis 161
Online-Quellenverzeichnis 169
Abbildungsverzeichnis 173
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:25362 |
| Date | 31 May 2010 |
| Creators | Thiele, Maik |
| Contributors | Lehner, Wolfgang, Ruf, Thomas, Technische Universität Dresden |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0032 seconds