Data Warehouse Technologien

• Die für Analysen benötigten Daten werden aus den sogenannten Quellen

abgerufen. Quellen können operative Datenbanken (etwa eine Lagerver-

waltung oder eine elektronische Kasse), aber auch Informationsbestände

aus dem Internet (etwa Produktkataloge, Wetterdaten, Börsenkurse) sein.

• Für spätere Analysen relevante Daten werden mittels Extraktionskompo-

nenten in den temporären Datenbereinigungsbereich (DBB) kopiert. Die-

ser Bereich beinhaltet derart importierte Daten in verschiedenen Verar-

beitungsstadien.

• Transformationskomponenten bearbeiten die Daten im Datenbereini-

gungsbereich, bis diese den Struktur- und Qualitätsvorgaben der Nutzung

im Data Warehouse genügen. Wichtige Schritte sind dabei das Erkennen

und Beseitigen von fehlerhaften und unvollständigen Daten sowie die

Integration semantisch zusammenhängender Daten aus unterschiedlichen

Quellen.

• Eine Ladekomponente kopiert die Daten aus dem Datenbereinigungsbe-

reich in eine integrierte Basisdatenbank als Grundlage für verschiedene

Analysen. Die Daten aus dem DBB werden gelöscht, sobald sie nicht mehr

für den Ladevorgang benötigt werden — der Datenbereinigungsbereich ist

damit ein temporärer Datenspeicher. Die Basisdatenbank hingegen ist per-

sistent, Daten werden in ihr unter anderem für historische Analysen be-

wahrt.

• Aus der Basisdatenbank werden die Daten im Rahmen der Befüllung in

den Datenwürfel geladen. Der Datenwürfel stellt die Daten in für Da-

tenanalysen geeigneten Strukturen dar und wird daher grafisch nicht als

Datenbank-„Tonne“, sondern als Würfel dargestellt.

• Data Marts sind Ausschnitte aus dem Gesamt-Data-Warehouse. Sie kön-

nen entweder aus der Basisdatenbank oder dem Datenwürfel befüllt wer-

den (oder auch unabhängig betrieben werden, und dann wiederum das Da-

ta Warehouse „füttern“ – Näheres dazu in Abschnitt 2.4).

Die Extraktion aus den Quellen, die folgende Transformation der Daten und

das anschließende Laden in die Basisdatenbank werden zusammengefasst auch

als Datenbereinigungsbereich bezeichnet, die dortigen Komponenten unter dem

Begriff ETL (für Extraktion, Transformation, Laden) zusammengefasst.

2.2.2 Datenquellen

Das Data Warehouse muss mit den Daten gefüttert werden, die für Analysen

benötigt werden. Die Lieferanten der Daten für das Data Warehouse bezeichnet

man als (Daten-) Quellen. Die Datenquellen gehören nicht direkt zum Data

2.2 Datenfluss in einem Data-Warehouse-System 23

Warehouse, da es sich um separate Systeme mit anderem Bestimmungszweck

handelt. Es gibt in der Regel sehr unterschiedliche Datenquellen für ein Data

Warehouse.

Datenquellen können organisatorisch als interne Quellen (Daten aus dem-

selben Unternehmen) oder extern (z.B. Daten aus dem Internet) klassifiziert

werden. Unterschiedliche Datenquellen sind oft heterogen bezüglich der Struk-

tur, des Inhalts und der Schnittstellen. Datenquellen können als Datenbanken

organisiert sein, aber auch unstrukturierte Quellen im Internet können genutzt

werden. Diese Heterogenität bedeutet insbesondere, dass die Daten erst aufbe-

reitet, transformiert und bereinigt werden müssen, bevor sie für Analysezwecke

genutzt werden können.

Bestimmte Informationen können auch aus unterschiedlichen Quellen be-

sorgt werden, etwa Aktienkurse oder Preisinformationen. Diese Quellen unter-

scheiden sich oft nicht nur in der Struktur, sondern auch in der Qualität der

gelieferten Daten. Die Auswahl der Quellen und die damit erreichte Qualität

der Daten ist hierbei von besonderer Bedeutung, denn von ihr hängt die Güte

der Analysen ab.

Wichtige Faktoren für die Auswahl sind insbesondere der Zweck des Data-

Warehouse (welche Analysen sollen unterstützt werden), die Qualität der

Quelldaten, die Verfügbarkeit der Daten (rechtlich, sozial, technisch) sowie

nicht zuletzt der Preis für den Erwerb der Daten (speziell bei externen Quellen).

Bei der Auswahl der Datenquellen werden die potenziellen Quellen nach

diversen Kriterien klassifiziert. Diese Klassifikation ist notwendig, um den Auf-

wand der Nutzung einer Datenquelle (und die nötige Wartung derselben) be-

stimmen zu können.

Datenquellen

Herkunft

extern intern

Zeitbezug

aktuell historisch

Nutzungs-

ebene

primär

(Fakten)

Metadaten

DarstellungQualität Inhalt

Vertraulichkeit Zeichensatz Sprache

Abbildung 2.3: Aspekte von Datenquellen

Abbildung 2.3 zeigt einen Ausschnitt aus den möglichen Klassifikationsdi-

mensionen. Im Einzelnen handelt es sich hierbei um die folgenden Punkte:

24 2 Architektur