Data Warehouse Technologien

Warehouses, die direkt Teile der im Kern-Data-Warehouse gespeicherten Da-

ten mit zusätzlichen Datenquellen verbinden, deren Integration ins Kern-Data-

Warehouse jedoch beispielsweise aus Kosten-Nutzen-Erwägungen nicht reali-

siert wurde.

Virtuelles

Data Warehouse

Kern-Data-Warehouse

Data Marts

Operative Quellen

Abbildung 2.11: Data-Warehouse-Architekturmix

Oft existieren kleinere Data Marts, die direkt aus einzelnen Datenquellen

erzeugt werden. Derartige Data Marts können aufgrund zeitkritischer Analy-

seanforderungen ad hoc entstehen oder historisch gewachsen sein. Oft ist es

schwierig, die Nutzer dieser kleinen Lösungen davon zu überzeugen, sich der

zentralen Lösung anzuschließen.

2.4.6 Ein Multi-Schichten-Architekturansatz

Die bisher vorgestellte Referenzarchitektur stellt die Prozessstruktur des Data-

Warehouse-Systems in den Vordergrund. In der Praxis existieren für die unter-

schiedlichen Data Warehouse-Lösungen detailliertere Architekturansätze, die

sich in Teilaspekten zur vorgestellten Referenzarchitektur unterscheiden. Da-

mit wird eine bessere Nähe zur Data Warehouse-Implementierung hergestellt.

Die bisherige Diskussion führt zu einer einfachen Schichtenarchitektur, die in

Abbildung 2.12 skizziert wird.

Diese Schichtenarchitektur ist eher Technologie-getrieben: Sie stellt die

tatsächlichen physischen Datenrepräsentationen zueinander in Bezug. Die

Daten der Basis-Datenbank werden aus den Rohdaten im Datenbeschaf-

fungsbereich durch Transformationen generiert, während die Daten des Da-

tenwürfels und der Data-Marts materialisierte Sichten der Daten aus der

40 2 Architektur

Data Warehouse

Basis Datenbank

Datenwürfel und Data Mart

Anwendung

Datenbeschaffungsbereich

Datenquellen

Abbildung 2.12: Drei Schichten-Architektur eines Data Warehouse

Basis-Datenbank darstellen. Im Umfeld der Business- und Enterprise-Data-

Warehouse-Lösungen von SAP wurde eine erweiterte Schichtenarchitektur vor-

gestellt, die als Layered, Scalable Architecture (LSA) bezeichnet wird und mehr

auf dem Zweck der zu repräsentierenden Daten basiert [WKLS12, WKS12].

Die Abbildung 2.13 skizziert eine LSA-Architektur

1

. Die Schichten des

Data-Warehouse-Systems basieren datentechnisch auch hier auf den Daten-

quellen und bilden die Grundlage der darauf aufbauenden Anwendungen oder

Analysen. Wir werden im Folgenden nur die Schichten des eigentlichen Data-

Warehouse-Systems genauer betrachten.

Von unten nach oben haben die fünf Schichten der LSA-Architektur, die der

klassischen Data Warehouse-Architektur entsprechen, die folgende Bedeutung:

• Die Datenübernahmeschicht kann man sich als eine Art „Posteingang“ des

Data-Warehouse-Systems vorstellen. Die Daten werden dabei direkt über-

nommen oder minimal angereichert, zum Beispiel mit Zeitstempeln ver-

sehen. Die Daten werden hier nicht notwendigerweise langfristig gespei-

chert.

• Die Qualitäts- und Harmonisierungsschicht übernimmt die Aufgaben der

Datenintegration, entspricht also im Wesentlichen den Transformationen

der ETL-Komponente aus der prozessorientierten DW-Architektur. Neben

der reinen Integrationsaufgabe werden auch Datenbereinigung, Qualitäts-

prüfungen und Validierungen durchgeführt.

1

In der Literatur und in Dokumenten von SAP werden verschiedene Varianten dieser Architektur

dargestellt, die sich in der Anzahl der einzelnen Schichten, Zusammenfassungen von Schichten

sowie in den Benennungen unterscheiden.

2.4 Architektur des Data Warehouse 41

Data Warehouse System

Geschäftslogik-Transformationsschicht

Datenbereitstellungsschicht

Qualitäts- & Harmonisierungsschicht

Berichts- & Analyseschicht

Unternehmens-

daten-

gedäc

htnis

Operationale

Daten

versorgung

Datenübernahmeschicht

Anwendung

Datenquellen

Abbildung 2.13: Multi-Schichten-Architekturansatz

• Die Datenbereitstellungsschicht enthält nun die integrierten und harmoni-

sierten Rohdaten in feinerer Granularität. Oft wird hier von einer „Single

Version of Truth“ des Data Warehouse gesprochen; hier finden sich die auf-

bereiteten Gesamtdaten als Grundlage des gesamten Data Warehouse.

• Die Geschäftslogik-Transformationsschicht transformiert die bisher an-

wendungsneutralen Daten mit Bezug auf ein konkretes Unternehmensmo-

dell. Geschäftsspezifisch können beispielsweise Logistik- und Finanzdaten

verknüpft, spezifische Kennzahlen berechnet oder Währungsumrechnun-

gen vorgenommen werden.

• Die Berichts- und Analyseschicht beinhaltet Datentransformationen für

einen spezifischen Verwendungs- oder Analysezweck. Dies entspricht der

Definition von spezifischen Data Marts in der klassischen Architektur.

Neben diesen fünf Schichten einer LSA sind in 2.13 zwei weitere Säulen abge-

bildet, die schichtenübergreifend realisiert sind.

• Parallel zur Qualitäts- und Harmonisierungsschicht und zur Datenbe-

reitstellungsschicht bildet das sogenannte Unternehmensdatengedächtnis

(engl. Corporate Data Memory), also das gemeinsame Gedächtnis als „Sin-

gle Version of Truth“ der operativen Unternehmensdaten, eine weitere

Säule. Ein derartiges Unternehmensdatengedächtnis ist dann sinnvoll,

wenn die feingranularen Originaldaten, die in der Datenempfangsschicht

gewonnen, aber nicht persistent gespeichert werden, langfristig aufbe-

wahrt und sozusagen als Beweissicherung für die Validität späterer Ana-

lysen explizit gespeichert werden sollen.

42 2 Architektur