Data Warehouse Technologien

Weinregion 2011 2012

Rheinhessen 152 153

Saale-Unstrut 98 104

Mosel 161 172

Sonstige 20 22

Gesamt 431 451

Abbildung 3.6: Vollständigkeit von Aggregaten

3.2 Konzeptuelle Modellierung

Wie bei der Entwicklung jeder anderen Datenbankanwendung sollten die

frühen Phasen des Data-Warehouse-Entwurfs durch konzeptuelle Entwurfs-

techniken unterstützt werden. Der konzeptuelle Entwurf stellt, als nächster

Schritt nach der Anforderungsanalyse, die erste formale Beschreibung des

Fachproblems und der im Anwendungsbereich benötigten Informationsstruk-

turen dar [SSH13]. Im Data-Warehouse-Bereich bedeutet dies im Wesentlichen

die Spezifikation der Kennzahlen und Dimensionen aufbauend auf einer In-

formationsbedarfsanalyse und der Analyse der Quellsysteme zur Herkunft der

Daten. Grundsätzlich lassen sich dafür auch die konventionellen Entwurfsmo-

delle wie das im Datenbankbereich weit verbreitete Entity-Relationship-Modell

oder die aus dem allgemeinen Softwareentwurf bekannte Unified Modeling

Language (UML) nutzen. Allerdings haben diese Techniken für die Modellie-

rung eines Data-Warehouse-Schemas einige Schwächen. So berücksichtigen sie

gerade aufgrund der universellen Anwendbarkeit nur unzureichend die Seman-

tik des multidimensionalen Datenmodells: Was ist beispielsweise eine Klassifi-

kationsstufe – ein Attribut, ein Entity-Typ oder eine Klasse? Wie werden Fak-

ten oder Kennzahlen repräsentiert?

Vor diesem Hintergrund wurden in den vergangenen 15 Jahren eine ganze

Reihe von Ansätzen zur konzeptuellen Modellierung von Data-Warehouse- bzw.

OLAP-Datenbanken vorgeschlagen, die zugunsten einer Konzentration auf den

Analysezweck auf die universelle Anwendbarkeit verzichten. Diese Modelle

basieren entweder auf dem ER-Modell wie das Multidimensionale ER-Modell

(ME/R) bzw. die Dimensional Fact Modeling-Technik, auf UML wie etwa der

in [GMR98]beschriebene Ansatz oder sind (proprietäre) Neuentwicklungen wie

ADAPT. Leider hat sich keine dieser Techniken in ähnlicher Weise wie das ER-

Modell oder UML durchgesetzt, sodass es dem Anwender überlassen bleibt, das

passende Modell zu wählen – ggf. auch in Abhängigkeit von verfügbaren Model-

lierungswerkzeugen. Im Folgenden werden wir daher zwei Ansätze beispielhaft

vorstellen.

52 3 Modellierung von Data Warehouses