Data Warehouse Technologien

Das in Abbildung 3.12 dargestellte Schema ist gleichzeitig auch die Umset-

zung des Würfels aus Abbildung 3.1. Die vier Dimensionen Zeit, Produkt, Kun-

de und Ort werden jeweils durch einen eigenen „Zweig“ repräsentiert, wobei zu

jede Stufe der Hierarchie eine eigene Tabelle eingeführt wird, die neben dem

eigentlichen Klassifikationsattribut (wie etwa Bezeichnung) einen künstlichen

Schlüssel sowie den Fremdschlüssel enthält. Die Kunden-Dimension illustriert

die Abbildung paralleler Hierarchien – in der Tabelle Kunde sind Fremdschlüs-

sel zur Kundengruppe und zur Hierarchiestufe Ort vorhanden. Eine Besonder-

heit ist die Zeitdimension: Da in einem Datumswert bereits alle Information

wie Tag, Monat, Jahr enthalten sind und die Kalenderwoche problemlos er-

rechnet werden kann, ist hier eine explizite Modellierung der Hierarchie meist

nicht nötig.

Durch die Normalisierung der Dimensionstabellen im Snowflake-Schema

werden Redundanzen und Änderungsanomalien vermieden. Allerdings wird

dies durch ggf. teurere Join-Operationen über mehrere Tabellen erkauft, wenn

Einschränkungen auf den höheren Klassifikationsstufen benötigt werden.

3.3.3 Star-Schema

Eine Alternative zum Snowflake-Schema ist das Star-Schema. Bei diesem Sche-

ma werden die zu einer Dimension gehörenden Tabellen denormalisiert. Das

Star-Schema befindet sich damit nur in der 1. Normalform. Dies bedeutet, dass

pro Dimension nur genau eine Dimensionstabelle existiert. Die dadurch ent-

stehenden Redundanzen werden zugunsten einer schnelleren Anfrageverarbei-

tung in Kauf genommen.

Zeit

Z_ID

Z_Datum

1

*

1

1

1

*

*

*

Produkt

P_ID

P_Bezeichnung

P_Verkaufspreis

P_Einkaufspreis

P_Rabatt

P_Steuern

P_Produktgruppe

P_Produktkategorie

Verkauf

V_Anzahl

V_Kanal

V_Produkt_ID

V_Zeit_ID

V_Kunden_ID

V_Ort_ID

Kunde

K_ID

K_Name

K_Wohnort

K_Strasse

K_Geschlecht

K_Kundengruppe

Ort

O_ID

O_Filiale

O_Stadt

O_Bundesland

O_Land

Abbildung 3.13: Star-Schema

3.3 Relationale Umsetzung 59