Data Warehouse Technologien

HIERARCHY ProduktHierarchie (

Artikel CHILD OF

Produktgruppe CHILD OF

Produktkategorie

JOIN KEY (Produkt.P

_

PGruppe

_

ID)

REFERENCES Produktgruppe

JOIN KEY (Produktgruppe.PG

_

PKategorie

_

ID)

REFERENCES Produktkategorie)

ATTRIBUTE Artikel DETERMINES (P

_

Bezeichnung, P

_

Verkaufspreis,

P

_

Einkaufspreis, P

_

Rabatt, P

_

Steuern)

ATTRIBUTE Produktgruppe DETERMINES (PG

_

Bezeichnung)

ATTRIBUTE Produktkategorie DETERMINES (PK

_

Bezeichnung)

Bei der Nutzung dieser Anweisungen ist zu beachten, dass die Gültigkeit-

der Hierarchie- und Attributdefinitionen von Oracle zunächst nicht überprüft

wird. Hierzu muss explizit eine Validierung durch eine PL/SQL-Prozedur

DBMS

_

DIMENSION.VALIDATE

_

DIMENSION erfolgen. Details können der Herstellerdo-

kumentation [Ora07] entnommen werden.

3.4 Slowly Changing Dimensions

Im Data Warehouse erfolgt die Identifikation der Kennzahlen durch die Aus-

prägungen der Dimensionen. Dabei wird die Annahme getroffen, dass sich diese

Ausprägungen zeitinvariant verhalten. In der Realität erfolgen aber häufig Än-

derungen über der Zeit hinsichtlich dieser Dimensionsausprägungen. So kann

es vorkommen, dass ein Produkt von Jahr zu Jahr variiert. Zum Beispiel wird

Wein jedes Jahr erneut gekeltert und stellt daher ein Jahrgangsprodukt dar.

So müsste bei der Datenaufbereitung für die Analyse im Vorfeld entschieden

werden, ob alle Produkte pro Jahresscheibe betrachtet werden sollen oder ob

ähnliche Produkte (z.B. Rebsorte und Qualitätsstufe) als ein zu analysierendes

Produkt aufgefasst werden sollen.

Diese Fragen sind insbesondere für das Berichtswesen, siehe hierzu auch

das Kapitel 9 „Business-Intelligence-Anwendungen“, zu klären. Im weiteren

Verlauf werden daher die Herausforderungen, die sich bei sich ändernden Di-

mensionen ergeben, betrachtet und Lösungsvorschläge für die unterschiedli-

chen Berichtsanforderungen dargestellt.

Im einfachsten Fall könnte angenommen werden, dass sich Attribute inner-

halb der Dimensionen zeitinvariant verhalten, d.h. es treten keine Änderungen

hinsichtlich einmal eingetragener Dimensionsausprägungen auf. In der Pra-

xis wird dies in der ersten konzeptionellen Umsetzung häufig angenommen.

Jedoch treten im Laufe der Zeit auch Änderungen in den Attributsausprägun-

gen innerhalb der dimensionalen Attribute auf. Zudem ist es möglich, dass sich

3.4 Slowly Changing Dimensions 67

Beziehungen bzw. ganze Entitäten verändern. Somit müssen in einem Data

Warehouse sowohl Strukturveränderungen als auch Schemaveränderungen in

den Dimensionen berücksichtigt werden. Die Behandlung bzw. der Umgang mit

den Änderungen haben insbesondere einen Einfluss auf die Möglichkeiten zur

Analyse der Daten innerhalb des Data Warehouse.

Bier Wein

Erfurter

Bock

Ilmenauer

Pils

Anhaltinisch

Flüssig

WeißweinRotwein

Getränke

Dornfelder

Portugieser

Weißherbst

Müller-

Thurgau

Riesling

Obergärig

Wein

Erfurter

Bock

Ilmenauer

Pils

Anhaltinisch

Flüssig

Weißwein

Rotwein

Getränke

Dornfelder

Blaubur-

gunder

Portugieser

Weißherbstt

Riesling

Untergärig

Berliner

Weiße

Bier

Müller-

Thurgau

Abbildung 3.18: Slowly Changing Dimensions: Beispiel Dimension Getränke

In Abbildung 3.18 sind mögliche Änderungen abgebildet. Im oberen Ab-

schnitt ist die Hierarchie der Dimension Getränke zum ersten Zeitpunkt dar-

gestellt, im unteren Abschnitt erfolgt die Darstellung zum zweiten Zeitpunkt.

Änderungen haben sich auf Schemaebene innerhalb der Kategorie Bier erge-

ben, da eine zusätzliche Ebene für die Hefesorten eingefügt wurde, und es ha-

ben sich Änderungen auf Datenebene zum Beispiel durch das Hinzufügen der

Berliner Weiße und des Blauburgunders ergeben. Eine weitere Änderung ist

die Umordnung des Portugieser Weißherbst von Kategorie Rotwein zu Katego-

rie Weißwein. Dieses Beispiel beschreibt einen Teilaspekt der Slowly Changing

Dimensions.

Der Begriff der Slowly Changing Dimensions kann im deutschen am ehes-

ten mit sich langsam verändernden Dimensionen gleichgesetzt werden. Er wur-

de von Kimball [KR02, KR13] erläutert und die sich ergebenden Herausforde-

rungen in [RK05] dargelegt. Ziel ist es, die sich über die Zeit verändernden

Dimensionsausprägungen zu erfassen und im Data Warehouse zu dokumentie-

68 3 Modellierung von Data Warehouses