Data warehousing: enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel]
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
Bonn
MITP
1999
|
| Ausgabe: | 1. Aufl. |
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Beschreibung: | 735 S. Ill. |
| ISBN: | 3826640454 |
Internformat
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV012859329 | ||
| 003 | DE-604 | ||
| 005 | 20030729 | ||
| 007 | t | ||
| 008 | 991115s1999 a||| |||| 00||| ger d | ||
| 020 | |a 3826640454 |9 3-8266-4045-4 | ||
| 035 | |a (OCoLC)260010989 | ||
| 035 | |a (DE-599)BVBBV012859329 | ||
| 040 | |a DE-604 |b ger |e rakwb | ||
| 041 | 0 | |a ger | |
| 049 | |a DE-473 |a DE-1051 |a DE-29T |a DE-12 |a DE-20 |a DE-898 |a DE-355 |a DE-1049 |a DE-863 |a DE-861 |a DE-523 |a DE-634 |a DE-522 |a DE-525 |a DE-188 | ||
| 084 | |a QH 500 |0 (DE-625)141607: |2 rvk | ||
| 084 | |a QP 345 |0 (DE-625)141866: |2 rvk | ||
| 084 | |a ST 530 |0 (DE-625)143679: |2 rvk | ||
| 100 | 1 | |a Kurz, Andreas |e Verfasser |4 aut | |
| 245 | 1 | 0 | |a Data warehousing |b enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel] |c Andreas Kurz |
| 246 | 1 | 3 | |a Data-warehousing |
| 250 | |a 1. Aufl. | ||
| 264 | 1 | |a Bonn |b MITP |c 1999 | |
| 300 | |a 735 S. |b Ill. | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 650 | 0 | 7 | |a Data-Warehouse-Konzept |0 (DE-588)4406462-7 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Management |0 (DE-588)4037278-9 |2 gnd |9 rswk-swf |
| 689 | 0 | 0 | |a Management |0 (DE-588)4037278-9 |D s |
| 689 | 0 | 1 | |a Data-Warehouse-Konzept |0 (DE-588)4406462-7 |D s |
| 689 | 0 | |5 DE-604 | |
| 856 | 4 | 2 | |m HBZ Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008750463&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-008750463 | ||
Datensatz im Suchindex
| DE-BY-863_location | 1000 |
|---|---|
| DE-BY-FWS_call_number | 1000/ST 530 K96 |
| DE-BY-FWS_katkey | 174462 |
| DE-BY-FWS_media_number | 083100787998 083100776677 |
| _version_ | 1806176877596901376 |
| adam_text | Inhaltsverzeichnis I
Vorwort 29
Kunden Intimität, aber intelligent: Die Rolle von Customer
Relationship Management im Business des 21. Jahrhunderts 29
Prolog 33
Motivation 33
Thematische Schwerpunkte 34
Leseleitfaden 36
Ausblick auf die Kapitel 37
Data Warehousing für Entscheider 37
Multidimensionale Modellierung 38
Das Data Warehouse Konzept 39
OnLine Analytical Processing (OLAP) 40
Web enabled Data Warehousing 41
Nutzenpotentiale von E Business durch Integration mit einem
Data Warehouse 43
Vertiefende Informationen 44
Allgemeine (Text )Konventionen 45
1 Data Warehousing für Entscheider 47
1.1 Einführende Betrachtungen 49
1.1.1 Begriffsdefinition: Data Warehouse 49
1.1.2 Historische Entwicklung analytischer Software 50
1.2 Betriebswirtschaftliche Betrachtungen 54
1.2.1 »Eine Betrachtung aus der Perspektive der Geschäftsleitung« 54
1.2.2 Das Data Warehouse als strategische IT Waffe 58
1.2.3 Arbeitsumfeld eines Entscheiders 64
1.2.4 Die vier Triebkräfte des Wettbewerbes 65
1.2.5 Über die Bedeutung von strategischen IT Projekten 68
1.2.6 Das Data Warehouse als Enabling Technologie ... 70
1.2.7 Der Prozeßkreislauf der Entscheidungsfindung 71
7
Inhaltsverzeichnis
1.3 Technische Betrachtungen 75
1.3.1 Unterschiedliche Typen von Informationsobjekten 76
1.3.2 Vereinfachte Data Warehouse Referenzarchitektur 80
1.3.3 Beispiel einer »Multidimensionalen Analyse« zur
Auswertung von einfachen Kennzahlen 82
1.3.4 Die unterschiedlichen Gruppen von Anwendern eines
Data Warehouses 90
1.4 Weiterführende Betrachtungen 97
1.4.1 Analytische und strategische Informationssysteme 97
1.4.2 »Out of the Box« versus maßgeschneiderte Data
Warehouse Lösungen 105
1.4.3 Data Warehouse versus Data Mart Lösungen 108
1.4.4 Das Eisberg Syndrom 113
1.5 Ausblick auf die Zukunft von Data Warehousing Konzepten 115
1.5.1 Thin Clients mittels Web Technologien 115
1.5.2 DWH , DSS , OLAP Werkzeuge
werden benutzerfreundlicher 116
1.5.3 Komplexere Analysefunktionen werden bereitgestellt 117
1.5.4 Ein Werkzeug für alle Aufgaben eines Entscheiders 120
1.5.5 Portale gewinnen sehr stark an Bedeutung 121
1.6 Die prägnantesten Aussagen im Überblick 124
2 Multidimensionale Datenmodellierung 127
2.1 Objekte eines multidimensionalen Datenmodells 130
2.1.1 Betriebswirtschaftliche Kennzahlen bzw. Fakten 131
2.1.2 Dimensionen 139
2.1.3 Hierarchieobjekte und beschreibende Attribute 139
2.1.4 Elemente eines Hierarchieobjektes 141
2.1.5 Aggregationsgraph und pfad 141
2.2 Unterschiedliche Ebenen der Datenmodellierung 142
2.2.1 Semantische Modellierungsebene 143
2.2.2 Logische Modellierungsebene 157
2.2.3 Physikalische Modellierungsebene 161
2.3 Gängige logische Schemata eines relationalen
Data Warehouses 163
2.3.1 Snowflake Schema 164
2.3.2 Andere Schemata 169
Inhaltsverzeichnis
2.4 Von operativen E/R Diagrammen zu neuartigen
multidimensionalen Notationsformen 1 74
2.4.1 Die multidimensionale Erweiterung des klassischen
E/R Diagramms 175
2.4.2 Die ADAPT Methode 177
2.4.3 Weitere Methoden der multidimensionalen Modellierung 180
2.5 Die prägnantesten Aussagen im Überblick 181
3 Das Data Warehouse Konzept 185
3.1 Eine allgemeine technische Referenzarchitektur 186
3.1.1 Operative Quelldatenschicht 186
3.1.2 Data Warehouse und ETL Schicht 187
3.1.3 Applikationsschicht 188
3.1.4 Präsentationsschicht 189
3.2 Von einschichtigen zu mehrschichtigen Data
Warehouse Architekturen 189
3.2.1 Zweischichtige Data Warehouse Architektur 190
3.2.2 Dreischichtige Data Warehouse Architektur 190
3.2.3 Der sinnvolle Einsatz von Zwischenschichten (Middle Layer) 195
3.2.4 Thin versus Rich Client Philosophie 198
3.3 Die Relevanz von Metadaten 199
3.3.1 Metadaten als zentrale Basis bzw. tragfähiges
Fundament jedes Data Warehouses 200
3.3.2 Unterschiedliche Metadaten Standards 201
3.3.3 Ebenen bzw. Reifegrad von Metadaten Objekten in
einem Data Warehouse 206
3.3.4 Unterschiedliche Metadaten Objekte in einem
klassischen Data Warehouse Umfeld 207
3.3.5 Beispiel von Metadaten Objektdefinitionen 208
3.3.6 Persistente Speicherung von Metadaten Objekten 221
3.3.7 Anforderungen an ein Metadaten Management System 222
3.4 Aspekte der Sicherheit 223
3.4.1 Die Hierarchie der Anwender eines Data Warehouses 224
3.4.2 Business Data Security Board 225
3.4.3 Sicherheit auf Basis von Metadaten Objektdefinitionen 226
3.4.4 Sicherheit auf Datenbankebene 229
3.5 Möglichkeiten der DWH Optimierung 233
3.5.1 Das Optimierungsdreieck 233
3.5.2 Der Einsatz von Aggregaten 238
3.5.3 Der Einsatz von Partitionen 250
9
Inhaltsverzeichnis
3.5.4 Der Einsatz von DB Indextechniken 257
3.6 Gedanken zum Schlagwort »Operatives Data Warehouse« 262
3.6.1 Detaillierungsgrad von DWH Objekten 262
3.6.2 Die Rolle von externen bzw. assoziierten Daten 263
3.7 Aspekte des ETL Prozesses 266
3.7.1 Die Definitionsphase des ETL Prozesses 267
3.7.2 Die Ausführungsphase des ETL Prozesses 270
3.8 Risikobewertung von hochkomplexen Data
Warehouse Projekten 276
3.8.1 Zusätzliche Anforderungen an ein DWH Projekt 277
3.8.2 Risikobewertung von Data Warehouse Projekten 280
3.8.3 Kurze Einführung in die klassischen Software
Engineering Methoden 286
3.8.4 Ein Data Warehouse Vorgehensmodell 292
3.8.5 Die versteckten Klippen von Data Warehouse Projekten 306
3.9 Die prägnantesten Aussagen im Überblick 308
4 OnLine Analytical Processing (OLAP) 311
4.1 Was bedeuten die Begriffe OLAP bzw. OnLine Analyse? 312
4.1.1 Von statischen und dynamischen Analysemodellen 313
4.2 Charakteristiken von OLAP Systemen 316
4.2.1 Evaluierungsregeln für OLAP Systeme von E. F. Codd 316
4.2.2 Fünf Charakteristiken der OLAP Definition
von Pendese / Greeth 319
4.2.3 Unterscheidungsmerkmale zwischen OLTP ,
Data Warehouse und OLAP Systemen 320
4.3 Unterschiedliche Architekturkonzepte von OLAP Systemen 325
4.3.1 Relationales OLAP (ROLAP) 327
4.3.2 Multidimensionales OLAP (MOLAP) 329
4.3.3 Hybrid OLAP (HOLAP) 331
4.3.4 Desktop OLAP (DOLAP) 332
4.4 OLAP Funktionalität 334
4.4.1 Standard OLAP Funktionen 334
4.4.2 Erweiterte oder proprietäre OLAP Funktionen 338
4.4.3 Praktische Umsetzung von OLAP Funktionalität anhand
des »Heim Haus Ihr Baumarkt« Beispiels 339
4.5 Weiterführende Betrachtungen zu OLAP 346
4.5.1 Der Begriff Datenwürfel (N DIM Data Cube) 346
Inhaltsverzeichnis
4.5.2 Aspekte der Speicherung von multidimensionalen
Informationsobjekten 349
4.5.3 Prozeß der Generierung einer multidimensionalen
Speicherstruktur 355
4.5.4 OLAP Abfragesprachen 365
4.6 Die prägnantesten Aussagen im Überblick 374
5 Web enabled Data Warehousing 377
5.1 Das World Wide Web 380
5.1.1 Historische Entwicklungsgeschichte 380
5.1.2 Die Intention des Erfinders Tim Berners Lee 383
5.1.3 Die Grundbausteine des Webs 384
5.1.4 Worin begründet sich der Erfolg des Webs 385
5.1.5 Unterschiede zwischen Intranet, Extranet und Internet 387
5.2 Theoretische Aspekte von Web enabled Data Warehousing 389
5.2.1 Business Motivation: »Warum sollten Web und
DWH Technologie vereint werden?« 390
5.2.2 Vorteile eines Web basierten Zuganges zu einem
unternehmensweiten DWH 391
5.2.3 Web enabled Data Warehousing Referenzarchitektur 393
5.2.4 Aktueller Stand der Technik bei Web Technologien 408
5.2.5 Einbindung von Datenbanken ins Web 414
5.2.6 Ein Reifegradmodell zur Bewertung von Web enabled
Data Warehousing Systemen 419
5.2.7 Sicherheitsaspekte im Internet und bei Web enabled
Data Warehousing Systemen 423
5.2.8 Aspekte der ergonomischen Gestaltung
der Benutzerschnittstelle 434
5.2.9 Anforderung an die Informations Visualisierung 445
5.2.10 Unterschiedliche Berichtstypen 451
5.3 Praktische Umsetzung 452
5.3.1 MicroStrategy Web 454
5.3.2 Standard oder maßgeschneiderte Benutzerschnittstelle 467
5.4 Von passiven und aktiven Informationssystemen 481
5.4.1 Ein Vergleich mit »Push and Pull« Web Technologien 482
5.5 Die Zukunft von Web enabled analytischen und
strategischen Informationssystemen 490
5.5.1 Ein Web enabled Data Warehouse Client für
sämtliche Aufgaben 490
11
Inhaltsverzeichnis
5.5.2 XML zur Strukturbeschreibung aller Informationsobjekte
in einem Data Warehouse 491
5.5.3 Web Farming: »Extraktion von gewinn bringenden
Informationen aus dem Web« 497
5.5.4 Potentiale der Data Warehouse Forschung 504
5.6 Die prägnantesten Aussagen im Überblick 514
6 Nutzenpotentiale von E Business durch
Integration mit einem Data Warehouse 517
6.1 Evolution des elektronischen Handels 520
6.1.1 Die Evolution des elektronischen Handels aus Sicht
eines Unternehmens 521
6.1.2 Begriffsdefinitionen: »E Product Catalog — E Shop —
E Commerce — E Business — Portale« 531
6.2 Betriebswirtschaftliche Motivation für E Business 533
6.2.1 Wertschöpfung durch aktive Information und Minimierung
der Distanz zum Kunden 538
6.2.2 Paradigmenwechsel vom produkt zum
kundenorientierten Unternehmen 544
6.2.3 Die Kundenbeziehungspflege 552
6.2.4 Vier Möglichkeiten der Wertschöpfung durch
aktive Information 554
6.2.5 Das Data Warehouse als Voraussetzung für
»intelligentes« E Business 557
6.3 Elektronische (Geschäfts ) Transaktionen 561
6.3.1 Rechtliche Aspekte 561
6.3.2 Sicherheitsaspekte 563
6.4 Aktives Informationsportal 572
6.4.1 Referenzarchitektur von Business Informationsportalen 576
6.4.2 Ein Bl Portal der »Heim Haus Ihr Baumarkt« Kette 580
6.4.3 Evaluierungsregeln für Bl Portale nach W. Eckerson 585
6.5 Die prägnantesten Aussagen im Überblick 594
7 Vertiefende Informationen 595
7.1 Fachbegriffserklärung 595
7.2 Interessante Web Links 621
7.2.1 Schwerpunkt: OLAP und Data Warehouse 622
7.2.2 Schwerpunkt: E Commerce / E Business 625
Inhaltsverzeichnis
7.2.3 Schwerpunkt: Internet Informationsportal 626
7.3 Die aktuelle Gesamtgröße des Internets 630
7.3.1 Die aktuelle Größe des Internet in Deutschland,
Österreich und der Schweiz ein Vergleich 631
7.3.2 Die aktuelle Größe des World Wide Web in Österreich 631
7.3.3 Die aktuelle Größe des World Wide Web in Deutschland 632
7.3.4 Die aktuelle Größe des World Wide Web in der Schweiz 633
7.3.5 Schlußfolgerungen 634
7.4 Übertragungsraten im Internet 635
7.5 Gedanken zur Balanced Score Card (BSC) Methode 638
7.6 Gedanken zur zielorientierten Evaluierung von
Decision Support Produkten 641
7.6.1 Vorschlag eines Vorgehensmodell zur Produktevaluierung 670
7.6.2 Über den Einsatz von externen Beratern 673
7.7 Dublin Core Kataloginformation von
OnLine Ressourcen im World Wide Web 677
7.8 Benchmarking der Performance eines Data Warehouses 680
7.9 Abkürzungsverzeichnis 683
7.10 Literaturverzeichnis 705
7.11 Kurzbiographie des Autors 719
7.12 Danksagung: »Der Rat der Weisen« 720
Index 725
13
Abbildungsverzeichnis r^,
Abb. 1.1: Historische Entwicklung von Analysewerkzeugen. 54
Abb. 1.2: Aktuelle (weltweite) Entwicklung des Data Warehouses,
OLAP und Decision Support Marktes laut OLAP Report
OnLine (www.olapreport.com). 60
Abb. 1.3: Die vier Triebkräfte des Wettbewerbs innerhalb der
Branchen, nach M. E. Porter [PORT97]. Als zusätzliche
fünfte Triebkraft muß der Bereich von IT (luK) Innovationen
anerkannt werden. 67
Abb. 1.4: Das unternehmensweite Data Warehouse dient als
Plattform für sämtlichen analytischen Informationsbedarf
in einem Unternehmen. 71
Abb. 1.5: Der Prozeß der Entscheidungsfindung ist ein kontinuierlicher
Prozeßkreislauf des adaptiven Lernens[KT98, KURZ98B]. 72
Abb. 1.6: Der Prozeßkreislauf der Entscheidungsfindung erfordert
eine Vielzahl von unterschiedlichen Komponenten bzw.
Systemen, um vollständig abgedeckt werden zu können. 73
Abb. 1.7: Eine stark vereinfachte Data Warehouse Basisarchitektur. 81
Abb. 1.8: Ein semantisches Datenmodell eines DWHs beschreibt
die analytische Sicht der Anwender (»Heim Haus
Ihr Baumarkt«). 83
Abb. 1.9: Eine dreidimensionale Ergebnisstruktur veranschaulicht
in Form eines Würfels; aufgebaut aus den
Analysedimensionen Artikel, Geographie und Datum. 85
Abb. 1.10: Mittels multidimensionaler Analysetechniken können
verschiedene Sichten auf eine multidimensionale
Ergebnisstruktur definiert werden. 86
Abb. 1.11: Eine einfache zweidimensionale (2 DIM) Kreuztabelle,
dynamisch generiert durch den Web enab/ed Data
WarehouseClient. 87
Abb. 1.12: Die gleiche Benutzerschnittstellen Komponente einer
zweidimensionalen Kreuztabelle wie in Abbildung 1.11,
jedoch nach einem »Drill Down« auf das Land Deutschland. 88
15
Abbildungsverzeichnis
Abb. 1.13: Die unterschiedlichen Verdichtungsstufen (»Hierarchien«)
innerhalb einer Dimension werden im Aggregationsgraphen
abgebildet. Die Ausprägungen sind ebenfalls in
baumähnlicher Form angeordnet. 89
Abb. 1.14: Die möglichen Benutzerzielgruppen eines
unternehmensweiten Data Warehouses. 90
Abb. 1.15: Dem Entscheider stehen heute eine Vielzahl
unterschiedlichster analytischer und strategischer
Werkzeuge zur Entscheidungsfindung und zur effizienten
Unterstützung seines täglichen Arbeitsablaufes
hilfreich zur Seite. 98
Abb. 1.16: Daten bzw. Informationspyramide samt einer Zuordnung
der verschiedenen Analysewerkzeuge. [JAHN93]. 99
Abb. 1.17: Jede Benutzerzielgruppe hat einen anderen Zugang
zum zentralen DWH. 100
Abb. 1.18: Schematische Darstellung der täglichen Tätigkeiten bzw.
Aufgabenschwerpunkte der unterschiedlichen
Management Ebenen[SCHI86]. 103
Abb. 1.19: Beispiel einer »Profit Loss« (P L) Analyse als zentraler
Hauptbericht eines Executive Information Systems. 105
Abb. 1.20: Zusammenhang zwischen klassischen Geschäftsprozessen
und modernen Analyseprozessen. 107
Abb. 1.21: Nur die Kombination unternehmensweites Data
Warehouse und abhängige Data Marts sichert langfristig
den gewünschten betriebswirtschaftlichen Nutzen. 109
Abb. 1.22: Beispielhaft der iterative Projektverlauf beim Aufbau
eines zentralen, unternehmensweiten Data Warehouses. 112
Abb. 1.23: Das sogenannte »Eisberg« Syndrom [BULL94, BNK93] bei
Projekten zur Einführung eines unternehmensweiten Data
Warehouse Konzeptes. 113
Abb. 1.24: OLAP /DSS Analyse versus Data Mining. 119
Abb. 1.25: Reifegradmodell von Werkzeugen zur Unterstützung
der Entscheidungsfindung. 119
Abb. 1.26: Das Business Informationsportal als zentraler Zugang zum
unternehmensweiten Wissens Warenhaus für alle
Entscheider des Unternehmens. 123
Abb. 2.1: Von einem operativen E/R Diagramm zu einem
multidimensionalen Datenmodell. 129
___________^^ Abbildungsverzeichnis
Abb. 2.2: Arten von betriebswirtschaftlichen Kennzahlen [SIEG98] 136
Abb. 2.3: Klassisches betriebswirtschaftliches Kennzahlensystem
Return on Investment (ROI). 138
Abb. 2.4: Die Ebenen der multidimensionalen Datenmodellierung
eines Data Warehouses. [angelehnt an TJ98]. 143
Abb. 2.5: Semantisches Datenmodell des DWH
Referenzbeispiels »Heim Haus Ihr Baumarkt« für die
Kennzahlengruppe Umsatz. 145
Abb. 2.6: Aggregationsgraph der Dimension Geographie
(»Heim Haus Ihr Baumarkt). 148
Abb. 2.7: Aggregationsgraph der Dimension Sortiment (»Heim
Haus Ihr Baumarkt«). 149
Abb. 2.8: Aggregationsgraph der Dimension Kassabon (»Heim
Haus Ihr Baumarkt«). 150
Abb. 2.9: Aggregationsgraph der Dimension Datum (»Heim
Haus Ihr Baumarkt«). 151
Abb. 2.10: Aggregationsgraph der Dimension Werbemaßnahme
(»Heim Haus Ihr Baumarkt«). 152
Abb. 2.11: Semantisches Datenmodell des DWH Referenzbeispiels
»Heim Haus Ihr Baumarkt« für die
Kennzahlengruppe Umsatz. 153
Abb. 2.12: Aggregationsgraph der Dimension Lager
(»Heim Haus Ihr Baumarkt«). 154
Abb. 2.13: Fast alle semantischen Modelle besitzen mehr als
einen »Faktenstern« bzw. Kennzahlengruppe. 155
Abb. 2.14: Ein vollkommen denormalisiertes Star Schema
(»Heim Haus Ihr Baumarkt« Beispiel). 158
Abb. 2.15: Ein Snowflake Schema wird zumeist in 3. Normalform
modelliert (»Heim Haus Ihr Baumarkt«). 165
Abb. 2.16: Eine Variante eines Snowflake Schemas (»Heim Haus
Ihr Baumarkt« Beispieles). Keine gute Wahl! 167
Abb. 2.1 7: Das konsolidierte Schema speichert auch bereits
Aggregate in den Faktentabellen. 1 71
Abb. 2.18: Das Fact Constellation Schema (»Heim Haus
Ihr Baumarkt«). 1 73
Abb. 2.19: Die zusätzlichen Elemente eines ME/R Diagramms. 1 76
17
Abbildungsverzeichnis
Abb. 2.20: Das »Heim Haus Ihr Baumarkt« Beispiel dargestellt
in der Form eines ME/R Diagramms. 1 77
Abb. 2.21: Die Elemente der ADAPT Methode. 1 79
Abb. 2.22: Die ADAPT Methode angewandt auf
»Heim Haus Ihr Baumarkt«. 1 79
Abb. 3.1: Eine technische Data Warehouse Referenzarchitektur. 187
Abb. 3.2: Drei Schichtenarchitektur (Server = Client =
Datenbanksystem), basierend auf relationaler
Datenbanktechnologie mit einem Rieh Client. 191
Abb. 3.3: Mögliche dreischichtige DWH Architektur, wobei der
Schwerpunkt der Analyseberechnung auf die RDBMS
Ebene verschoben wurde (vergleiche Abbildung 3.2). 194
Abb. 3.4: Eine sinnvolle dreischichtige DWH Architektur, wobei
sämtliche Datenanalysen auf dem zentralen DWH Server
ausgeführt werden. 195
Abb. 3.5: Komplexe mehrschichtige DWH Architektur
mit ausgeprägten Zwischenschichten auf Basis des
Proxy Server Konzeptes. 196
Abb. 3.6: Es existieren gegensätzliche Standards für komponen¬
tenorientierte Frameworks (CORBA = DCOM = RMI). 197
Abb. 3.7: Thin versus Rich Client Philosophie. 199
Abb. 3.8: Die Architektur von Daten in einem Unternehmen. 206
Abb. 3.9: Auszug aus dem vereinfachten semantischen Datenmodells
des Referenzbeispiels »Heim Haus Ihr Baumarkt«. 209
Abb. 3.10: Aggregationsgraph der Dimension »Geographie« mit
multiplen Hierarchien (»Heim Haus Ihr Baumarkt«). 212
Abb. 3.11: Zusammenhang zwischen dem Fluß der Daten
(Information/Wissen) dem Fluß der Metadaten. 222
Abb. 3.12: Die Anwender werden zumeist in Benutzergruppen mit
unterschiedlichen Berechtigungen hierarchisch eingeteilt. 225
Abb. 3.13: SQL Beispiel für den Aufbau auf die unterschiedlichen
Anwendersichten auf das DWH. 232
Abb. 3.14: Die Verbesserung des Antwortzeitverhaltens ist ein
Optimierungsproblem zwischen Ressourcenkapazität,
verfügbarem Wartungsfenster und den Anforderungen
der Anwender. 234
Abbildungsverzeichnis
Abb. 3.15: Beispielhafter wöchentlicher Berichtszyklus der
Standardberichte (»Heim Haus Ihr Baumarkt«). 235
Abb. 3.16: Beispiel einer vollständigen Bildung von Aggregaten
aller möglichen Hierarchieebenen der Dimension
Geographie und Zeit. 240
Abb. 3.1 7: Partielle Bildung von Aggregaten der Dimension
Geographie und Zeit (vergleiche Abbildung 3.16). 242
Abb. 3.18: Unterschiedliche Varianten der Behandlung von
veralteten Detaildaten in einem Data Warehouse. 249
Abb. 3.19: Fragmentierungen können sowohl auf DWH Applikations
als auch auf Datenbankebene definiert werden. 253
Abb. 3.20: Eine MPP Datenbankarchitektur erlaubt die geschickte
parallele Verarbeitung von komplexen DWH Abfragen. 256
Abb. 3.21: Funktionsweise der Bitmap Indextechnik, dargestellt
anhand eines einfachen SELECT SQL Befehles. 258
Abb. 3.22: Star Join Indextechniken zur Verbesserung der
Berichtslaufzeiten. 259
Abb. 3.23: Die Definitionsphase des ETL Prozesses. 269
Abb. 3.24: Die Ausführungsphase des ETL Prozesses. 271
Abb. 3.25: Das DWH wird kontinuierlich mit den operativen
Datenextrakten gefüllt (Heim Haus Ihr Baumarkt). 275
Abb. 3.26: Risikobewertung von Data Warehouse Projekten
mittels eines Radardiagramms. 281
Abb. 3.27: Beispielhafte Bewertung des konkreten Projektrisikos
im Zuge der strategischen Planungsphase eines
Data Warehouse Projektes. 285
Abb. 3.28: Das klassische Wasserfallmodell (Waterfall Model)
im Software Entwicklungsprozeß [ROYC70]. 288
Abb. 3.29: Die evolutionäre Entwicklung setzt stark auf
schnelle Prototypen. 289
Abb. 3.30: Das Spiralmodell (Spiral Model) im
Software Entwicklungsprozeß. 291
Abb. 3.31: Ein allgemeines Vorgehensmodell für
unternehmensweite Data Warehouse Projekte. 298
Abb. 3.32: Ein Life Cycle Modell für eine DWH Projektiteration. 303
Abb. 3.33: Rollen und Aufgabenverteilung bei einem
Data Warehouse Projekt. 305
19
Abbildungsverzeichnis
Abb. 4.1: Relationale OLAP Architektur (ROLAP). 327
Abb. 4.2: Multidimensionale OLAP Architektur (MOLAP). 329
Abb. 4.3: Hybrid OLAP Architektur (HOLAP). 331
Abb. 4.4: Desktop bzw. Database OLAP Architektur (DOLAP). 333
Abb. 4.5: Abstraktes Beispiel eines multidimensionalen
Datenwürfels vor und nach einer Drill Down
OLAP Funktion. 335
Abb. 4.6: Ein weiterer Drill Down auf die einzelnen Märkte.
Vergleiche auch Abbildung 4.5. 335
Abb. 4.7: Die Roll up Funktion verringert den Detaillierungsgrad
der Daten. Vergleiche auch Abbildung 4.6. 336
Abb. 4.8: Pivoting OLAP Funktionalität entspricht einem Drehen
des Datenwürfels. * 336
Abb. 4.9: Die Slicing OLAP Funktion entspricht dem
»Abschneiden von Scheiben«. 337
Abb. 4.10: Die Dicing OLAP Funktion entspricht dem
»Herausschneiden ( greifen)« eines Unterdatenwürfels. 337
Abb. 4.11: Ein Umsatzbericht auf einem sehr hohen
Abstraktionsniveau (»Heim Haus Ihr Baumarkt«) 340
Abb. 4.12: Der Umsatzbericht nach einer Mehrfach Drill Down
OLAP Operation. 341
Abb. 4.13: Ein Pivoting (Drehen) des Berichtes erscheint zweckmäßig. 341
Abb. 4.14: Der Umsatzbericht nach dem Ausführen der Pivoting
OLAP Operation. 342
Abb. 4.15: Eine weitere Einschränkung mittels einer weiteren
Drill Down Operation wird vom Anwender vorgenommen. 343
Abb. 4.16: Der Umsatzbericht nach einer weiteren
Drill Down Operation. 343
Abb. 4.1 7: Der Anwender führt eine Drill Within OLAP Operation
auf der Dimension Artikel aus. 344
Abb. 4.18: Der Umsatzbericht nach der Drill Within OLAP Operation. 344
Abb. 4.19: Eine weitere Drill Down OLAP Operation soll die
verantwortlichen Vertriebsleiter eruieren. 344
Abb. 4.20: Der Umsatzbericht zeigt nun auch die verantwortlichen
Vertriebsleiter. 345
20
Abbildungsverzeichnis
Abb. 4.21: Die Drill Anywhere OLAP Operation erlaubt dem
Anwender weitreichende Analysemöglichkeiten. 345
Abb. 4.22: Der etablierte Begriff »Datenwürfel« beschreibt technisch
eigentlich eine multidimensionale Daten bzw.
Speicherstruktur. 347
Abb. 4.23: Ein virtueller Datenwürfel setzt sich aus mehreren
physikalisch gespeicherten Unterwürfeln zusammen. 348
Abb. 4.24: Datenzellen können auch mittels Vektoren in einem
multidimensionalen Raum eindeutig adressiert werden. 349
Abb. 4.25: Das Beispiel »Heim Haus Ihr Baumarkt« anhand
der Abhängigkeit der einzelnen Informationsobjekte
betrachtet. 351
Abb. 4.26: Allgemeine Funktionsweise von multidimensionalen
Speicherstrukturen, hier anhand einer Grid File
Struktur beschrieben. 354
Abb. 4.27: Transformation der ersten Zwischenstruktur zur
endgültigen multidimensionalen Speicherstruktur. 359
Abb. 4.28: Die multidimensionale Speicherstruktur
räumlich visualisiert. 364
Abb. 4.29: Unterschiedliche OLAP Abfragesprachen
werden verwendet. 366
Abb. 5.1: Moderne Web Technologien als umfassende
Klammer zwischen dem zentralen Data Warehouse
und analytischen/strategischen Informationssystemen
innerhalb eines Unternehmens. 378
Abb. 5.2: Abgrenzungen zwischen Intranet, Extranet und
dem Internet. 388
Abb. 5.3: Eine allgemeine Web enabled Data Warehousing
Architektur ist gekennzeichnet durch die zusätzliche
Web Schicht. 393
Abb. 5.4: Die involvierten Systemkomponenten in einem
Web enabled DWH System. 396
Abb. 5.5: DWH Ablauf bei der Erstellung eines Briefing
Books (Berichtsübersicht). 397
Abb. 5.6: Ablauf der Erstellung einer (N DIM) Kreuztabelle anhand
des Briefing Book in Abbildung 5.5. 400
21
Abbildungsverzeichnis
Abb. 5.7: Ablauf der Abarbeitung einer Hyper Drill (Down) OLAP
Funktion nach Warengruppe A (WGA) anhand der
Kreuztabelle aus Abbildung 5.6. 403
Abb. 5.8: Integration eines Web spezifischen Zwischenspeichers
(Cache) zur Verbesserung des Antwortzeitverhaltens. 407
Abb. 5.9: XML Objekte können mittels XSL in ein HTML
konformes Ausgabeformat transformiert werden. 414
Abb. 5.10: Allgemeine Einschichten (One Tier) Web Architektur. 415
Abb. 5.11: Allgemeine Zweischichten (Two Tier) Web Architektur. 416
Abb. 5.12: Allgemeine Dreischichten (Three Tier) Web Architekturen. 41 7
Abb. 5.1 3: Allgemeine Mehrschichten (Multiple Tier)
Web Architektur. 418
Abb. 5.14: Reifegradmodell von Web enabled Data
Warehouse Lösungen. 421
Abb. 5.15: Evolution von Web Technologien und dadurch erzielbarer
Mehrwert für ein Web enabled Data Warehouse System. 422
Abb. 5.16: Beispiel eines symmetrischen Verschlüsselungsverfahrens. 426
Abb. 5.1 7: Vergleich symmetrische und asymmetrische
Verschlüsselungsverfahren. 429
Abb. 5.18: Ablauf der Nachrichtenübermittlung beim Einsatz des
RSA Verfahrens. 430
Abb. 5.19: Ablauf bei der Erstellung einer digitalen Signatur. 431
Abb. 5.20: Eine zweischichtige Firewall Architektur zur Abschirmung
eines firmeninternen Netzwerkes (Intranet) vor
widerrechtlichen Zugriffen aus dem Internet [LS98]. 433
Abb. 5.21: Daten mit einem Bezug zu einer Dimension »Geographie«
können auch in Form einer Landkarte visualisiert werden. 437
Abb. 5.22: Designstudie einer Wetterkarten Metapher zur Veranschau¬
lichung aktueller und zukünftiger Geschäftsentwicklungen. 438
Abb. 5.23: Die betriebswirtschaftliche Struktur eines Unternehmens
(Organigramm) kann auch als eine dem Anwender bestens
vertraute Struktur zur Navigation und Informationsvisualisie¬
rung verwendet werden. 439
Abb. 5.24: Der Unternehmensleitstand als zentraler Zugang für den
Entscheider zu strategischen und analytischen
Informationen. 441
Abb. 5.25: Klassisches Modell eines Produktlebenszyklus. 446
Abbildungsverzeichnis
Abb. 5.26: Mögliche Informationsvisualisierung einer typischen
Wachstumsmatrix. 447
Abb. 5.27: Darstellung des Monatsumsatz aller Filialen in der Region
Eastern im Oktober mit gekerbten Box Plots [SCHM98]. 448
Abb. 5.28: Stern Plots als eine Möglichkeit der Visualisierung von
multidimensionalen Datenstrukturen [SCHM98]. 449
Abb. 5.29: Stern bzw. Radarplot Darstellung, jedoch ein wenig
kompakter, als in Abbildung 5.28 [SCHM98]. 450
Abb. 5.30: Integration von statistischen Trendberechnungen in
Standard Visualisierungskomponenten. 450
Abb. 5.31: Gesamtarchitektur der Decision Support Lösungen der
Firma MicroStrategy. 453
Abb. 5.32: Die Architektur der MicroStrategy Web Lösung.
Zusammenspiel der unterschiedlichen Komponenten. 456
Abb. 5.33: Informations bzw. Kontrollfluß bei einer Berichtsabfrage
(Query Flow) 461
Abb. 5.34: Globale Einstellungsmöglichkeiten der MicroStrategy
Web Administrator Konsole für die verwendete Web
Technologie. 468
Abb. 5.35: Der Einstieg erfolgt über eine Projektauswahl Startseite. 468
Abb. 5.36: Die Standard Benutzerschnittstelle ist in mehrere
Darstellungsbereiche unterteilt. 469
Abb. 5.37: Mittels ActiveX Komponente DSSGrid stehen komplexe
OLAP Funktionen per Maus Klick zur Verfügung. 471
Abb. 5.38: Sämtliche Web Technologien werden unterstützt. Derselbe
Bericht aus Abbildung 5.37 wird mittels HTML und der
Verwendung von Cascading Style Sheets (CSS) aufgebaut. 472
Abb. 5.39: Auch Geschäftsgrafiken können ansprechend umgesetzt
werden. 473
Abb. 5.40: Erstellen eines neuen Berichtes mit Hilfe des
Berichtsassistenten. 473
Abb. 5.41: Der Anwender muß sich mit Paßwort und
Benutzername anmelden. 475
Abb. 5.42: Das klassische Konzept eines Executive
Information Systems. 476
Abb. 5.43: Die Benutzerschnittstelle des Unternehmensleitstandes. 477
23
Abbildungsverzeichnis
Abb. 5.44: Sogenannte Ampelberichte erlauben es, auch bei
umfangreichen Berichten den Überblick zu behalten. 478
Abb. 5.45: Der Anwender kann jederzeit mittels der Berichtshistorie
seinen individuellen Analysepfad nachvollziehen. 479
Abb. 5.46: Landkarten erlauben dem Anwender die rasche
Navigation. 479
Abb. 5.47: Die Landkarte erlaubt auch eine Drill Down OLAP
Operation (vergleiche Abbildung 5.46). 480
Abb. 5.48: Durch die vollständige Integration von MS Excel können
Analysen entsprechend der Corporate Identity (Cl)
formatiert werden. 481
Abb. 5.49: Paradigmawechsel vom »Request and Response« hin
zum »Publish and Subscribe«. 485
Abb. 5.50: Durch aktive und personalisierte Informationsverteilung
kann das strategische Potential eines Data Warehouses
erheblich gesteigert werden. Umgesetzt mittels
MicroStrategy Broadcaster 488
Abb. 5.51: HTML E Mail Ausgabe des MicroStrategy Broadcaster
Service. 489
Abb. 5.52: Protokollschichten des World Wide Web. 492
Abb. 5.53: Automatische Suchroboter durchkämmen periodisch den
gesamten Web Raum und bauen Index Datenbanken auf. 501
Abb. 5.54: Einsatzmöglichkeiten eines Web Farming Systems. 503
Abb. 5.55: Eine multidimensionale Kreuztabelle des Web enabled
Data Warehouse Prototyps (DWH Beispiel Grocery
Store [KIMB96]). 507
Abb. 5.56: Eine andere Informationsvisualisierung: ToplO /Worst3
Ranking (DWH Beispiel Grocery Store [KIMB96]). 509
Abb. 5.57: Mittels einer »Mehrfach «Drill Operation in der
Visualisierungskomponente aus Abbildung 5.56 kann
effiziente Ursachenforschung betrieben werden. 509
Abb. 5.58: Ein multidimensionaler Bericht mit klassischer Traffic
Lighting Funktionalität (DWH Beispiel Grocery
Store [KIMB96]). 510
Abb. 6.1: Unterschiedliche Reifegrade (bzw. Entwicklungsstufen)
elektronischem Handels 524
Abb. 6.2: Die Evolution eines E Commerce Systems aus Sicht eines
Unternehmens 526
94
__ __ _ Abbildungsverzeichnis
Abb. 6.3: Gewinnpotentiale durch elektronischen Waren und
Informationshandel in Vergleich zum traditionellen
Produktvertrieb 539
Abb. 6.4: Phasen einer Hersteller/Händler = Kunden Bindung. 549
Abb. 6.5: Vom produktorientierten zum kundenorientierten
Unternehmen 551
Abb. 6.6: Intelligenter E Business Prozeßkreislauf basierend auf
einem zentralen Data Warehouse 560
Abb. 6.7: Die typische Abfolge einer bargeldlosen (Kreditkarten )
Transaktion bei einem
E Commerce Geschäft 566
Abb. 6.8: Die digitale Signatur kennzeichnet den Absender eines
Dokumentes eindeutig. 566
Abb. 6.9: Prognose der kurzfristigen Marktentwicklung des
Business Informationsportal Marktes [Studie Merrill
Lynch Co, Inc.] 575
Abb. 6.10: Eine allgemeine Referenzarchitektur eines Business
Informationsportals 578
Abb. 6.11: Eine mögliche Benutzerschnittstelle eines aktiven
Business Informationsportals 582
Abb. 6.12: Die Torten Metapher bietet auch die klassische
Drill Down OLAP Funktionalität. 583
Abb. 7.1: Ein sehr vereinfachter Geschäftsprozeß. 604
Abb. 7.2: Architektur eines Benutzerschnittstellen Agenten, der
das Benutzerverhalten durch Beobachtungen erlernt. 607
Abb. 7.3: Der Operative Daten(zwischen)speicher (Operational
Data Store; ODS). 614
Abb. 7.4: Einfaches Star Schema mit der zentralen Faktentabelle
SALES FACTS und den Dimensionstabellen Time ,
Stores , Product und Promotion. [Beispiel Grocery Store,
R. Kimball]. 616
Abb. 7.5: Die Basisarchitektur des World Wide Web.[BCLN + 94] 619
Abb. 7.6: Eine klassische Informationsaufbau einer Internet
Information Portal Site, (www.snap.com) 628
Abb. 7.7: Die Balanced Scorecard (BSC) als strategischer
Handlungsrahmen [Kapl97]. 640
25
Abbildungsverzeichnis
Abb. 7.8: Mögliches Phasenmodell bei einer anstehenden
Produktevaluierung [KB93]. 642
Abb. 7.9: Ein sehr strukturiertes Vorgehensmodell zur
Produktevaluierung [Kurz98B]. 672
26
Tabellenverzeichnis I
Tab. 1.1: Charakteristiken eines Data Warehouses. 49
Tab. 1.2: Begründungen für die Durchführung von Data
Warehouse Projekten nach einer META Group Studie
[META98A, MART98] aus dem Jahre 1998. 55
Tab. 1.3: Beispielhafte Projektkostenstruktur eines DWH Projektes. 62
Tab. 1.4: Gegenüberstellung der synonymen deutschen und englischen
Begriffe im Umfeld analytischer Informationssysteme und/
oder Management Unterstützungssystemen. 97
Tab. 1.5: Typische Unterscheidungsmerkmale zwischen Data Marts
(abgeleitet und/oder proprietär) und dem zentralen Data
Warehouse Ansatz. 110
Tab. 2.1: Grafische Elemente der semantischen
Datenmodellierungsebene. 146
Tab. 3.1: Gegenüberstellung der Konzepte von CORBA und DCOM. 198
Tab. 3.2: Beispielhafte prozentuelle Aufteilung des gesamten
DWH Speicherplatzes. 261
Tab. 4.1: Typische Unterscheidungsmerkmale zwischen OLTP ,
Data Warehouse und OLAP Systemen. 322
Tab. 4.2: Mögliche Ausprägung einer multidimensionalen Abfrage¬
sprache und deren Übersetzung in Standard SQL Befehle. 367
Tab. 4.3: Vergleich ANSI SQL/92 und MDX Grammatik bzw.
Begrifflichkeiten. 369
Tab. 5.1: Ein kurzer historischer Rückblick auf die Entwicklungs¬
geschichte von Hypertext, von ersten Konzepten bis zum
heutigen XML [BM98]. 384
Tab. 5.2: Charakteristiken und Vorteile einer Web enabled
Data Warehousing Lösung. 391
Tab. 5.3: Prozeß der Transformation aus einer internen
Beschreibungsstrucktur in ANSI SQL. Beispiel
»Heim Haus Ihr Baumarkt« (vereinfacht). 399
27
Tabellenverzeichnis
Tab. 5.4: Prozeß der Transformation aus einer internen
Beschreibungsstruktur mit eingearbeitetem Drill Down
(SELECTIONCRITERIA) nach ANSI SQL. Beispiel
»Heim Haus Ihr Baumarkt« (vereinfacht). 404
Tab. 5.5: Zusammenhang Web Technologie und Funktionalität von
MicroStrategy Web. 465
Tab. 5.6: Wesentliche Betriebswirtschaftliche Motivationen für
Web enabled Data Warehousing 515
Tab. 7.1: Aufschlüsselung der jährlichen, nach den tatsächlich
anfallenden PC Kosten des TCO Modells der Gärtner
Group (www.gartnergroup.com) 618
Tab. 7.2: Aktuelle (Jahr 1998) Erhebungsdaten des OLAP
Reports OnLine. 622
Tab. 7.3: Vergleich der Internet Nutzung bzw. Verbreitung in
Deutschland, in Österreich und in der Schweiz. 634
Tab. 7.4: Tabelle der typischen Ubertragungsgeschwindigkeiten im
Internet. 635
Tab. 7.5: Vorschlag eines Kriterienkatalogs bei einer Evaluierung 650
28
|
| any_adam_object | 1 |
| author | Kurz, Andreas |
| author_facet | Kurz, Andreas |
| author_role | aut |
| author_sort | Kurz, Andreas |
| author_variant | a k ak |
| building | Verbundindex |
| bvnumber | BV012859329 |
| classification_rvk | QH 500 QP 345 ST 530 |
| ctrlnum | (OCoLC)260010989 (DE-599)BVBBV012859329 |
| discipline | Informatik Wirtschaftswissenschaften |
| edition | 1. Aufl. |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01658nam a2200385 c 4500</leader><controlfield tag="001">BV012859329</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20030729 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">991115s1999 a||| |||| 00||| ger d</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3826640454</subfield><subfield code="9">3-8266-4045-4</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)260010989</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV012859329</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakwb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-473</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-863</subfield><subfield code="a">DE-861</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-522</subfield><subfield code="a">DE-525</subfield><subfield code="a">DE-188</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QH 500</subfield><subfield code="0">(DE-625)141607:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QP 345</subfield><subfield code="0">(DE-625)141866:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 530</subfield><subfield code="0">(DE-625)143679:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Kurz, Andreas</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data warehousing</subfield><subfield code="b">enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel]</subfield><subfield code="c">Andreas Kurz</subfield></datafield><datafield tag="246" ind1="1" ind2="3"><subfield code="a">Data-warehousing</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Aufl.</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Bonn</subfield><subfield code="b">MITP</subfield><subfield code="c">1999</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">735 S.</subfield><subfield code="b">Ill.</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data-Warehouse-Konzept</subfield><subfield code="0">(DE-588)4406462-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Management</subfield><subfield code="0">(DE-588)4037278-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Management</subfield><subfield code="0">(DE-588)4037278-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Data-Warehouse-Konzept</subfield><subfield code="0">(DE-588)4406462-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">HBZ Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008750463&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-008750463</subfield></datafield></record></collection> |
| id | DE-604.BV012859329 |
| illustrated | Illustrated |
| indexdate | 2024-08-01T11:28:17Z |
| institution | BVB |
| isbn | 3826640454 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-008750463 |
| oclc_num | 260010989 |
| open_access_boolean | |
| owner | DE-473 DE-BY-UBG DE-1051 DE-29T DE-12 DE-20 DE-898 DE-BY-UBR DE-355 DE-BY-UBR DE-1049 DE-863 DE-BY-FWS DE-861 DE-523 DE-634 DE-522 DE-525 DE-188 |
| owner_facet | DE-473 DE-BY-UBG DE-1051 DE-29T DE-12 DE-20 DE-898 DE-BY-UBR DE-355 DE-BY-UBR DE-1049 DE-863 DE-BY-FWS DE-861 DE-523 DE-634 DE-522 DE-525 DE-188 |
| physical | 735 S. Ill. |
| publishDate | 1999 |
| publishDateSearch | 1999 |
| publishDateSort | 1999 |
| publisher | MITP |
| record_format | marc |
| spellingShingle | Kurz, Andreas Data warehousing enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel] Data-Warehouse-Konzept (DE-588)4406462-7 gnd Management (DE-588)4037278-9 gnd |
| subject_GND | (DE-588)4406462-7 (DE-588)4037278-9 |
| title | Data warehousing enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel] |
| title_alt | Data-warehousing |
| title_auth | Data warehousing enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel] |
| title_exact_search | Data warehousing enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel] |
| title_full | Data warehousing enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel] Andreas Kurz |
| title_fullStr | Data warehousing enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel] Andreas Kurz |
| title_full_unstemmed | Data warehousing enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel] Andreas Kurz |
| title_short | Data warehousing |
| title_sort | data warehousing enabling technology ihre referenz fur data warehouse projekte entdecken sie die basistechnologie fur aktive informationsportale e business und crm durchgangiges fallbeispiel |
| title_sub | enabling technology ; [ihre Referenz für Data Warehouse-Projekte; entdecken Sie die Basistechnologie für aktive Informationsportale, E-Business und CRM; durchgängiges Fallbeispiel] |
| topic | Data-Warehouse-Konzept (DE-588)4406462-7 gnd Management (DE-588)4037278-9 gnd |
| topic_facet | Data-Warehouse-Konzept Management |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008750463&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT kurzandreas datawarehousingenablingtechnologyihrereferenzfurdatawarehouseprojekteentdeckensiediebasistechnologiefuraktiveinformationsportaleebusinessundcrmdurchgangigesfallbeispiel AT kurzandreas datawarehousing |
Inhaltsverzeichnis
THWS Würzburg Zentralbibliothek Lesesaal
| Signatur: |
1000 ST 530 K96 |
|---|---|
| Exemplar 1 | ausleihbar Verfügbar Bestellen |
| Exemplar 2 | ausleihbar Verfügbar Bestellen |