Data-Warehouse-Modellierung mit case/4/0

In der Realität ist der Zugriff auf essenzielle Informationen häufig nicht rechtzeitig oder nur unvollständig, im schlimmsten Falle sogar gar nicht möglich. Data Warehouses sollen hier als zentrale Sammelstelle für entscheidungsrelevante Informationen für Abhilfe sorgen und das in einem Unternehmen verstreute Wissen bündeln und so aufbereiten, dass es die Entscheidungsfindung erleichtert. Doch Data Warehouses gibt es nicht von der Stange zu kaufen. case/4/0 unterstützt Sie bei der Planung und Realisierung eigener Systeme. Werfen Sie mit uns einen Blick in die Praxis.

Wie unterstützt case/4/0 Data-Warehouse-Modellierung?

Data-Warehouse-Systeme werden als strategische Ressource für erfolgreiches unternehmerisches Handeln genutzt. Eine effiziente und zielorientierte Analyse der Daten verlangt eine multidimensionale Sicht auf alle betriebswirtschaftlich relevanten Größen. Das heißt, die vorhandenen Datensammlungen müssen nach unterschiedlichen Dimensionen wie Produkt/Produktgruppe oder Jahr/Monat/Tag usw. aufbereitet, verdichtet und analysiert werden, um flexible Auswertungen zu ermöglichen. Multidimensionale Datenmodellierung nimmt deshalb eine Schlüsselstellung beim Entwurf eines Data-Warehouse-Systems ein.

case/4/0 gestattet die Analyse und den Entwurf multidimensionaler Datenmodelle und deren Abbildung auf relationale Datenbanken. Auch beim Data Warehouse Modeling stehen Ihnen selbstverständlich bewährte Standardfunktionen von case/4/0 wie der Abgleich zwischen ER-Modell und Relationenmodell zur Verfügung.

Die nächsten beiden Abschnitte beschreiben, wie Sie die Funktionen für Data-Warehouse-Modellierung unter System Analysis und System Design nutzen können.

Multidimensionale Datenmodellierung in ER-Modellen

Unter case/4/0 erfolgt die Abbildung multidimensionaler Datenmodelle mit den Mitteln des ER-Modells. Dazu wurden die Modellierungsmöglichkeiten von case/4/0 um spezielle multidimensionale ER-Modelle erweitert:

Abbildung 1: Data-Warehouse-Modellierung aus Sicht des ER-Modells

In ihnen können neben Standard-Entity-Typen zwei multidimensionale Entity-Typen, die Dimensionsstufe und der Fakt, für die Datenmodellierung verwendet werden. Und es gibt noch einen weiteren Unterschied zum Standard-ER-Modell, eine spezielle 1:N-Beziehung, die nur zwischen multidimensionalen Entity-Typen angelegt werden kann. Dimensionshierarchien können in einem multidimensionalen ER-Modell so anschaulich abgebildet werden.

Data-Warehouse-Modellierung in Relationenmodellen

Die unter System Analysis modellierten multidimensionalen ER-Modelle werden unter System Design auf ein Relationenmodell abgebildet. In einem solchen Data-Warehouse-Modell wird zwischen Fakt, Dimension (denormalisiert) und Dimensionsstufe unterschieden:

Abbildung 2: Data-Warehouse-Modellierung aus Sicht des Relationenmodells

Welche Primärdaten eine Data-Warehouse-Relation benötigt, legen Sie im Kontextmenü der jeweiligen Relation fest. Sie erhalten einen Auswahl-Dialog, in dem Sie jedem Attribut der Data-Warehouse-Relation eine passende Datenquelle zuordnen und geeignete Transformationsregeln formulieren können. Bei der Implementierung können Sie unter case/4/0 auf eine Data-Warehouse-Relation genauso zugreifen wie auf Standard-Relationen: Legen Sie einfach in der Modulstruktur eine Referenz auf die gewünschte Relation an.

case/4/0 generiert wahlweise direkt den OMG-Standard Common Warehouse Metamodel (CWM) oder auch reine Datenbankdefinitionen für relationale Systeme.

Copyright © 2001 - 2012 microTOOL GmbH, Berlin. Alle Rechte vorbehalten.