c2b_default

ANS08_2

mixed

mixed

11
0.0 (0)
Patrick Wayne
Study
Patrick Wayne
Diese Lernkarten behandeln die Grundlagen und Anwendungen von analytischen Informationssystemen (AI) auf Universitätsniveau. Sie konzentrieren sich auf Themen wie OLAP, Data Warehousing (DW), Datenanalyse und Data Mining, wobei Schwerpunkte auf Dimensionen, Sichten und der mehrdimensionalen Datenanalyse liegen. Die Karteikarten eignen sich für Studierende und Fachleute, die sich mit der Struktur und Nutzung von Datenbeständen für betriebswirtschaftliche Entscheidungen vertraut machen möchten.
Flashcards
11
Students
1
Language
German
Category
Computer Science
Level
University
Created / Updated
04.10.2015 / 05.10.2015
  • 1  / 11

Flashcards

Analytische Informationssysteme  

Bei AI stehen die Analyse und Entscheidungsunterstützung im Vordergrund. Es sollen Auswertungen und Berechnungen durchgeführt werden, um die Entscheidungen des Managements zu verbessern. AI benötigen eine eigenständige, speziell für Auswertungszwecke geschaffene Datenbasis (DW oder Data Mart)

Architektur AI

  • operative Datenbestände und externe Daten (ETL)
  • Data Marts und Data Warehouse
  • Datenanalys (OLAP,DATA-Mining,Textmining, Webmining)
  • FIS oder Portal

Data Mining

  •  Datenmustererkennung
  • Erforschung und Analyse großer Datenbestände hinsichtlich sinnvoller Muste Zusammenhänge oder Regeln.
  •  Wissensentdeckung mit statistischen Verfahren
  • Besonderheit: verborgene unbekannte Sachverhalte sollen ermittelt werden 

Methoden/Verfahren:  DM

  • Klassifikation – Zuordnung einzelner Objekte (Datensätze) zu vorgegebenen Klassen
  • Clusterbildung (Clustering, Segmentierung) – ähnliche Objekte (Datensätze) sollen zu Gruppen (Segmenten) zusammengefasst werden
  • Assoziation – es erfolgt eine Suche nach Verwandtschaft und Korrelation innerhalb des Datenbestandes 
  • Regression (statische Basisverfahren)

DataWarehouse

  • Stellt eine speziell für die Entscheidungsfindung entworfene, thematisch spezialisierte Datenbank dar, die als unternehmensweiter Datenpool fungiert und generell unabhängig von den operativen Anwendungssystemen angelegt wird
  • Dient als unternehmensweite Datenbasis für managementunterstützende Systeme
  • Daten aus internen & externen Quellen zusammenführen und speichern
  • Um mit Hilfe von Abfrage-, Analyse & Auswertungsprogrammen Infos zu gewinnen

Ziele DW

  • Daten aus operativen Anwendungssystemen systematisch zusammenführen
  • Alle Datenarten zu berücksichtigen, d.h. neben strukturierten, relationalen Daten sind unstrukturierte Texte, Grafiken, Fotos sowie Daten in Ton- und Videoform von Bedeutung
  • Einheitliche Datenbasis soll einen einfachen, schnellen und flexiblen Zugriff ermöglichen

Hauptkriterien DW

o Themenorientierung (Orientierung an den unternehmensrelevanten Sachverhalten) 

o Vereinheitlichung (Struktur- und Formatvereinheitlichung) 

o Beständigkeit (Nichtvolatität) 

o Zeitraumbezug  

Online Analytical Processing

  • Umfasst alle Formen der mehrdimensionalen Datenanalyse
  • Im Mittelpunkt stehen betriebswirtschaftliche Kennzahlen (z.B. Vergleich von Umsätzen nach Produktgruppen)
  • Die Mehrdimensionalität wird durch einen sogenannten Datenwürfel veranschaulicht

Anforderungen OLAP

  • Mehrdimensionale konzeptionelle Sicht auf die Daten
  • Transparenz
  • Zugriffsmöglichkeiten o Stabile Antwortzeiten
  • Client-Server-Architektur
  • Gleichrangige Dimensionen
  • Dynamische Handhabung 
  • Mehrbenutzerfähigkeit
  • Unbeschränkte dimensionsübergreifende Operationen 
  • Intuitive Datenanalyse
  • Flexibles Berichtswesen
  • Unbegrenzte Anzahl von Dimensionen und Aggregationsstufen 

Werkzeuge bzw. Sichten OLAP

  • Werkzeug ist der mehrdimensionale Würfel
  • keine Einschränkung bei der Anzahl der Dimensionen (meist Produkt, Region, Zeitraum)
  • Mögliche Sichten in Abhängigkeit der Dimensionen (3 Dim. 1x2x3=6 Sichten)
  • Die verschiedenen Betrachtungsmöglichkeiten:
    • Slice – Herausschneiden von Scheiben
    • Dice – Bildung von kleinen Würfeln aus dem Gesamtwürfel durch Einschränkung auf einen Wert bzw. Wertebereich 

Wechsel der Verdichtungsebenen OLAP

  • Drill down – Wechsel von einer bestehenden Verdichtungsebene auf eine detaillierte Sicht
  • Roll up/Drill up – Wechsel von einer detaillierten auf eine verdichtetere Sicht
  • Drill across – ermöglicht es, seitlich von einem Wert zum anderen auf derselben Ebene zu wechseln

Study