Datenmanagement


Set of flashcards Details

Flashcards 28
Language Deutsch
Category Computer Science
Level University
Created / Updated 07.11.2014 / 07.11.2014
Weblink
https://card2brain.ch/box/wirtschaftsinformatik_31
Embed
<iframe src="https://card2brain.ch/box/wirtschaftsinformatik_31/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>

Datenelement

Gruppierung von einem oder mehrerer Zeichen zu einem Wort, einer Gruppe von Wörtern oder einer Zahl, z.B. zu einem Artikelnamen oder einer Artikelnummer. (z.B. A380)

Datensatz

Gruppe von inhaltlich zusammenhängenden Datenelementen. Verschiedene Eigenschaften desselben Phänomens

Datenbankentwurf (3 Ebenen)

Fachliche Ebene: Beschreibung fachlicher Anforderungen, ohne Berücksichtigung der Technik

Logische Ebene: Überführung der fachlichen Ebene in ein konkretes Datenmodell. (Tabellen, Abhängigkeiten)

Physikalische Ebene: Anlegung der Tabellen in einem konkreten Datenbanksystem

Entity-Relationship-Modell  (ERM)  EIGENSCHAFTEN

ERM dient der fachlichen Beschreibung von Daten, ihren Eigenschaften und Abhängigkeiten

  • der Standard bei Datenmodellierung
  • Graphische Darstellung
  • unabhängig von der Technik
  • einfache Überführung in ein logisches Modell

Entität

Eindeutig zu bestimmendes Element (Phänomen), über das Daten gespeichert und gepflegt werden sollen. 

(z.B. unser Kunde Herr Müller. Herr Müller hat Alter, Adresse, Bankkonto)

Entitätstypen

Abstrakte Objekte, worüber Daten in ein Informationssystem gespeichert werden sollen.

(z.B. Kunden (unter anderem unser Herr Müller)

Entitätsinstanzen

konkrete Objekte der Realität, die einem Entitätstypen zugeordnet werden

(z.B. Entitätstyp: Kunde; Entitätsinstanz: Meier, BDAY 1985)

Attribut

z.B. der Name  oder Alter einer Person. (quasi unterstufe zur Entitätsinstanz)

Eigenschaften von Entitäten.

Relationen

Sachliche Verknüpfung zwischen zwei oder mehreren Entitäten.

 

 

Kardinalität

Legt auf der Ebene Beziehungen für jeden der beteiligten Entitätszypen fest, an wie vielen konkreten Beziehungen seine Entitäten beteiligt sind.

1:1  --> Entität A steht mit genau eienr Entität B in Beziehung. B nur mit A.

m:n  --> Jede Entität der Relation A steht mit m Entitäten der Relation B in Beziehung. Jede B steht mit n A in Beziehung.    

1:m  --> Jede Ent der Relation A steht mit n Ent der Relation B in Beziehung. Jede Ent der Relation B steht genau mit eienr Ent A in Beziehung.

Datenmodelle

Verschiedene Ansätze zur technischen Umsetzung des fachlichen Datenbankschemas.

Relationales Datenmodell

logisches Datenmodell, bei dem Daten in Tabellen dargestellt werden. Die Daten können in Beziehung gesetzt werden, wenn beide Tabeellen ein gemeinsamen Datenelement besitzen.

Klausur: 
Daten werden in Bezügen gespeichert; Merkmale und Merkmalswerte werden in tabellarischer Form dargestellt.
Zeilen enthalten die Datensätze, Spalten die Merkmale der Daten. = Tabellen sind Kernbestandteile einer relationaler Datenbank.

Primärschlüssel

Attribut bzw. Element eines Datensatzes, das die Instanzen dieses Datensatzes eindeutig idenzifiziert.

Fremdschlüssel

Ein Attribut, das in einer anderen Tabelle ein Primärschlüssel ist. (Künstilich hinzugefügte Attribute)

Normalisierung (3Normaleformen)

Verfahren zur Beseitigung von DB-Redundanzen

1NF: Eine Relation ist in 1NF, wenn alle Attribute nur atomare Werte aufweisen. (Abfragen in DB werden so überhaupt erst möglich.)

2NF: Eine Relation ist in 2NF, wenn in 1NF + jedes Nichtschlüsselattribut funktional abhängig vom Primärschlüssel. (Jede Tabelle stellt nur einen Sachverhalt dar)

3NF: Eine Realtion ist in 3NF, wenn in 2NF + keine transitiven Abhängigkeiten zwischen Nichtschlüsselattributen. (Auslagerung dieser Attribute in eine weitere Tabelle)

Datenbank

Redundanzfrei Ansammlung von Daten, die so strukturiert sind, dass sie von mehreren Benutzern und Anwendungen gleichzeitig und effizient genutzt und fkexibel ausgewertet werden können.

Data Warehouse

DB mit Berichts- und Abfragefunktionen, die aus verschiedenen Systemen exxtrahiert wurden und für Managementberichte und Analysen bereitgestellt werden.

Business Intelligence

Techniken zur Konsolidierung, Analyse und Bereitstellung von Daten zur Entscheidungsunterstützung.

Data-Warehouse Eigenschaften

  • Themenorientierung
  • Vereinheitlichung (z.B. Ablage von Daten in gleichem Format)
  • Beständigkeit (reine Ausgabe (+Hinzufügung) von Daten, keine Veränderungen)
  • Zeitbezug (historischer Zeitstempel)

Komponenten Data Warehouse

YO

Prozess der Übernahme von operativen Daten (+Definition)

EXTRACT - TRANSFORM - LOAD

EXTRACT

  • Periodische Extraktion
  • auf Anfrage
  • Ereignisgesteuerte Extraktion
  • Sofortige Extraktion

TRANSFORM

  • Bereinigung (z.B. von falschen Formaten)
  • Harmonisierung
  • Verdichtung (z.B. Bildung von Summen)
  • Anreicherung (Hinzufügen von weiteren Daten)

Data Mart

Bestandteil eines Data-Warehouses, in dem ein Teil der Unternehmensdaten aufbereitet und gespeichert wird.

Analyse von Daten (von - bis)

YO

Online Analytical Processing (OLAP)

Technik, um Daten nach mehreren Dimensionen bzw. aus mehreren Perspektiven zu analysieren.

Elemente eines mehrdimensionalen Datenmodells

  • Dimension (Kenngrößen, nach denen Daten ausgewertet werden)
  • Würfel
  • Drill-down (Roll-up) (Es gibt verschiedene Verdichtungsebenen. Drill-Down zeigt die nächste Ebene.)

Data-Mining

Analyse großer Datenbestände, um Zusammenhänge, Muster und Regeln zu finden, die als Orientierungshilfe bei der Entscheidungsfindung und der Vorhersage künftiger Entwicklung dienen können.

Arten von Info aus Data-Mining (4)

  • Assoziationen (Ausprägungen, die einem einzelnen Ereignis zugeordnet sind
  • Sequenzen (Ereignisse über die Zeit verknüpft)
  • Klassifizierung (Muster, die die Gruppe beschreiben, zu denen ein Artikel gehört, indem sie vorhandene Artikel untersucht, die bereits klassifiziert wurden, und eine Regllmenge ableitet)
  • Clustering (Erkennt verschiedene Gruppierungen innerhalb von Daten)

OLAP vs. Data Mining

OLAP:

  • Daten nach mehreren Dimensionen analysieren

Data - Mining:

  • Suchen nach Mustern und Regeln (Beim OLAP sind diese gegeben --> Art von Info aus Data Mining Kartei)