Modellierung von Business-Intelligence-Systemen

Table of contents

1. Cover
2. Titel
3. Impressum
4. Geleitwort
5. Vorwort
   1. Zum Aufbau des Buches
   2. Für wen ist das Buch
   3. Danksagung
6. 1 Business-Intelligence-Architektur
   1. 1.1 Data Warehouse
   2. 1.2 OLAP und mehrdimensionale Datenbanken
   3. 1.3 Architekturvarianten
      1. 1.3.1 Stove-Pipe-Ansatz
      2. 1.3.2 Data Marts mit abgestimmten Datenmodellen
      3. 1.3.3 Core Data Warehouse
      4. 1.3.4 Hub-and-Spoke-Architektur
      5. 1.3.5 Data-Mart-Busarchitektur nach Kimball
      6. 1.3.6 Corporate Information Factory nach Inmon
      7. 1.3.7 Architekturvergleich Kimball und Inmon
   4. 1.4 Schichtenmodell der BI-Architektur
      1. 1.4.1 Acquisition Layer
      2. 1.4.2 Integration Layer
      3. 1.4.3 Reporting Layer
      4. 1.4.4 Modellierung im Schichtenmodell
7. 2 Mehrdimensionale Datenstrukturen
   1. 2.1 Datenmodelle und Datenmodellierung
   2. 2.2 Grundbestandteile mehrdimensionaler Datenstrukturen
   3. 2.3 Hierarchische Dimensionsstrukturen
      1. 2.3.1 Strukturlose Dimensionen
      2. 2.3.2 Balancierte Baumstrukturen
      3. 2.3.3 Balancierte Waldstrukturen
      4. 2.3.4 Unbalancierte Baum- und Waldstrukturen
      5. 2.3.5 Parallele Hierarchien
      6. 2.3.6 Heterarchien (Many-Many-Beziehungen)
      7. 2.3.7 Rekursive Hierarchien und bebuchbare Knoten
      8. 2.3.8 Hierarchieattribute
   4. 2.4 Kennzahlen und deren Berechnung
      1. 2.4.1 Kennzahlen und Kennzahlensysteme
      2. 2.4.2 Kennzahlen im mehrdimensionalen Modell
      3. 2.4.3 Additivitätseigenschaft
   5. 2.5 Historisierung und Zeitabhängigkeit
8. 3 Semantische mehrdimensionale Modellierung
   1. 3.1 Methoden auf Basis der Entity-Relationship-Modellierung
      1. 3.1.1 Grundbestandteile der ER-Modellierung
      2. 3.1.2 Erweiterte ERM-Konstrukte
      3. 3.1.3 ER-basierte mehrdimensionale Modellierung
      4. 3.1.4 Mehrdimensionales ER-Modell (ME/R)
   2. 3.2 Mehrdimensionale Modellierung mit ADAPT
      1. 3.2.1 Dimensionsmodellierung in ADAPT
      2. 3.2.2 Varianten der Hierarchiemodellierung
      3. 3.2.3 Modellierung von Würfeln
   3. 3.3 T-ADAPT: Modellierung von Zeitabhängigkeit
9. 4 Bestandteile und Varianten des Star-Schemas
   1. 4.1 Einfaches Star-Schema
      1. 4.1.1 Grundform des Star-Schemas
      2. 4.1.2 Abbildung von Kennzahlen und Kennzahlensystemen
      3. 4.1.3 Attribute in Dimensionen
   2. 4.2 Modellierung von Dimensionshierarchien
      1. 4.2.1 Flache Strukturen
      2. 4.2.2 Balancierte Baum- und Waldstrukturen
      3. 4.2.3 Unbalancierte Strukturen
      4. 4.2.4 Parallele Hierarchien
      5. 4.2.5 Anteilige Verrechnung und Heterarchien
   3. 4.3 Normalisierung von Dimensionen
   4. 4.4 Übergang von T-ADAPT zum logischen Modell
      1. 4.4.1 Transformation von Dimensionen
      2. 4.4.2 Abbildung von Attributen
      3. 4.4.3 Transformation von Scopes
      4. 4.4.4 Behandlung spezieller ADAPT-Varianten
   5. 4.5 Modellierung von Parent-Child-Hierarchien
      1. 4.5.1 Iterative Abfrage
      2. 4.5.2 Einstufige Rekursion
      3. 4.5.3 Mehrstufige Rekursion
      4. 4.5.4 Rekursives SQL
      5. 4.5.5 Brückentabellen
10. 5 Historisierung und Zeitabhängigkeit im Data Warehouse
    1. 5.1 Historisierung im Star-Schema
       1. 5.1.1 Keine Historisierung bei Type 0 und Type 1
       2. 5.1.2 Type-3-Attribut-Paare
       3. 5.1.3 Versionen und Zeitstempelung für as is und as of
    2. 5.2 Bewegungsdatensicht in der Historisierung
       1. 5.2.1 As-posted-Type-2-Szenario
       2. 5.2.2 Snapshot-Verfahren
       3. 5.2.3 Vollständige Zeitstempelung plus as posted
       4. 5.2.4 Varianten für hybride Historisierung
    3. 5.3 Best Practices der Historisierung
    4. 5.4 Bitemporale Historisierung
11. 6 Dimensionsmodellierung
    1. 6.1 Dimensionstabellen
       1. 6.1.1 Degenerierte Dimensionen
       2. 6.1.2 Housekeeping und technische Dimensionen
       3. 6.1.3 Große Dimensionen
       4. 6.1.4 Mehrsprachigkeit
       5. 6.1.5 Outrigger-Tabellen
    2. 6.2 Rollen von Dimensionen
    3. 6.3 Many-Many-Beziehungen
       1. 6.3.1 Heterarchien über Faktentabellen
       2. 6.3.2 Mehrwertige Dimensionen (multi valued dimensions)
       3. 6.3.3 Many-Many-Beziehungen über Dimensionen
       4. 6.3.4 Mehrwertige Attribute
    4. 6.4 Datum- und Zeitdimension
12. 7 Faktenmodellierung
    1. 7.1 Kennzahlen und Kennzahlensysteme
    2. 7.2 Aggregate
    3. 7.3 Snowflake-Schema
    4. 7.4 Faktenlose Faktentabellen
    5. 7.5 Granularität
    6. 7.6 Additivität und berechnete Kennzahlen
       1. 7.6.1 Transaktionsfaktentabellen
       2. 7.6.2 Bestandsmodelle
       3. 7.6.3 Prozessmodelle
    7. 7.7 Abgeleitete Schemata
13. 8 Core-Data-Warehouse-Modellierung
    1. 8.1 Aufgaben der Data-Warehouse-Komponenten
       1. 8.1.1 Datenintegrations-Framework
       2. 8.1.2 Aufgaben und Komponenten in Multi-Layer-Architekturen
       3. 8.1.3 Eignungskriterien für Methoden der Core-Data-Warehouse-Modellierung
    2. 8.2 Star-Schema-Modellierung im Core Data Warehouse
       1. 8.2.1 Granulare Star-Schemata im Core Data Warehouse
       2. 8.2.2 Bewertung dimensionaler Core-Data-Warehouse-Modelle
    3. 8.3 3NF-Modelle im Core Data Warehouse
       1. 8.3.1 Core-Data-Warehouse-Modellierung in 3NF
       2. 8.3.2 Historisierungsaspekte von 3NF-Modellen
       3. 8.3.3 Bewertung der 3NF-Modellierung im Core Data Warehouse
    4. 8.4 Data-Vault-Ansatz
       1. 8.4.1 Hub-Tabellen
       2. 8.4.2 Satellite-Tabellen
       3. 8.4.3 Link-Tabellen
       4. 8.4.4 Zeitstempel im Data Vault
       5. 8.4.5 Harmonisierung von fachlichen Schlüsseln
       6. 8.4.6 Agilität in Data-Vault-Modellen
       7. 8.4.7 Vorgehensweise zur Data-Vault-Gestaltung
       8. 8.4.8 Bewertung der Data-Vault-Methode
14. Anhang
15. A Abkürzungen
16. B Literaturverzeichnis
17. Index
18. Cover-Rückseite