Modellierung zeitbezogener Daten im Data Warehouse

Dr. Steffen Stock ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Wirtschaftsinformatik und Operations Research an der Gerhard-Mercator-Universität Duisburg, wo er bei Prof. Dr. Peter Chamoni promovierte.

Ein Data Warehouse ist in der betrieblichen Praxis häufigen Änderungen unterworfen. Einerseits kann sich die Dimensionsstruktur im Zeitablauf ändern, andererseits erweist sich der Informationsbedarf eines Entscheidungsträgers häufig als unstetig und dynamisch. Bei einer nachträglichen Beurteilung von Entscheidungssituationen ist jedoch die zum Entscheidungszeitpunkt vorherrschende Informationslage von elementarer Bedeutung.

Steffen Stock erweitert das Data-Warehouse-Konzept um das Konzept der zeitbezogenen Daten, damit die zu jedem Zeitpunkt verfügbaren Daten und Klassifikationshierarchien dauerhaft gespeichert werden können. Hierzu führt der Autor eine Gültigkeitszeitmatrix ein, die eine Vergleichbarkeit der Fakten auch nach Änderungen der Klassifikationshierarchien ermöglicht. Durch diese Erweiterungen können im Zeitablauf auftretende betriebswirtschaftlich bedingte Strukturänderungen modelliert werden.

Ein Data Warehouse ist in der betrieblichen Praxis häufigen Änderungen unterworfen. Einerseits kann sich die Dimensionsstruktur im Zeitablauf ändern, andererseits erweist sich der Informationsbedarf eines Entscheidungsträgers häufig als unstetig und dynamisch. Bei einer nachträglichen Beurteilung von Entscheidungssituationen ist jedoch die zum Entscheidungszeitpunkt vorherrschende Informationslage von elementarer Bedeutung.Steffen Stock erweitert das Data-Warehouse-Konzept um das Konzept der zeitbezogenen Daten, damit die zu jedem Zeitpunkt verfügbaren Daten und Klassifikationshierarchien dauerhaft gespeichert werden können. Hierzu führt der Autor eine Gültigkeitszeitmatrix ein, die eine Vergleichbarkeit der Fakten auch nach Änderungen der Klassifikationshierarchien ermöglicht. Durch diese Erweiterungen können im Zeitablauf auftretende betriebswirtschaftlich bedingte Strukturänderungen modelliert werden.

1 Einleitung.- 1.1 Motivation.- 1.2 Zielsetzung.- 1.3 Gang der Untersuchung.- 2 Grundlagen der Datenmodellierung.- 2.1 Schemata-Konzept.- 2.2 Entity-Relationship-Modelle.- 2.3 Relationales Datenmodell.- 3 Zeitbezogene Daten.- 3.1 Begriffliches.- 3.2 Darstellung und Auswertung.- 3.3 Modellierung.- 4 Daten im Data Warehouse.- 4.1 Begriffliches.- 4.2 Darstellung.- 4.3 Auswertung.- 4.4 Modellierung.- 5 Zeitbezogene Daten im Data Warehouse.- 5.1 Darstellung.- 5.2 Auswertung.- 5.3 Modellierung.- 6 Zusammenfassung und Ausblick.