OLAP und Data Warehouse - Konzepte

Inhalte

A. Architektur und Grundlagen

[0,25 Tage] Abgrenzung und Einordnung: Begriffliche Einordnung, Einordnung und Abgrenzung von Business Intelligence, Anwendungsbereiche - Referenzarchitektur: Aspekte einer Referenzarchitektur, Data-Warehouse-Manager, Datenquelle, ETL, Komponenten eines Data Warehouses

B. Phasen des Data Warehousing

[0,25 Tage] Monitoring, ETL (Extraktion, Laden, Transformation), Analyse und Planung - Physische Architektur: Speicherarchitekturen für das Data Warehouse und die Basisdatenbank, Schichtenarchitekturen, Middleware, Schnittstellen, Sicherheit

C. Modellierung im multidimensionalen Datenmodell

[0,5 Tage] Das multidimensionale Datenmodell: Konzeptuelle Modellierung, Logische Modellierung, Unterstützung von Veränderungen - Metadaten: Metadaten und Metamodelle beim Data Warehousing, Metadatenmanagement, Metadatenmanagementsystem, Metadaten-Warehouse

D. Physische Umsetzung

[0,5 Tage] Umsetzung des multidimensionalen Datenmodells: Relationale Speicherung, Multidimensionale Speicherung, Realisierung der Zugriffskontrolle - Optimierung: Anfragen im multidimensionalen Modell, Indexstrukturen, Partitionierung, Einsatz materialisierter Sichten, Optimierung eines multidimensionalen Datenbanksystems

E. Anwendung

[0,25 Tage] Datenprobleme: Unvollständigkeit, Unkorrektheit, Unverständlichkeit, Inkonsistenz - Ursachen für Datenprobleme: Falsche oder ungünstige Datenstrukturen, Geschätsregeln, Validierungen - Berücksichtigung im System und in der Übernahme-Anwendung

F. OLAP und Data Mining

[0,25 Tage] OLAP: Tabellen, Pivot-Darstellungen, Dimensionen, Hierarchien, MDX als Abfragesprache - Data Mining: Erweiterung der statistischen Methoden für Cluster-Analyse, Assoziationsregeln oder Entscheidungsbäume und Neuronale Netze