Zusammenfassung
Die meisten computerbasierten Managementunterstützungssysteme beinhalten quantitative Informationen in Form von Kennzahlen, da diese ein wesentliches und wichtiges Instrument zur Führung von Unternehmen darstellen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Biethahn, J.; Mucksch, H.; Ruf, W.: Ganzheitliches Informationsmanagement, Band 1: Grundlagen, 3., vollständig überarbeitete und erweiterte Auflage, München/Wien 1996.
Biethahn, J.; Mucksch, H.; Ruf, W.: Ganzheitliches Informationsmanagement, Band 2: Entwicklungsmanagement, 2., vollständig überarbeitete und erweiterte Auflage, München/Wien 1997.
Bossel, H.: Modellbildung und Simulation — Konzepte, Verfahren und Modelle zum Verhalten dynamischer Systeme, Braunschweig/Wiesbaden, 1992.
Bulos, D.: A New Dimension, in: Database Programming & Design: June 1996, S. 33–37.
Codd, E.F.; Codd, S.B.; On-Line Analytical Processing, in: Computerworld: 26.7.93, S. 26 f.
Codd, E.F.; Codd, S.B.; Salley, C.T.: Providing Olap (On-Line Analytical Processing) to User-Analysts: An IT Mandate, Codd & Date Inc., 1993.
Codd, E.F.: Olap On-Line Analytical Processing mit TM/1 ; Whitepaper 1994.
Coad, P.; Yourdon, E.: Object-Oriented Analysis, 2nd. Ed., Englewood Cliffs 1991.
Coad, P.; Yourdon, E.: Object-Oriented Design, Englewood Cliffs 1991.
Demarco, T.: Software Projektmanagement — Wie man Kosten, Zeitaufwand und Risiko kalkulierbar plant, München 1989.
De Ridder, L.; König, H.: Cimosa — Architektur für Offenen Systeme und Modellierung von Unternehmensprozessen, in: CIM Management: 4/1992, S. 4–11.
Gabriel, R.; Röhrs, H.-P.: Datenbanksysteme — konzeptionelle Datenmodellierung und Datenbankarchitekturen, Berlin/Heidelberg 1994
Gebhard, F.: Semantisches Wissen in Datenbanken — Ein Literaturbericht, in: Informatik Spektrum: 10/1987, S. 79–98.
Gluchowski, P.: Modelling Multidimensional Data Structures, Vortrag auf der trendforum-Tagung, München, Mai 1996.
Gluchowski, P.: Architekturkonzepte multidimensionaler Data Warehouse-Lösungen, in: Mucksch, H.; Behme, W. (Hrsg.): Das Data Warehouse-Konzept: Architektur — Datenmodelle — Anwendungen, Wiesbaden 1996, S. 229–261.
Hansen, W.-R.: Erfahrungen mit unterschiedlichen Ansätzen und Lösungswegen in Data-Warehouse-Projekten, in: Mucksch, H.; Behme, W. (Hrsg.): Das Data-Warehouse-Konzept, Architektur — Datenmodelle — Anwendungen, Wiesbaden 1996, S. 425–454.
Heuer, A.: Objektorientierte Datenbanken, Bonn/München 1992.
Holthuis, J.: Der Aufbau von Data Warehouse-Systemen: Konzeption-Datenmodellierung-Vorgehen, 2., überarbeitete und aktualisierte Auflage, Wiesbaden 1999.
Holthuis, J.: Data Warehouse — Die Grundlage für ein effizientes Informationsmanagement im Marketing, in: Mattmüller, R. (Hrsg.): Versandhandelsmarketing — Vom Katalog zum Internet, Frankfurt/Main 1999.
Kaiser, E.: Semantische Datenmodellierung in Theorie und Praxis, Universität Mannheim, Lehrstuhl für Allgemeine Betriebswirtschaftslehre, Organisation und Wirtschaftsinformatik, Mannheim 1992.
Kenan Technologies: An Introduction to Multidimensional Database Technology, White-paper 1995.
McGuff, F.: Data Modelling for Data Warehouses, URL: HTTP://MEMBERS.AOL.COM/FMCGUFF/DWMODELL/PART4.HTM/FMCGUFF/DWMODELL/PART4.HTM.
Münzenberger, H.: Eine pragmatische Vorgehensweise zur Datenmodellierung, in: Müller-Ettrich, G. (Hrsg.): Effektives Datendesign — Praxis-Erfahrungen, Köln 1989, S. 32–75.
Reichmann, T.: Controlling mit Kennzahlen und Managementberichten, 3. Auflage, München 1993.
Rumbaugh, J.; Blaha, M.; Premerlani, W.; Eddy, F.; Lorensen, W.: Object-Oriented Modeling and Design, Englewood Cliffs 1991.
Scheer, A.-W.: Wirtschaftsinformatik — Informationssysteme im Industriebetrieb, 3. Auflage, Berlin/Heidelberg/New York 1990.
Scheer, A.-W.: Wirtschaftsinformatik, Referenzmodelle für industrielle Geschäftsprozesse, Studienausgabe, Berlin/Heidelberg/New York 1995.
Schuldt, G.: Definition of Data Modelling, in: Data Base Newsletter: 5/1996.
Thomsen, E.: Dimensional Modeling: An Analytical Approach, in: Database Programming & Design: 3/1997, S. 29–35.
Wedekind, H.: Datenmodell, in: Mertens, P. (Hrsg.): Lexikon der Wirtschaftsinformatik, 3. Auflage, Berlin/Heidelberg/New York 1997.
Anmerkungen
OLAP steht für On-Line Analytical Processing.
OLTP steht für Online-Transaction-Processing
SQL steht für Structured-Query-Language.
Der Aspekt der Meta-Datenmodellierung wird hier nicht näher betrachtet.
Auch als Measures Dimension bezeichnet.
In diesem Zusammenhang spricht man auch von der Granularität der Daten.
D. Bulos spricht in diesem Fajle von einer sogenannten Tupeldimension, die auch eine Kombination aus anderen Dimensionstypen sein kann. Vgl. [Bulo96, 34].
Als Beispiel sei die Zeitdimension genannt, in welcher eine logische Ordnung von Dimensionspositionen auf einer Ebene zwingend erforderlich ist. Vgl. [Bulo96, 34].
Einige OLAP-Produkte nutzen standardmäßig ordinale Dimensionen, jedoch basiert das Ordnungsprinzip auf der chronologischen Ordnung, in der die Dimensionspositionen durch die OLAP-Anwendung geladen wurden. Solange dies aber für die Analyse keine sinnvolle Ordnung darstellt, sind die Dimensionen von nominalem Charakter.
Vgl. hierzu den Beitrag von Ohlendorf, T.: Objektorientierte Datenbanksysteme für den Einsatz im Data Warehouse-Konzept.
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2000 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Holthuis, J. (2000). Grundüberlegungen für die Modellierung einer Data Warehouse-Datenbasis. In: Mucksch, H., Behme, W. (eds) Das Data Warehouse-Konzept. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-322-89533-2_3
Download citation
DOI: https://doi.org/10.1007/978-3-322-89533-2_3
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-409-42216-1
Online ISBN: 978-3-322-89533-2
eBook Packages: Springer Book Archive