Data-Warehouse

Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher Quellen zusammensetzt. Die Daten werden von den Datenquellen in das Data-Warehouse geladen und dort vor allem für die Datenanalyse und zur betriebswirtschaftlichen Entscheidungshilfe in Unternehmen langfristig gespeichert. Der Begriff stammt aus dem Informationsmanagement in der Betriebswirtschaft. Ein Data-Warehouse dient der Informationsintegration.

Der Erstellung eines Data-Warehouses liegen zwei Leitgedanken zugrunde:

1. Integration von Daten aus verteilten und unterschiedlich strukturierten Datenbeständen, um im Data-Warehouse eine globale Sicht auf die Quelldaten und damit übergreifende Auswertungen zu ermöglichen.
2. Separation der Daten, die für das operative Geschäft genutzt werden, von solchen Daten, die im Data-Warehouse z. B. für Aufgaben des Berichtswesens, der Entscheidungsunterstützung, der Geschäftsanalyse sowie des Controllings und der Unternehmensführung verwendet werden.

Das Data-Warehouse ist die zentrale Komponente eines Data-Warehouse-Systems. Daten werden im Rahmen des ETL-Prozesses aus verschiedenen Quellen extrahiert, durch Transformation bereinigt und vereinheitlicht, um danach in das Data-Warehouse geladen zu werden. Dieser Prozess kann turnusgemäß durchgeführt werden, so dass im Data-Warehouse nicht nur Daten nach inhaltlichen Aspekten, sondern auch nach dem Aspekt Zeit – also langfristig – vorgehalten werden, was auch Analysen über die Zeit ermöglicht.

In den letzten Jahren hat sich mehr und mehr die Abkehr von turnusmäßiger Beladung hin zum Real-Time-Data-Warehousing vollzogen. Manche Branchen, wie die Telekommunikationsindustrie und der Einzelhandel (z. B. Wal-Mart), hatten Bedarf nach sofort verfügbaren Daten unter Wahrung der Trennung von operativen und auswertenden Systemen.

Definition

Es gibt derzeit keine einheitliche Definition für den Begriff Data-Warehouse. Weitgehend einig ist man sich in Folgendem:

• Ein Data-Warehouse ermöglicht eine globale Sicht auf heterogene und verteilte Datenbestände, indem die für die globale Sicht relevanten Daten aus den Datenquellen zu einem gemeinsamen konsistenten Datenbestand zusammengeführt werden.
• Somit entsteht der Inhalt eines Data-Warehouse durch Kopieren und Aufbereiten von Daten aus unterschiedlichen Quellen.
• Meist ist ein Data-Warehouse die Basis für die Aggregation von betrieblichen Kennzahlen und Analysen innerhalb mehrdimensionaler Matrizen (OLAP-Cube), dem sogenannten Online Analytical Processing (OLAP).
• Ein Data-Warehouse ist häufig Ausgangsbasis für Data-Mining (auch Datenschürfung).
• In der Regel arbeiten die Anwendungen mit anwendungsspezifisch erstellten Auszügen aus dem Data-Warehouse, den sogenannten Data Marts.

Unterschiede bei den Definitionen finden sich vor allem im generellen Zweck eines Data-Warehouses sowie im Umfang und Umgang mit den Daten im Data-Warehouse.

• Das Spektrum der Definitionen beginnt mit der restriktiven Sicht von Inmon:

  „Ein Data-Warehouse ist eine themenorientierte, integrierte, chronologisierte und persistente Sammlung von Daten, um das Management bei seinen Entscheidungsprozessen zu unterstützen.“

  Im Original: „A data warehouse is a subject-oriented, integrated, time-variant, nonvolatile collection of data in support of management’s decision-making process.“ (Lit.: Inmon (1996), S. 33)
  Die Definition nach Inmon kann wie folgt interpretiert werden:

  • subject-oriented (Themenorientierung): Die Auswahl der in das Data-Warehouse zu übernehmenden Daten geschieht nach bestimmten Datenobjekten (Produkt, Kunde, Firma, …), die für die Analysen von Kennzahlen für Entscheidungsprozesse relevant sind, nicht hingegen nach operativen Prozessen
  • integrated (Vereinheitlichung): Im Data-Warehouse werden die in verschiedenen (operativen) Quellsystemen in meist heterogenen Strukturen vorliegenden ausgewählten Daten in vereinheitlichter Form gehalten.
  • time-variant (Zeitorientierung): Analysen über zeitliche Veränderungen und Entwicklungen sollen im Data-Warehouse ermöglicht werden; daher ist die langfristige Speicherung der Daten im Data-Warehouse nötig (Einführung der Dimension „Zeit“).
  • nonvolatile (Beständigkeit): Daten werden dauerhaft (nicht-flüchtig) gespeichert.
  • Die folgende Definitionen von Bauer und Günzel wie auch die von Kimball sind weniger restriktiv, sind aber auf einen speziellen Zweck, die Analysefunktion, ausgerichtet:

    „Ein Data-Warehouse ist eine physische Datenbank, die eine integrierte Sicht auf (beliebige) Daten darstellt, um Analysen zu ermöglichen.“ (Lit.: Bauer)

    „A data warehouse is a copy of transaction data specifically structured for querying and reporting.“ (Lit.: Kimball)

  • Das Spektrum der Definitionen endet bei der Definition von Zeh, die ohne Restriktionen an Umfang und Umgang der Daten sowie ohne Zweckbestimmung ist:

    „Ein Data-Warehouse ist ein physischer Datenbestand, der eine integrierte Sicht auf die zugrundeliegenden Datenquellen ermöglicht.“ (Lit.: Zeh)

  Die Einschränkung „physisch“ ist notwendig, um das Data-Warehouse von dem „logischen“ föderierten Datenbanksystem abzugrenzen.

   

  Geschichte des Begriffs

  Der Data-Warehouse-Begriff wurde Mitte der 1980er Jahre bei IBM geprägt und mit „information warehouse“ bezeichnet. Der Terminus „data warehouse“ wurde erstmals 1988 von Devlin verwendet. In jüngerer Zeit werden Data-Warehouse-Systeme auch als Business-Warehouse-Systeme (z. B. SAP) oder als Business-Intelligence-Systeme (Auswertungsorientierte Sicht) bezeichnet, wodurch die geschäftliche Bedeutung derartiger Systeme betont werden soll. Mittlerweile wird auch die Bezeichnung Datenlager in der deutschen Literatur verwendet.

   

  Betrieb eines Data-Warehouse (Data-Warehousing)

  Der Gesamtprozess der Datenbeschaffung, Verwaltung und Auswertung eines Data-Warehouses wird auch als Data-Warehousing bezeichnet. Zum Data-Warehousing gehören:

  • Datenbeschaffung, Staging und Weiterverarbeitung im ETL-Prozess
  • Datenhaltung, das heißt die langfristige Speicherung der Daten im Data-Warehouse (siehe auch Langzeitarchivierung)
  • Versorgung und Datenhaltung der für die Analyse notwendigen separaten Datenbestände, den Data-Marts
  • Datenauswertung und -analyse.

  In den Data Marts werden die Daten häufig als mehrdimensionale Matrizen im sogenannten Sternschema oder in verwandten Datenschemata wie Schneeflocken- und Galaxy-Schema abgelegt. Denkbar sind auch Mischformen wie das Sternflocken- bzw. Starflakeschema, die Vorteile aus den vorgenannten Modellen vereinen.

   

  Data-Warehouse-Anwendungen
  
  

  • Integration von Daten aus unterschiedlich strukturierten und verteilten Datenbeständen, um eine globale Sicht auf die Quelldaten und damit übergreifende Auswertungen zu ermöglichen
  • Ermittlung verborgener Zusammenhänge zwischen Daten durch Data-Mining
  • Schnelle und flexible Verfügbarkeit von Berichten, Statistiken und Kennzahlen, um z. B. Zusammenhänge zwischen Markt und Leistungsangebot erkennen zu können
  • Umfassende Information über Geschäftsobjekte und Zusammenhänge
  • Transparenz im Zeitablauf zu Geschäftsprozessen, Kosten und Ressourceneinsatz
  • Informationsbereitstellung z. B. für die Erstellung von Produktkatalogen.

   

  Risiken

  Die 59. Konferenz der Datenschutzbeauftragten des Bundes und der Länder vom 14./15. März 2000 weist in ihrer Entschließung zum Thema Data-Warehouse, Data-Mining und Datenschutz auf das rechtliche Risiko hin, das mit diesen Verfahren verbunden ist. Insbesondere ist das Grundrecht auf informationelle Selbstbestimmung und für den Schutz der Privatheit in Gefahr. Grund ist die Möglichkeit der genannten Verfahren, personenbezogene Daten über ihre Zweckbindung hinaus zu speichern und zu nutzen, was unter bestimmten Umständen rechtswidrig ist. Als Empfehlung gilt, auf Techniken zu setzen, die eine anonymisierte oder pseudonymisierte Form der ursprünglich personenbezogenen Form der Daten verwenden.

Dieser Artikel basiert auf dem Artikel Data-Warehouse aus der freien Enzyklopädie Wikipedia und steht unter der GNU Lizenz für freie Dokumentation. In der Wikipedia ist eine Liste der Autoren verfügbar, dort kann man den Artikel bearbeiten.