Data-Warehousing

Klappentext

Quelle: Wikipedia. Seiten: 35. Kapitel: Data-Warehouse, Sternschema, Schneeflockenschema, Globales Matching, Business Intelligence, Informationsintegration, Spaltenorientierte Datenbank, ETL-Prozess, Aggregation, SAP NetWeaver Business Intelligence, Data-Lineage, Local-as-View, Slowly Changing Dimensions, Unternehmensdaten, OLAP-Würfel, Global-as-View, Data-Mart, Palo, Rang, Operational Data Store, Multidimensionale Datenbank, Dataspaces, Business-Performance-Management, Drill-Down, Data-Warehouse-System, Data-Warehouse-Prozess, Information Builders, Bill Inmon, Common Warehouse Metamodel, Informatica, Staging, SPOT, Data Transformation Services, Essbase, Galaxy-Schema, Data Transform Process, SQL Server Integration Services. Auszug: Globales Matching bezeichnet im Rahmen der Informationsintegration einen Prozess zur automatischen Abbildung verschiedener Schemas aufeinander (Schema-Matching). Dabei werden Ergebnisse aus verschiedenen Matching-Verfahren verwendet, um Attribute der zu matchenden Schemas tatsächlich aufeinander abzubilden. Durch das Globale Matching wird versucht, die Attribute und Relationen verschiedener Schemas (im Allgemeinen zwei) miteinander in Beziehung zu setzen. Globales Matching kann daher auf zweierlei Arten verstanden werden. Im Folgenden wird die zweite Interpretation behandelt. Da sich Globales Matching sowohl auf die Ergebnisse einfacher als auch auf Ergebnisse zusammengesetzter Matcher beziehen kann, lässt es sich nicht in die Kategorisierung des Schema Matchings einordnen. Die Matchings zwischen zwei beliebigen Attributen zweier unterschiedlicher Schemas werden durch vorhergehende Matchingverfahren (z.B. Edit-Distance, (künstliche) neurale Netze oder Similarity Flooding) mit einer Wahrscheinlichkeit belegt. Die Schwierigkeit besteht nun darin, diejenigen Paare aus Attributen auszuwählen, die tatsächlich zusammengehören. Es reicht dabei im Allgemeinen nicht aus, jedem Attribut des ersten Schemas das Attribut des zweiten Schemas mit der größten Korrespondenzwahrscheinlichkeit zuzuordnen. Es können die folgenden Probleme auftreten: Globales Matching zielt darauf ab, zwei Schemas aufeinander abzubilden und sich dafür der Hilfe verschiedener Matching-Verfahren zu bedienen, die die Ähnlichkeiten zwischen den Attributen ausgerechnet/geschätzt haben. Die derzeit auf dem Markt verfügbaren Lösungen bieten häufig nur 1:1-Mappings an und verlassen sich auf strukturelle oder Namensähnlichkeiten. Sie lösen also nicht alle der zuvor geschilderten Probleme. Workflow beim Global MatchingIm Folgenden wird der Workflow beim Global Matching gezeigt. Gegeben sind zwei Schemas, die integriert werden sollen. In der Praxis könnte dabei das eine Schema das Quellschema sein, aus dem die Dat