Dieses Buch bietet wertvolle Unterstützung beim Aufbau und bei der Modellierung eines Data Warehouse (DW). Es führt praxisnah durch alle Phasen eines DW-Projekts von der Anforderungsanalyse über die Datenmodellierung und Architektur bis hin zur praktischen Umsetzung. Leserinnen und Leser gewinnen ein tiefes Verständnis für bewährte Modellierungstechniken, die einen entscheidenden Faktor für die Struktur und den Erfolg eines DW darstellen. Ein besonderer Schwerpunkt liegt dabei auf der Definition von Regelwerken zur effektiven Erstellung semantischer und logischer Datenmodelle. Zudem werden nicht nur theoretische Grundlagen vermittelt, sondern auch praktisches Wissen zur Umsetzung abgerundet durch eine realistische Fallstudie.

Zielgruppe

• Praktiker*innen

  Verknüpfung von Architekturkomponenten und Gestaltungsphasen mit Techniken der Datenmodellierung im Data Warehouse Bereitstellung von Regelwerken für semantische und logische Datenmodellierung sowie deren Überführung Veranschaulichung theoretischer Konzepte mittels umfassender Fallstudie

  Autorentext

  Prof. Dr. Peter Gluchowski leitet den Lehrstuhl für Wirtschaftsinformatik -­ Systementwicklung / Anwendungssysteme an der Technischen Universität Chemnitz. Seit rund 20 Jahren beschäftigt er sich mit dem praktischen Aufbau dispositiver bzw. analytischer Systeme zur Entscheidungsunterstützung. Seine Projekterfahrung im Umfeld von Business Intellience (BI) ist in zahlreichen Veröffentlichungen dokumentiert.

  Dr. Melanie Pfoh, wissenschaftliche Mitarbeiterin desselben Lehrstuhls, fokussiert sich seit ihrem Abschluss als Diplom-Wirtschaftsinformatikerin schwerpunktmäßig auf das Themengebiet BI, war in verschiedene Forschungsprojekte involviert und legte im Rahmen ihrer Promotion den Fokus auf BI im Kontext von Smart Homes.

  Dr. Anja Tetzner ist ebenfalls wissenschaftliche Mitarbeiterin desselben Lehrstuhls. Ihre Schwerpunkte sind künstliche neuronale Netze und analytisches Customer Relationship Management. In ihrer Promotion untersuchte sie die automatisierte Ironie-Erkennung; aktuell forscht sie im Bereich generative KI.

  Inhalt

Einleitung.- Aufbau und Komponenten klassischer DW-Architekturen.- Anforderungsanalyse.- Klassische relationale Datenmodelle.- Multidimensionale Datenmodelle.- Data Vault.- Konzepte und Techniken der Historisierung.- Fallstudie zur Gestaltung einer Data-Warehouse-Anwendung.- Zusammenfassung.- Glossar.- Literatur.