|
|
|
|
| LEADER |
07094nmm a2200553 u 4500 |
| 001 |
EB001916658 |
| 003 |
EBX01000000000000001079560 |
| 005 |
00000000000000.0 |
| 007 |
cr||||||||||||||||||||| |
| 008 |
210123 ||| ger |
| 020 |
|
|
|a 9783826694851
|
| 020 |
|
|
|a 9783826695889
|
| 020 |
|
|
|a 3826694856
|
| 050 |
|
4 |
|a QA76.9.D37
|
| 100 |
1 |
|
|a Köppen, Veit
|
| 245 |
0 |
0 |
|a Data Warehouse
|b Technologien
|c Veit Köppen, Gunter Saake, Kai-Uwe Sattler
|
| 250 |
|
|
|a Zweite Auflage
|
| 260 |
|
|
|a Heidelberg
|b mitp
|c 2014
|
| 300 |
|
|
|a xiii, 337 pages
|b illustrations
|
| 505 |
0 |
|
|a Includes bibliographical references and index
|
| 505 |
0 |
|
|a 3.3.2 Snowflake-Schema3.3.3 Star-Schema; 3.3.4 Vergleich von Snowflake- und Star-Schema; 3.3.5 Fact-Constellation-Schema und Galaxie-Schema; 3.3.6 Alternative Modellierung von Klassifikationshierarchien; 3.3.7 Vermeidung von Semantikverlusten; 3.4 Slowly Changing Dimensions; 3.4.1 Berichtsanforderungen im Data Warehouse; 3.4.2 Typdefinitionen nach Kimball; 3.4.3 Realisierungen im Data Warehouse; 3.5 Vertiefende Literatur; 3.6 Übungen; 4 Extraktions-, Transformations- und Ladeprozess; 4.1 Qualitätsaspekte; 4.1.1 Der Datenbereinigungsprozess; 4.1.2 Duplikaterkennung; 4.1.3 Vergleichsfunktionen
|
| 505 |
0 |
|
|a 2.4.2 Abhängige Data Marts: Nabe und Speiche2.4.3 Unabhängige Data Marts; 2.4.4 Föderierte und virtuelle Datenwürfel; 2.4.5 Data-Warehouse-Architektur in der Praxis; 2.4.6 Ein Multi-Schichten-Architekturansatz; 2.5 Vertiefende Literatur; 2.6 Übungen; 3 Modellierung von Data Warehouses; 3.1 Das multidimensionale Datenmodell; 3.1.1 Grundbegriffe; 3.1.2 Dimensionen; 3.1.3 Fakten und Kennzahlen; 3.1.4 Schema des multidimensionalen Datenwürfels; 3.2 Konzeptuelle Modellierung; 3.2.1 Das ME/R-Modell; 3.2.2 ADAPT; 3.3 Relationale Umsetzung; 3.3.1 Prinzip der relationalen Abbildung
|
| 505 |
0 |
|
|a 2.2 Datenfluss in einem Data-Warehouse-System2.2.1 Phasen des Data Warehousing; 2.2.2 Datenquellen; 2.2.3 Datenbereinigungsbereich; 2.2.4 Extraktionskomponenten; 2.2.5 Transformationskomponenten; 2.2.6 Ladekomponente; 2.2.7 Basisdatenbank; 2.2.8 Befüllen; 2.2.9 Der Datenwürfel; 2.2.10 Data Marts; 2.2.11 Das Data Warehouse; 2.3 Referenzarchitektur; 2.3.1 Data-Warehouse-Manager; 2.3.2 Monitore; 2.3.3 Repository; 2.3.4 Metadaten-Manager; 2.3.5 Diskussion der kompletten Referenzarchitektur; 2.4 Architektur des Data Warehouse; 2.4.1 Rolle der Data Marts
|
| 505 |
0 |
|
|a Cover; Titel; Impressum; Inhaltsverzeichnis; 1 Einführung in Data-Warehouse-Systeme; 1.1 Anwendungsszenario Getränkemarkt; 1.2 OLTP versus OLAP; 1.2.1 OLAP- versus OLTP-Transaktionen; 1.2.2 Vergleich von OLTP und OLAP; 1.2.3 Abgrenzung: DBMS-Techniken; 1.3 Charakteristika und Begriffe; 1.4 Big Data und Data Warehousing; 1.5 Aufbau des Buches; 1.6 Vertiefende Literatur; 1.7 Übungen; 2 Architektur; 2.1 Anforderungen; 2.1.1 Grobe Übersicht über Data-Warehouse-Systeme; 2.1.2 Anforderungen an die Architektur; 2.1.3 Die 12 OLAP-Regeln nach Codd; 2.1.4 Die FASMI-Anforderungen
|
| 505 |
0 |
|
|a 4.1.4 Beheben von Datenkonflikten4.2 Der ETL-Prozess; 4.3 Die Extraktionsphase; 4.3.1 Extraktionstechniken; 4.3.2 Methode des Differential Snapshot; 4.4 Die Transformationsphase; 4.4.1 Daten- und Schemakonflikte; 4.4.2 Mappings im Transformationsschritt; 4.5 Die Ladephase; 4.5.1 Verwendung des Oracle SQL-Loader; 4.5.2 Multi-Table-Insert; 4.6 Alternativer Ansatz: ELT; 4.7 Vertiefende Literatur; 4.8 Übungen; 5 Anfragen an Data-Warehouse-Datenbanken; 5.1 Einführung und Anforderungen; 5.2 OLAP-Operationen; 5.3 SQL-Operationen für das Data Warehouse
|
| 653 |
|
|
|a Bases de données / Gestion
|
| 653 |
|
|
|a Management information systems / http://id.loc.gov/authorities/subjects/sh85080359
|
| 653 |
|
|
|a Systèmes d'information de gestion
|
| 653 |
|
|
|a Data warehousing / http://id.loc.gov/authorities/subjects/sh97003695
|
| 653 |
|
|
|a Computer Science / hilcc
|
| 653 |
|
|
|a Database management / http://id.loc.gov/authorities/subjects/sh85035848
|
| 653 |
|
|
|a Entrepôts de données (Informatique)
|
| 653 |
|
|
|a Engineering & Applied Sciences / hilcc
|
| 653 |
|
|
|a Management information systems / fast
|
| 653 |
|
|
|a Data warehousing / fast
|
| 653 |
|
|
|a Database management / fast
|
| 700 |
1 |
|
|a Saake, Gunter
|e author
|
| 700 |
1 |
|
|a Sattler, Kai-Uwe
|e author
|
| 041 |
0 |
7 |
|a ger
|2 ISO 639-2
|
| 989 |
|
|
|b OREILLY
|a O'Reilly
|
| 776 |
|
|
|z 9783826694851
|
| 856 |
4 |
0 |
|u https://learning.oreilly.com/library/view/~/9783826694851/?ar
|x Verlag
|3 Volltext
|
| 082 |
0 |
|
|a 658
|
| 082 |
0 |
|
|a 500
|
| 082 |
0 |
|
|a 620
|
| 082 |
0 |
|
|a 004.2367
|
| 520 |
|
|
|a Dabei stehen Modellierungskonzepte und die Thematik der multidimensionalen Anfragen im Vordergrund. Zudem werden Interna wichtiger Systemlösungen von Oracle, IBM und Microsoft anhand zahlreicher Beispiele erläutert.Das Buch fokussiert auf relationale Umsetzungsstrategien des Data Warehouse. Es ist daher empfehlenswert, sich ebenfalls mit den Grundlagenwerken Datenbanken - Konzepte und Sprachen sowie Datenbanken - Implementierungstechniken auseinanderzusetzen; sie erlauben es dem Leser, die Konzepte aus Datenbanken für das Data Warehouse leichter zu transferieren. Das Buch ist geeignet für Studierende der Informatik oder verwandter Fächer im Masterbereich und bietet gleichzeitig auch dem Anwender bzw.
|
| 520 |
|
|
|a Entwickler vertiefende Hintergrundinformationen zu aktuellen Data-Warehouse-Technologien.Die Autoren lehren und forschen im Bereich Datenbanken und Informationssysteme sowie Business Intelligence - Veit Köppen und Gunter Saake an der Universität Magdeburg und Kai-Uwe Sattler an der TU Ilmenau. Aus dem Inhalt: Data Warehousing Architekturkonzepte Extraktion, Transformation und Laden Datenqualität Business Intelligence Modellierung Multidimensionales Modell Relationale Umsetzung Star- und Snowflake-Schema Slowly Changing Dimensions Speicher- und Indexstrukturen ROLAP und MOLAP Partitionierung Row Stores, Column Stores und In-MemoryBitmap-Indexe Mehrdimensionale Indexstrukturen Data Warehouse:Anfragen und Verarbeitung OLAP-Anfrage-operatoren SQL-Operatoren im Data Warehouse Anfrageplanung Materialisierte Sichten
|
| 520 |
|
|
|a Architekturprinzipien von Data-Warehouse-Systemen Datenstrukturen und Algorithmen Anwendungsfeld Business Intelligence Dieses Lehrbuch behandelt Konzepte und Techniken von Data-Warehouse-Systemen, die eine wesentliche Komponente in betrieblichen Entscheidungsprozessen darstellen. Im Mittelpunkt stehen dabei Architekturprinzipien sowie die Umsetzung des multidimensionalen Datenwürfels als zentrale Komponente des Data Warehouse. Die Zusammenführung der Daten aus verschiedenen betrieblichen und externen Quellen spielt eine ebenso wichtige Rolle wie Datenstrukturen und Algorithmen für die Realisierung von Speicher- und Indexstrukturen. Die Navigation im Datenwürfel und die Anfrageverarbeitung sowie Anwendungen aus dem Themenfeld Business Intelligence geben einen Einblick in den Umgang mit dem Data Warehouse.Detailliert werden sowohl der Aufbau als auch die Nutzung von Data-Warehouse-Systemen beleuchtet.
|