Rekonzeption eines Data-Warehouse-Systems in der Waldklinik
Analyse, Konzeption und Umsetzung eines Prototypen für die Datenintegration
©2009
Bachelorarbeit
64 Seiten
Zusammenfassung
Inhaltsangabe:Einführung
Business Intelligence, Software für die Sammlung, Auswertung und Darstellung geschäftlicher Daten stellt selbst in aktuellen wirtschaftlichen Krisenzeiten einen wachsenden Markt in Deutschland dar. Führende Anbieter wie SAP und Oracle verzeichneten in diesem Marktsegment 2008 zusammen einen weltweiten Umsatz von über 200 Millionen Euro. Trotz der erfolgreichen kommerziellen Lösungen hat sich die Waldklinik Jesteburg im Jahre 2008 dazu entschlossen, eine Business Intelligence Software in Form einer Data-Warehouse Lösung in Eigenregie zu entwickeln. Kostenersparnis sowie spezielle Anforderungen führten zu dieser Entscheidung, das System selbstständig zu konzipieren und umzusetzen, anstatt auf eine vorhandene Lösung zurückzugreifen. Für die Rehabilitationsklinik mit über 300 Mitarbeitern wurde diese Lösung für den Einsatz im Controlling entwickelt, um dort neue Auswertungsmöglichkeiten bereitzustellen.
Seit der Konzeption, Umsetzung und Einführung des Systems ist mittlerweile ein Jahr vergangen. In dieser Zeit hat das System neue Anwendungsgebiete gefunden und sich auf Abteilungen außerhalb des Controllings ausgedehnt. Auf Basis der eingesetzten Software- und Datenbanklösung und der daraus gewonnenen Erfahrung soll eine Rekonzeption des Systems durchgeführt werden. Diese wird neben den neuen Anforderungen auch die Schwächen des aktuellen Systems berücksichtigen und dieses ersetzen. Das Ziel der vorliegenden Arbeit ist die Konzeption dieser neuen Data-Warehouse Lösung. Abschließend wird ein erster Prototyp zur Verfügung stehen, der über die Arbeit hinaus weiterentwickelt wird, um darauf hin die zurzeit im Einsatz befindliche Lösung vollständig ersetzen zu können. Inhaltsverzeichnis:Inhaltsverzeichnis
InhaltsverzeichnisI
AbbildungsverzeichnisIII
TabellenverzeichnisIII
AbkürzungsverzeichnisIV
1.Einführung5
1.1Abgrenzung des Themas6
1.2Aufbau der Arbeit6
2.Grundlagen7
2.1Das Therapiezentrum Waldklinik Jesteburg7
2.2Data-Warehouse und Data-Warehouse-Systeme8
2.2.1Definition eines Data-Warehouse8
2.2.2Data-Warehouse-Systeme9
2.2.3Analyse und Auswertungskonzepte12
2.3IT-Infrastuktur in der Waldklinik Jesteburg14
2.3.1Software und Datenbanken der Waldklinik Jesteburg15
2.3.2Beispielanwendungen des aktuellen Data-Warehouse-System18
3.Analyse des vorhandenen Systems20
3.1Datenimport mit dem WKDBConnector21
3.2Probleme der Implementierung23
3.3Schwierigkeiten des […]
Business Intelligence, Software für die Sammlung, Auswertung und Darstellung geschäftlicher Daten stellt selbst in aktuellen wirtschaftlichen Krisenzeiten einen wachsenden Markt in Deutschland dar. Führende Anbieter wie SAP und Oracle verzeichneten in diesem Marktsegment 2008 zusammen einen weltweiten Umsatz von über 200 Millionen Euro. Trotz der erfolgreichen kommerziellen Lösungen hat sich die Waldklinik Jesteburg im Jahre 2008 dazu entschlossen, eine Business Intelligence Software in Form einer Data-Warehouse Lösung in Eigenregie zu entwickeln. Kostenersparnis sowie spezielle Anforderungen führten zu dieser Entscheidung, das System selbstständig zu konzipieren und umzusetzen, anstatt auf eine vorhandene Lösung zurückzugreifen. Für die Rehabilitationsklinik mit über 300 Mitarbeitern wurde diese Lösung für den Einsatz im Controlling entwickelt, um dort neue Auswertungsmöglichkeiten bereitzustellen.
Seit der Konzeption, Umsetzung und Einführung des Systems ist mittlerweile ein Jahr vergangen. In dieser Zeit hat das System neue Anwendungsgebiete gefunden und sich auf Abteilungen außerhalb des Controllings ausgedehnt. Auf Basis der eingesetzten Software- und Datenbanklösung und der daraus gewonnenen Erfahrung soll eine Rekonzeption des Systems durchgeführt werden. Diese wird neben den neuen Anforderungen auch die Schwächen des aktuellen Systems berücksichtigen und dieses ersetzen. Das Ziel der vorliegenden Arbeit ist die Konzeption dieser neuen Data-Warehouse Lösung. Abschließend wird ein erster Prototyp zur Verfügung stehen, der über die Arbeit hinaus weiterentwickelt wird, um darauf hin die zurzeit im Einsatz befindliche Lösung vollständig ersetzen zu können. Inhaltsverzeichnis:Inhaltsverzeichnis
InhaltsverzeichnisI
AbbildungsverzeichnisIII
TabellenverzeichnisIII
AbkürzungsverzeichnisIV
1.Einführung5
1.1Abgrenzung des Themas6
1.2Aufbau der Arbeit6
2.Grundlagen7
2.1Das Therapiezentrum Waldklinik Jesteburg7
2.2Data-Warehouse und Data-Warehouse-Systeme8
2.2.1Definition eines Data-Warehouse8
2.2.2Data-Warehouse-Systeme9
2.2.3Analyse und Auswertungskonzepte12
2.3IT-Infrastuktur in der Waldklinik Jesteburg14
2.3.1Software und Datenbanken der Waldklinik Jesteburg15
2.3.2Beispielanwendungen des aktuellen Data-Warehouse-System18
3.Analyse des vorhandenen Systems20
3.1Datenimport mit dem WKDBConnector21
3.2Probleme der Implementierung23
3.3Schwierigkeiten des […]
Leseprobe
Inhaltsverzeichnis
Henning Buss
Rekonzeption eines Data-Warehouse-Systems in der Waldklinik
Analyse, Konzeption und Umsetzung eines Prototypen für die Datenintegration
ISBN: 978-3-8366-3688-9
Herstellung: Diplomica® Verlag GmbH, Hamburg, 2009
Zugl. Fachhochschule Wedel, Wedel, Deutschland, Bachelorarbeit, 2009
Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte,
insbesondere die der Übersetzung, des Nachdrucks, des Vortrags, der Entnahme von
Abbildungen und Tabellen, der Funksendung, der Mikroverfilmung oder der
Vervielfältigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen,
bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielfältigung
dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen
der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik
Deutschland in der jeweils geltenden Fassung zulässig. Sie ist grundsätzlich
vergütungspflichtig. Zuwiderhandlungen unterliegen den Strafbestimmungen des
Urheberrechtes.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in
diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme,
dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei
zu betrachten wären und daher von jedermann benutzt werden dürften.
Die Informationen in diesem Werk wurden mit Sorgfalt erarbeitet. Dennoch können
Fehler nicht vollständig ausgeschlossen werden und der Verlag, die Autoren oder
Übersetzer übernehmen keine juristische Verantwortung oder irgendeine Haftung für evtl.
verbliebene fehlerhafte Angaben und deren Folgen.
© Diplomica Verlag GmbH
http://www.diplomica.de, Hamburg 2009
Verzeichnisse
I
Inhaltsverzeichnis
Inhaltsverzeichnis
... I
Abbildungsverzeichnis
... III
Tabellenverzeichnis
... III
Abkürzungsverzeichnis
... IV
1
Einführung
... 5
1.1
Abgrenzung des Themas
... 6
1.2
Aufbau der Arbeit
... 6
2
Grundlagen
... 7
2.1
Das Therapiezentrum Waldklinik Jesteburg
... 7
2.2
Data-Warehouse und Data-Warehouse-Systeme
... 8
2.2.1
Definition eines Data-Warehouse
... 8
2.2.2
Data-Warehouse-Systeme
... 9
2.2.3
Analyse und Auswertungskonzepte
... 12
2.3
IT-Infrastuktur in der Waldklinik Jesteburg
... 14
2.3.1
Software und Datenbanken der Waldklinik Jesteburg
... 15
2.3.2
Beispielanwendungen des aktuellen Data-Warehouse-System
.. 18
3
Analyse des vorhandenen Systems
... 20
3.1
Datenimport mit dem WKDBConnector
... 21
3.2
Probleme der Implementierung
... 23
3.3
Schwierigkeiten des Praxiseinsatzes
... 26
4
Anforderungsanalyse
... 28
4.1
Anforderung der Anwender
... 30
4.2
Neue funktionale Anforderungen
... 31
4.3
Logging und Debugging
... 33
4.4
Datenbankanbindung und Modularisierung
... 34
Verzeichnisse
II
5
Softwarekonzeption und Implementierung
... 36
5.1
DataWarehouseDBConnector
... 38
5.2
DataWarehouseManager
... 41
5.3
DataWarehouseLogging
... 45
5.4
DataWarehouseCollector
... 47
5.5
DataWarehouseVerwaltung
... 51
6
Ergebnisse und Ausblick
... 56
6.1
Ausblick
... 56
6.2
Fazit
... 57
Anhang I: ER Diagramm - Konfigurationsdatenbank
... 58
Anhang II: Software Prototyp auf CD-Rom
... 59
Literaturverzeichnis
... 60
HINWEIS: Die hier erwähnte CD ist NICHT Bestandteil des eBooks!
Verzeichnisse
III
Abbildungsverzeichnis
Abbildung 1: Überblick Data-Warehouse-System
... 10
Abbildung 2: Beispiel OLAP Cube
... 14
Abbildung 3: Data Warhouse Auswertung - Patientenübersicht
... 18
Abbildung 4: UML-Klassendiagramm - DataWarehouseDBConnector
... 39
Abbildung 5: UML-Klassendiagramm - Klasse DBConnection detailliert
... 40
Abbildung 6: Konfigurationsdatenbank ER-Modell (vereinfacht)
... 42
Abbildung 7: UML-Klassendiagramm - DataWarehouseManager
... 43
Abbildung 8: UML-Klassendiagramm - DataWarehouseLogging
... 45
Abbildung 9: UML-Klassendiagramm - DataWarehouseCollector
... 48
Abbildung 10: Benutzeransicht - Übersicht Importe
... 52
Abbildung 11: Benutzeransicht - Standardimport
... 53
Abbildung 12: Benutzeransicht - Erweiterter Import
... 54
Tabellenverzeichnis
Tabelle 1: Übersicht Software Waldklinik Jesteburg
... 15
Tabelle 2: Externe Bibliotheken zur Datenbankanbindung
... 41
Verzeichnisse
IV
Abkürzungsverzeichnis
BI
Business Intelligence
DLL
Dynamic Link Library
ER
Entity-Relationship
EXE
Executable
ID
Identifier
ODBC
Open Database Connectivity
OLAP
Online Analytical Processing
OOP
Objektorientierte Programmierung
RBG
Reha-Behandlungs-Gruppen
SQL
Structured Query Language
SQL-92
Structured Query Language nach Standard 92
UML
Unified Modeling Language
XML
Extensible Markup Language
Einführung
5
1
Einführung
Business Intelligence, Software für die Sammlung, Auswertung und
Darstellung geschäftlicher Daten stellt selbst in aktuellen wirtschaftlichen
Krisenzeiten einen wachsenden Markt in Deutschland dar.
1
Führende Anbieter
wie SAP
2
und Oracle
3
verzeichneten in diesem Marktsegment 2008 zusammen
einen weltweiten Umsatz von über 200 Millionen Euro.
4
Seit der Konzeption, Umsetzung und Einführung des Systems ist mittlerweile
ein Jahr vergangen. In dieser Zeit hat das System neue Anwendungsgebiete
gefunden und sich auf Abteilungen außerhalb des Controllings ausgedehnt. Auf
Basis der eingesetzten Software- und Datenbanklösung und der daraus
gewonnenen Erfahrung soll eine Rekonzeption des Systems durchgeführt
werden. Diese wird neben den neuen Anforderungen auch die Schwächen des
aktuellen Systems berücksichtigen und dieses ersetzen. Das Ziel der
vorliegenden Arbeit ist die Konzeption dieser neuen Data-Warehouse Lösung.
Abschließend wird ein erster Prototyp zur Verfügung stehen, der über die
Arbeit hinaus weiterentwickelt wird, um darauf hin die zurzeit im Einsatz
befindliche Lösung vollständig ersetzen zu können.
Trotz der
erfolgreichen kommerziellen Lösungen hat sich die Waldklinik Jesteburg im
Jahre 2008 dazu entschlossen, eine Business Intelligence Software in Form
einer Data-Warehouse Lösung in Eigenregie zu entwickeln. Kostenersparnis
sowie spezielle Anforderungen führten zu dieser Entscheidung, das System
selbstständig zu konzipieren und umzusetzen, anstatt auf eine vorhandene
Lösung zurückzugreifen. Für die Rehabilitationsklinik mit über 300
Mitarbeitern wurde diese Lösung für den Einsatz im Controlling entwickelt,
um dort neue Auswertungsmöglichkeiten bereitzustellen.
1
Vgl. BARC (2009)
2
Siehe www.sap.de
3
Siehe www.oracle.de
4
Vgl. BARC (2009)
Einführung
6
1.1
Abgrenzung des Themas
Wie die Ausgangslage hervorgebracht hat, soll kein vollständiges Data-
Warehouse-System entwickelt werden. Vielmehr wird die Analyse des
vorhandenen Systems fokussiert. Auf dessen Basis sollen die Programmteile
neu konzipiert werden, die Schwachstellen enthalten und den aktuellen
Anforderungen nicht mehr genügen. Im Anschluss an die Konzeption wird
diese umgesetzt und daraus ein Prototyp der neuen Anwendung entwickelt. Der
Fokus soll dabei auf den geänderten und neuen Elementen des Data-
Warehouse-Systems liegen.
1.2
Aufbau der Arbeit
Das Kapitel 2 stellt zunächst die Waldklinik Jesteburg vor. Anschließend wird
ein kurzer Überblick zu Data-Warehouse-Systemen vermittelt und in einen
Kontext zur Waldklinik Jesteburg gebracht. Dabei wird auch ein kurzer
Einblick in die EDV-Infrastuktur der Waldklinik Jesteburg gegeben, der im
Bezug zu Data-Warehouse-Systemen steht. Kapitel 3 wird daraufhin das
bestehende Data-Warehouse-System analysiert. Dabei wird nach der
grundlegenden Analyse auf die Probleme der Implementierung und der
Anwendung in der Praxis eingegangen. Auf Basis der Erkenntnisse werden in
Kapitel 4 die Anforderungen an ein neues System definiert. Vorerst stehen die
Anforderungen der Anwendung und die nach einer Benutzeroberfläche im
Vordergrund. Anschließend wird auf die Anforderungen aus Sicht der
Programmierung bzw. Implementierung eingegangen. In Kapitel 5 wird die
Konzeption der Software zusammen mit der erfolgten Implementierung eines
Prototypen aufgezeigt. Dies erfolgt nach einem Gesamtüberblick unterteilt in
die separat entwickelten Softwarekomponenten. Das letzte Kapitel fasst die
Ergebnisse zusammen und vermittelt einen Ausblick auf weitere Funktionen
und Verbesserungen der entwickelten Softwarelösung.
Grundlagen
7
2
Grundlagen
In den folgenden Grundlagen wird zuerst das Therapiezentrum Waldklinik
Jesteburg vorgestellt. Im Anschluss folgt eine Einführung in das Thema Data-
Warehouse und Data-Warehouse-Systeme. In Kapitel 2.3 wird darauf hin auf
die IT-Infrastruktur der Waldklinik Jesteburg im Bezug auf Data-Warehouse-
Systeme eingegangen.
2.1
Das Therapiezentrum Waldklinik Jesteburg
Die Waldklinik Jesteburg Aldag GmbH & Co. KG
5
, im Folgenden abgekürzt
mit Waldklinik Jesteburg, bietet die praktische Grundlage dieser Arbeit. Sie ist
ein integriertes Therapiezentrum für neurologische und orthopädische
Rehabilitation nahe Hamburg in privater Trägerschaft. Mit mehr als 300
Mitarbeitern und über 150 Betten gehört die Waldklinik Jesteburg zu den
mittelständischen Rehakliniken in Deutschland. Darüber hinaus besitzt die
Klinik externe Therapieabteilungen in den Krankenhäusern Buchholz
6
und
Winsen
7
Das Angebot reicht von der, zur Krankenhausbehandlung zählenden,
Frührehabilitation über die weiteren Stufen der Rehabilitation bis hin zu
ambulanten Behandlungen. Durch das damit verbundene Angebot der
Rehabilitationsphasen B bis E
.
8
5
Waldklinik Jesteburg Aldag GmbH & Co. KG, Kleckerwaldweg 145, 21266 Jesteburg.
und der Möglichkeit, den Patienten durch
mehrere Phasen seiner Rehabilitation zu begleiten, kommt es zu einer erhöhten
Komplexität bei den Patientenfällen. Jeder Phasenwechsel eines Patienten führt
zu einem neuen Fall, da eine vollständige Abgrenzung für die Kostenträger,
auch aus Abrechnungssicht, gegeben sein muss. Damit verbunden wird ein
Patient bei einem Phasenwechsel entlassen und mit der neuen Phase erneut
aufgenommen, obwohl dieser durchgehend im Haus behandelt wird. Die
Rehabilitationsphase B zählt zu den Krankenhausbehandlungen und unterliegt
damit anderen Regularien als die restlichen Phasen, die zu den
Rehabehandlungen zählen. Krankenhaus und Rehabehandlungen unterliegen
6
Krankenhaus Buchholz, Steinbecker Straße 44, 21244 Buchholz i.d.N.
7
Krankenhaus Winsen, Friedrich-Lichtenauer-Allee 1, 21423 Winsen (Luhe).
8
Vgl. Bundesrepublik Deutschland (2009), SGB V ff.
Grundlagen
8
bspw. unterschiedlichen Berechnungsgrundlagen für die Vergütungen durch
den Kostenträger sowie den geforderten Statistiken durch Bund und Ländern
bzw. dessen Institutionen.
Durch die Vielschichtigkeit der Klinik ergeben sich insbesondere für
Controlling und Geschäftsführung komplexe Gegebenheiten. Daten und
Auswertungen werden aus diesem Grund aus verschiedenen Sichtweisen
betrachtet. Sie erfolgen oft nach den Phasen, jedoch auch aufgeschlüsselt nach
den Bereichen Krankenhaus und Reha oder nach dem Gesamtaufenthalt der
Patienten. Flexibilität bei der Betrachtung muss damit für den Einsatz eines
Data-Warehouse-Systems Grundvoraussetzung sein.
2.2
Data-Warehouse und Data-Warehouse-Systeme
Im Weiteren erfolgt eine Definition und kurze Einführung zum Thema Data-
Warehouse bzw. Data-Warehouse-Systeme. Aufbauend darauf werden mehrere
unterschiedliche Ansätze für Data-Warehouse-Systeme kurz vorgestellt und
kritisch diskutiert.
2.2.1
Definition eines Data-Warehouse
Als Ausgangspunkt in die Einführung eines Data-Warehouse soll die häufig
zitierte Definition von William Inmon aus dem Jahre 1996 vorangestellt
werden.
"A data warehouse is a subject-oriented, integrated, nonvolatile, time-varying
collection of data in support of the management's decision."
9
Inmon definiert den Inhalte eines Data-Warehouse damit wie folgt:
-
Daten werden nach Themengebieten / auswertungsorientiert
vorgehalten (subject-oriented)
-
Daten werden aus unterschiedlichsten Systemen vereinheitlicht und
integriert (integrated)
-
Daten besitzen lediglich einen Lesezugriff. Eine Änderung der Daten
durch den Anwender ist nicht möglich (nonvolatile)
9
Inmon (2003), S. 31.
Grundlagen
9
-
Daten werden mit einem Zeitstempel versehen und nicht überschrieben
sondern ergänzt, wodurch eine temporaler Datenhaltung
10
Einige Autoren sehen in der Definition von Inmon zu starke Einschränkungen.
Lehner bspw. bezeichnet in seinem Buch zu Data-Warehouse-Systemen das
letztere Kriterium als optional.
entsteht
(time-varying)
11
Bauer und Günzel sehen in ihrem Buch ,,Data
Warehouse Systeme" die Definition als ,,so einschränkend, dass viele
Anwendungsgebiete und Ansätze herausfallen"
12
,,Ein Data Warehouse ist eine physische Datenbank, die eine integrierte Sicht
auf beliebige Daten zu Analysezwecken ermöglicht."
. Sie definieren ein Data-
Warehouse daraufhin wie folgt:
13
Im Folgenden wird daher nicht alleinig von dem Ansatz von Inmon
ausgegangen. Insbesondere den vierten Punkt seiner Definition als optionales
Kriterium nach Lehner anzusehen wird, wie in Kapitel
4 erläutert, zu einer
Vereinfachung ohne nennenswerte Einschränkungen in der Waldklinik
Jesteburg führen.
2.2.2
Data-Warehouse-Systeme
Ein Data-Warehouse ist häufig in ein Data-Warehouse-System eingebettet und
bildet dessen zentrale Basis. Ein Data-Warehouse-System umfasst dabei ,,alle
für die Integration und Analyse notwendigen Komponenten"
14
. Diese kann ein
Data-Warehouse selten allein zur Verfügung stellen.
15
10
Unter temporaler Datenhaltung versteht man die Festhaltung der zeitlichen Entwicklung von
Daten.
Für ein Data-
Warehouse-System ist somit eine Software notwendig, die die Analyse der
Datenbasis ermöglicht und dem Anwender hierfür eine einfache Bedienung zur
Verfügung stellt. Auf der anderen Seite wir zudem ein leistungsstarkes
Programm benötigt, das die Integration der Daten in das Data-Warehouse
vollziehen und steuern kann. Erst das Zusammenspiel dieser drei Komponenten
11
Vgl. Lehner (2003), S. 10.
12
Bauer/Günzel (2004), S. 7.
13
Bauer/Günzel (2004), S. 7.
14
Bauer/Günzel (2004), S. 8.
15
Vgl. Bauer/Günzel (2004), S. 6 8.
Grundlagen
10
bildet ein vollständiges Data-Warehouse-System, wie es aktuell auch in der
Waldklinik Jesteburg betrieben wird.
Die Komponenten eines Data-Warehouse-Systems sind in der Abbildung 1
visualisiert. Auf der linken Seite befinden sich die operativen Systeme sowie
externe Daten. Diese Daten werden selektiert, transformiert und in das Data-
Warehouse geladen. Dieser Prozess des Selektierens, Transformierens und
Ladens wird im Folgenden als Import oder Integration der Daten bezeichnet.
Im Data-Warehouse findet zentral die Datenhaltung statt. Das Data-Warehouse
stellt die Daten über die unterschiedlichen Programme für die Anwender
aufbereitet zur Verfügung.
Ein Data-Warehouse-System ist nicht die Summe seiner Komponenten,
sondern kann seine Funktionen erst durch den Data-Warehouse Prozess, auch
Data-Warehousing genannt, bereitstellen. Dieser dynamische Prozess umfasst
das Zusammenspiel von der Datenbeschaffung, Datenspeicherung und
Datenanalyse.
16
Für die Datenhaltung sowie für die Datenbereitstellung existieren bewährte und
wissenschaftlich fundierte Konzepte, die im Folgenden kurz dargestellt
werden. Für den Transformationsprozess aus den operativen Systemen in das
Data-Warehouse gibt es Empfehlungen, aber keine eigentlichen Konzepte.
Dies resultiert unter anderem daraus, dass diese Transformation ein sehr
16
Vgl. Bauer/Günzel (2004), S. 8.
Quelle: www.ruhr-uni-bochum.de
Abbildung 1: Überblick Data-Warehouse-System
Grundlagen
11
individueller Prozess ist, der an die Daten des Unternehmens, dessen
Auswertungswünsche und die operativen Systeme, im Folgenden auch
Quellsysteme genannt, gekoppelt ist.
Bei der Implementierung von Data-Warehouse-Systemen sind drei allgemeine
Architekturvarianten möglich: zentrales, verteiltes und virtuelles Data-
Warehouse.
17
Für die Waldklinik Jesteburg wird von der Architekturvariante eines zentralen
Data-Warehouse ausgegangen. Auf alle Varianten wird der Vollständigkeit
halber kurz eingegangen.
Vereinzelt sind auch Kombinationen der Varianten möglich.
2.2.2.1
Zentrales Data-Warehouse
Bei einem zentralen Data-Warehouse wird eine Datenbank genutzt, die
zusätzlich zu den operativen Datenbeständen existiert.
18
Diese Datenbank
dient als Datenbasis und erhält in regelmäßigen Abständen die Daten aus den
operativen Systemen. Die Daten werden bei dieser Variante redundant
vorgehalten. Hierbei werden lediglich die Daten in das Data-Warehouse
übertragen, die eine Relevanz für die späteren gewünschten Auswertungen
besitzen bzw. für diese benötigt werden.
19
Vorteil dieser Variante ist eine einheitliche und zentrale Datenbasis, die nur
relevanten Daten umfasst. Sind diese Daten sehr umfangreich oder kommt es
durch die Anwender zu sehr vielen Abfragen an das Data-Warehouse, kann es
zu längeren Wartezeiten kommen. Beide Aspekte, die zu einer längeren
Wartezeit führen, sind in der Waldklinik Jesteburg nicht gegeben. Die Variante
des zentralen Data-Warehouse eignet sich somit sehr gut für den dortigen
Einsatz im Gegensatz zu den folgenden Varianten.
2.2.2.2
Verteiltes Data-Warehouse
Ist der Fall, der zuvor erwähnten langen Wartezeiten gegeben, wird oft die
Variante des verteilten Data-Warehouse eingesetzt. Hierbei werden mehrere
kleine Einheiten gebildet. Diese enthalten einen ,,... bewusst redundant
17
Vgl. Chamoni/Gluchowski (1999), S. 50.
18
Vgl. Chamoni/Gluchowski (1999), S. 51.
19
Vgl. Schwarzer/Krcmar (2009), S. 177.
Grundlagen
12
gehaltenen Ausschnitt des Data Warehouse..."
20
2.2.2.3
Virtuelles Data-Warehouse
und sind funktionsbereichs-
oder personengruppenspezifische Ausschnitte. Oft wird die Variante des
verteilten Data-Warehouse mit Data-Marts angewendet. Die kleinen Einheiten
werden als Data-Marts bezeichnet und aus einem zentralen Data-Warehouse
gebildet. Ein verteiltes Data-Warehouse würde in der Waldklinik Jesteburg
aufgrund der vielen Einheiten zu einer höheren Komplexität führen.
Entscheidende Vorteile würde es bei dieser Variante, bezogen auf die
Waldklinik Jesteburg, jedoch nicht geben.
Bei der Variante des virtuellen Data-Warehouse werden im Gegensatz zu den
anderen Varianten die Daten nicht redundant zu den operativen Systemen
vorgehalten. Bei einer Anfrage an das Data-Warehouse werden die Daten
direkt aus den operativen Systemen abgefragt. Aus Anwendersicht gibt es
lediglich ein zentrales Data-Warehouse. Vorteil dieser Variante ist die
Aktualität der Datenbasis, da die Daten direkt aus den Quellsystemen geladen
werden und nicht auf dem Datenbestand des letzten Imports beruhen. Bei
Abfragen können jedoch entsprechend lange Wartezeiten auftreten, da die
Daten im Hintergrund aus verschiedenen operativen Datenbanken abgerufen
werden müssen. Insbesondere in der Waldklinik Jesteburg hat sich dieses
System als unpraktikabel herausgestellt. Auf die vorhandenen Oracle
Datenbanken erfolgt ein Zugriff weitgehend über komplexe Views
21
2.2.3
Analyse und Auswertungskonzepte
.
Hierdurch sind die Antwortzeiten entsprechend lang und es kommt zu
inakzeptablen Wartezeiten von teilweise mehreren Minuten.
Neben der örtlichen Speicherung der Daten stehen für die Anwender eher die
Analyse und Auswertungskonzepte im Vordergrund. Mit ihnen hat der
Anwender die Möglichkeit, Informationen aus dem Data-Warehouse zu
beziehen um diese auszuwerten. Die unterschiedlichen Konzepte sind in die
Softwareprogramme eingebettet, die am Arbeitsplatz des Anwenders laufen.
Diese bereiten die Informationen für den Anwender in Form von Analysen und
20
Vgl. Chamoni/Gluchowski (1999), S. 174.
21
Ein View ist eine logische Relation in einem Datenbanksystem.
Grundlagen
13
Berichten auf, damit sie in einfacher Form den Anwender unterstützen können.
Der Anwenderkreis kann aus ,,ganz unterschiedlichen Gruppen, von
Fachkräften bis hin zum Topmanagement"
22
2.3.2.1
bestehen. In der Waldklinik
Jesteburg spiegelt sich dieser breite Anwenderkreis deutlich wider. Das
aktuelle Data-Warehouse stellt bereits Statistiken für das Controlling und
Geschäftsführung bereit. Darüber hinaus erhält aber auch das Arztsekretariat
direkt Informationen über aktuelle und zukünftige Belegungen, aufbereitet
nach ihren Anforderungen und Wünschen (im Folgenden erläutert unter
). Für die Auswertungen/Analysen durch die Anwender stehen
unterschiedliche Konzepte zur Verfügung, die parallel im Unternehmen
eingesetzt werden können. Jedes Konzept beeinflusst indirekt den Aufbau des
Data-Warehouse, damit dieses effizient eingesetzt werden kann. Die
unterschiedlichen Konzepte sind sehr vielfältig, sollen in dieser Arbeit jedoch
wie auch nach Bauer und Günzel
23
Data Access
nur vereinfacht in drei Gruppen unterteilt
werden:
OLAP
Data Mining
Die erste Variante ist das Data Access, das sich auf das Auslesen der Daten
und die Verarbeitung in weiteren Schritten beschränkt. Dabei werden auf Basis
der Daten oft lediglich einfache Berechnungen durchgeführt oder Berichte
erzeugt, die eine feste Form und fest definierte Dateninhalte aufweisen.
24
Die
Variante des Online Analytical Processing (OLAP) ermöglicht hingegen eine
interaktive Datenanalyse, dessen grundlegende Idee eine multidimensionale
Analyse ist. Die Daten werden hierfür in einem multidimensionalen
Datenwürfel angeordnet, ,,wobei die Kanten des Datenwürfels den
Analysekontext und die Zellen des Datenwürfels die Auswertungsgegenstände,
d.h. Kennzahlen etc., reflektieren"
25
Abbildung 2
. Dies ist in einem Beispiel in
verdeutlicht, in dem ein dreidimensionaler Datenwürfel aufgebaut wurde, der
Tiere in die Dimensionen Lieferanten, Zeit und Schlachtgewicht unterteilt.
22
Bauer/Günzel (2004), S. 13.
23
Vgl. Bauer/Günzel (2004), S. 65.
24
Vgl. Bauer/Günzel (2004), S. 65.
25
Lehner (2003), S. 10.
Details
- Seiten
- Erscheinungsform
- Originalausgabe
- Jahr
- 2009
- ISBN (eBook)
- 9783836636889
- DOI
- 10.3239/9783836636889
- Dateigröße
- 1 MB
- Sprache
- Deutsch
- Institution / Hochschule
- Fachhochschule Wedel – Wirtschaftsingenieurwesen
- Erscheinungsdatum
- 2009 (Oktober)
- Note
- 1,7
- Schlagworte
- data warehouse datenintegration waldklinik rekonzeption
