Das Hierarchische Datenmodell der BI (Business Intelligence)


Modellierung Multidimensionaler Strukturen

Die semantische Datenmodellierung von AIS muß multidimensionale Strukturen sowie Ag­gregationen unterstützen. Dies bedeutet im einzelnen, daß alle im Modell einzubeziehenden Dimensionen mit allen Hierarchiestufen modelliert werden müssen.

Beispiel der Dimensionen: Der Cash Flow-Wert eines Produktes in einem Bundesland wel­ches an einen Kunden im Zeitraum eines Monats verkauft wurde, hat die Dimensionen: Pro­dukt, Region, Kunde und Zeit. Der Wert des Cash Flow bildet zusätzlich eine Dimension. Im Absatz- und Marketingbereich können viel mehr Dimensionen entstehen. Wenn man z.B. ver­sucht, den Zusammenhang zwischen verkauften Autos und Region, Zeitintervall, Verkäufer, Kundengruppe, Fabrikat, Modell, Motorisierung, Farbe, Sitzform, Armaturenbrettausstattung, usw. festzustellen, so ist die Zahl der Dimensionen, die im Datenmodell dargestellt werden müssen zweistellig. Die Hamburg-Mannheimer Versicherungs-AG110 hatte beispielsweise in ihrem Schadenablauf-Controlling-System 11 Dimensionen zu modellieren, die mit der klassi­schen OLAP-Würfel-Datenmodellierung nicht in annehmbaren Antwortzeiten zu analysieren waren. Dieses Beispiel zeigt die Wichtigkeit der Modellierung der Daten mit den Dimensio­nen.

Da Dimensionen von unterschiedlicher Ausprägung sein können, kann man die Dimensionen in folgende drei Kategorien einteilen: Dimensionsschema, Produkthierarchie und Kennzahlen­schema. Im folgenden sollen diese Darstellungsformen kurz vorgestellt werden und abschlie­ßend in einem Dimensions-Kennzahlen-Zusammenhangs-Schema zusammengebracht werden.


(Auszug aus der Diplomarbeit von Ralph Leipert: "Analytische Informationssysteme als Basis des Risikomanagement der Unternehmung")


110 Vgl.: Lühmann, P. / Erben, E. (1998), S. 33