Lernziele

Sie kennen den Zweck des Datenmanagements und seine Aufgaben. Sie wissen, welche Funktionen ein Data Warehouse für das Business Intelligence übernimmt und wie unstrukturierte Daten für betriebliche Entscheidungen zugänglich gemacht werden können. Sie kennen die Bedeutung von Metadaten für das Datenmanagement. Sie wissen, mit welchen Merkmalen Datenqualität spezifiziert werden kann und kennen Aufgabenträger des Datenmanagements.

Definitionen und Abkürzungen

• BI = Business Intelligence.

• Data Dictionary = Datenkatalog; System zur Verwaltung von Metadaten.

• Daten (data) = Information, die zum Zweck der Verarbeitung formalisiert dargestellt ist.

• Datenmodell (data model) = Beschreibung des Inhalts, der Struktur und der Bedeutung von Daten, in der Regel mit der Entity-Relationship-Notation.

• Datenqualität (data quality) = Gesamtheit der Anforderungen an Daten.

• Datenbanksystem (database system) = Kombination aus einem DBMS und einer oder mehreren Datenbanken.

• Datensystem (data system) = Abbildung der Wirklichkeit in Daten für die Aufgaben eines Unternehmens.

• DBMS = Database Management System; Datenbankmanagementsystem. Synonym: Datenbankverwaltungssystem.

• DW = Data Warehouse; 1993 von Inmon geprägte Bezeichnung für eine von den operativen Datenbeständen getrennte, integrierte Datenbasis zur Entscheidungsunterstützung.

• FASMI = Fast Analysis of Shared Multidimensional Information; 1995 von Pendse/Creeth geprägter Begriff zur Charakterisierung von OLAP.

• Metadaten (meta data) = Daten, mit denen Nutzdaten beschrieben werden.

• OLAP = Online Analytical Processing; 1993 von Codd/Codd/Salley geprägter Begriff zur multidimensionalen Analyse von Daten in DW.

• OLTP = Online Transaction Processing; transaktionsorientierte Verarbeitung von Daten in operativen Datenbanksystemen.

• OMG = Object Management Group; Konsortium von IT-Herstellern, das Standards für die herstellerunabhängige Entwicklung von Informationssystemen verfasst.

• SQL = Structured Query Language; Datenbanksprache für relationale Datenbanken.

• strukturierte Daten (structured data) = Daten, für deren Elemente eine bestimmte Anordnung bzw. Struktur vorgeschrieben ist (z. B. in operativen Datenbanken oder DW). Sy­nonym: formatierte Daten.

• unstrukturierte Daten (unstructured data) = Daten, für deren Elemente keine bestimmte Anordnung bzw. Struktur vorgeschrieben ist (z. B. Texte, Grafiken, Präsentationen, Tabellenkalkulationen, Videos, Audios). Synonyme: unformatierte oder formatfreie Daten.

Zweck des Datenmanagements

Ziele und Aufgaben des Datenmanagements

Business Intelligence

Metadatenmanagement

Datenqualität

Aufgabenträger des Datenmanagements

Forschungsbefunde

Aus der Praxis

Methodenverweise

• Informationsbedarfsanalyse (Lerneinheit INBAN)

• Methoden des Qualitätsmanagements (Lerneinheit MEQUA)

Fallstudienverweis

• Lerneinheit FSLEM demonstriert die Verlagerung von Daten eines DW-Systems auf verschiedene Speicherebenen.

Kontrollfragen

1. Worin besteht der Zweck des Datenmanagements?

2. Welche Aufgaben des Datenmanagements lassen sich unterscheiden?

3. Worin besteht der Unterschied zwischen OLAP und Data Mining?

4. Welche Funktion haben Metadaten im Datenmanagement?

5. Mit welchen Attributen kann Datenqualität beschrieben werden?

Quellen

• Accenture: Cultivating high performance through information management. Findings from the Accenture CIO survey 2007: Business intelligence. 2008. http://www.accenture.com/ciosurveyim; Abruf: 07.05.2008

• Accenture: Cultivating high performance through information management. Findings from the Accenture CIO survey 2007: Data management and architecture. 2008. http://www.accenture.com/ciosurveyim; Abruf: 07.05.2008

• Becker, J. / Rosemann, M. / Schütte, R.: Grundsätze ordnungsmäßiger Modellierung. In: WIRTSCHAFTS­INFORMATIK 5/1995, 435-445

• Chamoni, P. / Gluchowski, P.: Analytische Informationssysteme: Business Intelligence-Technologien und ‑Anwendungen 3. A., Berlin/Heidelberg/New York 2006

• Chaudhuri, S. / Dayal, U.: An Overview of Data Warehousing and OLAP Technology. In: ACM SIGMOD Record 1/1997, 65-74

• Chen, P. P.-S.: Entity-Relationship Modeling: Historical Events, Future Trends, and Lessons Learned. Lecturing Notes in Computer Sciences. In: Broy, M. / Denert, E. (Hrsg.): Software Pioneers: Contributions to Software Engineering. Berlin 2002, 100-114

• Chen, P. P.-S.: The Entity-Relationship Model - Toward a Unified View of Data. In: ACM Transactions on Database Systems 1/1976, 9-36

• Codd, E. F. / Codd, S. B. / Salley, C. T.: Providing OLAP to User-Analysts: An IT Mandate. Ann Arbor 1993

• Dippold, R. et al.: Unternehmensweites Datenmanagement. Von der Datenbankadministration bis zum Informationsmanagement. 4. A., Braunschweig/Wiesbaden 2005

• Feldman, S.: The high cost of not finding information. 2004. http://www.kmworld.com; Abruf: 09.06.2008

• Feldman, S. et al.: The Hidden Costs of Information Work. IDC Whitepaper. Framingham 2005. http://factiva.com ; Abruf: 20.02.2009

• Hawking, D.: Challenges in enterprise search. In: Schewe, K.-D. / Williams, H. (Hrsg.): Proceedings of the Fifteenth Australasian Database Conference. Dunedin, New Zealand 2004, 15-24

• Inmon, W. H.: Building the Data Warehouse. 4. A., Indianapolis 2005

• Kappelman, L. A.: Some Strategic Y2K Blessings. In: IEEE Software 2/2000, 42-46

• Kemper, H.-G. / Mehanna, W. / Unger, C.: Business Intelligence - Grundlagen und praktische Anwendungen. Eine Einführung in die IT-basierte Managementunterstützung. 2. A., Wiesbaden 2006

• Naumann, F.: Datenqualität. In: Informatik Spektrum 1/2007, 27-31

• o.V.: Firmen gehen Management von Stammdaten oft falsch an. In: Computer Zeitung 38/2007, 8

• Pendse, N. / Creeth, R.: The OLAP Report. New York 1995

• Rohweder, J. P. et al.: Informationsqualität - Definitionen, Dimensionen und Begriffe. 2007. http://www.dgiq.de; Abruf: 22.05.2008

• Unger, C. / Kemper, H.-G.: Organisatorische Rahmenbedingungen der Entwicklung und des Betriebs von Business Intelligence - Ergebnisse einer empirischen Studie. In: Bichler, K. et al. (Hrsg.): Multikonferenz Wirtschaftsinformatik 2008. Berlin 2008, 141-153

• Wang, R. / Strong, D.: Beyond Accuracy: What Data Quality Means to Data Consumers. In: Journal of Management Information Systems 4/1996, 5-34

• Wixom, B. H. et al.: Continental Airlines Continues to Soar with Business Intelligence In: Information Systems Management 2/2008, 102-112

Vertiefungsliteratur

• Baars, H. / Kemper, H.-G.: Management Support with Structured and Unstructured Data - An Integrated Business Intelligence Framework. In: Information Systems Management 2/2008, 132-148

• Devlin, B.: Data warehouse: from architecture to implementation. 6. A., Reading 2000

• Elmasri, R. / Navathe, S. B.: Grundlagen von Datenbanksystemen. 3. A., München 2002

• Eppler, M. J.: Managing Information Quality. Increasing the Value of Information in Knowledge-intensive Products and Processes. Berlin, Heidelberg 2003

• Salton, G. / McGill, M. J.: Information Retrieval - Grundlegendes für Informationswissenschaftler. Hamburg et al. 1987

• Stock, W. G. / Stock, M.: Wissensrepräsentation. Informationen auswerten und bereitstellen. München 2008

• Vetter, M.: Aufbau betrieblicher Informationssysteme mittels pseudo-objektorientierter, konzeptioneller Datenmodellierung. 8. A., Stuttgart 1998

Informationsmaterial

• Bill Inmon

• Data Warehousing Institute - TDWI Germany e.V.

• Deutsche Gesellschaft für Informations- und Datenqualität (DGIQ)

• Dublin Core Metadata Initiative (DCMI)

• Information Quality at MIT

• International Conference on Information Quality

• Metadata Standards ISO/IEC JTC1 SC32 WG2

• Object Management Group (OMG)

• Storage Networking Industry Association (SNIA)

Normen

• ISO 15836:2003 Information and documentation - The Dublin Core metadata element set

• ISO/IEC 19502:2005 Information technology - Meta Object Facility (MOF)

• ISO/IEC 19503:2005 Information technology - XML Metadata Interchange (XMI)

Links

• Abbildungsarchiv: DATEM - Datenmanagement
• Diskussionsforum: DATEM - Datenmanagement