Test OLAP – Online Analytical Processing

OLAP (Datenwürfel) soll anschauliche Visualisierung von Daten ermöglichen

Diese Analysen zeichnen sich durch ihre Multidimensionalität aus. Das bedeutet die Anordnung der verschiedenen Variablen oder Kennzahlen entlang unterschiedlicher Dimensionen – z.B. Umsatz in Bezug auf Kunde, Artikel, Region o.ä. Dem liegt die Idee der Trennung von unabhängigen und abhängigen Attributen zugrunde. Jedem unabhängigen Attribut wird dabei eine eigene Dimension zugewiesen; Werte von abhängigen Attributen ergeben sich dann aus den Wechselbeziehungen.

Die anschauliche Visualisierung der teils hochdimensionalen Datenpakete soll dabei das Verständnis erhöhen sowie das Datenlesen vereinfachen. Es erfolgt daher eine bildliche Darstellung als Würfel, wobei die Würfelkanten die unabhängigen Attribute darstellen. Der gebildete Datenwürfel zeigt dementsprechend die Werte eines abhängigen Attributes (z.B. Umsatz) in Relation zu z.B. drei unabhängigen Größen wie Produkt, Region, Zeit.


Abb. multidimensionale Darstellung

Werden mehr als drei unabhängige Attribute genutzt, so erhält man einen sogenannten hyperdimensionalen Datenwürfel, der bildlich nicht mehr darstellbar ist. Daher können auch Dimensionsschnitte (Slicing) abgefragt werden, die dann in der Regel die Elemente zweier Dimensionen verdeutlichen.

• Verwaltung großer Datenbestände
• Bewerkstelligung komplexer Abfragen
• Analysefunktionalität (z.B. statistische Rechnungen, what-if-Analysen)
• konzeptionelle Multidimensionalität
• Benutzerfreundlichkeit (auch ohne Programmierkenntnisse sollten die Anwendungen ausführbar sein → SQL-Kenntnisse sind erforderlich, denn sie dient als Abfragesprache)

Eine Übersicht für Business-Intelligence-Software-Lösungen finden Sie hier >>

Quellen:
Bodendorf, F.: Daten- und Wissensmanagement, Heidelberg 2003.
Mucksch/Behme (Hrsg.): Das Data Warehouse-Konzept, 4. Aufl., Wiesbaden 2000.
Abb. in Anlehnung an Bodendorf 2003, S. 33.