Grundlagenserie Business Intelligence

Business Intelligence (Teil 3): Datenmodellierung – Relationale und Multidimensionale Modelle

Neben dem relationalen Datenmodell spielen im BI-Kontext vor allem multidimensionale Datenräume eine bedeutende Rolle. Eine performanceorientierte Modellierung multidimensionaler Räume erlauben vor allem Star- und Snowflake-Schemata.

Datenbanken sind die Grundlagen von BI-Analysen und bilden den zentralen Teil eines Data Warehouses. Sie speichern die unternehmensweite Sammlung von integrierten Daten und halten sie für Analysezwecke bereit. Die Speicherung der Daten erfolgt meist entweder in einem relationalen oder in einem multidimensionalen Datenbanksystem.

In diesem Artikel werden ein paar wichtige Aspekte zu Grundlagen der Datenbanktechnik vorgestellt. Dies sind in erster Linie Datenmodelle als abstrakte Abbildungen von Realitätsausschnitten. Sie beschreiben die Bedeutung und Repräsentation von Daten.

Besonders eng an die Realität angelehnt sind semantische und logische Datenmodelle, die unabhängig von der technischen Implementierung auf den Speichermedien sind. Bei den semantischen Modellen ist der Entity-Relationship-Ansatz einer der populärsten Kandidaten, bei den logischen Modellen das relationale Datenmodell. Letzteres wird aufgrund seiner Bedeutung etwas ausführlicher behandelt.

Im BI-Umfeld und speziell in Data Warehouses und Data Marts spielen multidimensionale Datenräume eine große Rolle. Sie weisen eine engere Analyserichtung aus und werden oft als so genannte Star- und Snowflake-Schemata umgesetzt. Diese Modellierungstechniken sollen abschließend vorgestellt werden.