A
ABC Analyse
Betriebswirtschaftliche Analysemethode, die Produkte wie etwa Maschinenteile in drei Klassen A, B und C gruppiert. Die A-Kategorie hat dabei einen hohen Wert-, aber geringen Mengenanteil, die B-Kategorie einen mittleren Wert- und Mengenanteil und die C-Kategorie einen geringen Wert- und hohen Mengenanteil. Die Klassengrenzen werden für eine Kennzahl in der Regel mit 80% / 15% / 5% festgesetzt. In der Materialwirtschaft wird so häufig ein Wertanteil der A-Teile um 80%, aber nur ein Mengenanteil um 10% festgestellt. C-Teile machen dann z. B. nur 5% des Gesamtwertes aller Teile, aber 70% der Menge aus.
Ad-hoc-Reporting
Berichterstellung „auf Anforderung“. Anders als bei Standard-Berichtssystemen werden Berichte über Ad hoc Reporting dann erstellt, wenn für diese gerade ein Bedarf vorhanden ist. Werden diese Informationen öfter benötigt, kann aus einem Ad-hoc- ein Standard-Bericht erzeugt werden.
Aggregation
Verdichtung hierarchisch untergeordneter Werte zu einem übergeordneten Wert, z. B. durch Summenbildung. Werden in ->operativen Datenbanken beispielsweise tagesgenaue Werte gespeichert, so können diese bei der Überführung in -> Data Warehouses zu Wochenwerten verdichtet werden. Aggregation ist Teil des -> Transformationsprozesses, der wiederum Teil von -> ETL ist.
Alert-Agent
Programm, das Warnungen bei Überschreiten bestimmter betriebswirtschaftlicher Grenzwerte ausgibt. Wird beim ->Exception Reporting eingesetzt.
Ampelfunktion
Bestimmten Werten in Datenfeldern einer Datenbank wird nach vorgegebenen Regeln eine Farbe (rot, gelb oder grün) zugeordnet. Kritische Werte sollen so auf einen Blick auch in großen Datentabellen erkannt werden.
Anreicherung
Berechnung betriebswirtschaftlicher ->Kenngrößen und Integration in die Datenbasis. Anreicherung ist Teil des -> Transformationsprozesses, der wiederum Teil von -> ETL ist.
Assoziationsanalyse
Data Mining Verfahren. Durch maschinelles Lernen wird dabei versucht, aus den Daten so genannte Assoziationsregeln zu generieren, die beschreiben, welche Gruppen von Objekten oder Eigenschaften häufig gemeinsam auftreten. „Wer in der IT-Branche tätig ist, verfügt häufig (zu 70 Prozent) über ein Jahres-Bruttoeinkommen über 40.000 Euro“ wäre eine solche Regel, die mittels Assoziationsanalyse entdeckt werden könnte.
Attribute
Datenelemente oder Variablen einer Klasse bzw. Felder einer Tabellenzeile in einer -> relationalen Datenbank. Attribute halten den Zustand eines Objekts bzw. einer Tabellenzeile fest.
B
Balanced Scorecard
Kurz: BSC. „Ausgewogene Kennzahlensammlung“. Analyseinstrument, das eine bereichsübergreifende Kontrolle und Steuerung von Unternehmenszielen ermöglicht. Vier Perspektiven werden dabei zu Grunde gelegt: (1) Finanzperspektive, (2) interne Prozessperspektive, (3) Kundenperspektive und (4) Lern- und Wachstumsperspektive. Zusammen sollen sie einen ausgewogenen Überblick über die aktuelle Unternehmenssituation geben. Die BSC geht auf Arbeiten von Robert S. Kaplan und David P. Norton Anfang der 1990er Jahre zurück und basiert auf einer Ursache-Wirkungs-Analyse.
Berichtssysteme
BI-Analyseinstrument. Bericht- oder Reportingsysteme helfen bei der Lösung von betriebswirtschaftlichen Aufgaben, indem sie unternehmensrelevante Informationen auswerten und nutzerfreundlich bereitstellen.
Best of Breed
Business-Intelligence-System, das aus Komponenten verschiedener Softwareanbieter besteht. Diese Systeme erfordern meist eine komplexe Verwaltung, erschweren die Weiterentwicklung und begrenzen die Möglichkeit des Wissensaustauschs.
BI
Siehe. Business Intelligence
BPM
Business Performance Management, siehe: Corporate Performance Management
Briefing Books
Berichtshefte. Graphische Entwicklungsumgebungen zu Analysepräsentationen. Bestehen oft aus Tabellen, Graphiken, Schaltflächen und Textfeldern. Häufig werden auch externe Informationsquellen und Programme eingebunden.
BSC
Siehe: Balanced Scorecard
Business Intelligence
Kurz: BI. Prozess, durch den in Unternehmen Daten in Informationen und weiter in Wissen umgewandelt werden. Praktisch gilt BI heute als Oberbegriff für ->Data Warehousing, ->Data Mining und ->OLAP. Begriff und Konzept wurden von der Gartner Group geprägt.
Business-Intelligence-Plattform
Unternehmensweites System, das offen und modular alle Daten nachvollziehbar von der Extraktion aus ->operativen Datenbanken bis zu analytischen Anwendungen integriert.
Business-Intelligence-Portal
Web- Anwendung, die allen Nutzern eines Unternehmens einen zentralen, sicheren und personalisierten Zugang zu BI-Informationen oder -Anwendungen bereitstellt.
C
Cash flow
Kennzahl, die aufzeigt, was ein Unternehmen in einer Periode aus dem Umsatzprozess erwirtschaftet hat und was somit für Investitionen, Gewinnausschüttungen und Tilgungsausgaben aus eigener Kraft verwendet werden kann. Aus Höhe und Entwicklung des Cash-Flows können Rückschlüsse auf die Ertragskraft, Selbstfinanzierungskraft, Kreditwürdigkeit und Expansionsfähigkeit gezogen werden
Clusteranalyse
->Data Mining Verfahren, das Elemente in Klassen einteilt. Dabei werden die Elemente so zusammengefasst, dass sie innerhalb einer Klasse möglichst homogen, zwischen paarweisen Klassen aber möglichst heterogen sein sollen. Beispiel: Kunden je nach Kaufkraft in Gruppen zusammenfassen.
Core Data Warehouse
Zentrale Datenbank innerhalb des ->Data Warehouse. Die Datenbank wird direkt aus ->operativen Datenbanken befüllt. Das Core Data Warehouse basiert in der Regel auf einer relationalen Datenbank und kann Datengrößen von mehreren Terabyte umfassen.
Corporate Performance Management
Kurz: CPM. Methode zur Darstellung und Verbesserung der Leistungsfähigkeit und Profitabilität von Unternehmen. CPM gilt als Add on von ->Business Intelligence. Neben den auf die Historie und die Gegenwart bezogenen Analysen, die im Fokus von BI stehen, deckt CPM auch zukunftsbezogene Analysen wie Planung, Prognosen und Aktionen ab. Synonyme Begriffe: Business Performance Management (BPM) und Enterprise Performance Management (EPM).
CPM
Siehe: Corporate Performance Management
CRM
Siehe: Customer Relationship Management
Cubes
Siehe ->OLAP-Cubes.
Customer Relationship Management
Kurz: CRM. CRM umfasst die Administration, Auswertung und Evaluierung von Kundendaten beispielsweise für Verkaufsgespräche, Werbemaßnahmen und Kundenservice.
D
Dashboard
Visualisiert ->Kennzahlen aus unterschiedlichen Unternehmensbereichen in einer einheitlichen Bildschirmdarstellung mittels einfacher Geschäftsgrafiken und Tabellen.
Data Cleansing
Anwendung von Methoden zur Identifizierung, Standardisierung und Dublettenbeseitigung von Daten in Datensammlungen.
Data Marts
Kleine, spezielle ->Data Warehouses für bestimmte themenbezogenen Datensammlungen. Data Marts sind auf die Anforderungen einer Abteilung oder eines Unternehmensbereichs zugeschnitten und ermöglichen eine Teilsicht auf das gesamte Data Warehouse. Einzelnen Abteilungen oder Anwendern kann so beispielsweise ein spezifischer Datenbestand für Analysen vorgehalten werden.
Data Mining
Automatische Suche nach unbekannten Zusammenhängen in großen Datenbeständen. Data Mining besteht aus verschiedenen Verfahren wie ->Cluster-Analyse, Regressionsanalyse oder Neuronalen Netzen. Eingesetzt werden derzeit vor allem Algorithmen zur Segmentierung, Klassifizierung und Assoziation. Data Mining ist in der Regel hypothesenfrei. Der Begriff „Data Mining“ entstammt der Mustererkennung, einem Arbeitsgebiet der Künstlichen Intelligenz.
Data Profiling
Anwendung von Regeln und statistische Methoden zur Überprüfung von Datenbanken und Tabellen auf fehlerhafte Werte.
Data Scrubbing
Prozess der Verbesserung der Datenqualität mit Hilfe von Software-Tools. Data Scrubbing kann in ->operationalen Datenbanken oder während des Füllens der ->Data Warehouses erfolgen.
Data Warehouse
Kurz: DWH. Datenlager von Informationen zur Entscheidungsunterstützung des Managements. Data Warehouses sind grundsätzlich themenorientiert, zeitbezogen und dauerhaft ausgerichtet. Der Aufbau eines DWH erfolgt in der Regel in ->relationalen oder ->multidimensionalen Datenbanken. Alle relevanten Geschäftsdaten werden darin eingespielt, strukturiert und harmonisiert, so dass für die weitere Analyse eine einheitliche und breite Grundlage zur Verfügung steht. Die verschiedenen Anwendergruppen haben schnellen und unkomplizierten Zugriff auf die Informationen.
Datenbank
Sammlung von Daten (Datenbasis), gemeint ist damit oft auch -> Datenbank-Managementsystem.
Datenbank Managementsystem
Kurz: DBMS. Database Management System, auch Datenbankverwaltungssystem. Software-System, bestehend aus einer Datenbasis zur Beschreibung eines Realitätsausschnitts sowie Programmen zum geregelten Zugriff auf die Datenbasis. Über das DBMS sind Anwendungen in der Lage, Daten zu lesen, zu schreiben oder zu verändern.
Datenmodell
Beschreibung des Inhalts einer Datenbank. Zum Datenmodell gehört bei einer ->relationalen Datenbank z.B. die Beschreibung der Tabellen und der Relationen der Tabellen untereinander. Eine der bekanntesten Datenmodellierungstechniken ist ->Entity Relationship Modelling.
Datenwürfel
Siehe: ->OLAP-Cubes
DBMS
Siehe: ->Datenbank-Managementsystem
Decision Support System
Siehe: ->DSS
Dice
Wichtige Funktionalität von OLAP. Betrachtet aus einer multidimensionalen Datenmenge eine Schicht gesondert und lässt sie zur Betrachtung aus verschiedenen Blickwinkeln „rotieren“.
Dimensionen
Komponenten von mehrdimensionalen Datenwürfeln. Jede Dimension besteht aus Elementen, die zu einem Typ gehören. Tag, Monat, Jahr sind beispielsweise Elemente der Dimension Zeit, Produkttyp, Produktreihe, Produktname Elemente der Dimension Produkt. Dimensionen stellen den Index dar, anhand dessen die Werte in einem Datenwürfel identifiziert werden können.
Dispositive Daten
Längerfristig gespeicherte Daten, die den ->operativen Daten und Systemen wie etwa ERP-Systemen entstammen. Oft handelt es sich bei dispositiven Daten um verdichtete, bereits transformierte und hoch aggregierte Daten. Sie können vom Management direkt als entscheidungsunterstützende Daten für unterschiedlichste Analyse-, Kontroll- und Steuerungszwecke eingesetzt werden.
Drill Across
Instrument zum Navigieren in mehrdimensionalen hierarchischen Strukturen. Bezeichnet das Navigieren innerhalb einer Dimension auf der gleichen Hierarchiestufe. Bei einem beliebig gewähltem Schnitt durch den Datenwürfel werden die benachbarten Dimensionselemente (andere Region, anderes Produkt, anderer Monat) betrachtet.
Drill Down
Detaillieren. Dient zum Zugriff auf detailliertere Daten hoch ->aggregierter Werte. Mit Drill Down kann der Anwender während einer interaktiven Datenanalyse auf detailliertere Daten der gerade betrachteten Dimension zugreifen. Der umgekehrte Fall ist das ->Drill Up.
Drill Through
Auch: Reach through. Technik, von einer hoch aggregierten Datenquelle auf eine andere, meist detailliertere, „durchzugreifen“. Diese detaillierteren Datenquellen werden meist in Vorsystemen gehalten.
Drill Up
Verdichten. Auch: Roll-Up. Gegenteil von Drill Down. Mit Drill Up-Funktion greift man bei der interaktiven Datenanalyse von der gerade betrachteten Dimension auf stärker verdichtete, höher ->aggregierte Daten zu.
DSS
Decision Support System, deutsch: Entscheidungsunterstützungssystem. Stellt Lösungen für Abfrage und Reporting, multidimensionale Analyse (->OLAP) sowie für ->Data Mining zur Verfügung.
E
EIS
Executive Information System, deutsch: Führungsinformationssystem. Ein Informationssystem für den Zugriff auf und die Analyse von Unternehmensdaten auf einem relativ hohen Level (Management-Ebene). Die -> Scorecard- basierte Umgebung ermöglicht die Darstellung von Daten und strategischen Indikatoren in summarischer und grafischer Form.
Enterprise Ressource Planning
Siehe: ERP
Entity Relationship Model
->Datenmodell, das die Tabellen auf dem jeweiligen Business Level und ihre Verbindung untereinander identifiziert.
ERP
Enterprise Ressource Planning. Häufig als Sammelname für Transaktionssysteme wie beispielsweise die betriebliche Standardsoftware SAP R/3.
ETL
Extraktion, Transformation, Laden (Loading). Verarbeitungsschritte, die bei der Übernahme von Daten aus -> operativen Datenbeständen in ein ->Data Warehouse anfallen. „Extraction“ ist das Entladen von Daten aus den operativen Datenquellen. „Transformation“ ist das Umwandeln entsprechend den Forderungen des Data Warehouse Modells und der zugrunde liegenden Datenbank. „Loading“ ist das Laden der Daten in die entsprechende Datenbank.
ETL-Tools
Werkzeuge, die den ->ETL-Prozess unterstützen. Extraktions-, Transformations- und Lade-Werkzeuge verrichten alle Prozessschritte zur Füllung des -> Data Warehouses mit gereinigten, konsistenten und integrierten Daten aus Vorsystemen.
EPM
Enterprise Performance Management. Siehe: Corporate Performance Management
Exception Reporting
Überwachung einzelner Werte in Datenbanken. Bei Erreichen bestimmter, vordefinierter Werte wird eine Meldung an den Anwender erzeugt.
Executive Information System
Siehe: EIS
Extraction
Export von Daten aus ->operativen Datenquellen in das -> Data Warehouse. Dieser Export erfolgt durch besondere Werkzeuge und Schnittstellen. Bevor die extrahierten Daten in das Data Warehouse importiert werden können, folgt noch der Schritt der Transformation, um die Datenintegration herzustellen.
Expertensystem
Expertensysteme modellieren das Wissen menschlicher Experten. Abgebildet wird dabei nicht nur das eigentliche Wissen einer bestimmten Domäne, sondern auch das Wissen um Problemlösungsmechanismen.
F / G
Fact Table
Fakten-Tabellen. Kern eines -> Star Schemas. Fact Tables enthalten Informationen auf der niedrigsten Detaillierungsebene. Die Fact Table enthält pro Zeile Informationen zu den Geschäftsereignissen (z. B. verkaufte Menge, Umsatz in Euro). Jede Zeile enthält zudem Felder, die eine Verbindung zu den Dimension Tables herstellen (z. B. Produktnummern zur Tabelle „Produkte“; Kundennummer zur Tabelle „Kunden“; Verkaufsdatum zu Tabelle „Zeit“).
Filterung
Bereinigung syntaktischer und inhaltlicher Defekte von Datensammlungen. Teil des -> Transformationsprozesses, der wiederum Teil von -> ETL ist.
FIS
Führungsinformationssystem
Siehe ->EIS
Galaxy Schema
Logisches ->Datenmodell für ->Data Warehouses, in dem verschiedene ->Fakten-Tabellen über gemeinsame Dimensions-Tabellen verbunden sind.
Granularität
Maß für die Vorverdichtung der Daten. Um bei komplexen Analysen oder der Navigation durch Hierarchieebenen die Antwortzeiten von Datenbank-Systemen zu verringern werden Daten vorverdichtet - etwa durch ->Aggregation. Je nach Verdichtungsgrad nimmt die Granularität verschiedene Stufen ein. Je höher die Vorverdichtung der Daten desto geringer ist die Granularität der Datenbank.
H - K
Harmonisierung
Betriebswirtschaftliche Abstimmung der Daten bei der Übernahme in -> Data Warehouses - etwa die themenbezogene Gruppierung nach Kunde, Produkt oder Organisationseinheit. Teil des -> Transformationsprozesses, der wiederum Teil von -> ETL ist.
Hybrides OLAP
Mischform aus ->ROLAP und ->MOLAP. Die OLAP-Daten können sowohl in multidimensionalen (MOLAP) als auch relationalen Datenbanken (ROLAP) abgelegt werden.
Hypercube
Datenwürfel, der aus allen Dimensionen eines -> Datenmodells zusammengesetzt wird.
Kennzahlen
Maßzahlen, die die Leistungsfähigkeit unterschiedlicher Unternehmensbereiche oder verschiedener Unternehmen zueinander messbar machen sollen. Am bekanntesten wurde das ROI (Return on Investment)-Modell hierarchisch aufeinander aufbauender Kennzahlen.
Key Performance Indikatoren
Siehe: KPI
Knowledge based System
Wissensbasiertes System. Siehe: ->Expertensystem
KPI
Key Performance Indikator. Betriebswirtschaftliche Schlüsselkennziffern, die die Erreichung der strategischen Ziele repräsentieren. Bei Business-Websites wäre ein solcher Indikator etwa die durchschnittliche Verweildauer von Besuchern oder der über die Website generierte Umsatz.
M
Management Informationssystem
Siehe: MIS
Mapping
Zuordnung von Datenfeldern in Ausgangsdatenbeständen zu Datenfeldern einer Zieldatenbank bei der ->Extraktion.
MDB
Siehe: Multidimensionale Datenbank.
MDX
Multidimensional Expression Language. Zugriffssprache auf multidimensionale Datenbanken für OLAP. Äquivalent zu ->SQL im multidimensionalen Umfeld.
Metadaten
Daten über Daten. Metadaten beschreiben den Aufbau einer Datenbank oder eines Data Warehouses oder auch bestimmte Geschäftsregeln. Gespeichert werden diese Daten in einem ->Repository in Form von Datenbanktabellen.
Metadaten-Dictionary
Siehe: ->Repository
MIS
„Management Informationssystem“. Informationssystem für den Zugriff und die Analyse von Unternehmensdaten auf einem relativ hohen Level (Management-Ebene).
MOLAP
Multidimensionales OLAP. Speicherung von OLAP-Daten in ->multidimensionalen Datenbanken. MOLAP basiert nicht auf SQL, sondern bedient sich eigener Programmierschnittstellen. Dadurch können die Grenzen von Standard SQL überschritten werden und zahlreiche analytische Funktionen am Server selbst durchgeführt werden. MOLAP erfüllt die Anforderung an das Antwortzeitverhalten durch die Speicherung in Array-Strukturen besonders gut. Bei einer Speicherung der Daten in relationalen Datenbanken wird von ->ROLAP gesprochen, die Mischform nennt sich ->HOLAP.
Multicube
Multidimensionale Datenspeicherung in einer Vielzahl von Datenwürfeln, die zusammengenommen die -> multidimensionale Datenbasis bilden. Die Speicherung kann sowohl in relationalen als auch multidimensionalen Datenbanken erfolgen.
Multidimensionale Daten(banken)
Beruhen auf Daten, die nach mehrfachen Kriterien auswertbar sind. Beispielsweise können Daten gleichzeitig nach Umsatz bezogen auf eine Produktgruppe, nach Handelspartner oder Kundentyp für bestimmte Zeiträume analysiert werden.
O
ODBC
Open Database Connectivity
Weit verbreiteter Standard zum Datenaustausch mit relationalen Datenbanken.
ODS
Operational Data Store. Ein ODS kann als Vorstufe von -> Data Warehouses aufgefasst werden. Es beinhaltet aktuelle Daten auf Transaktionsbasis, die verschiedenen operativen Quellsystemen entstammen und stellt sie für Anwendungs- und Auswertungsdienste bereit. Die Daten hierfür werden in der Regel mit Hilfe zusätzlicher Transformationsprozesse aus dem ->Core Data Warehouse extrahiert.
OLAP
Online Analytical Processing. Datenanalyse und ->Datenmodellierung von multidimensionalen Daten. OLAP ermöglicht die Selektion von Detail- und Summendaten sowie die grafische Darstellung aus verschiedenen Perspektiven, zum Beispiel als Zeitreihen, nach geografischen Gesichtspunkten oder nach Produktkategorien.
Die Daten können bei multidimensionaler Aufbereitung schneller und aussagekräftiger zur Entscheidungsfindung analysiert werden.
Die wichtigsten Möglichkeiten zur Manipulation der Datenwürfeln sind ->Slice und ->Dice. Um in ihnen zu navigieren, kann ein ->Drill Down, ->Roll Up oder ->Drill Across durchgeführt werden. OLAP zählt zu den „hypothesengestützten Analysemethoden“: Der Anwender muss vor der eigentlichen Analyse wissen, welche Anfragen er an das OLAP-System stellen möchte. Seine Hypothese wird dann durch das Analyseergebnis bestätigt oder abgelehnt.
OLAP Cubes
Darstellungsform mehrdimensionaler Datenbanken. Jede Zelle innerhalb eines Würfels wird durch die Elemente aller Dimensionen bestimmt und kann direkt angesprochen werden. Die Daten können dabei auf beliebige Art miteinander verknüpft werden.
OLAP-Tools
Software-Werkzeuge, die den Abfrage- und Analyseprozess von ->OLAP vorstrukturieren und automatisieren.
OLTP
On-line Transaction Processing. Während das Ziel von ->OLAP die Analyse von Datenbeständen ist, steht beim OLTP die mengen- und wertorientierte Verarbeitung der Daten im Vordergrund. Daten aus den OLTP-Systemen werden dann beispielsweise in ->Data Warehouses zur Analyse mittels OLAP aufbereitet.
Online Analytical Processing
Siehe: ->OLAP
On-line Transaction Processing
Siehe: ->OLTP
Operative Daten
Transaktionsorientierte Daten, wie sie im betrieblichen Alltag von Administrations- und Abrechnungssystemen generiert werden. Dazu gehören beispielsweise Daten, wie sie Warenwirtschaftssysteme, Buchhaltungsprogramme oder ERP-Systeme wie SAP erzeugen. Das Gegenteil sind -> dispositive Daten.
R
RDBMS
Relationales Datenbank Managementsystem. ->Datenbank Managementsystem auf Basis des ->relationen Datenmodells
Reach Through
Siehe: Drill Through
Relationale Datenbank(modell)
Datenbank, bei der Daten in Spalten und Tabellen gespeichert werden. Die Verbindung zwischen den Tabellen erfolgt über Schlüsselfelder. Damit lassen sich Daten über mehrere Tabellen hinweg auswerten.
Replikation
Prozess des physischen Kopierens von Daten aus einer Datenquelle in eine andere. Dabei werden oftmals auch Transformations-Funktionen genutzt. Datenquelle und Datenziel können dabei verschiedenen Datenbanktypen sein (heterogene Replikation). Möglich sind auch bi-direktionale Replikationen - das heißt, die Datenquellen werden untereinander abgeglichen.
Reporting
Gesamtheit der Methoden und Techniken für die betriebliche Berichterstellung. Reporting umfasst sowohl die Berichterstellung auf ->relationalen Datenbanken, -> Ad hoc Reporting, als auch das multidimensionale Reporting auf ->OLAP-Datenbanken.
Repository
auch Metadaten-Dictionary. Eine Datenstruktur zum Speichern von Metadaten.
ROLAP
Relationales OLAP. Die OLAP-Daten werden bei ROLAP in ->relationalen Datenbanken abgelegt. Hierzu werden in der Regel besondere Datenmodelle wie ->Star- oder ->Snowflake-Schemen benutzt. Abfragen erfolgen direkt auf der relationalen Datenbank. Über eine grafische Oberfläche werden normale SQL-Abfragen generiert. Durch den direkten Zugriff auf große Datenmenge ist unter Umständen mit langen Antwortzeiten zu rechnen.
Roll Up
Siehe: Drill Up
S
Scorecards
Momentaufnahme entscheidungsrelevanter Daten auf einen Blick - ähnlich einem Armaturenbrett in Fahrzeugen. Zu Grunde liegen dabei in der Regel große Mengen von meist verteilten Informationen in verdichteter Form - zum Beispiel als ->Kennzahlen, Messpunkte oder -> Key Performance Indikatoren (KPI).
Slice
OLAP-Funktion, bei der aus einer multidimensionalen Datenmenge eine Schicht „herausgeschnitten“ wird.
Snowflake Schema
Erweitertes -> Star Schema, bei dem Dimensionstabellen noch mit weiteren Tabellen verbunden sind. Die Dimensionstabellen lassen sich so entsprechend ihrer hierarchischen Struktur normalisieren, z. B. je eine Tabelle für Produkttyp, Produktreihe und für Produkt. Stellt man ein solches Design grafisch dar, ergibt sich ein Diagramm, das an eine Schneeflocke („Snowflake“) erinnert.
Star Schema
Logisches Datenmodell für ->Data Warehouses, in dem alle Kennzahlen in einer zentralen Faktentabelle gespeichert werden. Diese wiederum ist mit Dimensionstabellen verknüpft. Die Dimensionstabellen enthalten die Beschreibung jeder Dimension, z. B. Bezeichnungen oder die Hierarchiestufen als einzelne Tabellenspalten. Dabei steht die Tabelle mit den Fakten im Mittelpunkt. Alle Dimensionstabellen sind über Primary Keys (Primärschlüssel) mit der Faktentabelle verbunden. Stellt man ein solches Design grafisch dar, ergibt sich ein Diagramm, das an einen Stern („Star“) erinnert. Abwandlungen sind das ->Snowflake und ->Galaxy-Schema
Strategy Map
Auch: BSC Map. Grafische Beschreibung der Unternehmensstrategie mit den vermuteten Ursache-Wirkungs-Zusammenhängen zwischen den Unternehmenszielen analog einer Mind Map.
SQL
Structured Query Language. Aktueller Standard für den Zugriff auf relationale Datenbanken. Äquivalent zu ->MDX in multidimensionalen Datenbanken.
T - W
Text Mining
Data Mining für Text. Herkömmliche Data-Mining-Verfahren unterstützen die Datenmustererkennung in strukturierten Datenbeständen. Im Rahmen von Dokumentenmanagement und im Web liegen große unstrukturierte Datenmengen vor, in denen sich entscheidungsrelevante Informationen verbergen. Diese können mit Text Mining gefunden, analysiert und aufbereitet werden.
Transformation
Teil des ->ETL-Prozesses zum Aufbau eines ->Data Warehouses. Nach der Extraktion aus ->operativen Datenquellen wird im Schritt der Transformation ein integrer Datenbestand im ->Data Warehouse aufgebaut. Umsatzzahlen werden beispielsweise aus verschiedenen Währungen oder in einheitliche Netto-Werte umgerechnet.
Transformationsprogramme
Extrahieren bzw. fassen die operativen Daten in themenorientierte Datenbestände zusammen, wodurch auch eine Reduzierung der Datenmenge erreicht wird. Die Konvertierung übernehmen Datenmanipulations- und Formatierungstools, wie zum Beispiel 4GL-Entwicklungssprachen.
Trendanalyse
Statistische Analysemethode, die anhand verschiedener statistischer Verfahren wie Regressionsanalyse oder Quadratsummen zukünftige Werte prognostiziert.
Web Mining
Data Mining für Websites. Im einfachsten Fall liefert Web Mining Antworten auf Fragen wie: Welche Webseiten sind besonders beliebt, wie wird eine Web-Site von den Besuchern genutzt, wie verlaufen typische Navigationspfade und wo steigen Benutzer häufig aus
Wissensmanagement-Systeme
Software-Programme, die das betriebliche Wissen organisieren und speichern.