BI-Methoden (Teil 1): Ad-hoc Analysen mit OLAP

Der Hypercube

Wie bereits in den Regeln von Codd und in „FASMI“ definiert, ist die Multidimensionalität Basis von OLAP-Systemen. Hierfür wird aus der meist relationalen Datenbankstruktur eine Darstellung in mehrdimensionalen Sichten generiert.

Obwohl theoretisch in ihrer Anzahl nicht begrenzt, besitzen betriebswirtschaftliche Anwendungen meist Dimensionen im einstelligen bis allenfalls 3- bis 4-stelligen Bereich. Diese Beschränkung erklärt sich auf Grund der Eigenschaften betriebswirtschaftlicher Problemstellungen und der limitierten kognitiven Fähigkeiten von Menschen. Beispielsweise wäre es völlig unrealistisch, Auswertungen auf Grundlage von mehreren hundert Dimensionsausprägungen durchzuführen, da dies nicht mehr durchschaubar wäre.

Die Dimensionen werden bildlich als Achsen eines Würfels dargestellt – unabhängig von der Anzahl der Dimensionen. Dieser Würfel wird auch als Cube oder Data Cube bezeichnet. Die grundlegende Metapher für multidimensionale Datenräume ist aber der Begriff Hypercube – er deutet die Offenheit bezüglich der Anzahl möglicher Dimensionen an.

Die Abbildung zeigt einen typischen Hypercube mit den drei Dimensionen „Produkte“, „Monate“ und „Wertart“ (Kennziffern).

Im Inneren des Datenwürfels stehen die quantitativen Daten, die auch als Maßzahlen bezeichnet werden. Dabei kann es sich um Basisgrößen (atomare Werte) oder abgeleitete Zahlen (berechnete Werte) handeln.

In diesem Datenwürfel kann nun nach Bedarf navigiert und recherchiert werden. Typische Abfragen, die man anhand des im Bild dargestellten Würfels stellen könnte, wären etwa folgende:

• Ermittle den gesamten Umsatz von Produkt 1 im ersten Quartal (450+600+560).

• Ermittle den gesamten Produktabsatz im Januar (Addition der oberen linken drei Teilwürfel).

• Ermittle den Gesamtumsatz im ersten Quartal (Addition der Werte im unteren 3-3-1-Teilwürfel).

• Finde die drei meist verkauften Produkte