Business Intelligence (Teil 4): BI-Analysemethoden OLAP & Data Mining

Ad-Hoc-Analyse: OLAP

Im Rahmen der professionellen Datenanalyse stehen vor allem zwei Verfahren im Vordergrund: OLAP und Data Mining. OLAP (Online Analytical Processing) konzentriert sich bei der Analyse hauptsächlich auf das Berichtswesen und ist einer der bekanntesten Vertreter moderner Ad-hoc-Auswertungssysteme. Charakteristisch für Ad-hoc-Systeme ist, dass der Analyst zu Beginn oftmals nicht genau weiß, welche Daten er im Weiteren untersuchen soll.

Im Vordergrund steht bei OLAP die Durchführung komplexer Analysevorhaben, die ein sehr hohes Datenaufkommen verursachen, die gleichzeitig aber eine flexible, intuitive Auswertung ermöglichen sollen. Die Daten werden aus den Datenquellen in einem multidimensionalem Datenwürfel zusammengefasst und dann in Berichten mit Tabellen und Grafiken präsentiert. Der Anwender kann die Kriterien, die für ihn interessant sind, selektieren und miteinander kombinieren.

Das OLAP-Konzept geht ursprünglich auf den Datenbank-Spezialisten Edgar F. Codd zurück. Dieser stellte 1993 eine Reihe von Eigenschaften für OLAP-Systeme auf, die später auf fünf wesentliche Faktoren („FASMI“) reduziert wurden. Dies sind im einzelnen:

• Fast: Ein OLAP-System soll reguläre Abfragen in maximal fünf, komplexe in 20 Sekunden beantworten

• Analysis: Das System solle eine intuitive Analyse bei beliebig komplexen Berechnungen anstellen

• Shared: Mehrere Nutzer können das System gleichzeitig verwenden

• Multidimensional: Im Kern steht eine multidimensionale Sicht auf die Daten, unabhängig von der verwendeten Datenbankstruktur

• Information: Die Skalierbarkeit der Anwendung soll auch bei größeren Datenmengen gegeben sein.

Als Folge der fünf geforderten Features sind OLAP-Datenbanken performant und leicht bedienbar. Die Grafik zeigt die typischen Eigenschaften von OLAP im Überblick.