SAP Business Information Warehouse - Mehrdimensionale Datenmodellierung

3 Datenmodellierung und Mehrdimensionalität (S. 15-16)

Für Systemlösungen auf Basis des Data Warehouse Konzeptes und für OLAP Anwendungen haben zwei wesentliche Begriffe zentralen Charakter: Datenmodellierung und Mehrdimensionalität. Da die Modellierung von Systemen zur Unterstützung von Fach- und Führungskräften in ihren analytischen Fragestellungen einen entscheidenden Einfluss auf deren Akzeptanz und erfolgreiche Nutzung hat, steht dieser Aspekt in diesem Buch im Vordergrund. Zur begrifflichen Klärung geht Abschnitt 3.1 daher kurz auf die Begriffe des Datenmodells und der Modellierung ein. Die Mehrdimensionalität ist das zugrunde liegende Paradigma dieser analyseorientierten Systemlösungen und die Vielfalt an Ausgestaltungsmöglichkeiten mehrdimensionaler Strukturen wird in Abschnitt 3.2 aufgearbeitet. Abschnitt 3.3 befasst sich mit Kennzahlen und Kennzahlensystemen. Auf die Aspekte der Zeitabhängigkeit und der Veränderungen in Konsolidierungshierarchien geht Abschnitt 3.4 ein.

3.1 Datenmodelle und Datenmodellierung

Die Begriffe Datenmodell und Datenbankdesign werden in der Literatur mit unterschiedlicher Bedeutung eingesetzt. Um Missverständnissen bezogen auf den Datenmodell-Begriff vorzubeugen, muss die verwendete Definition klar dargestellt werden. Ganz allgemein ist ein Modell ein Objekt, das von einem Subjekt auf der Grundlage einer Struktur-, Funktions- oder Verhaltensanalogie zu einem Original eingesetzt und genutzt wird, um Aufgaben zu lösen, deren Durchführung unmittelbar am Original selbst nicht möglich bzw. zu aufwendig ist. In der metamathematischen Modelltheorie, einem Teilbereich der mathematischen Logik, wird unter einem Modell eine Interpretation eines Axiomensystems verstanden, wobei alle Axiome dieses Systems wahre Aussagen sind. Auf diesem Modellbegriff basieren grundlegende Verfahren zur Beurteilung von Vollständigkeit, Widerspruchsfreiheit und Definierbarkeit.

Diese Interpretation des Modellbegriffs wird in der Datenbanktheorie benutzt. Ein Datenmodell kann als formaler Rahmen zur Beschreibung von Datenstrukturen und Operationen auf Daten bezeichnet werden. Dies korrespondiert mit der Definition, wonach zur Darstellung von Datenmodellen die Unterscheidung in Strukturteil und Operationenteil vorgenommen wird (statischer und dynamischer Aspekt). Datenmodelle dienen der Beschreibung aller in einer Datenbank enthaltenen Daten und im Allgemeinen wird angenommen, dass in einem Datenmodell Objekte, deren Eigenschaften (Attribute) sowie Beziehungen zwischen Objekten modelliert werden. Dies ist auch Basis des weitreichenden Datenmodellbegriffs nach Brodie, welcher diesem Buch zugrunde liegt: Ein Datenmodell ist eine Menge mathematisch wohldefinierter Konzepte, die alle statischen und dynamischen Eigenschaften der Anwendungswelt erfassen soll, und zwar

• statische Eigenschaften wie Objekte, Eigenschaften von Objekten und Beziehungen zwischen Objekten,
• dynamische Eigenschaften wie Operationen auf Objekten, Eigenschaften dieser Operationen und Beziehungen zwischen Operationen,
• Integritätsbedingungen über Objekten (statische Integritätsbedingungen) sowie über Operationen (dynamische Integritätsbedingungen).

Datenmodelle sollen mithin die Bedeutung und Repräsentation von Daten beschreiben, d. h. ein Datenmodell geht aus Abstraktion eines zu modellierenden Realitätsausschnittes hervor. Datenmodelle können daher nach ihrer Nähe zur Realwelt klassifiziert werden. Diese weit verbreitete Strukturierung des Modellierungsvorganges ist in Abbildung 3 dargestellt. Danach werden die Ebenen der semantischen, logischen und physischen Datenmodellierung unterschieden. Der Realwelt am nächsten ist dabei die semantische Ebene.

Die Aufgabe des semantischen Datenmodells ist es, eine Brücke zwischen der Realwelt einerseits und dem logischen Datenmodell andererseits zu schlagen. Dieses ist noch losgelöst von dem einzusetzenden Datenbanksystem und soll den zu betrachtenden Realitätsausschnitt abstrahierend in einem Modell abbilden. Die Wahl eines geeigneten semantischen Datenmodells hängt somit von dem betrachteten Realitätsausschnitt ab. Zur semantischen Modellierung für herkömmliche OLTPAnwendungen und zum Einsatz von relationalen Datenbanksystemen hat sich in der Praxis das Entity Relationship-Modell (ERM) in weiten Bereichen bewährt.