04 Data Warehousing mit SAP BI DW Strukturen (5/16)

7/29/2019 04 Data Warehousing mit SAP BI DW Strukturen (5/16)

1/27

DW Strukturen

Prof. Dr. Norbert Ketterer - HS Fulda1


2/27

Der Cube auf der DB

Schauen Sie sich an, wie der Cube WD_SD_C03 auf der DB abgebildet wird: Versuchen Sie zu begreifen, wie die Daten auf der Datenbank abgelegt wurden, um den

Cube darzustellen

Was sind Datenfelder der Datenbanktabellen? Was sind Schlssel (Keys)?

Wie wurden die Daten gespeichert ?

Hinweise: Sie knnen die Struktur von Datenbanktabellen mit Hilfe der Transaktion SE11 betrachten,

die Inhalte mit SE16 (oder via Navigation aus SE11)

Die fr Sie interessanten Tabellen sind alle unter dem Namensbereich: /BIC/*WD_SD_C03*auffindbar

Der Grafik-Button ist hilfreich

Der Index-Button zeigt Ihnen die DB-Indizes auf

Fertigen Sie eine Skizze der DB-Struktur an

Ebenso knnen Sie sich die Struktur des Cubes im Metadaten-Repository ansehen



3/27

Dimensionshierachien

Eine Dimension, die ein Material referenziert, kann aus Auswertungsgrnden eine Gruppierungenthalten, um eine hher aggregierte Auswertung zu ermglichen

Ein Beispiel, welches wir in der bung Der Cube auf der DB kennengelernt haben, ist dieBeziehung zwischen Land und Region:

Eventuell sind Sie in der Anal se an Kennzahlwerten etwa Verkufen in Deutschland interessiert; eventuell

wollen Sie die Auswertung aber detaillierter durchfhren: etwa die Verkufe in Hessen

Die Beziehung Hessen -> Deutschland muss innerhalb der Strukturen des Cubes hinterlegt sein

Die Dimensionselemente entlang der Kante eines Wrfels lassen sich zu Gruppenzusammenfassen

Beispiel: Jedes Material kann einem oder mehreren Werken zugewiesen sein, zudem kann es Teil einerbestimmten Warengruppe sein (etwa Sthle, le, etc) oder auch einer bestimmten Materialart (etwa Roh,

Fertigware, etc) Durch die Gruppierung knnen die Dimensionen Hierarchien bilden diese Hierarchien knnen

als Konsolidierungspfade innerhalb der Auswertung gelten



4/27

Dimensionshierarchien Teil 2

Strukturbestandteile in Dimensionen [HA04]: Basiselemente auf der untersten Ebene definieren die Granularitt

des Cubes -> die detaillierteste speicherbare Information

r ge emente s n a ge e tete ver c tete emente

Prof. Dr. Norbert Ketterer - HS Fulda4Basiselemente (maximale Granularitt)

Hierarchiestufen bzw.Konsolidierungsebene(Level)

Abgeleitete bzw. verdichteteElemente

Dimensionselemente


5/27

Hierarchietypen

Flache Strukuren [HA04]: Gleichwertig nebeneinander stehende Elemente ungeeignet fr multidimensionale Strukturen

Ist Budget Prognose

Balancierte Baumstrukturen [HA04]: Sehr typische Dimensionsstruktur alle Elemente sind ber gleich viele Stufen verbunden

Zu jedem Element genau ein bergeordnetes

Frage: Wie flexibel ist diese Struktur ?


2003

Q1/03 Q2/03 Q3/03 Q4/03

Jan/03 Feb/03 Mar/03 Apr/03 Mai/03 Jun/03 Jul/03 Aug/03 Sep/03 Okt/03 Nov/03 Dez/03

Drilldownpfade sind mit einem Pfeil gekennzeichnet


6/27

Hierarchietypen Teil 2

Balancierte Waldstrukturen [HA04]: Hinzufgen weiterer Wurzelelemente mglich

Zusammenschluss mehrerer Baumstrukturen

erreichen?


2003

Q3/03 Q4/03

Jul/03 Aug/03 Sep/03 Oct/03 Nov/03 Dez/03

2004

Q1/04 Q2/04

Jan/04 Feb/04 Mar/04 Apr/04 Mai/04 Jun/03


7/27


Unbalancierte Baum-/ Waldstrukturen [HA04]: Diese Strukturen haben Lcken die Wege sind nicht immer gleich lang

Beispiel: Produktstruktur (erinnern Sie sich noch an SOP aus der ERP-

Welche Vorteile sehen Sie in solchen Strukturen?


PG 1

P1 P2 P3

PG2

PSG1 PSG2

P4 P5 P6 P7 P8


8/27


Parallele Hierarchien/ verschiedene Hierarchien innerhalb einer Dimension [HA04]: Basiselemente sind auf unterschiedliche Formen aggregierbar

Beispiel: Aggregation von Kunden via Region oder via logischen Aspekten (etwa Premium, Normal, Schuft)

Beispiel 2: Unterscheidung zwischen Kalenderjahr und Geschftsjahr (Fiskaljahr)


CY03

Jul/03 Aug/03 Sep/03 Oct/03 Nov/03 Dez/03

CY04

Jan/04 Feb/04 Mar/04 Apr/04 Mai/04 Jun/03

FY03/04 FY04/05FY02/03


9/27

Hierarchieattribute

Eine Dimensionsstruktur ist formal ein gerichteter Graph [HA04]: Richtung von der obersten zur untersten Verdichtungsebene

Wie knnen wir nun eine andere Hierarchie innerhalb einer Dimension erhalten? Es kann betriebswirtschaftlich sinnvoll sein, innerhalb der gleichen Dimension unter anderen Gesichtspunkten zu aggregieren (Frage: was ist im Zusammenhang mit

anderen Dimensionen?)

Dimensionshierarchie kann in sinnvolle Konsolidierungsstufen unterteilt werden abhngig von Attributen, die dem Dimensionselementzugewiesen sind. Hierarchieattribute sind Merkmale, die von anderen Hierarchiemerkmalen abhngig sind.

Bezeichung der Hierachieattribute in SAP: Navigationsattribute

Beispiel eines Attributes: Preisgruppe


PG2

PSG1 PSG2

P4 P5 P6 P7 P8

Dimension

selemente

Wir wollen nun nach Preisgruppe gegliedertauswerten nicht nach PG

Die Dimensionselemente(PN = Produkt N)besitzeneinen Indikator:Preisgruppe (PG) PG 01 02 01 02 02

PG Produkt Sales

01

P4 100

P6 50

Sum 150

02

P5 20

P7 30

P8 80

Sum 130


10/27

Strukturen im Zusammenhang mit dem DW

Im Zusammenhang mit dem DW haben wir esmit einer Reihe von Strukturen zu tun [JUE10]

ese ru uren re en e an versc e enenStellen einer Data-Warehouse-Landschaft an Transaktionale Strukturen

Flache Strukturen Star-Schema

Snow-Flake-Schema



11/27

Transaktionale Strukturen

Transaktionale Strukturen speichern operationale Daten eines OLTP-Systems auf der Datenbank

Die Speicherung erfolgt auf einer atomaren Ebene Redundanzvermeidung wird angestrebt genauso wie einePerformanceoptimierung fr die zugreifenden Applikationen

Oftmals (aber nicht immer) Speicherung in der dritten Normalform (-> DB-Vorlesung)

Fr OLAP sind diese Strukturen kaum geeignet analytische Anwendungen knnen keinen Nutzen aus der

Wir finden diese Strukturen im DW nur indirekt: im OLTP-System wird aus ihnen extrahiert und die Daten werden inanderer Form ins DW geladen

Prof. Dr. Norbert Ketterer - HS Fulda11[JUE10]


12/27

Transaktionale Strukturen

Bezogen auf die Referenzarchitekturen befindenwir uns hier:


Operative Vorsysteme

ExterneDaten

Ref 1:

Ref 2:


13/27

Flache Strukturen

Flache Strukturen verwenden die Daten bewusst denormalisiert (erste NF)

Sie werden im DW oft fr den Datenaustausch eingesetzt speziell im Eingangsbereich/ Stagingund zur einfachen Speicherung operationaler Daten

Sie eignen sich auch sehr gut, um Datenbereinigungen/ Konsolidierungen zu untersttzen

- , -

Operationen sind sie jedoch nicht geeignet

Prof. Dr. Norbert Ketterer - HS Fulda13[JUE10]

Flache Strukturen werden durch relationaleDatenbanken abgebildet.

In SAP-BI erfolgt die Abbildung durch sogenannte

Data-Store-Objekte (DSO).


14/27

Flache Strukturen

ta-Marts

Bezogen auf die Referenzarchitekturenbefinden wir uns im Bereich:

Des Staging

Dem Operationalen Datenspeicher

Des eigentlichen DW

In Data-Marts, die aus (irgendwelchen)Grnden als relationale Strukturen

abgelegt wurden (dies ist nicht derNormalfall)


Data-Warehouse

ROLAPDa

(SAP)


15/27

Das klassische Star-Schema

Info-Cubes sind in spezifischen Strukturen organisiert diese Strukturen optimieren das flexibleReporting

Dimensionen der Faktentabelle werden ber Schlssel normalisiert

Dimensionen-Tabellen sind nicht normalisiert

Zugriff auf die Fakten-Tabelle via der Dimensionen-Tabelle


Dimension-Key 1Dimension-Key 2Dimension-Key 3Dimension-Key 4

....

Dimension-Key 1Dimension-Key 2Dimension-Key 3Dimension-Key 4

....

Fact 1Fact 2Fact 3...


Dimension-Key 1Dimension-Key 1

Dimension-Attr 1Dimension-Attr 2Dimension-Attr 3



Dimension-Attr 1Dimension-Attr 2Dimension-Attr 3Dimension-Attr 4Dimension-Attr 5






Dimension-Attr 1Dimension-Attr 2Dimension-Attr 3Dimension-Attr 1Dimension-Attr 2Dimension-Attr 3Warum erleichtert dieses Schema das Reporting?


16/27

Beispiel des klassischen Star-Schemas


Stammdaten sind

Teil der

Dimensionstabelle

(SAP)


17/27

Dimensionswahl und Cubegre

Die Dimensionswahl bestimmt die Gre derDimensionstabellen des Cubes

Die Faktentabellen bleiben davon unberhrt warum

muss dies so sein ?) Die Dimensionszuordnungen werden aber idealerweise

so gewhlt, dass Abhngigkeiten in einer Tabellekodiert werden falls betriebswirtschaftlich sinnvoll

Ein Beispiel einer guten und schlechten Wahl derDimensionszuordnungen zeigt die folgende Slide



18/27

Optionen in Dimensionswahl

Durch unterschiedlicheZuordnung der

eher schlecht

Dimensionsattribute zu

Dimensionen werdenverschiedene Gren derDimensionstabellen erreicht

Beachten Sie bitte: Jede Anfragewird zuerst ber die

Dimensionstabellen zugreifen Die Faktentabelle bleibt von der

Entscheidung unberhrt

Prof. Dr. Norbert Ketterer - HS Fulda18eher gut [JUE10]


19/27

Snow-Flake Schema

Info-Cubes knnen auch als Snow-Flake-Schema existieren.

Ein spezifisches DW wird aber normalerweise ein spezifisches Schema untersttzen

Unterschiede zum Star-Schema: Dimensionen sind normalisiert (3NF)

Fr die Attribue innerhalb der Dimensionen existieren wiederum Attributstabellen Keine Update-Probleme auf Datenbank Erfordert kom lexere Join-Strukturen


Dimension-Key 1Dimension-Key 2Dimension-Key 3Dimension-Key 4....

Dimension-Key 1Dimension-Key 2Dimension-Key 3Dimension-Key 4....














Dimension-Attr 1Dimension-Attr 2Dimension-Attr 3 Dimension-Key 5Dimension-Key 5





Dimension-Attr 1Dimension-Attr 2Dimension-Attr 3Dimension-Key 8Dimension-Key 8




20/27

Beispiel eines Snow-Flake-Schemas



21/27

Selektionen von Star-/ Snowflake

Prof. Dr. Norbert Ketterer - HS Fulda21 21

Jedes n-fache Join mit der Faktentabelle kann durch einen Lauf ber die Faktentabelleermittelt werden.

Einfach zu erweitern -> Erweiterung einer Spalte der Faktentabelle/ Dimensionstabelle

Frage: Was bedeuten diese Zugriffe fr die Notwendigkeit der Indexerzeugung auf derDB?

Achtung: die IDs werden im Falle von SAP durch Surrogatschlssel reprsentiert eswerden also auf der DB keine Businessdaten gespeichert.

(SAP)

(SAP)

(SAP)


22/27

Cube-Strukuren

Cube-Strukturen finden wirrimr zu Zwecken des

Front-End

Reportings Manchmal werden Sie auch

verwendet, um EDW-Rollenzu bernehmen dies ist

jedoch kein wirklich gutesDesign des DW, da die

feingranulare Speicherungsuboptimal ist


MDB/ OLAPData-Ma

rts

(SAP)


23/27

Das SAP-Star-Schema


Das SAP-Star-Schema hnelt

dem Snow-Flake-Schema Wir besitzen einen

spezifischen und einenallgemeinen Teil

Der allgemeine Teil enthltStammdaten, die auch inanderen Strukturen verwendetwerden knnen (Stammdaten-

Tabellen, Text-Tabellen,Hierarchien)

Was ist der Vorteil hiervon?

(SAP)


24/27

Beispiel des SAP-Star-Schemas


(SAP)


25/27

Beispiel: SAP-Star-Schema zwischen Cubes

Stammdaten:

Hauptziel:

Erhalte Konsistenz zwischen denverschiedenen Cubes


Text: Beschreibung der Stammdaten Beispiel: Lieferanten-Nummer and

Lieferanten-Name

Attribute:

Zusatzinformation ber einStammdatum

Beispiel: Land des Lieferanten

Hierarchie: Definition alternativer Sichten auf die

Daten basierend auf Hierarchienausserhalb des Cubes

Beispiel: Materialhierarchien(SAP)


26/27

Beispiel der vollstndigenAbbildung eines Cubes

Link des SID zueinem Werk

Prof. Dr. Norbert Ketterer - HS Fulda26Dimensionstabelle -> SIDs

Inhalte derDimensionstabelle


27/27

Zusammenfassung: Strukturen des SAP-BI

SAP-BI besitzt drei Strukturen, die durchden Benutzer zur Datenspeicherungdefiniert werden knnenEigenschaften:

Es existieren daneben noch folgendeStrukturen (die wir uns spter noch genaueransehen):

PSAs diese werden nicht explizit durch denBenutzer definiert, sondern auf Basis derSatzstrukturen definiert. Namen etc. werdenintern vergeben.

Virtuelle Provider diese werden durch den

Benutzer definiert, speichern aber selbst keineDaten hnlich nicht materialisierten DB-Views


(SAP)

Granularitt: niedrig Dimensionale Modellierung

Daten werden angefgt Historie der Ladevorgnge

Eigenschaften: Eindeutiger Schlssel und

Datenbereich berschreiben der Daten gem

Schlssel Hohe Granularitt

Eigenschaften: Navigationsattrib ute Zeitabhngigkeit Sprachabhngigkeit

Documents

04 Data Warehousing mit SAP BI DW Strukturen (5/16)