Vorlesung Wintersemester 2007/08 Einführung in die Wirtschaftsinformatik Lehrabschnitt II: Datenorganisation/Datenbanken Univ.-Prof. Dr. Bernd Stöckert

Vorlesung Wintersemester 2007/08

Einführung in die Wirtschaftsinformatik

Lehrabschnitt II: Datenorganisation/Datenbanken

Univ.-Prof. Dr. Bernd Stöckert

Technische Universität ChemnitzProfessur Wirtschaftsinformatik I,Geschäftsprozessmanagement

09107 ChemnitzTel.: 0371/531-34227Fax: 0371/531-26529Email: [email protected]: http://www.tu-chemnitz.de/wirtschaft/wi1/

B. Stöckert WI

Inhalt

1. Gegenstand der Wirtschaftsinformatik

4. Architektur integrierter Informationssysteme

5. Planung, Realisierung und Einführung von Anwendungssystemen

2. Infrastruktur für betriebswirtschaftliche IV-Systeme

6. Management der Informationsverarbeitung

3. Betriebswirtschaftliche Anwendungssysteme

Einführung in die Wirtschaftsinformatik

B. Stöckert WI, Gegenstand der WI

Zielstellung: Unterstützung der betriebswirtschaftlichen Informationsverarbeitung bei der Realisierung der Geschäftsprozesse durch geeignete Hard- und Software

Womit beschäftigt sich die Wirtschaftsinformatik ?

Gegenstand der weiteren Betrachtung

- Daten

Aufgabenebene eines betriebswirtschaftlichen DV-Systems:

Geschäftsprozesse

Aufgabenträgerebene eines betriebswirtschaftlichen DV-Systems: Programme, Rechner, Netze

Erscheinungsformen von Daten

B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

D at en

F or mat ier t eD at en

U nf or mat ier t eD at en

Cod ier t e I nf or mat ionen(CI )

Z eichen-or ient ier t

D ynamischeI nf or mat ionen

S t at ischeI nf or mat ionen

N icht codier t e I nf or mat ionen(N CI )

B it -or ient ier t

Daten: Darstellungsform von Informationen, die weiterverarbeitet werden sollen

([1], Abb.5.1)

Datenorganisation


Datenorganisation:

• Daten strukturieren für Übersicht und Analyse (Logische Datenorganisation)

• Daten auf periphere Speicher bringen und verfügbar halten (Physische Datenorganisation)

Ziele:

schneller Zugriff,

leichte Aktualisierung,

beliebige Verknüpfung und Auswertung,

Vermeidung von Redundanzen und Konsistenz,

Datensicherheit und Datenschutz,

Wirtschaftlichkeit

Datenstrukturierung: Logischer Datensatz


W agen- N r . F abr ikat Bauj ahr Ver sicher ung M iet sat z

W 45 O PE L VE CT RA A L L I A N Z 902000

A t t r ibut e (D at enelement e)

O r dnungs-begr iff

Beispiel:

Datenobjekt „Mietwagen“ der Autovermietung BERENT

Datei (file):

Gesamtheit von inhaltlich zusammengehörigen Datensätzen

Datenstrukturierung

Dateiorganisation : Daten sind in Dateien organisiert und Programmen zugeordnet

Programm„Haftpflicht“

Programm„Rechtsschutz“

Haftpflichtversicherungsdatenund Adressen von Versicherten

Physische Datei Haftpflicht

Physische Datei Rechts-schutz

Programm„Marketing“

Rechtsschutzversicherungsdatenund Adressen von Versicherten

liest und modifiziert liest

Konsequenz: Geringe Flexibilität bzgl. neuen Anwendungen, i.d.R. unkontrollierte Redundanz

Inkonsistente Datenbestände


Programm„Haftpflicht“

Programm„Rechtsschutz“

Programm„Marketing“

Datenbankorganisation : Daten sind in einem Pool organisiert, bei Anforderung werden zeitweilig entsprechende

Dateien zusammen gestellt

Logische Datei 1

Logische Datei 2

Logische Datei 3

DBMS Physische

Datenbank

Konsequenz: Global gültige Daten, Meta-Daten (Daten über Daten),Mehrbenutzerbetrieb, Sicherung von Daten durch

zentrale Berechtigungen, i.d.R. keine Redundanz

Aktualität, Konsistenz von Daten

Datenstrukturierung


3 – Ebenen-Architektur von Datenbanksystemen

ExterneSicht

QLDML

DDL

DSDL

Konzep-tionelle

Sicht

InterneSicht

Physische Datenorganisation

Daten-speicher

Daten-speicher

Logische Datenorganisation

Benutzer1 Benutzer n

Anwendungs-Programm D1

Anwendungs-Programm Dm

Anwendungs-Programm S1

Anwendungs-Programm Sm

Dialogbetrieb Stapelbetrieb


Beispiel: Daten der Autovermietung BERENT ([1], Kap.5.4)

([1], Abb.5.29)

Datenmodellierung


Konstruktion des logischen Datenmodells

1.Schritt: Datenstrukturierung mit dem Entity-Relationship-Modell (ERM)

- Entities: individuelle Exemplare von Dingen, Begriffen, Personen des betrachteten Realitätsausschnittes

- Entity-Typ: Klasse von ähnlichen Entities (gleiche Attribute)

• Attribute: Merkmale, Eigenschaften von Entities bzw. Entity-Typen

• Attributwert: konkrete Ausprägung des Merkmals

- Relationships (Beziehungen): Konkrete Beziehungen zwischen Entities

-Relationship-Typ: Klasse von ähnlichen Beziehungen (gleiche zugeordnete Entity-Typen, gleiche Attribute)

Grafische Darstellung: A Bf


Beispiel: Daten der Autovermietung BERENT Grobes ER-Diagramm:

M D

M I E T E R

M N R M N A BR

W A GE N

W N R B J M SV SF T

M I E T E T

M N R, W N R

([1], Abb.5.21)

Datenmodellierung


Beispiel: Daten der Autovermietung BERENT Verfeinertes ER-Diagramm:

([1], Abb.5.22)

M I E T E R

M N RBN R

H N R

V N R

M N ABN A

H N A

V N A

BR

H L

V S

W A GE N

PRE I S GRU PPE

BRA N CH E

H E R S T E L L E R

V E RS I CH E RU N G

W N R

BJ

V B

PN R

F T

M D

M S

M I E T E T

GE H Ö RTZ U

GE H Ö RTZ U

I S TBE I

S T A M M TV O N

M N R , W N R

M N R , BN R

W N R , H N R

W N R , V N RW N R , PN R

BN RBN AH N RH N AH LPN RVN RVN AVSVB

==========

N ummer der Br ancheN ame der Br ancheN ummer des H er st eller sN ame des H er s t eller sL and des H er st eller sN ummer der Pr eisgr uppeN ummer der V er sicher ungN ame der Ver sicher ungS it z der V er s icher ungVer sicher ungsbeginn

Datenmodellierung


ER – Modellierung : Komplexitätsgrad von f

***

***

***

***

***

*

*

*

*

***

comp(A,f)= (1,1) comp(B,f)= (1,1)

A Bf (min,max) – Notation (Angabe von Ober- und Untergrenze der Beziehungsausprägungen)

(a,b) (c,d)

f ist 1 : 1 Beziehung

(1,c, m) – Notation (für zweiseitige Bez.)

kürzt ab: (1,1)=1, (0,1)=c, (1,*)=m, (0,*)=mc

comp(A,f)= (1,1) comp(B,f)= (1,*)

f ist 1 : m Beziehung

comp(A,f)= (0,1) comp(B,f)= (1,1)

f ist c : 1 Beziehung

comp(A,f)= (1,*) comp(B,f)= (0,*)

f ist m : mc Beziehung

comp(A,f) comp(B,f)


ER – Modellierung : Konstrukionsoperatoren

Generalisierung und Spezialisierung:- gemeinsame Eigenschaften werden übertragen bzw. vererbt, so daß nur abweichende Eigenschaften beschrieben werden müssen,- Datenstrtukturierung Bottom-up und Top-down wird unterstützt,- Disjunktheit und Vollständigkeit sind gesondert zu betrachten

Kunde Lieferant

IS-A

Geschäftspartner

Aggregation:

Mitarbeiter arbeitet an Projekt

verwendet Rechner

m n

m

n

- Bildung von komplexen Informationsobjekten, deren Entstehungsprozeß nachvollziehbar ist,- Weiterbehandlung wie ein E-Typ


Datenmodellierung

2. Schritt: Umsetzung des ERM in ein konkretes Datenmodell

ER - Datenstruktur Relationales Datenmodell(Codd 1970)

(1) Entity –Typ mit Attributen (A,B...,D)

(2) Beziehungs –Typ mit Attributen (S,T,...,V)

RelationX=(a,b,...,d), mit a aus A, b aus B, ..., d aus D

RelationX=(s,t,...,v), mit s aus S, t aus T, ..., v aus V

Abbildung

Einziges Strukturelement ist die Relation, darstellbar als Tabelle mit fester Anzahl von Spalten, deren Zeileninhalte die Elemente der Relation sind.



M D

M I E T E R

M N R M N A BR

W A GE N

W N R B J M SV SF T

M I E T E T

M N R, W N R

([1], Abb.5.21)

Datenmodellierung


Beispiel: Daten der Autovermietung BERENT

Mieter(MNR,MNA,BR) mietet(MNR,WNR,MD) Wagen(WNR,FT,BJ,VS,MS)

Darstellung der Relationen als Tabellen

Datenmodellierung


Feststellung:

Die Darstellungen sind nicht eindeutig !

Datenmodellierung


Frage:

Welche Darstellungen (ERM bzw. Relationen) sind besonders günstig im Hinblickauf die Aufgabenerfüllung einer Datenbank , d.h. logisch klare Strukturierung,redundanzfreie Speicherung

Antwort:

Semantisch präzise ER-Modelle normalisierte Relationen !

Anomalien und Redundanzen

Redundanz: Mietsatz für Golf wird wiederholt aufgeführt.

Potentielle Inkonsistenz ( Änderungsanomalie):Soll der Mietsatz für Golf geändert werden so sind Modifikationen in mehreren Tupeln durchzuführen. Wird eine dieser Änderungen unterlassen, so ist die Datenbasis inkonsistent.

Einfügungsanomalie:Ein neues Fahrzeug kann erst eingetragen werden, wenn eine Wagennummer vergeben worden ist.

Löschanomalie:Mit dem Löschen des letzten Wagens eines Fahrzeugtyps verschwinden auchSämtliche Informationen über den Fahrzeugtyp.


Normalformen von Relationen (1)

Erste Normalform: Eine Relation R(A,B,...,D) ist in erster Normalform (1 NF), wenn die Wertebereiche aller Attribute elementar (aus der Sicht des konzeptuellen Datenmodells) sind. Beispiel: Mieter(MNR,MNA,BR)

Funktionale Abhängigkeit: R(A,B,...,D) , X , Y {A,B,...,D}

Y heißt funktional abhängig von X in R (X bestimmt Y funktional), X Y,wenn es in keiner Ausprägung von R zwei Tupel gibt, die in ihrem Wert zu X, aber nicht in ihrem Wert zu Y übereinstimmen.

Beispiel: Wagen(WNR,FT,BJ,VS,MS), FT MS (Semantik der Attribute!)

Voll funktionale Abhängigkeit:

Y heißt voll funktional abhängig von X in R (X bestimmt Y voll funktional), X . Y,wenn X Y gilt und X minimal ist, d.h. wenn es keine Attributmenge Z X gibt,so dass Z Y .

Beispiel: mietet(MNR,WNR,MD), {MNR,WNR} . MD



Schlüsselkandidat: R(A,B,...,D), X {A,B,...,D}

X heißt Schlüsselkandidat (Schlüssel) von R, falls X . AB...D.

Beispiel: MNA ist Schlüsselkandidat in Mieter(MNR,MNA,BR)

Primärschlüssel, Schlüsselattribute, Nichtschlüsselattribute, Fremdschlüssel: R(A,B,...,D)

Es können mehrere Schlüssel in R existieren. Einer von ihnen wird als Primärschlüsselbezeichnet und die zugehörigen Attribute durch Unterstreichen gekennzeichnet.

Ein Attribut, das Bestandteil eines Schlüssels ist heißt Schlüsselattribut,Ein Attribut, das in keinem Schlüssel vorkommt, heißt Nichtschlüsselattribut.

Geht ein Primärschlüssel einer Relation in andere (fremde) Relationen ein und dient dort zur Beschreibung der Beziehung zu den Tupeln seiner Relation, so wird er alsFremdschlüssel bezeichnet



Zweite Normalform: Eine Relation R(A,B,...,D) ist in zweiter Normalform (2 NF), wenn sie in 1NF istund jedes Nichtschlüsselattribut von jedem Schlüsselkandidaten voll funktional abhängig ist

Beispiel: WAGEN(WNR,FT, BJ,VS,MS)

Dritte Normalform: Eine Relation R(A,B,...,D) ist in dritter Normalform (3 NF), wenn sie in 2NF istund kein Nichtschlüsselattribut transitiv von einem Schlüsselkandidaten abhängig ist.

D.h. alle Nichtschlüsselattribute sind nur vom Schlüssel und nicht untereinander abhängig bzw. alle Nichtschlüsselattribute sind von einander unabhängig Semantisch präzise Beschreibung des Objekts, das durch den Schlüssel identifiziert wird.

Beispiel: WAGEN(WNR,FT, BJ,VS,MS) ist nicht in 3NF, s.o.

Transitive funktionale Abhängikeit: R(A,B,...,D), X,Y,Z {A,B,...,D}Y heißt transitiv funktional abhängig von X in R, wenn gilt:X Z Y und Z X.

Beispiel: Wagen(WNR,FT,BJ,VS,MS), MS transitiv über FT von WNR


Wiederholung Datenmodellierung


Beispiel: Daten der Autovermietung BERENT ([1], Kap.5.4)

([1], Abb.5.29)

Beispiel: Daten der Autovermietung BERENT ([1], Abb.5.30)



([1], Abb.5.30)


M D

M I E T E R

M N R M N A BR

W A GE N

W N R B J M SV SF T

M I E T E T

M N R, W N R

([1], Abb.5.21)



Beispiel: Daten der Autovermietung BERENT ([3], Abb.5.30)



([1], Abb.5.30)

Beispiel: Daten der Autovermietung BERENT

Normalisierung der Relationen

([1], Abb.5.30)

M: V: W:

T:


Zerlegung der Relationen bis bei allen relationen 3NF erreicht ist. D.h. semantisch präzise Zuordnung der Attribute, logische Strukturierung der Daten keine Redundanzen u. Anomalien

Operationen im relationalen Datenmodell

Relationen sind Teilmengen des Kartesischen Produktes der Wertebereiche der Attribute

R(A,B,...,D) A x B x ... X D

{ (a,b,..,d) I abdD und Eigenschaften der Relation}

Mengenoperationen auf Relationen anwendbar ( Umsetzung von DV-Operationen)

Projektion: In der Relation werden Attribute entfernt (“Koordinaten“ gestrichen), es entsteht eine neue Relation.

Verbund: Zwei Relationen werden über Fremdschlüssel zu einer neuen Relation verbunden.

Auswahl: Aus einer Relation werden gewisse Elemente (Tupel) gestrichen, es entsteht eine neue Relation

Weitere Grundoperationen, die Relationen in Relationen überführen:



Beispiel: Daten der Autovermietung BERENT DB-Anfrage: „Wie hießen die Mieter,die einen MONDEO gemietet hatten? “

1) Projektion: M(MNR,MNA,BR) M1(MNR,MNA) W (WNR,FT,BJ,VS) W1 (WNR,FT) V(MNR,WNR,MD) V1(MNR,WNR)

2) Verbund: V1(MNR,WNR)

M1(MNR,MNA) W1 (WNR,FT)

Ergebnis: MV(MNR,MNA,WNR,FT)

4) Auswahl: In MV1(MNA,FT) werden alle Tupel gestrichen, für die FT = „MONDEO“

Ergebnis: Relation MV2(MNA,FT), in der nur die gewünschten Angaben stehen.

3) Projektion: MV(MNR,MNA,WNR,FT) MV1(MNA,FT)

B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Dtaenbanken

Bearbeitungsschritte in der normalisierten Darstellung

M1:


1) Projektion: M(MNR,MNA,BR) M1(MNR,MNA) W (WNR,FT,BJ,VS) W1 (WNR,FT) V(MNR,WNR,MD) V1(MNR,WNR)


Bearbeitungsschritte in der normalisierten Darstellung([1], Abb.5.30)

M: V: W:

W1:V1:





Bearbeitungsschritte in der normalisierten Darstellung

M1:

M: V: W:

W1:V1:




Ergebnis: MV(MNR,MNA,WNR,FT)


MV:

([1], Abb.5.32)


4) Auswahl: In MV1(MNA,FT) werden alle Tupel gestrichen, für die FT = „MONDEO“

Ergebnis: Relation MV2(MNA,FT), in der nur die gewünschten Angaben stehen.

3) Projektion: MV(MNR,MNA,WNR,FT) MV1(MNA,FT)


MV:

MV2


DB-Anfragen der Autovermietung BERENT (auf grund einer IST-Analyse):

1) Wie viele Tage war der Wagen W12 insgesamt vermietet?

2) Welche Mieter hatten den Wagen W99 gemietet?

3) Welche Wagen sind (im Jahr 2001) zwei Jahre alt?

4) Welche Mieter gehören zur Branche B2?

5) Welche Fahrzeugtypen hatte der Mieter SIEMENS gemietet?

6) Welche Wagen haben einen Mietsatz von 90 € pro Tag?

7) Welche Wagen sind vom Typ VW GOLF?

8) Welche Mieter hatten einen FORD MONDEO gemietet?

9) Welche Wagen haben dasselbe Baujahr wie der Wagen W64?

10) Welche Versicherungen würden für Schäden durch den Mieter IBM in Betracht kommen?



1) S U M (M D )VW N R = ' W 12 ' ;

2 ) M N AM , VM .M N R = V .M N RV .W N R = ‘W 99 ' ;

3 ) W N RW2 00 1 - B J = 2 ;

4 ) M N AMBR = ' B2 ' ;

5 ) F TM , V , WW .W N R = V .W N RV .M N R = M .M N RM N A = ' S I E M E N S ' ;

6 ) W N RW , TW .F T = T .F TM S = 9 0 ;

S ELE CTFRO MW H E RE

S ELE CTFRO MW H E REA N D



S ELE CTFRO MW H E REA N DA N D

S ELE CTFRO MW H E REA N D

7 ) W N RWF T = ' GO L F ' ;

8 ) M N AM , V , WM .M N R = V .M N RV .W N R = W .W N RF T = ' M O N D E O 'M N A ;

9 ) W N R, B JWB J = B J

WW N R = ' W 6 4 ' );

10 ) V SM , V , WW .W N R = V .W N RV .M N R = M .M N RM N A = ' I BM 'V S ;


S ELE CTFRO MW H E REA N DA N DGRO U P BY

S ELE CTFRO MW H E RE (S ELECT

FRO MW H E RE

S ELE CTFRO MW H E REA N DA N DGRO U P BY

SQL-Statements zur Lösung der DV-Aufgaben der Autovermietung BERENT:

([1], Abb.5.35)


Logische Datenorganisation: Zusammenfassung

1. Strukturierung der Daten mit dem ER – Modell, Beschreibung der Attribute

2. Abbildung des ERM auf Relationen (Tabellen) Vermeidung unnötiger Tabellen (Fremdschlüssel bei 1:1 Beziehungen)

3. Normalisierung der Relationen (Tabellen) durch Zerlegen (Vermeidung funktionaler Abhängigkeiten der Attribute einer Relation)

Ergebnis: Semantisch präzise Zuordnung von Attributen zu Tabellen bzw. E- und R- Typen logisch strukturierte Daten,

keine Anomalien bei Verarbeitungsoperationen

4. Für die Relationen (Tabellen) sind (math.) Operationen definiert, die angestrebte DB-Funktionen schrittweise realisieren können.

Ergebnis: Konstruktion einer DB-Programmiersprache ist möglich Standardsprache für relationales Datenmodell (SQL)

Vorgehen:


3 – Ebenen-Architektur von Datenbanksystemen

ExterneSicht

QLDML

DDL

DSDL

Konzep-tionelleSicht

InterneSicht

Physische Datenorganisation

Daten-speicher

Daten-speicher

Logische Datenorganisation

Benutzer1 Benutzer n

Anwendungs-Programm D1

Anwendungs-Programm Dm

Anwendungs-Programm S1

Anwendungs-Programm Sm

Dialogbetrieb Stapelbetrieb


Physische Datenorganisation: Überblick

Ziele:

1. Übertragung der logisch strukturierten Daten in eine physisch abspeicherbare Form,Tabellen Dateien,Spalten Datenfelder,Tupel Datensätze

2. Realisierung einer performanten DV mit der entstehenden Datenbank, schnelle Suche, effiziente und korrekte Realisierung von DB-Operationen, Mehrbenutzer-Betrieb, Datensicherheit.

Maßnahmen: Entsprechende Bildung von Datensätzen, Einrichtung von Zugriffspfaden (z.B. Indexdateien), Implementierung von Prüfbedingungen (Integritätsbedingungen), Parallelisierung von Transaktionen, Realisierung eines Berechtigungskonzeptes für Zugriffe, Datenschutzmaßnahmen.

3. Effiziente Entwicklung von konkreten DB, CASE-Werkzeuge für den DB-Entwicklungsprozess


Prüfungskomplex: Datenorganisation / Datenbanken

13. Erläutern Sie die dateiorientierte und die datenbankorientierte Strukturierung von Daten für betriebswirtschaftliche Anwendungsprogramme!

14. Beschreiben Sie die 3-Ebenen-Architektur von Datenbanksystemen! Welche Aufgaben haben die Ebenen jeweils zu erfüllen?

15. Erläutern Sie die Datenmodellierung mit dem Entity-Relationship-Modell (ERM)!

16. Was versteht man unter dem Komplexitätsgrad von Beziehungen zwischen Entity-Typen im ERM? Geben Sie Beispiele und entsprechende Notationen an!

17. Was versteht man unter den relationalen Datenmodell und was sind seine Vorteile für die Konstruktion von Datenbanksystemen?

18. Erläutern Sie die Normalisierung von Relationen und deren Ziel!

19. Beschreiben Sie Grundoperationen der relationalen Datenmodelle und ihre Bedeutung für Datenbanksysteme!

20. Erläutern Sie das Vorgehen bei der logischen Datenorganisation!

21. Was sind die Zielstellungen der physischen Datenorganisation?

B. Stöckert WI, Wiederholungsfragen (4)

Documents

Vorlesung Wintersemester 2007/08 Einführung in die Wirtschaftsinformatik Lehrabschnitt II: Datenorganisation/Datenbanken Univ.-Prof. Dr. Bernd Stöckert