Definition

Was ist ein OLAP Cube?

| Autor / Redakteur: Stefan Luber / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Beim OLAP Cube handelt es sich um eine multidimensionale Speicherung von Daten, die häufig für Data Warehousing und Online-Analytical-Processing-Applikationen zum Einsatz kommt. Daten lassen sich dank des OLAP-Würfels aus verschiedenen Perspektiven analysieren

Der OLAP Cube stellt eine besondere Art der Speicherung von Daten dar. Diese sind nicht wie in relationalen Datenbanken in einfachen, flachen Tabellen, sondern multidimensional abgelegt. Andere Begriffe für den OLAP Cube sind OLAP-Würfel oder OLAP-Datenwürfel. Häufige Anwendungen dieses Datenmodells sind Applikationen aus den Bereichen des Data Warehousings und des Online Analytical Processings (OLAP). Dank der Ablage der Daten in verschiedenen Dimensionen lassen sie sich leicht aus unterschiedlichen Perspektiven und Detailstufen betrachten. Durch die Selektion einer bestimmten Perspektive oder eines Detaillierungsgrades sind Reports und Auswertungen mit unterschiedlicher Aussagekraft erstellbar. Kriterien lassen sich zudem fast beliebig miteinander kombinieren.

Oft kommen spezielle Abfragesprachen für die Arbeit mit dem OLAP Cube zum Einsatz. Eine dieser Sprachen ist das ursprünglich von Microsoft entwickelte MDX (Multidimensional Expressions). Beliebte Werkzeuge für das Erstellen von OLAP-Datenwürfeln sind beispielsweise IBM Cognos Business Intelligence Power Play oder Microsoft SQL Server Analysis Services. Aufgrund der kompakten Anordnung der Daten innerhalb des Würfelmodells sind hohe Abfragegeschwindigkeiten erzielbar. OLAP-Würfel sind hauptsächlich für Auswertungen von zahlenorientierten Daten vorgesehen. Für andere Typen wie textorientierte Daten sind sie weniger gut geeignet.

Der Aufbau eines OLAP Cubes

Die wesentlichen Komponenten des OLAP Cubes sind die Dimensionen (auch Eigenschaften genannt) und die Fakten (auch Kennzahlen genannt). Die Dimensionen bilden die multidimensionale Struktur des Cubes und stellen die Ausbreitungsrichtung des Würfels in einer bestimmte Raumrichtung dar. Sie sind nicht wie bei einem echten Würfel auf die drei Raumrichtungen begrenzt und können theoretisch beliebig viele sein. Meist kommen aufgrund der besseren Erfassbarkeit und Vorstellbarkeit dreidimensionale Datenwürfel zum Einsatz.

Jede Dimension besteht aus abgegrenzten Werten, die hierarchisch strukturiert sein können. Diese Strukturierung wird auch als Ausprägung bezeichnet. Hierarchische Ausprägungen sind beispielsweise zeitliche Jahres-, Monats- und Wochenangaben sein. Die möglichen Kombinationen der verschiedenen Dimensionen mit den unterschiedlichen Ausprägungen bilden die Knotenpunkte des Würfels. Für die verschiedenen Knotenpunkte sind im Würfel die Kennzahlen oder die Werte abgelegt. Nicht jeder Knotenpunkt muss mit einem Wert belegt sein. Ein Beispielwert kann der Umsatz pro Woche in einer bestimmten Region sein.

Die wichtigsten Grundoperationen in einem OLAP Cube

Für die Arbeit mit den Daten in einem OLAP Cube sind eine Vielzahl verschiedener Grundoperationen definiert. Die wichtigsten dieser Operationen sind:

  • Slice-Operation: das Ausschneiden von Datenscheiben aus dem Würfel
  • Dice-Operation: das Erzeugen eines kleineren Würfels mit einem Teilvolumen an Daten
  • Drill-Down-Operation: das Hineinzoomen in den Würfel und die Extraktion detaillierter Werte
  • Roll-up-Operation: das Verdichten von Daten auf höhere Hierarchiestufen
  • Rotate-Operation: die Drehung des Würfels zur Erzeugung einer neuen Sicht auf die Daten

Mit der OLAP-Operation Slice kann eine Datenscheibe aus dem Würfel herausgeschnitten werden. Das Ergebnis stellt eine zweidimensionale Tabelle von Daten dar. Die Operation Dice schneidet einen kleineren mehrdimensionalen Würfel und nicht nur eine Datenscheibe heraus. Auf Basis des kleineren Teilwürfels lassen sich neue Operation anwenden. Die Funktion Drill-Down erzeugt einen Blick auf die Daten in der nächst tieferen Detaillierungsstufe und bewegt sich entlang einer Dimension. Die Operation Roll-up stellt die zum Drill-Down entgegengesetzte Bewegungsrichtung zu höheren Verdichtungsstufen dar. Mithilfe der Rotate-Operation kann der Würfel um seine Achsen gedreht werden. Jede Drehung erzeugt eine neue Sicht auf die Daten des Würfels. Weitere mögliche Operationen im OLAP-Würfel sind Pivoting, Drill-Across, Drill-Through, Split oder Merge.

Vorteile der Organisation von Daten in einem OLAP-Datenwürfel

Die mehrdimensionale Organisation und Präsentation von Daten in einem Datenwürfel bietet gegenüber der flachen Darstellung in Tabellenform, wie sie in relationalen Datenbanken zum Einsatz kommt, eine ganze Reihe von Vorteilen. Abfragen in einem OLAP Cube sind wesentlich performanter möglich als relationale Abfragen. Einfache Drehungen des Würfels um seine Achse erzeugen neue Sichten auf die Daten, ohne deren Struktur der Ablage verändern zu müssen. Dank der Multidimensionalität des Datenwürfels können die Daten nach beliebig vielen Dimensionen angeordnet und ausgewertet werden.

Mögliche Dimensionen stellen Kunden, Produkte, Preise, Kostenstellen, Kostenträger, Datum oder Kennzahlen dar. Die Flexibilität für unterschiedliche Auswertemöglichkeiten ist riesig. Innerhalb der Dimensionen sind die Werte hierarchisch strukturiert. Entlang der Dimensionshierarchien sind die einzelnen Hierarchiestufen direkt abfragbar. Zusätzlich lassen sich Daten der Dimensionshierarchien einfach aufaddieren.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

So gewinnt man die Analytics-Lotterie

Kommentar von Christian Werling, Thoughtspot

So gewinnt man die Analytics-Lotterie

Haben Sie jemals den Lotto-Jackpot geknackt? Wahrscheinlich eher nicht, denn dafür braucht es sechs Richtige plus Zusatzzahl – und die Chance dafür liegt bei 1 zu 140 Millionen – oder um ganz korrekt zu bleiben: bei 1:139.838.160. Trotz dieser lausigen Gewinnquote haben Sie allerdings eine viel bessere Chance, den Lotto-Jackpot zu gewinnen, als einen vorgefertigten Business-Intelligence-Bericht im Vorfeld zu designen, der exakt eine Ihrer spezifischen Fragen zu Daten zu einem bestimmten Zeitpunkt klar beantwortet. lesen

Wherescape stellt Data-Warehouse-Produkte vor

Für Aufbau, Erweiterung und Verwaltung

Wherescape stellt Data-Warehouse-Produkte vor

Der Softwarehersteller Wherescape hat mit Wherescape Red und Wherescape 3D seine neuen Lösungen für Aufbau, Erweiterung und Verwaltung von Data Warehouses, Data Marts und Big-Data-Projekten präsentiert. lesen

So funktioniert BI mit Pentaho und Jedox

Big Data und BI für kleine Budgets

So funktioniert BI mit Pentaho und Jedox

Unternehmen, die Big Data und Business Intelligence im Unternehmen nutzen wollen, stehen oft vor der Frage, welche Lösungen eingesetzt werden sollen. Hier spielt natürlich auch das Budget eine Rolle. Mit Open Source Tools wie Pentaho und Jedox lassen sich wiederum günstige Lösungen integrieren, die für jeden Einsatzzweck ideal konfiguriert sind. lesen

Immer mehr Anwender bauen auf Pentaho

Pentaho User Meeting 2016

Immer mehr Anwender bauen auf Pentaho

Das Pentaho User Meeting ist das zentrale Treffen für alle Pentaho-Anwender aus dem deutschsprachigen Raum. Mehr als 70 Teilnehmer und zwölf Referenten belegen, wie stark das Interesse an der flexiblen Business-Intelligence-Plattform ist: Pentaho ist modular aufgebaut und besitzt eine offene Architektur, die sich mit einer großen Anzahl von Schnittstellen einfach in bestehende IT-Landschaften eingliedern lässt. lesen

Apache Ignite und Lens werden Top-Level-Projekte

Big-Data-Ökosystem

Apache Ignite und Lens werden Top-Level-Projekte

Mit Ignite und Lens haben zwei weitere Projekte der Apache Software Foundation, die sich mit der Verarbeitung großer Datenmengen befassen, den Inkubator der Stiftung verlassen. lesen

Universität Stuttgart fördert Analytics-Nachwuchs

SAS unterstützt den Lehrstuhl für Wirtschaftsinformatik

Universität Stuttgart fördert Analytics-Nachwuchs

An der Universität Stuttgart findet eine Lehrveranstaltung statt, in der die Studenten mit der gesamten SAS Business Intelligence Suite in der Version 9.4 arbeiten. lesen

Jedox Self-Service-BI ist mehr als Data Discovery

Aus Tabellenkalkulation wird mächtiges Analyse- und Planungswerkzeug

Jedox Self-Service-BI ist mehr als Data Discovery

Anwendungen für Performance Management, Reporting und Analyse sind längst nicht mehr auf die IT beschränkt, sondern werden immer häufiger auch von den Fachabteilungen aufgegriffen. Die Anwender wollen schnell, flexibel und ohne ständigen Rückgriff auf ihre IT-Abteilung arbeiten. Hier bietet sich Self-Service Business Intelligence an. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 44959482 / Definitionen)