2002, ISBN: 9783836633291

Inhaltsangabe:Einleitung: Die Einsatzfelder der Data-Warehouse-Technologie sind weit gestreut und reichen von betriebswirtschaftlichen Aufgabenstellungen über wissenschaftliche Analysen b… Más…

Inhaltsangabe:Einleitung: Die Einsatzfelder der Data-Warehouse-Technologie sind weit gestreut und reichen von betriebswirtschaftlichen Aufgabenstellungen über wissenschaftliche Analysen bis hin zu technischen Belangen, wobei die Analyse von Geschäftsprozessen in Unternehmen den häufigsten Einsatzbereich darstellt. Eine wachsende Zahl von Unternehmen integrieren und automatisieren ihre Geschäftsprozesse und verfolgen dabei das Ziel, dass sie neben der Effizienzsteigerung und der Verbesserung der Qualität auch eine Reduktion der Kosten sowie der menschlichen Fehlleistungen erreichen. In diesem Zusammenhang werden Geschäftsprozessmanagementsysteme (Business Process Management System, BPMS) eingesetzt, um das Prozessdesign und die Prozessausführung zu optimieren. Dabei nehmen diese Systeme große Datenmengen über die ausgeführten Geschäftsprozesse auf. Herkömmliche BPMS setzen ihren Schwerpunkt auf die Unterstützung des Designs und führen Simulationen durch, um Engpässe in den Abläufen zu identifizieren. Dabei spielen Analysefähigkeiten, um Durchführungen hinsichtlich bestimmter Geschäftsmetriken zu quantifizieren, kaum eine Rolle. Auch wurden die zugrunde liegenden Geschäftsprozessmodelle nicht dafür entworfen, diese Art der Analyse von Prozessdaten zu unterstützen. Allerdings können diese Möglichkeiten der Datenanalyse einen wesentlichen Beitrag dazu leisten, notwendige Informationen im Verlauf von Entscheidungsprozessen zur Verfügung zu stellen. Aus diesem Hintergrund heraus entwickelt sich gegenwärtig das neue Gebiet Business Process Intelligence. Dieses überwindet die Defizite solcher Standard-BPMS durch die Anwendung von Analysetechniken aus dem Business-Intelligence-Umfeld auf Geschäftsprozesse. So erfolgt z.B. die Speicherung der Prozessausführungsdaten in einem DWH, worauf eine Analyse mit OLAP- bzw. Data-Mining-Anwendungen möglich ist, bzw. Wissensextraktionen in verschiedenen Bereichen durchgeführt werden können. Diese Problematik lässt sich auch auf die medizinische Domäne übertragen. So entwickelt sich zur Zeit im Umfeld der Medizintechnik das vielversprechende Konzept der Chirurgischen Workflows. Dabei handelt es sich um die intelligente Erfassung von Prozessbeschreibungen chirurgischer Eingriffe, um auf deren Basis sowohl klinische wie auch technische Analysen zu ermöglichen. Wurden bereits im Vorfeld vom ICCAS der Einsatz verschiedener BPMS untersucht und in dieser Domäne für nicht zweckmäßig befunden, hat diese Arbeit zur Aufgabe, ein Modell zur Erfassung chirurgischer Workflows in Form eines Data Warehouses zu konzipieren, auf dessen Grundlage eine multidimensionale Datenanalyse chirurgischer Eingriffe erfolgen kann. Diese Arbeit lieferte auch einen Beitrag zu einem Buchkapitel über konzeptionelles Data-Warehouse-Design für Business Process Intelligence. Zielsetzung: Die Zielsetzung dieser Arbeit besteht in erster Linie darin, ein multidimensionales Datenmodell zu konzipieren, welches in der geforderten Art und Weise die Charakteristiken von chirurgischen Eingriffen erfassen und abbilden kann, um so eine Datenbasis zur Verfügung stellen zu können, worauf die Analyse der chirurgischen Workflows erfolgt. Zunächst sind daher die Anforderungen zu klären, welche die späteren Anwender an das Data Warehouse hinsichtlich möglicher Fragestellungen bzw. einzusetzender Analyseverfahren stellen. Auf dieser Grundlage muss eine Strukturierung der chirurgischen Prozesse erfolgen, um eine geeignete Gestaltung des Aufzeichnungsschemas ableiten zu können. So stellt sich z.B. die Frage nach der Granularität der Analyse oder aus welchen Perspektiven die Workflows später zu analysieren sind. Des Weiteren ist die Datenerfassungsstrategie festzulegen. Die Modellierung der Fakt- und Dimensionsschemata muss in einer geeigneten Weise erfolgen (durch sie wird die Transformation der Workflows in den Datenwürfel vorgegeben) und wo nötig das standardmäßige multidimensionale Modell angepasst bzw. erweitert werden, um den unterschiedlichen Anforderungen der späteren Anwender gerecht werden zu können. Nach der konzeptionellen Phase der multidimensionalen Datenmodellierung erfolgt die Realisierung des entstandenen Modells auf Grundlage eines relationalen OLAP-Systems. Auf diesem System findet im Zusammenspiel mit der Business Intelligence Suite Pentaho eine OLAP-Analyse der chirurgischen Workflows statt. Zu deren Durchführung müssen die Workflow-Daten in die Datenbank geladen, Pentaho entsprechend konfiguriert und die gewünschten OLAP-Würfel modelliert werden. Gang der Untersuchung: Im ersten Kapitel wird die im Rahmen dieser Masterarbeit behandelte Anwendung sowie der Kooperationspartner Innovation Center Computer Assisted Surgery (ICCAS) vorgestellt. Es werden die zu analysierenden Daten beschrieben und die Anwendungsgebiete der Analyse chirurgischer Workflows aufgezeigt. Das zweite Kapitel liefert die Grundlagen zum Thema Business Intelligence (BI), Data Warehouse (DWH), multidimensionales Datenmodell und Online Analytical Processing (OLAP) sowie Business Process Intelligence (BPI). Insbesondere die Themen DWH und OLAP werden ausführlich behandelt, um auch dem auf diesem Gebiet unerfahrenen Leser ein grundlegendes Verständnis zu ermöglichen Leser, welche bereits Kenntnisse auf diesem Gebiet besitzen, können durch dieses Kapitel ihre Kenntnisse auffrischen oder es überspringen. Das dritte Kapitel stellt dar, wie man chirurgische Workflows strukturieren kann und geht dabei auf die umgesetzte Erfassungsstrategie sowie die Granularität der Analyse ein. Als Ergebnis wird auf konzeptioneller Ebene ein Modell zur Erfassung chirurgischer Workflows in Form eines E/R-Diagramms geliefert. Im vierten Kapitel erfolgt die Transformation des Workflow in eine Datenwürfeldarstellung. Dabei werden die Herausforderungen und Lösungen aufgezeigt, welche die Transformation vom Workflow zum Datenwürfel mit sich bringt. Aufbauend auf den Erkenntnissen des dritten Kapitels erfolgt hier nun die Modellierung eines dimensionalen Fakt-Modells. Kapitel fünf beschreibt die logische und physische Umsetzung des dimensionalen Fakt-Modells. Dabei werden die eingesetzten Erweiterungen des Galaxy-Schemas dargestellt. Ein weiteres Thema ist der durchgeführte ETL-Prozess der zu analysierenden Daten. Das Kapitel sechs gibt zunächst einen allgemeinen Überblick über die Business Intelligence Suite Pentaho, auf welcher das DWH realisiert wurde und auch die OLAP-Analyse erfolgt. Im ersten Teil werden der Aufbau und die Anwendungsgebiete von Pentaho gezeigt und die verfügbaren Komponenten kurz vorgestellt, wobei der Fokus auf den OLAP-Server Mondrian gerichtet ist. Im zweiten Teil erfolgt eine Beschreibung der Konfigurationsdatei des Mondrian Schemas, welches den OLAP-Würfel abbildet und den Zugriff auf die Datenbank während der Analyse regelt. Zudem wird das Vorgehen gezeigt, wie mit Hilfe eines Modellierungstools ein OLAP-Würfel erstellt und zur Analyse in die Pentaho Suite integriert wird. In Kapitel sieben werden beispielhaft Anwendungsfälle aus dem OLAP-Bereich der Analyse chirurgischer Workflows gezeigt. Das Kapitel acht enthält eine kurze Zusammenfassung und schließt mit einem Ausblick.Inhaltsverzeichnis:Inhaltsverzeichnis: 1.Einführung9 1.1Einleitung9 1.1.1Aufgabenstellung und Zielsetzung9 1.1.2Aufbau dieser Arbeit10 1.2Kooperationspartner Innovation Center for Computer Assisted Surgery (ICCAS)11 1.2.1Vorstellung ICCAS11 1.2.2Workflow-Aufzeichnung12 1.2.3Anwendungsgebiete Analyse chirurgischer Workflows13 1.2.3.1Profiteure der chirurgischen Workflowanalyse14 1.2.3.2Typen möglicher Anfragen14 1.2.3.3Aufgezeichnete Datentypen15 1.2.4Datenfluss Workflow-Aufzeichnung16 2.Grundlagen19 2.1Business Intelligence19 2.2Data Warehouse21 2.2.1Der Begriff Data Warehouse21 2.2.2Merkmale eines Data Warehouses21 2.2.3Das Data-Warehouse-System und seine Komponenten22 2.2.3.1Datenquellenebene23 2.2.3.2Datenhaltungsebene (DWH, Data Mart, Daten Ein- u. Ausgabe)23 2.2.3.3Analyseebene25 2.2.3.4Metadaten-Repository, Administration und Monitoring25 2.2.3.5Operational Data Store (ODS)25 2.3Online Analytical Processing26 2.3.1Abgrenzung OLAP versus OLTP26 2.3.2Codd`sche Grundregeln und FASMI-Definition für OLAP-Systeme28 2.3.3Multidimensionales Datenmodell29 2.3.3.1Multidimensionaler Datenwürfel (Cube)29 2.3.3.2Dimensionen und Dimensionshierarchien30 2.3.3.3Fakten33 2.3.3.4Kennzahlen34 2.3.4Standard OLAP-Operationen zur Datenanalyse36 2.3.4.1Roll-up und Drill-down36 2.3.4.2Slice und Dice37 2.3.4.3Pivotierung (Rotation)38 2.3.5Konzeptionelle Modellierung38 2.3.5.1Probleme herkömmlicher Modellierungstechniken beim konzeptionellen Entwurf38 2.3.5.2Vorstellung verschiedener Design-Notationen39 2.3.5.3Grundprinzip des Dimensional Fact Model und dessen Erweiterung39 2.3.5.4Modellbeschreibung mit X-DFM40 2.3.6Umsetzung des Multidimensionalen Datenmodells41 2.3.6.1Relationales OLAP (ROLAP)41 2.3.6.2Multidimensionales OLAP (MOLAP)46 2.3.6.3Hybrides OLAP (HOLAP)47 2.4Business Process Intelligence und chirurgische Workflows47 2.4.1Business Process Intelligence47 2.4.2Konzept der Chirurgischen Workflows49 3.Strukturierung chirurgischer Workflows51 3.1Vertikale Strukturierung des Prozesses52 3.1.1Datenerfassungsstrategie52 3.1.1.1Aufgabengetriebene (logische) Strukturierung52 3.1.1.2Statusgetriebene (ereignisbasierte) Strukturierung53 3.1.1.3Einsatz von Aufgaben- bzw. Statusgetriebener Datenerfassung53 3.1.2Granularität der Analyse54 3.1.2.1Workflow-Ebene54 3.1.2.2Intra-Workflow-Ebene54 3.2Horizontale Gliederung des Prozesses55 3.3Erstellung des konzeptionellen Datenmodells56 3.3.1Bereich der Workflow-Ebene57 3.3.2Bereich Intra-Workflow-Ebene58 4.Vom Workflow zum Datenwürfel: Herausforderungen und Lösungen61 4.1Phasen der konzeptionellen Modellierung61 4.2Faktschemata ohne Kennzahlen62 4.2.1Fakt-Identifikator63 4.2.2Kennzahlen dynamisch erzeugen64 4.3Entwicklung der grundlegenden Faktschemata64 4.3.1Ausgangslage65 4.3.2Fakt-Generalisierung66 4.3.3Modellierung von Satelliten-Fakttypen67 4.3.4Fakt-Hierarchie68 4.4Auflösung von ¿viele-zu-viele¿-Beziehungen zwischen Fakten und Dimensionen70 4.4.1Ausgangslage70 4.4.2Das Problem und die Lösung71 4.5Austauschbarkeit von Fakt- und Dimensionsrollen73 4.5.1Ausgangslage73 4.5.2Das Problem und die Lösung73 4.6Austauschbarkeit von Kennzahl- und Dimensionsrollen75 4.6.1Ausgangslage75 4.6.2Das Problem und die Lösung76 4.6.3Realisierung Kennzahlspezifikation zur Laufzeit77 4.7Modellierung von Dimensionshierarchien79 4.7.1Typen von Hierarchien79 4.7.2Abgeleitete Kategorien und abgeleitete Dimensionen80 4.7.3Arten von gemeinsamen Dimensionen81 4.7.3.1Vollständige Dimensionsteilung82 4.7.3.2Eingeschlossene Dimension83 4.7.3.3Partielle Dimensionsteilung83 5.Umsetzung des multidimensionalen Datenmodells85 5.1Abbildung des multidimensionalen Modells auf das relationale Modell85 5.1.1Abbildung von Fakttypen86 5.1.2Abbildung von Dimensionshierarchien87 5.1.3Auflösung der Dualität zwischen Fakten und Dimensionen88 5.1.4Abbildung von generalisierten Fakttypen88 5.2Datenimport89 6.Business Intelligence Suite Pentaho91 6.1Einleitung91 6.2Modularer Aufbau und Anwendungsbereiche von Pentaho91 6.3Komponenten von Pentaho92 6.3.1BI-Plattform und Action Sequenzen93 6.3.2Pentaho BI-Server und dessen Architektur93 6.3.3Data Mining (WEKA)94 6.3.4Pentaho Data Integration (alias KETTLE)95 6.3.5Pentaho Dashboards96 6.3.6Reporting (JfreeReport)96 6.4Datenanalyse mit Pentaho97 6.4.1OLAP-Server Mondrian97 6.4.2JPivot OLAP-Frontend98 6.4.3Architektur des Analysemoduls von Pentaho99 6.5Konfigurationsdatei Mondrian Schema101 6.6Modellierungstool Cube Designer und Schema Workbench105 6.7Der Weg zur Pentaho-Lösung107 6.7.1Systemumgebung107 6.7.2Vorbereitung Pentaho PCI / PostgreSQL107 6.7.3Entwicklung einer Pentaho Solution mit dem Cube Designer108 6.7.3.1Verbindung zur relationalen Datenbank108 6.7.3.2Definition der Kennzahlen109 6.7.3.3Definition analytischer Dimensionen und Hierarchien109 6.7.3.4Veröffentlichung des Schemas für den Pentaho Server110 6.8Probleme mit dem Mondrian Server und dem Cube Designer111 7.Anwendungsfälle113 7.1Verlauf einer bestimmten Operation nachvollziehen113 7.2Vergleich bestimmter Kennzahlen verschiedener Operationen114 7.3Analyse der Nutzungsarten bestimmter Instrumente116 7.4Erfassung mehrerer Workflows zur Qualitätssicherung118 8.Zusammenfassung und Ausblick120 9.Literaturverzeichnis122 10.Anhang: Administration von Pentaho128Textprobe:Textprobe: Business Intelligence Suite Pentaho: Die Pentaho Corporation ist Hauptsponsor des Pentaho BI Projektes, einer fortlaufenden Initiative der Open Source Community. Dabei handelt es sich um eine kommerzielle Open Source (OS) Alternative für Business Intelligence, die 2002 von ehemaligen Managern und Brachenkennern aus dem BI-Umfeld in Orlando, Florida (USA), gegründet wurde. Mit der Pentaho Open BI Suite bietet sie ein breites Spektrum an OS Anwendungen bzw. Funktionalitäten, wie z.B. ein umfassendes Reporting, einen OLAP-Server, ein Tool zur Datenintegration, eine Data Mining Engine, Dashboarding, die BI-Plattform selbst als deren Basis, sowie zahlreiche weitere Tools zur Unterstützung des Anwenders. Pentaho ist die weltweit führende und am weitesten verbreitete OS BI Suite und gehört zu den 100 OS Projekten mit den meisten Downloads. Das Geschäftsmodell von Pentaho beinhaltet parallel zur kostenlosen eine kommerzielle Version, welche gegen ein jährliches Abonnement neben Produkterweiterungen auch Support, Schulungen, Zertifizierungen und weitere Kundenunterstützung (Beratung) bietet. Zudem bestehen Partnerschaften mit verschiedenen Softwarehäusern. Pentaho ist nicht von sich aus gewachsen, sondern vereint unter dem gemeinsamen Dach der Pentaho BI Suite neben Eigenentwicklungen hauptsächlich bereits bestehende OS Projekte durch deren Sponsoring bzw. Zukauf. Im nachfolgenden Abschnitt wird der logische Aufbau der Pentaho Open BI Suite und die darin enthaltenen Module bzw. Anwendungen gezeigt. Modularer Aufbau und Anwendungsbereiche von Pentaho: Durch den modularen Aufbau und der offenen Architektur der Pentaho BI Suite ist es möglich, die jeweiligen Module, welche wiederum aus einzelnen Komponenten bestehen, separat als Stand-Alone-Anwendungen zu nutzen oder auch in externe Anwendungen zu integrieren. Kommen die einzelnen Komponenten gemeinsam in der Pentaho BI Suite zum Einsatz, werden die jeweiligen Engines der entsprechenden Module mit dem Pentaho BI-Server gekoppelt. Abbildung 6-1 zeigt die wesentlichen Anwendungsgebiete (v, Diplomica Verlag<

2002, ISBN: 9783836633291

Inhaltsangabe:Einleitung: Die Einsatzfelder der Data-Warehouse-Technologie sind weit gestreut und reichen von betriebswirtschaftlichen Aufgabenstellungen über wissenschaftliche Analysen b… Más…

Inhaltsangabe:Einleitung: Die Einsatzfelder der Data-Warehouse-Technologie sind weit gestreut und reichen von betriebswirtschaftlichen Aufgabenstellungen über wissenschaftliche Analysen bis hin zu technischen Belangen, wobei die Analyse von Geschäftsprozessen in Unternehmen den häufigsten Einsatzbereich darstellt. Eine wachsende Zahl von Unternehmen integrieren und automatisieren ihre Geschäftsprozesse und verfolgen dabei das Ziel, dass sie neben der Effizienzsteigerung und der Verbesserung der Qualität auch eine Reduktion der Kosten sowie der menschlichen Fehlleistungen erreichen. In diesem Zusammenhang werden Geschäftsprozessmanagementsysteme (Business Process Management System, BPMS) eingesetzt, um das Prozessdesign und die Prozessausführung zu optimieren. Dabei nehmen diese Systeme große Datenmengen über die ausgeführten Geschäftsprozesse auf. Herkömmliche BPMS setzen ihren Schwerpunkt auf die Unterstützung des Designs und führen Simulationen durch, um Engpässe in den Abläufen zu identifizieren. Dabei spielen Analysefähigkeiten, um Durchführungen hinsichtlich bestimmter Geschäftsmetriken zu quantifizieren, kaum eine Rolle. Auch wurden die zugrunde liegenden Geschäftsprozessmodelle nicht dafür entworfen, diese Art der Analyse von Prozessdaten zu unterstützen. Allerdings können diese Möglichkeiten der Datenanalyse einen wesentlichen Beitrag dazu leisten, notwendige Informationen im Verlauf von Entscheidungsprozessen zur Verfügung zu stellen. Aus diesem Hintergrund heraus entwickelt sich gegenwärtig das neue Gebiet Business Process Intelligence. Dieses überwindet die Defizite solcher Standard-BPMS durch die Anwendung von Analysetechniken aus dem Business-Intelligence-Umfeld auf Geschäftsprozesse. So erfolgt z.B. die Speicherung der Prozessausführungsdaten in einem DWH, worauf eine Analyse mit OLAP- bzw. Data-Mining-Anwendungen möglich ist, bzw. Wissensextraktionen in verschiedenen Bereichen durchgeführt werden können. Diese Problematik lässt sich auch auf die medizinische Domäne übertragen. So entwickelt sich zur Zeit im Umfeld der Medizintechnik das vielversprechende Konzept der Chirurgischen Workflows. Dabei handelt es sich um die intelligente Erfassung von Prozessbeschreibungen chirurgischer Eingriffe, um auf deren Basis sowohl klinische wie auch technische Analysen zu ermöglichen. Wurden bereits im Vorfeld vom ICCAS der Einsatz verschiedener BPMS untersucht und in dieser Domäne für nicht zweckmäßig befunden, hat diese Arbeit zur Aufgabe, ein Modell zur Erfassung chirurgischer Workflows in Form eines Data Warehouses zu konzipieren, auf dessen Grundlage eine multidimensionale Datenanalyse chirurgischer Eingriffe erfolgen kann. Diese Arbeit lieferte auch einen Beitrag zu einem Buchkapitel über konzeptionelles Data-Warehouse-Design für Business Process Intelligence. Zielsetzung: Die Zielsetzung dieser Arbeit besteht in erster Linie darin, ein multidimensionales Datenmodell zu konzipieren, welches in der geforderten Art und Weise die Charakteristiken von chirurgischen Eingriffen erfassen und abbilden kann, um so eine Datenbasis zur Verfügung stellen zu können, worauf die Analyse der chirurgischen Workflows erfolgt. Zunächst sind daher die Anforderungen zu klären, welche die späteren Anwender an das Data Warehouse hinsichtlich möglicher Fragestellungen bzw. einzusetzender Analyseverfahren stellen. Auf dieser Grundlage muss eine Strukturierung der chirurgischen Prozesse erfolgen, um eine geeignete Gestaltung des Aufzeichnungsschemas ableiten zu können. So stellt sich z.B. die Frage nach der Granularität der Analyse oder aus welchen Perspektiven die Workflows später zu analysieren sind. Des Weiteren ist die Datenerfassungsstrategie festzulegen. Die Modellierung der Fakt- und Dimensionsschemata muss in einer geeigneten Weise erfolgen (durch sie wird die Transformation der Workflows in den Datenwürfel vorgegeben) und wo nötig das standardmäßige multidimensionale Modell angepasst bzw. erweitert werden, um den unterschiedlichen Anforderungen der späteren Anwender gerecht werden zu können. Nach der konzeptionellen Phase der multidimensionalen Datenmodellierung erfolgt die Realisierung des entstandenen Modells auf Grundlage eines relationalen OLAP-Systems. Auf diesem System findet im Zusammenspiel mit der Business Intelligence Suite Pentaho eine OLAP-Analyse der chirurgischen Workflows statt. Zu deren Durchführung müssen die Workflow-Daten in die Datenbank geladen, Pentaho entsprechend konfiguriert und die gewünschten OLAP-Würfel modelliert werden. Gang der Untersuchung: Im ersten Kapitel wird die im Rahmen dieser Masterarbeit behandelte Anwendung sowie der Kooperationspartner Innovation Center Computer Assisted Surgery (ICCAS) vorgestellt. Es werden die zu analysierenden Daten beschrieben und die Anwendungsgebiete der Analyse chirurgischer Workflows aufgezeigt. Das zweite Kapitel liefert die Grundlagen zum Thema Business Intelligence (BI), Data Warehouse (DWH), multidimensionales Datenmodell und Online Analytical Processing (OLAP) sowie Business Process Intelligence (BPI). Insbesondere die Themen DWH und OLAP werden ausführlich behandelt, um auch dem auf diesem Gebiet unerfahrenen Leser ein grundlegendes Verständnis zu ermöglichen Leser, welche bereits Kenntnisse auf diesem Gebiet besitzen, können durch dieses Kapitel ihre Kenntnisse auffrischen oder es überspringen. Das dritte Kapitel stellt dar, wie man chirurgische Workflows strukturieren kann und geht dabei auf die umgesetzte Erfassungsstrategie sowie die Granularität der Analyse ein. Als Ergebnis wird auf konzeptioneller Ebene ein Modell zur Erfassung chirurgischer Workflows in Form eines E/R-Diagramms geliefert. Im vierten Kapitel erfolgt die Transformation des Workflow in eine Datenwürfeldarstellung. Dabei werden die Herausforderungen und Lösungen aufgezeigt, welche die Transformation vom Workflow zum Datenwürfel mit sich bringt. Aufbauend auf den Erkenntnissen des dritten Kapitels erfolgt hier nun die Modellierung eines dimensionalen Fakt-Modells. Kapitel fünf beschreibt die logische und physische Umsetzung des dimensionalen Fakt-Modells. Dabei werden die eingesetzten Erweiterungen des Galaxy-Schemas dargestellt. Ein weiteres Thema ist der durchgeführte ETL-Prozess der zu analysierenden Daten. Das Kapitel sechs gibt zunächst einen allgemeinen Überblick über die Business Intelligence Suite Pentaho, auf welcher das DWH realisiert wurde und auch die OLAP-Analyse erfolgt. Im ersten Teil werden der Aufbau und die Anwendungsgebiete von Pentaho gezeigt und die verfügbaren Komponenten kurz vorgestellt, wobei der Fokus auf den OLAP-Server Mondrian gerichtet ist. Im zweiten Teil erfolgt eine Beschreibung der Konfigurationsdatei des Mondrian Schemas, welches den OLAP-Würfel abbildet und den Zugriff auf die Datenbank während der Analyse regelt. Zudem wird das Vorgehen gezeigt, wie mit Hilfe eines Modellierungstools ein OLAP-Würfel erstellt und zur Analyse in die Pentaho Suite integriert wird. In Kapitel sieben werden beispielhaft Anwendungsfälle aus dem OLAP-Bereich der Analyse chirurgischer Workflows gezeigt. Das Kapitel acht enthält eine kurze Zusammenfassung und schließt mit einem Ausblick.Inhaltsverzeichnis:Inhaltsverzeichnis: 1.Einführung9 1.1Einleitung9 1.1.1Aufgabenstellung und Zielsetzung9 1.1.2Aufbau dieser Arbeit10 1.2Kooperationspartner Innovation Center for Computer Assisted Surgery (ICCAS)11 1.2.1Vorstellung ICCAS11 1.2.2Workflow-Aufzeichnung12 1.2.3Anwendungsgebiete Analyse chirurgischer Workflows13 1.2.3.1Profiteure der chirurgischen Workflowanalyse14 1.2.3.2Typen möglicher Anfragen14 1.2.3.3Aufgezeichnete Datentypen15 1.2.4Datenfluss Workflow-Aufzeichnung16 2.Grundlagen19 2.1Business Intelligence19 2.2Data Warehouse21 2.2.1Der Begriff Data Warehouse21 2.2.2Merkmale eines Data Warehouses21 2.2.3Das Data-Warehouse-System und seine Komponenten22 2.2.3.1Datenquellenebene23 2.2.3.2Datenhaltungsebene (DWH, Data Mart, Daten Ein- u. Ausgabe)23 2.2.3.3Analyseebene25 2.2.3.4Metadaten-Repository, Administration und Monitoring25 2.2.3.5Operational Data Store (ODS)25 2.3Online Analytical Processing26 2.3.1Abgrenzung OLAP versus OLTP26 2.3.2Codd`sche Grundregeln und FASMI-Definition für OLAP-Systeme28 2.3.3Multidimensionales Datenmodell29 2.3.3.1Multidimensionaler Datenwürfel (Cube)29 2.3.3.2Dimensionen und Dimensionshierarchien30 2.3.3.3Fakten33 2.3.3.4Kennzahlen34 2.3.4Standard OLAP-Operationen zur Datenanalyse36 2.3.4.1Roll-up und Drill-down36 2.3.4.2Slice und Dice37 2.3.4.3Pivotierung (Rotation)38 2.3.5Konzeptionelle Modellierung38 2.3.5.1Probleme herkömmlicher Modellierungstechniken beim konzeptionellen Entwurf38 2.3.5.2Vorstellung verschiedener Design-Notationen39 2.3.5.3Grundprinzip des Dimensional Fact Model und dessen Erweiterung39 2.3.5.4Modellbeschreibung mit X-DFM40 2.3.6Umsetzung des Multidimensionalen Datenmodells41 2.3.6.1Relationales OLAP (ROLAP)41 2.3.6.2Multidimensionales OLAP (MOLAP)46 2.3.6.3Hybrides OLAP (HOLAP)47 2.4Business Process Intelligence und chirurgische Workflows47 2.4.1Business Process Intelligence47 2.4.2Konzept der Chirurgischen Workflows49 3.Strukturierung chirurgischer Workflows51 3.1Vertikale Strukturierung des Prozesses52 3.1.1Datenerfassungsstrategie52 3.1.1.1Aufgabengetriebene (logische) Strukturierung52 3.1.1.2Statusgetriebene (ereignisbasierte) Strukturierung53 3.1.1.3Einsatz von Aufgaben- bzw. Statusgetriebener Datenerfassung53 3.1.2Granularität der Analyse54 3.1.2.1Workflow-Ebene54 3.1.2.2Intra-Workflow-Ebene54 3.2Horizontale Gliederung des Prozesses55 3.3Erstellung des konzeptionellen Datenmodells56 3.3.1Bereich der Workflow-Ebene57 3.3.2Bereich Intra-Workflow-Ebene58 4.Vom Workflow zum Datenwürfel: Herausforderungen und Lösungen61 4.1Phasen der konzeptionellen Modellierung61 4.2Faktschemata ohne Kennzahlen62 4.2.1Fakt-Identifikator63 4.2.2Kennzahlen dynamisch erzeugen64 4.3Entwicklung der grundlegenden Faktschemata64 4.3.1Ausgangslage65 4.3.2Fakt-Generalisierung66 4.3.3Modellierung von Satelliten-Fakttypen67 4.3.4Fakt-Hierarchie68 4.4Auflösung von ¿viele-zu-viele¿-Beziehungen zwischen Fakten und Dimensionen70 4.4.1Ausgangslage70 4.4.2Das Problem und die Lösung71 4.5Austauschbarkeit von Fakt- und Dimensionsrollen73 4.5.1Ausgangslage73 4.5.2Das Problem und die Lösung73 4.6Austauschbarkeit von Kennzahl- und Dimensionsrollen75 4.6.1Ausgangslage75 4.6.2Das Problem und die Lösung76 4.6.3Realisierung Kennzahlspezifikation zur Laufzeit77 4.7Modellierung von Dimensionshierarchien79 4.7.1Typen von Hierarchien79 4.7.2Abgeleitete Kategorien und abgeleitete Dimensionen80 4.7.3Arten von gemeinsamen Dimensionen81 4.7.3.1Vollständige Dimensionsteilung82 4.7.3.2Eingeschlossene Dimension83 4.7.3.3Partielle Dimensionsteilung83 5.Umsetzung des multidimensionalen Datenmodells85 5.1Abbildung des multidimensionalen Modells auf das relationale Modell85 5.1.1Abbildung von Fakttypen86 5.1.2Abbildung von Dimensionshierarchien87 5.1.3Auflösung der Dualität zwischen Fakten und Dimensionen88 5.1.4Abbildung von generalisierten Fakttypen88 5.2Datenimport89 6.Business Intelligence Suite Pentaho91 6.1Einleitung91 6.2Modularer Aufbau und Anwendungsbereiche von Pentaho91 6.3Komponenten von Pentaho92 6.3.1BI-Plattform und Action Sequenzen93 6.3.2Pentaho BI-Server und dessen Architektur93 6.3.3Data Mining (WEKA)94 6.3.4Pentaho Data Integration (alias KETTLE)95 6.3.5Pentaho Dashboards96 6.3.6Reporting (JfreeReport)96 6.4Datenanalyse mit Pentaho97 6.4.1OLAP-Server Mondrian97 6.4.2JPivot OLAP-Frontend98 6.4.3Architektur des Analysemoduls von Pentaho99 6.5Konfigurationsdatei Mondrian Schema101 6.6Modellierungstool Cube Designer und Schema Workbench105 6.7Der Weg zur Pentaho-Lösung107 6.7.1Systemumgebung107 6.7.2Vorbereitung Pentaho PCI / PostgreSQL107 6.7.3Entwicklung einer Pentaho Solution mit dem Cube Designer108 6.7.3.1Verbindung zur relationalen Datenbank108 6.7.3.2Definition der Kennzahlen109 6.7.3.3Definition analytischer Dimensionen und Hierarchien109 6.7.3.4Veröffentlichung des Schemas für den Pentaho Server110 6.8Probleme mit dem Mondrian Server und dem Cube Designer111 7.Anwendungsfälle113 7.1Verlauf einer bestimmten Operation nachvollziehen113 7.2Vergleich bestimmter Kennzahlen verschiedener Operationen114 7.3Analyse der Nutzungsarten bestimmter Instrumente116 7.4Erfassung mehrerer Workflows zur Qualitätssicherung118 8.Zusammenfassung und Ausblick120 9.Literaturverzeichnis122 10.Anhang: Administration von Pentaho128Textprobe:Textprobe: Business Intelligence Suite Pentaho: Die Pentaho Corporation ist Hauptsponsor des Pentaho BI Projektes, einer fortlaufenden Initiative der Open Source Community. Dabei handelt es sich um eine kommerzielle Open Source (OS) Alternative für Business Intelligence, die 2002 von ehemaligen Managern und Brachenkennern aus dem BI-Umfeld in Orlando, Florida (USA), gegründet wurde. Mit der Pentaho Open BI Suite bietet sie ein breites Spektrum an OS Anwendungen bzw. Funktionalitäten, wie z.B. ein umfassendes Reporting, einen OLAP-Server, ein Tool zur Datenintegration, eine Data Mining Engine, Dashboarding, die BI-Plattform selbst als deren Basis, sowie zahlreiche weitere Tools zur Unterstützung des Anwenders. Pentaho ist die weltweit führende und am weitesten verbreitete OS BI Suite und gehört zu den 100 OS Projekten mit den meisten Downloads. Das Geschäftsmodell von Pentaho beinhaltet parallel zur kostenlosen eine kommerzielle Version, welche gegen ein jährliches Abonnement neben Produkterweiterungen auch Support, Schulungen, Zertifizierungen und weitere Kundenunterstützung (Beratung) bietet. Zudem bestehen Partnerschaften mit verschiedenen Softwarehäusern. Pentaho ist nicht von sich aus gewachsen, sondern vereint unter dem gemeinsamen Dach der Pentaho BI Suite neben Eigenentwicklungen hauptsächlich bereits bestehende OS Projekte durch deren Sponsoring bzw. Zukauf. Im nachfolgenden Abschnitt wird der logische Aufbau der Pentaho Open BI Suite und die darin enthaltenen Module bzw. Anwendungen gezeigt. Modularer Aufbau und Anwendungsbereiche von Pentaho: Durch den modularen Aufbau und der offenen Architektur der Pentaho BI Suite ist es möglich, die jeweiligen Module, welche wiederum aus einzelnen Komponenten bestehen, separat als Stand-Alone-Anwendungen zu nutzen oder auch in externe Anwendungen zu integrieren. Kommen die einzelnen Komponenten gemeinsam in der Pentaho BI Suite zum Einsatz, werden die jeweiligen Engines der entsprechenden Module mit dem Pentaho BI-Server gekoppelt. Abbildung 6-1 zeigt die wesentlichen Anwen, Diplomica Verlag<

2002, ISBN: 9783836633291

Inhaltsangabe:Einleitung: Die Einsatzfelder der Data-Warehouse-Technologie sind weit gestreut und reichen von betriebswirtschaftlichen Aufgabenstellungen über wissenschaftliche Analysen b… Más…

Inhaltsangabe:Einleitung: Die Einsatzfelder der Data-Warehouse-Technologie sind weit gestreut und reichen von betriebswirtschaftlichen Aufgabenstellungen über wissenschaftliche Analysen bis hin zu technischen Belangen, wobei die Analyse von Geschäftsprozessen in Unternehmen den häufigsten Einsatzbereich darstellt. Eine wachsende Zahl von Unternehmen integrieren und automatisieren ihre Geschäftsprozesse und verfolgen dabei das Ziel, dass sie neben der Effizienzsteigerung und der Verbesserung der Qualität auch eine Reduktion der Kosten sowie der menschlichen Fehlleistungen erreichen. In diesem Zusammenhang werden Geschäftsprozessmanagementsysteme (Business Process Management System, BPMS) eingesetzt, um das Prozessdesign und die Prozessausführung zu optimieren. Dabei nehmen diese Systeme große Datenmengen über die ausgeführten Geschäftsprozesse auf. Herkömmliche BPMS setzen ihren Schwerpunkt auf die Unterstützung des Designs und führen Simulationen durch, um Engpässe in den Abläufen zu identifizieren. Dabei spielen Analysefähigkeiten, um Durchführungen hinsichtlich bestimmter Geschäftsmetriken zu quantifizieren, kaum eine Rolle. Auch wurden die zugrunde liegenden Geschäftsprozessmodelle nicht dafür entworfen, diese Art der Analyse von Prozessdaten zu unterstützen. Allerdings können diese Möglichkeiten der Datenanalyse einen wesentlichen Beitrag dazu leisten, notwendige Informationen im Verlauf von Entscheidungsprozessen zur Verfügung zu stellen. Aus diesem Hintergrund heraus entwickelt sich gegenwärtig das neue Gebiet Business Process Intelligence. Dieses überwindet die Defizite solcher Standard-BPMS durch die Anwendung von Analysetechniken aus dem Business-Intelligence-Umfeld auf Geschäftsprozesse. So erfolgt z.B. die Speicherung der Prozessausführungsdaten in einem DWH, worauf eine Analyse mit OLAP- bzw. Data-Mining-Anwendungen möglich ist, bzw. Wissensextraktionen in verschiedenen Bereichen durchgeführt werden können. Diese Problematik lässt sich auch auf die medizinische Domäne übertragen. So entwickelt sich zur Zeit im Umfeld der Medizintechnik das vielversprechende Konzept der Chirurgischen Workflows. Dabei handelt es sich um die intelligente Erfassung von Prozessbeschreibungen chirurgischer Eingriffe, um auf deren Basis sowohl klinische wie auch technische Analysen zu ermöglichen. Wurden bereits im Vorfeld vom ICCAS der Einsatz verschiedener BPMS untersucht und in dieser Domäne für nicht zweckmäßig befunden, hat diese Arbeit zur Aufgabe, ein Modell zur Erfassung chirurgischer Workflows in Form eines Data Warehouses zu konzipieren, auf dessen Grundlage eine multidimensionale Datenanalyse chirurgischer Eingriffe erfolgen kann. Diese Arbeit lieferte auch einen Beitrag zu einem Buchkapitel über konzeptionelles Data-Warehouse-Design für Business Process Intelligence. Zielsetzung: Die Zielsetzung dieser Arbeit besteht in erster Linie darin, ein multidimensionales Datenmodell zu konzipieren, welches in der geforderten Art und Weise die Charakteristiken von chirurgischen Eingriffen erfassen und abbilden kann, um so eine Datenbasis zur Verfügung stellen zu können, worauf die Analyse der chirurgischen Workflows erfolgt. Zunächst sind daher die Anforderungen zu klären, welche die späteren Anwender an das Data Warehouse hinsichtlich möglicher Fragestellungen bzw. einzusetzender Analyseverfahren stellen. Auf dieser Grundlage muss eine Strukturierung der chirurgischen Prozesse erfolgen, um eine geeignete Gestaltung des Aufzeichnungsschemas ableiten zu können. So stellt sich z.B. die Frage nach der Granularität der Analyse oder aus welchen Perspektiven die Workflows später zu analysieren sind. Des Weiteren ist die Datenerfassungsstrategie festzulegen. Die Modellierung der Fakt- und Dimensionsschemata muss in einer geeigneten Weise erfolgen (durch sie wird die Transformation der Workflows in den Datenwürfel vorgegeben) und wo nötig das standardmäßige multidimensionale Modell angepasst bzw. erweitert werden, um den unterschiedlichen Anforderungen der späteren Anwender gerecht werden zu können. Nach der konzeptionellen Phase der multidimensionalen Datenmodellierung erfolgt die Realisierung des entstandenen Modells auf Grundlage eines relationalen OLAP-Systems. Auf diesem System findet im Zusammenspiel mit der Business Intelligence Suite Pentaho eine OLAP-Analyse der chirurgischen Workflows statt. Zu deren Durchführung müssen die Workflow-Daten in die Datenbank geladen, Pentaho entsprechend konfiguriert und die gewünschten OLAP-Würfel modelliert werden. Gang der Untersuchung: Im ersten Kapitel wird die im Rahmen dieser Masterarbeit behandelte Anwendung sowie der Kooperationspartner Innovation Center Computer Assisted Surgery (ICCAS) vorgestellt. Es werden die zu analysierenden Daten beschrieben und die Anwendungsgebiete der Analyse chirurgischer Workflows aufgezeigt. Das zweite Kapitel liefert die Grundlagen zum Thema Business Intelligence (BI), Data Warehouse (DWH), multidimensionales Datenmodell und Online Analytical Processing (OLAP) sowie Business Process Intelligence (BPI). Insbesondere die Themen DWH und OLAP werden ausführlich behandelt, um auch dem auf diesem Gebiet unerfahrenen Leser ein grundlegendes Verständnis zu ermöglichen Leser, welche bereits Kenntnisse auf diesem Gebiet besitzen, können durch dieses Kapitel ihre Kenntnisse auffrischen oder es überspringen. Das dritte Kapitel stellt dar, wie man chirurgische Workflows strukturieren kann und geht dabei auf die umgesetzte Erfassungsstrategie sowie die Granularität der Analyse ein. Als Ergebnis wird auf konzeptioneller Ebene ein Modell zur Erfassung chirurgischer Workflows in Form eines E/R-Diagramms geliefert. Im vierten Kapitel erfolgt die Transformation des Workflow in eine Datenwürfeldarstellung. Dabei werden die Herausforderungen und Lösungen aufgezeigt, welche die Transformation vom Workflow zum Datenwürfel mit sich bringt. Aufbauend auf den Erkenntnissen des dritten Kapitels erfolgt hier nun die Modellierung eines dimensionalen Fakt-Modells. Kapitel fünf beschreibt die logische und physische Umsetzung des dimensionalen Fakt-Modells. Dabei werden die eingesetzten Erweiterungen des Galaxy-Schemas dargestellt. Ein weiteres Thema ist der durchgeführte ETL-Prozess der zu analysierenden Daten. Das Kapitel sechs gibt zunächst einen allgemeinen Überblick über die Business Intelligence Suite Pentaho, auf welcher das DWH realisiert wurde und auch die OLAP-Analyse erfolgt. Im ersten Teil werden der Aufbau und die Anwendungsgebiete von Pentaho gezeigt und die verfügbaren Komponenten kurz vorgestellt, wobei der Fokus auf den OLAP-Server Mondrian gerichtet ist. Im zweiten Teil erfolgt eine Beschreibung der Konfigurationsdatei des Mondrian Schemas, welches den OLAP-Würfel abbildet und den Zugriff auf die Datenbank während der Analyse regelt. Zudem wird das Vorgehen gezeigt, wie mit Hilfe eines Modellierungstools ein OLAP-Würfel erstellt und zur Analyse in die Pentaho Suite integriert wird. In Kapitel sieben werden beispielhaft Anwendungsfälle aus dem OLAP-Bereich der Analyse chirurgischer Workflows gezeigt. Das Kapitel acht enthält eine kurze Zusammenfassung und schließt mit einem Ausblick.Inhaltsverzeichnis:Inhaltsverzeichnis: 1.Einführung9 1.1Einleitung9 1.1.1Aufgabenstellung und Zielsetzung9 1.1.2Aufbau dieser Arbeit10 1.2Kooperationspartner Innovation Center for Computer Assisted Surgery (ICCAS)11 1.2.1Vorstellung ICCAS11 1.2.2Workflow-Aufzeichnung12 1.2.3Anwendungsgebiete Analyse chirurgischer Workflows13 1.2.3.1Profiteure der chirurgischen Workflowanalyse14 1.2.3.2Typen möglicher Anfragen14 1.2.3.3Aufgezeichnete Datentypen15 1.2.4Datenfluss Workflow-Aufzeichnung16 2.Grundlagen19 2.1Business Intelligence19 2.2Data Warehouse21 2.2.1Der Begriff Data Warehouse21 2.2.2Merkmale eines Data Warehouses21 2.2.3Das Data-Warehouse-System und seine Komponenten22 2.2.3.1Datenquellenebene23 2.2.3.2Datenhaltungsebene (DWH, Data Mart, Daten Ein- u. Ausgabe)23 2.2.3.3Analyseebene25 2.2.3.4Metadaten-Repository, Administration und Monitoring25 2.2.3.5Operational Data Store (ODS)25 2.3Online Analytical Processing26 2.3.1Abgrenzung OLAP versus OLTP26 2.3.2Codd`sche Grundregeln und FASMI-Definition für OLAP-Systeme28 2.3.3Multidimensionales Datenmodell29 2.3.3.1Multidimensionaler Datenwürfel (Cube)29 2.3.3.2Dimensionen und Dimensionshierarchien30 2.3.3.3Fakten33 2.3.3.4Kennzahlen34 2.3.4Standard OLAP-Operationen zur Datenanalyse36 2.3.4.1Roll-up und Drill-down36 2.3.4.2Slice und Dice37 2.3.4.3Pivotierung (Rotation)38 2.3.5Konzeptionelle Modellierung38 2.3.5.1Probleme herkömmlicher Modellierungstechniken beim konzeptionellen Entwurf38 2.3.5.2Vorstellung verschiedener Design-Notationen39 2.3.5.3Grundprinzip des Dimensional Fact Model und dessen Erweiterung39 2.3.5.4Modellbeschreibung mit X-DFM40 2.3.6Umsetzung des Multidimensionalen Datenmodells41 2.3.6.1Relationales OLAP (ROLAP)41 2.3.6.2Multidimensionales OLAP (MOLAP)46 2.3.6.3Hybrides OLAP (HOLAP)47 2.4Business Process Intelligence und chirurgische Workflows47 2.4.1Business Process Intelligence47 2.4.2Konzept der Chirurgischen Workflows49 3.Strukturierung chirurgischer Workflows51 3.1Vertikale Strukturierung des Prozesses52 3.1.1Datenerfassungsstrategie52 3.1.1.1Aufgabengetriebene (logische) Strukturierung52 3.1.1.2Statusgetriebene (ereignisbasierte) Strukturierung53 3.1.1.3Einsatz von Aufgaben- bzw. Statusgetriebener Datenerfassung53 3.1.2Granularität der Analyse54 3.1.2.1Workflow-Ebene54 3.1.2.2Intra-Workflow-Ebene54 3.2Horizontale Gliederung des Prozesses55 3.3Erstellung des konzeptionellen Datenmodells56 3.3.1Bereich der Workflow-Ebene57 3.3.2Bereich Intra-Workflow-Ebene58 4.Vom Workflow zum Datenwürfel: Herausforderungen und Lösungen61 4.1Phasen der konzeptionellen Modellierung61 4.2Faktschemata ohne Kennzahlen62 4.2.1Fakt-Identifikator63 4.2.2Kennzahlen dynamisch erzeugen64 4.3Entwicklung der grundlegenden Faktschemata64 4.3.1Ausgangslage65 4.3.2Fakt-Generalisierung66 4.3.3Modellierung von Satelliten-Fakttypen67 4.3.4Fakt-Hierarchie68 4.4Auflösung von ¿viele-zu-viele¿-Beziehungen zwischen Fakten und Dimensionen70 4.4.1Ausgangslage70 4.4.2Das Problem und die Lösung71 4.5Austauschbarkeit von Fakt- und Dimensionsrollen73 4.5.1Ausgangslage73 4.5.2Das Problem und die Lösung73 4.6Austauschbarkeit von Kennzahl- und Dimensionsrollen75 4.6.1Ausgangslage75 4.6.2Das Problem und die Lösung76 4.6.3Realisierung Kennzahlspezifikation zur Laufzeit77 4.7Modellierung von Dimensionshierarchien79 4.7.1Typen von Hierarchien79 4.7.2Abgeleitete Kategorien und abgeleitete Dimensionen80 4.7.3Arten von gemeinsamen Dimensionen81 4.7.3.1Vollständige Dimensionsteilung82 4.7.3.2Eingeschlossene Dimension83 4.7.3.3Partielle Dimensionsteilung83 5.Umsetzung des multidimensionalen Datenmodells85 5.1Abbildung des multidimensionalen Modells auf das relationale Modell85 5.1.1Abbildung von Fakttypen86 5.1.2Abbildung von Dimensionshierarchien87 5.1.3Auflösung der Dualität zwischen Fakten und Dimensionen88 5.1.4Abbildung von generalisierten Fakttypen88 5.2Datenimport89 6.Business Intelligence Suite Pentaho91 6.1Einleitung91 6.2Modularer Aufbau und Anwendungsbereiche von Pentaho91 6.3Komponenten von Pentaho92 6.3.1BI-Plattform und Action Sequenzen93 6.3.2Pentaho BI-Server und dessen Architektur93 6.3.3Data Mining (WEKA)94 6.3.4Pentaho Data Integration (alias KETTLE)95 6.3.5Pentaho Dashboards96 6.3.6Reporting (JfreeReport)96 6.4Datenanalyse mit Pentaho97 6.4.1OLAP-Server Mondrian97 6.4.2JPivot OLAP-Frontend98 6.4.3Architektur des Analysemoduls von Pentaho99 6.5Konfigurationsdatei Mondrian Schema101 6.6Modellierungstool Cube Designer und Schema Workbench105 6.7Der Weg zur Pentaho-Lösung107 6.7.1Systemumgebung107 6.7.2Vorbereitung Pentaho PCI / PostgreSQL107 6.7.3Entwicklung einer Pentaho Solution mit dem Cube Designer108 6.7.3.1Verbindung zur relationalen Datenbank108 6.7.3.2Definition der Kennzahlen109 6.7.3.3Definition analytischer Dimensionen und Hierarchien109 6.7.3.4Veröffentlichung des Schemas für den Pentaho Server110 6.8Probleme mit dem Mondrian Server und dem Cube Designer111 7.Anwendungsfälle113 7.1Verlauf einer bestimmten Operation nachvollziehen113 7.2Vergleich bestimmter Kennzahlen verschiedener Operationen114 7.3Analyse der Nutzungsarten bestimmter Instrumente116 7.4Erfassung mehrerer Workflows zur Qualitätssicherung118 8.Zusammenfassung und Ausblick120 9.Literaturverzeichnis122 10.Anhang: Administration von Pentaho128Textprobe:Textprobe: Business Intelligence Suite Pentaho: Die Pentaho Corporation ist Hauptsponsor des Pentaho BI Projektes, einer fortlaufenden Initiative der Open Source Community. Dabei handelt es sich um eine kommerzielle Open Source (OS) Alternative für Business Intelligence, die 2002 von ehemaligen Managern und Brachenkennern aus dem BI-Umfeld in Orlando, Florida (USA), gegründet wurde. Mit der Pentaho Open BI Suite bietet sie ein breites Spektrum an OS Anwendungen bzw. Funktionalitäten, wie z.B. ein umfassendes Reporting, einen OLAP-Server, ein Tool zur Datenintegration, eine Data Mining Engine, Dashboarding, die BI-Plattform selbst als deren Basis, sowie zahlreiche weitere Tools zur Unterstützung des Anwenders. Pentaho ist die weltweit führende und am weitesten verbreitete OS BI Suite und gehört zu den 100 OS Projekten mit den meisten Downloads. Das Geschäftsmodell von Pentaho beinhaltet parallel zur kostenlosen eine kommerzielle Version, welche gegen ein jährliches Abonnement neben Produkterweiterungen auch Support, Schulungen, Zertifizierungen und weitere Kundenunterstützung (Beratung) bietet. Zudem bestehen Partnerschaften mit verschiedenen Softwarehäusern. Pentaho ist nicht von sich aus gewachsen, sondern vereint unter dem gemeinsamen Dach der Pentaho BI Suite neben Eigenentwicklungen hauptsächlich bereits bestehende OS Projekte durch deren Sponsoring bzw. Zukauf. Im nachfolgenden Abschnitt wird der logische Aufbau der Pentaho Open BI Suite und die darin enthaltenen Module bzw. Anwendungen gezeigt. Modularer Aufbau und Anwendungsbereiche von Pentaho: Durch den modularen Aufbau und der offenen Architektur der Pentaho BI Suite ist es möglich, die jeweiligen Module, welche wiederum aus einzelnen Komponenten bestehen, separat als Stand-Alone-Anwendungen zu nutzen oder auch in externe Anwendungen zu integrieren. Kommen die einzelnen Komponenten gemeinsam in der Pentaho BI Suite zum Einsatz, werden die jeweiligen Engines der entsprechenden Module mit dem Pentaho BI-Server gekopp, Diplomica Verlag<

2009, ISBN: 3836633299

Inhaltsangabe:Einleitung: Die Einsatzfelder der Data-Warehouse-Technologie sind weit gestreut und reichen von betriebswirtschaftlichen Aufgabenstellungen über wissenschaftliche Analysen b… Más…

Inhaltsangabe:Einleitung: Die Einsatzfelder der Data-Warehouse-Technologie sind weit gestreut und reichen von betriebswirtschaftlichen Aufgabenstellungen über wissenschaftliche Analysen bis hin zu technischen Belangen, wobei die Analyse von Geschäftsprozessen in Unternehmen den häufigsten Einsatzbereich darstellt. Eine wachsende Zahl von Unternehmen integrieren und automatisieren ihre Geschäftsprozesse und verfolgen dabei das Ziel, dass sie neben der Effizienzsteigerung und der Verbesserung der Qualität auch eine Reduktion der Kosten sowie der menschlichen Fehlleistungen erreichen. In diesem Zusammenhang werden Geschäftsprozessmanagementsysteme (Business Process Management System, BPMS) eingesetzt, um das Prozessdesign und die Prozessausführung zu optimieren. Dabei nehmen diese Systeme große Datenmengen über die ausgeführten Geschäftsprozesse auf. Herkömmliche BPMS setzen ihren Schwerpunkt auf die Unterstützung des Designs und führen Simulationen durch, um Engpässe in den Abläufen zu identifizieren. Dabei spielen Analysefähigkeiten, um Durchführungen hinsichtlich bestimmter Geschäftsmetriken zu quantifizieren, kaum eine Rolle. Auch wurden die zugrunde liegenden Geschäftsprozessmodelle nicht dafür entworfen, diese Art der Analyse von Prozessdaten zu unterstützen. Allerdings können diese Möglichkeiten der Datenanalyse einen wesentlichen Beitrag dazu leisten, notwendige Informationen im Verlauf von Entscheidungsprozessen zur Verfügung zu stellen. Aus diesem Hintergrund heraus entwickelt sich gegenwärtig das neue Gebiet Business Process Intelligence. Dieses überwindet die Defizite solcher Standard-BPMS durch die Anwendung von Analysetechniken aus dem Business-Intelligence-Umfeld auf Geschäftsprozesse. So erfolgt z.B. die Speicherung der Prozessausführungsdaten in einem DWH, worauf eine Analyse mit OLAP- bzw. Data-Mining-Anwendungen möglich ist, bzw. Wissensextraktionen in verschiedenen Bereichen durchgeführt werden können. Diese Problematik lässt sich auch auf die medizinische Domäne übertragen. So entwickelt sich zur Zeit im Umfeld der Medizintechnik das vielversprechende Konzept der Chirurgischen Workflows. Dabei handelt es sich um die intelligente Erfassung von Prozessbeschreibungen chirurgischer Eingriffe, um auf deren Basis sowohl klinische wie auch technische Analysen zu ermöglichen. Wurden bereits im Vorfeld vom ICCAS der Einsatz verschiedener BPMS untersucht und in dieser Domäne für nicht zweckmäßig befunden, hat diese Arbeit zur Aufgabe, [...] Media eBooks, 148 Seiten, Media > Books, Diplomica Verlag, 2009<

ISBN: 9783836633291

Diplom.de: Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer Workflows. Inhaltsangabe:Einleitung: Die Einsatzfelder der Data-Warehouse-Technologie sind weit gest… Más…

Diplom.de: Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer Workflows. Inhaltsangabe:Einleitung: Die Einsatzfelder der Data-Warehouse-Technologie sind weit gestreut und reichen von betriebswirtschaftlichen Aufgabenstellungen über wissenschaftliche Analysen bis hin zu technischen Belangen, wobei die Analyse von Geschäftsprozessen in Unternehmen den häufigsten Einsatzbereich darstellt. Eine wachsende Zahl von Unternehmen integrieren und automatisieren ihre Geschäftsprozesse und verfolgen dabei das Ziel, dass sie neben der Effizienzsteigerung und der Verbesserung der Qualität auch eine Reduktion der Kosten sowie der menschlichen Fehlleistungen erreichen. In diesem Zusammenhang werden Geschäftsprozessmanagementsysteme (Business Process Management System, BPMS) eingesetzt, um das Prozessdesign und die Prozessausführung zu optimieren. Dabei nehmen diese Systeme große Datenmengen über die ausgeführten Geschäftsprozesse auf. Herkömmliche BPMS setzen ihren Schwerpunkt auf die Unterstützung des Designs und führen Simulationen durch, um Engpässe in den Abläufen zu identifiziere... eBooks / Wirtschaft & Recht, Bedey Media GmbH<