Was ist ein OLAP Cube?
Ein Cube ermöglicht die zügige und intuitive Analyse großer Datenmengen. Er ist dann besonders nützlich, wenn Daten aus verschiedenen Perspektiven (Dimensionen) ausgewertet werden sollen. Ein Cube benötigt gut strukturierte Daten und basiert daher in der Regel auf einem Data Warehouse. Der Begriff „OLAP“ steht für „Online Analytical Processing“ und stellt eine besondere Form der Datenspeicherung dar (multidimensional).
Auswertungen beschleunigen
Ein Cube beschleunigt das Abrufen von Daten erheblich. Der Grund: Bereits beim Füllen des Cubes werden vorab berechenbare Zwischenergebnisse erstellt. Während einer Auswertung müssen diese Berechnungen daher nicht erneut durchgeführt werden. Da der Cube technisch in einer besonderen Datenbank gespeichert wird, beantwortet er eine Datenabfrage direkt mit dem vorberechneten Ergebnis.
Statt einer Tabelle mit Zeilen und Spalten ist ein Cube eine multidimensionale Datenbank. Diese speichert filterbare Gruppen von Daten (Dimensionen) und Ergebniswerte (Measures). Ein Beispiel: Für eine Verkaufsanalyse könnten Kunden, Rechnungsbelege und Buchungsdatum jeweils „Dimensionen“ sein, während der Verkaufserlös ein „Ergebniswert“ wäre. Beim Füllen des Cubes würde für alle denkbar möglichen Kombinationen der drei Dimensionen der Verkaufserlös berechnet (Gesamtumsatz, Umsatz pro Monat, Umsatz pro Kunde usw.).
Die Bezeichnung „Cube“ (Würfel) ist damit eigentlich unzureichend, da mehr als drei Dimensionen abgebildet werden können (z. B. zusätzlich Artikel, Abteilung und Lagerort).
Auswertungen beschleunigen
Ein Cube beschleunigt das Abrufen von Daten erheblich. Der Grund: Bereits beim Füllen des Cubes werden vorab berechenbare Zwischenergebnisse erstellt. Während einer Auswertung müssen diese Berechnungen daher nicht erneut durchgeführt werden. Da der Cube technisch in einer besonderen Datenbank gespeichert wird, beantwortet er eine Datenabfrage direkt mit dem vorberechneten Ergebnis. Statt einer Tabelle mit Zeilen und Spalten ist ein Cube eine multidimensionale Datenbank. Diese speichert filterbare Gruppen von Daten (Dimensionen) und Ergebniswerte (Measures). Ein Beispiel: Für eine Verkaufsanalyse könnten Kunden, Rechnungsbelege und Buchungsdatum jeweils „Dimensionen“ sein, während der Verkaufserlös ein „Ergebniswert“ wäre. Beim Füllen des Cubes würde für alle denkbar möglichen Kombinationen der drei Dimensionen der Verkaufserlös berechnet (Gesamtumsatz, Umsatz pro Monat, Umsatz pro Kunde usw.). Die Bezeichnung „Cube“ (Würfel) ist damit eigentlich unzureichend, da mehr als drei Dimensionen abgebildet werden können (z. B. zusätzlich Artikel, Abteilung und Lagerort).
Analysebereiche bereitstellen
Ein Cube stellt die verfügbaren Daten aus einem Data Warehouse als separaten Analysebereich bereit. Häufig findet man in der Praxis mindestens einen Cube pro Unternehmensabteilung (Finanzbuchhaltung, Verkauf, Produktion usw.). Die erfolgten Buchungen der jeweiligen Fachabteilungen stellen die Datengrundlage für die Ergebniswerte (Measures) dar.
Ein Finanz-Cube beispielsweise besteht in der Regel aus Sachbuchungen und Budgets mit ihren jeweiligen Beträgen im Soll und Haben als Budget oder Buchungsbetrag. Zur Filterung werden Dimensionen wie Sachkonten, Kostenstellen, Kostenträger oder das Buchungsdatum verwendet.
Während die Datengrundlage (Faktentabellen) in der Regel genau einem Cube zugeordnet ist, werden andere Dimensionen für verschiedene Cubes verwendet. Besonders deutlich wird dies bei Datums-Dimensionen. Hierbei handelt es sich um einen Kalender, der auch im Verkauf oder bei der Produktion erforderlich ist. Der Anwender erhält mit einem Cube ein klar definiertes Set aus Ergebniswerten und Dimensionen für seinen Auswertungsbereich.
Analysebereiche bereitstellen
Ein Cube stellt die verfügbaren Daten aus einem Data Warehouse als separaten Analysebereich bereit. Häufig findet man in der Praxis mindestens einen Cube pro Unternehmensabteilung (Finanzbuchhaltung, Verkauf, Produktion usw.). Die erfolgten Buchungen der jeweiligen Fachabteilungen stellen die Datengrundlage für die Ergebniswerte (Measures) dar. Ein Finanz-Cube beispielsweise besteht in der Regel aus Sachbuchungen und Budgets mit ihren jeweiligen Beträgen im Soll und Haben als Budget oder Buchungsbetrag. Zur Filterung werden Dimensionen wie Sachkonten, Kostenstellen, Kostenträger oder das Buchungsdatum verwendet. Während die Datengrundlage (Faktentabellen) in der Regel genau einem Cube zugeordnet ist, werden andere Dimensionen für verschiedene Cubes verwendet. Besonders deutlich wird dies bei Datums-Dimensionen. Hierbei handelt es sich um einen Kalender, der auch im Verkauf oder bei der Produktion erforderlich ist. Der Anwender erhält mit einem Cube ein klar definiertes Set aus Ergebniswerten und Dimensionen für seinen Auswertungsbereich.
Intuitive Analysen durchführen
Mit einem Cube können Mitarbeiter einer Fachabteilung intuitiv Auswertungen durchführen. Dank der klar definierten Analysebereiche kann jeder Endanwender seine eindeutig benannten Werte und Dimensionen intuitiv verstehen und selbstständig zu Auswertungen zusammenstellen.
Häufig wird Microsoft Excel verwendet, um Daten aus einer Cube-Datenbank darzustellen. Die verfügbaren Ergebniswerte und die zugeordneten Dimensionen werden dabei automatisch als mögliche Felder einer Pivot-Tabelle aufgeführt. Die Auswertung erfolgt genauso wie in einer Excel-Mappe. Statt der datenintensiven Berechnung in Excel werden die gewählten Dimensions- und Ergebniswerte hier jedoch performant aus der Cube-Datenbank abgerufen. Die Excel-Datei selbst bleibt dabei sehr schlank, da die Quelldaten hier nicht benötigt werden. Vorteil: Die Aktualisierung der Auswertung gelingt mit nur einem Klick binnen Sekunden.
Außer Excel gibt es zahlreiche weitere Anwendungen, die Cube-Daten darstellen können (z. B. Power BI, QlikView oder Tableau).
Intuitive Analysen durchführen
Mit einem Cube können Mitarbeiter einer Fachabteilung intuitiv Auswertungen durchführen. Dank der klar definierten Analysebereiche kann jeder Endanwender seine eindeutig benannten Werte und Dimensionen intuitiv verstehen und selbstständig zu Auswertungen zusammenstellen. Häufig wird Microsoft Excel verwendet, um Daten aus einer Cube-Datenbank darzustellen. Die verfügbaren Ergebniswerte und die zugeordneten Dimensionen werden dabei automatisch als mögliche Felder einer Pivot-Tabelle aufgeführt. Die Auswertung erfolgt genauso wie in einer Excel-Mappe. Statt der datenintensiven Berechnung in Excel werden die gewählten Dimensions- und Ergebniswerte hier jedoch performant aus der Cube-Datenbank abgerufen. Die Excel-Datei selbst bleibt dabei sehr schlank, da die Quelldaten hier nicht benötigt werden. Vorteil: Die Aktualisierung der Auswertung gelingt mit nur einem Klick binnen Sekunden. Außer Excel gibt es zahlreiche weitere Anwendungen, die Cube-Daten darstellen können (z. B. Power BI, QlikView oder Tableau).
Benutzerberechtigungen definieren
Mit einem Cube lässt sich die Zugriffsberechtigung auf Daten sehr detailliert definieren. Beispielsweise können Berechtigungen auf einzelne Cubes und auf ihre Dimensionswerte vergeben werden.
Die Berechtigung auf Cubes und damit auf einzelne Analysebereiche ist häufig als Einteilung bereits ausreichend. Beispiel: Die Mitarbeiter des Controllings dürfen die Finanzauswertungen sehen, die Mitarbeiter aus dem Lager haben hierauf jedoch keinen Zugriff. Es gibt aber auch Analysebereiche, die von mehreren Abteilungen ausgewertet werden.
Ein weiteres Beispiel aus der Praxis sind standortübergreifende Vertriebsauswertungen. Jeder Standort soll nur seine Daten auswerten, die Geschäftsführung darf jedoch alle Daten analysieren. Um das zu erreichen, werden Berechtigungen pro Dimensionswert der Standort-Dimension und automatisch bei der Benutzeranmeldung vergeben. Ein Mitarbeiter sieht so nur die Daten seines eigenen Standortes. Da alle Dimensionen durch den Cube miteinander verbunden sind, werden auch die weiteren Dimensionen wie Kunden oder Rechnungen nur für den betreffenden Standort aufgeführt.
Benutzerberechtigungen definieren
Mit einem Cube lässt sich die Zugriffsberechtigung auf Daten sehr detailliert definieren. Beispielsweise können Berechtigungen auf einzelne Cubes und auf ihre Dimensionswerte vergeben werden. Die Berechtigung auf Cubes und damit auf einzelne Analysebereiche ist häufig als Einteilung bereits ausreichend. Beispiel: Die Mitarbeiter des Controllings dürfen die Finanzauswertungen sehen, die Mitarbeiter aus dem Lager haben hierauf jedoch keinen Zugriff. Es gibt aber auch Analysebereiche, die von mehreren Abteilungen ausgewertet werden. Ein weiteres Beispiel aus der Praxis sind standortübergreifende Vertriebsauswertungen. Jeder Standort soll nur seine Daten auswerten, die Geschäftsführung darf jedoch alle Daten analysieren. Um das zu erreichen, werden Berechtigungen pro Dimensionswert der Standort-Dimension und automatisch bei der Benutzeranmeldung vergeben. Ein Mitarbeiter sieht so nur die Daten seines eigenen Standortes. Da alle Dimensionen durch den Cube miteinander verbunden sind, werden auch die weiteren Dimensionen wie Kunden oder Rechnungen nur für den betreffenden Standort aufgeführt.
Warum wir Microsoft-Produkte anbieten
Das Unternehmen Microsoft bietet eine sehr breite Palette an Softwareprodukten für Analyse, Reporting und Data Warehousing. Ein massiver Eckstein ist dabei der Microsoft SQL Server. Die darin enthaltenen Dienste “Datenbank, Integration Services, Analysis Services und Reporting Services” mit ihren jeweiligen Programmierumgebungen stellen dabei eine komplette BI-Suite bereit. Die native Anbindung an Excel durch Power Query und Analysis Services sowie die optimale Anbindung an Microsoft Power BI bieten hervorragende Analyse- und Visualisierungsmöglichkeiten.
Weiterhin kann die Produktpalette wahlweise on-premises, in der Cloud oder auch hybrid implementiert werden. Es überrascht daher nicht, dass die Microsoft Business-Intelligence-Produkte mit einigem Abstand als Marktführer eingestuft werden – ein Trend, der sich bereits seit mehreren Jahren fortsetzt.
Zuletzt bieten wir mit Jet Analytics auch ein Self-Service-BI-Werkzeug, mit dem das gesamte Microsoft BI-Angebot ohne Kenntnis der jeweiligen Programmiersprachen entwickelt werden kann.
Schlussfolgerung: Wir bieten Ihnen mit diesen Produkten preiswert professionelle und hochskalierbare BI, die Sie selbst jederzeit nach Bedarf erweitern können.
Warum wir Microsoft-Produkte anbieten
Microsoft bietet eine breite Palette an Softwareprodukten für Reporting, Analyse und Data Warehousing. Ein wesentlicher Eckstein ist dabei der Microsoft SQL Server. Die vier darin enthaltenen Dienste Datenbank, Integration Services, Analysis Services und Reporting Services mit ihren jeweiligen Programmierumgebungen stellen bereits eine komplette BI-Suite bereit. Die native Anbindung an Excel mittels Power Query und Analysis Services sowie die optimale Anbindung an Microsoft Power BI bieten zudem hervorragende Analyse- und Visualisierungsmöglichkeiten. Darüber hinaus kann die gesamte Produktpalette wahlweise on-premises, in der Cloud oder sogar hybrid implementiert werden. Es verwundert daher nicht, dass die Business-Intelligence-Produkte von Microsoft mit einigem Abstand zu den Mitbewerbern als Marktführer eingestuft werden – ein Trend, der sich bereits seit Jahren fortsetzt. Last, but not least bieten wir mit Jet Analytics ein Self-Service-BI-Werkzeug, mit dem das gesamte BI-Angebot von Microsoft ohne Kenntnis der jeweiligen Programmiersprachen entwickelt werden kann. Fazit: Mit diesen Produkten bieten wir Ihnen preiswert professionelle und hochskalierbare BI, die Sie selbst jederzeit erweitern können.