Anfrageoptimierung in Data-Warehouse-Systemen
Wer im voraus weiß, was gefragt wird, hat eine schnelle und präzise Antwort parat und muss sein Gedächtnis nicht mit überflüssigen Informationen belasten. Nach diesem Prinzip funktioniert eine neue Methode, welche die Leistungsfähigkeit von Data-Warehouse-Systemen steigert und effizientere Möglichkeiten der Verarbeitung und Auswertung von Daten bereitstellt. Die Forschungsergebnisse aus einem DFG-geförderten Projekt von Prof. Dr. Hartmut Wedekind, der bis 2001 den Lehrstuhl für Datenbanksysteme der Universität Erlangen-Nürnberg leitete, sind in Zusammenarbeit mit den GfK Marketing Services in Nürnberg an Problemstellungen getestet und konkretisiert worden, die in der Handelsforschung im Bereich technischer Gebrauchsgüter auftreten.
Das neue Verfahren bekommt diese Komplexität durch Aggregation und Kategorisierung von häufig wiederkehrenden Abfragekomplexen in den Griff. Datenausschnitte, die das Anfrageverhalten bestmöglich widerspiegeln, werden ausgewählt, vorberechnet und in den Speicher überführt. Durch die Beschränkung auf solche Daten ist dafür gesorgt, dass kein Speicherplatz verschwendet wird. Da es sich um ein selbstlernendes System handelt, reagiert es auf das Verhalten der Nutzer und stellt sich darauf ein. Aggregate und Kategorien werden also laufend neu definiert.
Weitere Informationen
Prof. em. Dr. Hartmut Wedekind
Tel.: 09131/85 -27893
hartmut.wedekind@
informatik.uni-erlangen.de
Weitere Informationen:
http://www.uni-erlangen.de/infocenter/presse/pressemitteilungen/forschung_2003/05/663datawarehouse.shtml