OLAP-Würfel

Schematisches Beispiel eines Dimensionswürfel mit drei Dimensionen (Data Cube)

Ein OLAP-Würfel oder Datenwürfel (englisch OLAP cube oder Data Cube), auch Cube-Operator genannt, ist ein in der Data-Warehouse-Theorie gebräuchlicher Begriff zur logischen Darstellung von Daten. Die Daten werden dabei als Elemente eines mehrdimensionalen Würfels (engl. cube) angeordnet. Die Dimensionen des Cubes beschreiben die Daten und erlauben auf einfache Weise den Zugriff. Daten können über eine oder mehrere Achsen des Würfels ausgewählt werden. Die Bezeichnung OLAP (Online Analytical Processing) stammt aus der Datenanalyse.

Diese Art der Darstellung ist für die Analyse von Daten von Vorteil, da auf verschiedene Aspekte (Dimensionen) der Daten auf gleiche Weise zugegriffen wird. Daher auch der Einsatz bei OLAP-Anwendungen, die die Daten in einem Data-Warehouse analysieren oder visuell aufbereiten.

Grundoperationen

Beispiel für Slicing

Beispiel für Dicing

Beispiel für Pivoting

Beispiel für Drill-Down

• Slicing: Ausschneiden von Scheiben aus dem Datenwürfel
• Dicing: Gleichzeitige Slicing-Vorgänge in unterschiedlichen Dimensionen. Hierbei wird ein kleinerer Würfel erzeugt, der einen Teilbereich des Gesamtwürfels enthält.
• Pivoting / Rotation: Drehen des Datenwürfels, so dass mindestens eine andere Dimension sichtbar wird
• Drill-Down: Aggregationen eines Informationsobjekts auf detaillierte Werte herunterbrechen; „Hereinzoomen“
• Drill-Up/Roll-Up: Gegenoperation zu Drill-Down; Verdichten auf höhere Hierarchiestufe (zum Beispiel von der Monats- auf die Jahressicht)
• Drill-Across: Dimension auf der gleichen Hierarchiestufe; Betrachtung der benachbarten Dimensionselemente (andere Region, anderes Produkt, anderer Monat)
• Drill-Through / Drill-In: Verfeinerung bis auf höchsten Detaillierungsgrad (z. B. Stammdatensatz, Transaktionsbeleg)
• Split: Der Split Operator ermöglicht es einen Wert nach weiteren Dimensionen weiter aufzuteilen um weitere Detailstufen zu erreichen (z.B. Beispielsweise den Umsatz einer Filiale für eine bestimmte Menge von Produkten)
• Merge: Im Gegensatz zu Split wird hier die Granularität durch das Entfernen zusätzlicher Dimensionen wieder verringert.

Beispiel

Cubes kommen häufig bei der Analyse von Unternehmensdaten zum Einsatz, beispielsweise Umsätze, Lagerbestände und Verkäufe. Zu den Dimensionen, die hier wichtig sein können, zählen beispielsweise Zeit, Filiale, Verkäufer und Produkt.

Der Cube stellt also die Daten (auch Fakten genannt) Umsatz, Lagerbestand, Verkäufe abhängig von den Dimensionen Zeitraum, Filiale, Verkäufer, Kunde und Produkt dar.

Es lassen sich somit sehr leicht die folgenden Fragen beantworten:

• Wie viel Kaffee wurde vergangene Woche in der Filiale Marburg verkauft?
• Wie viel Kaffee befindet sich dort im Lager?
• Welcher Verkäufer hat den meisten Kaffee verkauft?
• Welche Filiale hat vergangenes Jahr den meisten Umsatz gemacht?

Technische Umsetzung

Die Daten werden multidimensional (MOLAP), relational (ROLAP) oder in Hybrid-Konfiguration (HOLAP) gespeichert. Einige Systeme laden die Daten bei der Initialisierung komplett in den Hauptspeicher, um schnelle Zugriffe zu ermöglichen. In der Regel ist der Würfel „dünn besetzt“ (englisch sparse), das heißt, die allermeisten möglichen Intersektionen im Würfel sind nicht mit Zahlen belegt. Der Umgang einer Software mit diesen Teilen des Würfels trägt entscheidend zum Speicherbedarf und zur Performanz des jeweiligen Systems bei.

Für relationale Systeme ist der Einsatz eines Sternschemas typisch. Dabei wird eine Trennung in eine Faktentabelle und mehrere darum gruppierte Dimensionstabellen vorgenommen.