Data Warehousing & Data Mining

Die Kombination von Daten aus unterschiedlichen Quellen (Data Warehhouse) sowie die darauf aufbauende Gewinnung von neuen Informationen durch Filterung, Verdichtung und Extraktion von Zusammenhängen (Data Mining) ist eine Aufgabe, die in vielen Anwendungsgebieten besteht.Einen wichtigen Beitrag hierzu müssen Methoden und Techniken aus dem Datenbank – und Data Mining – Bereich leisten.Die Diplomarbeit soll den aktuellen Forschungsstand und wichtige Anforderungen beschreiben und mögliche Entwicklungseinrichtungen diskutieren. Theoretische Grundlagen: DefinitionUnterschied OLTP – OLAPAnwendungsbereicheArchitektur eines Data Warehouse – SystemsPhasen des Data Warehousing (mit Data Mining Verfahren)Festlegung der Anforderungen und Definition des DatenmodellsBestimmung und Analyse der DatenquellenBestimmung der Transformationen und IntegrationenErzeugen der Metadaten (Vergleich ROLAP, MOLAP)Physische Erzeugung des Data Warehouse und Füllen mit DatenGenerierung der BenutzeranwendungenOptimierungsstrategien Einsatz in der Praxis: Data Warehouse Möglichkeiten unter OracleUntersuchung mindestens eines weiteren häufig verwendeten Data Warehouse-Systems (z.B. unter SQL – Server)Vergleich der Möglichkeiten anhand eines umfassenden Beispiels beginnend bei der Extraktion über die Transformation bis zur Datenanalyse

The combination of data from different sources (Data Warehouse) and the extraction from new information by filtering, compression and extraction of coherences is an important exercise in many ranges of applications.Another important contribution should contain some different Data Mining technologies.The degree dissertation should describe the current state of research and some important requirements and discuss possible development facilities. Theoretical fundamentals: DefinitionDifference between OLTP and OLAPRange of applicationArchitecture of a typical Data Warehouse SystemPhases of Data Warehousing (with Data Mining methods)Determination of requirements and definition of the data modelAppointment and analysis of data originsAppointment of transformation and integrationProducing of Metadates (Comparison between ROLAP and MOLAP)Physical generation of a Data Warehouse and data storing Generation of the user applicationStrategies of optimization Employment in practise: Data Warehouse possibilities among OracleAnalysis of one another Data Warehouse System at least (e.g. SQL Server or IBM DB2)Compare the possibilities by means of an comprehensive example beginning with the extraction, the transformation and the data analysis