Sinnbildlich blind im Nebel herumstochern – das bringt auf Dauer keinen Erfolg. Deshalb ist es für Unternehmen im Gesamten sowie für einzelne Abteilungen eminent wichtig, mit Daten und Fakten zu arbeiten. Mit der Erhebung, Verarbeitung und Analyse von Kennzahlen können Sie beispielsweise Ihren digitalen Vertrieb verbessern, indem Sie zielgerichtet auf die Wünsche Ihrer Kundschaft eingehen.

Download: Vorlage für Vertriebsprognosen

Um diese Wünsche besser erkennen zu können, benötigen Sie BI-Tools. Und diese basieren auf OLAP-Technologien. Was die einzelnen Fachbegriffe bedeuten und wie sie zusammenhängen, erklären wir in diesem Beitrag.

Vom Excel-Sheet zum Online Analytical Processing

Wann haben sich welche Produkte wie oft verkauft? Wenn Sie sich diese Frage stellen und vielleicht einen kleinen Onlinehandel betreiben, blicken Sie wahrscheinlich in eine Excel-Liste. Das mag praktisch sein, hat aber einen großen Nachteil: Die abgelegten Daten lassen sich nur in zwei Dimensionen darstellen, zum Beispiel in Absatzzeitraum (X-Achse) und die verkaufte Menge eines Produktes (Y-Achse).

Möchten Sie weitere Aspekte hinzu nehmen, um sie auszuwerten, zum Beispiel ergänzende Produkte und einzelne Kundensegmente, benötigen Sie zusätzliche Dimensionen. Hier kommen Tools wie Excel schnell an ihre Grenzen.

Die Lösung dafür sind OLAP-Systeme, die große Mengen an Daten in mehreren Dimensionen verwalten können. Deshalb spricht man auch von OLAP Cubes (zu Deutsch: OLAP-Würfel). Wobei der Begriff nur zum Teil stimmt, denn es sind auch mehr als nur drei Dimensionen möglich.

Die OLAP-Technologie ist die Basis für die Business Intelligence (BI). Bei dieser Analyse werden aus gigantischen Datenmengen (Stichwort Big Data) nützliche Informationen extrahiert, um Geschäftsprozesse und Strategien anzupassen.

Was unterscheidet OLAP von OLTP?

OLAP und OLTP sind ähnlich klingende Begriffe, trotzdem sollten Sie sie nicht verwechseln. OLTP ist eine Abkürzung für Online Transaction Processing, was übersetzt so viel wie Online-Transaktionsverarbeitung bedeutet. Genauer beschreibt es die synonyme Bezeichnung Echtzeit-Transaktionsverarbeitung.

OLTP-Systeme beziehen sich auf aktuelle Datensätze, die Ihnen quasi „live“ zur Verfügung stehen und die Sie analysieren können. OLAP funktioniert oft zusammen mit einem Data Warehouse, einer Datensammlung aus verschiedenen Quellen. Diese lagert unter Umständen die relevanten Daten in sogenannte Data Marts aus, worauf das OLAP-System über Abfragen zugreift und einen „Datenwürfel“ erstellt.

Das bedeutet: OLAP kommt zum Einsatz, wenn Sie große Datenmengen analysieren wollen. Das kostet Rechenpower und Zeit, weshalb es zu keiner Echtzeitverarbeitung wie bei OLTP kommt.

OLAP-Server und ihre Bedeutung

Die Datenlager, auf die eine OLAP-Datenbank zugreift, liegen nicht auf der Festplatte Ihres stationären Computers. Stattdessen handelt es sich um einen oder mehrere Server, die an eine Vielzahl an Systemen angeschlossen werden, beispielsweise an das Data Warehouse oder an ein ERP-System.

Zudem gilt: OLAP-Server ist nicht gleich OLAP-Server. In der IT gibt es unterschiedliche Formen, unter anderem ROLAP, MOLAP, HOLAP und DOLAP

Was bedeuten ROLAP, MOLAP, HOLAP und DOLAP?

Die verschiedenen Bezeichnungen stehen für:

  • ROLAP: Das Relational OLAP basiert auf einer relationalen Datenbank.

  • MOLAP steht für Multidimensional OLAP, dessen Basis eine multidimensionale Datenbank ist.

  • Hybrid OLAP, kurz HOLAP, stellt eine Mischung aus MOLAP und ROLAP dar.

  • Beim Desktop OLAP (DOLAP) befinden sich gewisse Basisdaten auf Ihrem Computer.

Jede OLAP-Variante besitzt ihre ganz individuellen Vor- und Nachteile. So lassen sich ROLAP-Systeme beispielsweise besser skalieren, dafür sind sie nicht so schnell wie eine MOLAP-Architektur.

Data Cube: Wie Sie mit dem OLAP-Würfel arbeiten können

Wenn Sie Analysen durchführen, zum Beispiel in Ihrer Vertriebsabteilung, benötigen Sie nicht immer das „Big Picture“. Vielmehr möchten Sie einzelne Ausschnitte des großen Ganzen untersuchen, um Rückschlüsse daraus zu ziehen.

Kein Problem, denn beim OLAP Cube können Sie verschiedene Operationen durchführen: 

  • Slicing: Sie „schneiden“ ein dünnes Stück mit zwei Dimensionen aus dem Würfel heraus, um sich auf eine Information zu fokussieren. Zum Beispiel betrachten Sie nur alle Daten für ein Produkt oder für ein Geschäftsjahr.

  • Beim Dicing nehmen Sie ein drei- oder mehrdimensionales Stück aus dem gesamten Würfel, bei dem Sie aber die Grenzen verkleinern. Beispielsweise interessieren Sie sich nicht für sämtliche Produkte und die Verkaufsdaten in allen Regionen, sondern beschränken sich auf wenige Produkte und ein fest definiertes Gebiet wie Europa.

  • Mit dem Drill-Down gehen Sie in die Tiefe Ihres Data Cubes beziehungsweise Ihres Datenwürfels. Sie wechseln zum Beispiel von der Jahresansicht auf die Monats- oder Tagesansicht.

  • Das Drill-Up oder Roll-Up ist das Gegenteil des Drill-Downs: Sie wechseln sinnbildlich in die Vogelperspektive: Sie lassen sich bei Ihrem Würfel beispielsweise nicht die Vertriebszahlen einer Stadt, sondern die eines Landes oder eines Kontinents anzeigen.

Das sollten Sie bei einer OLAP-Einführung beachten

Auf dem Markt gibt es verschiedene OLAP-Lösungen von großen Anbietern wie IBM, Microsoft und SAP. Informieren Sie sich einerseits genau über die Funktionen, die Bedienung und die Kosten. Andererseits gilt es, auf die Performance und Skalierbarkeit zu achten: Ein System, das bei einem kleinen Unternehmen aufgrund der recht geringen Anfragen binnen Sekunden die Reports „ausspuckt“, sollte bei einem Unternehmenswachstum nicht Stunden benötigen, sondern ähnlich leistungsfähig bleiben.

Und machen Sie sich genau klar, wofür Sie aktuell ein Online Analytical Processing benötigen, und welche Herausforderungen in zwei, fünf oder gar zehn Jahren auf das OLAP-System zukommen. Denn wegen der Digitalisierung wächst der „Big-Data-Datenberg“ rasant an.

Geschäftsmann mit Geld in beiden Händen

Titelbild: TCmake_photo / iStock / Getty Images Plus

Ursprünglich veröffentlicht am 28. Juli 2021, aktualisiert am Juli 28 2021

Themen:

Digitalisierung