OLAP-Würfel

Ein OLAP-Würfel ordnet Kennzahlen nach mehreren Dimensionen. Sie können dieselbe Umsatzsumme nach Monat, Region oder Produktgruppe betrachten und auf eine Kombination eingrenzen. Der Würfel ist ein logisches Modell der Analyse: Die Darstellung als dreidimensionaler Kasten hilft beim Verstehen, begrenzt das Modell aber nicht auf drei Dimensionen. Microsoft beschreibt multidimensionale Modelle als Kombination aus Dimensionen und Measure-Gruppen. Quelle: Microsoft Learn.

Zehn Aufträge als Ausgangspunkt

Für das Beispiel verwenden wir bewusst erfundene Daten. Jede Zeile entspricht genau einem Auftrag; angegeben ist der Nettoumsatz in Euro. Es gibt keine Stornos, Währungswechsel oder nachträglichen Korrekturen. Damit sind alle Ergebnisse nachrechenbar, ohne implizite Buchungsregeln erraten zu müssen.

Dimensionen sind hier Monat, Region und Produktgruppe. Ihre Ausprägungen heißen Dimensionsmitglieder: „Nord“ ist ein Mitglied der Region. Die Kennzahl ist Umsatz; die Aggregationsregel lautet Summe. Die gewählte Granularität ist ein Auftrag je Zeile. Ein echter Betrieb müsste zusätzlich festlegen, welches Datum den Monat bestimmt – Bestell-, Rechnungs- oder Leistungsdatum. Attribute und Hierarchien bilden die Navigationswege einer Dimension. Quelle: Microsoft Learn zu Dimensionen.

So entsteht eine Zelle des Würfels

Eine Zelle wird durch die Kombination der Dimensionswerte und einer Kennzahl bestimmt. Wählen Sie Januar + Nord + A, zählen Auftrag 1 mit 100 € und Auftrag 5 mit 60 €. Der Zellenwert ist 160 €. Für Februar + Süd + B addieren sich Auftrag 9 mit 40 € und Auftrag 10 mit 30 € zu 70 €. So lässt sich jede weitere Zelle unmittelbar auf ihre Ursprungszeilen zurückführen. Microsoft beschreibt Measures als kontextabhängige Werte, die entlang der gewählten Dimensionen aggregiert werden. Quelle: Microsoft Learn zu Measures.

Eine zweidimensionale Ansicht des dreidimensionalen Modells entsteht, wenn Sie die Produktgruppen zusammenfassen:

Die Kontrollrechnung funktioniert in beide Richtungen: 410 € + 340 € = 750 € und 400 € + 350 € = 750 €. Die Werte 240 € und 170 € im Januar ergeben 410 €. Dass beide Summen übereinstimmen, setzt voraus, dass jeder Auftrag genau einer Region und einem Monat zugeordnet ist. Bei überlappenden Gruppen wäre das nicht selbstverständlich.

Slice, Dice, Roll-up, Drill-down und Pivot am Beispiel

Slice: Sie fixieren einen Wert einer Dimension, etwa Februar. Übrig bleiben fünf Aufträge mit 340 €. Innerhalb dieses Ausschnitts entfallen 160 € auf Nord und 180 € auf Süd. Die entfernte Dimension ist weiterhin als Filter wirksam; sie wird nicht „vergessen“.

Dice: Sie filtern mehrere Dimensionen zugleich, etwa Januar, Nord und Gruppe A. Ergebnis sind Auftrag 1 und 5 mit zusammen 160 €. Ein Dice kann auch mehrere Werte je Dimension umfassen. Entscheidend ist der gewählte Teilraum, nicht eine fest definierte Zahl von Filtern.

Roll-up: Sie verdichten entlang einer Hierarchie. Aus Januar (410 €) und Februar (340 €) wird hier der gemeinsame Zeitraum (750 €). Für einen tatsächlichen Jahres-Roll-up bräuchten Sie natürlich alle Monate des Jahres; das Beispiel enthält nur zwei. Gleiches gilt für die regionale Verdichtung von Nord (400 €) und Süd (350 €) zum Gesamtwert.

Drill-down: Sie gehen von einer höheren zu einer feineren Ebene. Aus „alle Regionen: 750 €“ werden Nord 400 € und Süd 350 €. Das Oracle-Glossar definiert Drill-down als Aufklappen zu den untergeordneten Werten einer Hierarchie. Quelle: Oracle OLAP Glossary. Der Sprung von einer aggregierten Zelle zu den zugrunde liegenden Aufträgen heißt dagegen Drill-through. Er benötigt erhaltene Detaildaten und einen dafür vorgesehenen, berechtigten Zugriffspfad. Quelle: Microsoft zu Drill-through.

Pivot: Sie tauschen die Ansicht. Statt Monaten in Zeilen und Regionen in Spalten können Regionen in Zeilen und Monate in Spalten stehen. Die vier Zellenwerte – 240 €, 170 €, 160 € und 180 € – ändern sich dadurch nicht. Pivot ist eine andere Präsentation derselben Auswertung, keine Neuberechnung des Geschäftsereignisses.

Muss der Würfel als fertige Tabelle gespeichert sein?

Nein. Die logische Frage „Umsatz nach Monat und Region“ sagt noch nichts darüber, ob alle Kombinationen vorab berechnet wurden. Ein multidimensionales System kann Aggregate vorbereiten und in eigenen Strukturen speichern. Ein tabellarisches Modell kann Measures aus Tabellen und Beziehungen berechnen. Eine analytische Datenbank kann die Gruppierung direkt aus Detailzeilen bilden. Microsoft trennt ausdrücklich multidimensionale Modelle mit Cubes von tabellarischen Modellen. Quelle: Microsoft Learn zum Modellvergleich.

Die klassischen Begriffe MOLAP, ROLAP und HOLAP beschreiben Speicheroptionen bestimmter multidimensionaler Systeme: multidimensional gespeicherte Detaildaten und Aggregate, relationale Speicherung oder eine Mischform mit relationalen Details und multidimensionalen Aggregaten. Sie sind kein allgemeines Etikett für jede moderne OLAP-Engine. Wann Daten frisch sind, hängt zusätzlich von Verarbeitung, Cache und Datenzufuhr ab. Quelle: Microsoft Learn zu Partitionsspeichern.

Wer eine technische Lösung auswählen muss, sollte deshalb erst das Abfragemuster beschreiben: Welche Dimensionen, wie viele Detailzeilen, welche Aktualisierungsfrist und wie viele gleichzeitige Abfragen? Der OLAP-Datenbanküberblick behandelt die Produktauswahl. Der Würfel erklärt das Modell; die Datenbank muss die gewählte Arbeitslast tragen.

Drei Stolperfallen bei echten Kennzahlen

Erstens: Granularität. Wenn jeder Auftrag mehrere Positionszeilen hat, verdoppelt ein Join mit Kundendaten oder Zahlungsereignissen womöglich Beträge. Vor dem Aggregieren muss klar sein, welche Zeile genau einen Geschäftsvorfall repräsentiert. Zweitens: Additivität. Der Umsatz unseres Beispiels lässt sich über disjunkte Regionen und Monate summieren. Ein Lagerbestand am Monatsende oder ein Kontostand ist über Zeit nicht einfach additiv. Microsoft nennt den Kontostand als Beispiel einer nur über bestimmte Dimensionen sinnvoll summierbaren Kennzahl. Quelle: Microsoft Learn.

Drittens: Historisierung. Falls sich eine Region, Kategorie oder Kundenbezeichnung ändert, brauchen Sie eine Regel: Soll der alte Auftrag in der damaligen oder heutigen Zuordnung erscheinen? Ohne diese Entscheidung können zwei korrekte Abfragen unterschiedliche Geschäftsfragen beantworten. Der Würfel nimmt sie Ihnen nicht ab. Ebenso garantiert ein Würfel keine Echtzeit: Zwischen Buchung, Datenübernahme und Aufbereitung kann bewusst eine Verzögerung liegen. Den Unterschied zwischen analytischer und operativer Verarbeitung erläutert OLAP vs. OLTP.

Das wichtigste Ergebnis des Beispiels ist daher nicht die 750-€-Summe allein. Es ist die überprüfbare Verbindung zwischen Quellzeile, Kennzahlendefinition, Dimensionsfilter und Ergebnis. Wer diese Kette zeigen kann, hat eine belastbarere Analyse als jemand, der nur einen schnell ladenden Bericht vorführt.