/

SSAS (SQL Server Analysis Services)

Definition:

SSAS (SQL Server Analysis Services)

Inhalt

SSAS (SQL Server Analysis Services) ist die Datenanalyse-Komponente des Microsoft SQL Servers. Gemeinsam mit den SSIS (SQL Server Integration Services) und den SQL Server Reporting Services (SSRS) sind die SSAS Teil einer umfassenden Datenlösung für Business Intelligence. SSAS-Operationen spielen eine unverzichtbare Rolle für den strategischen Umgang mit Big Data und bei der datengestützten Entscheidungsfindung.

Definition: Was ist SSAS (SQL Server Analysis Services)?

In der Umgebung des Microsoft SQL Servers fungieren SQL Server Analysis Services als analytisches Datenmodul und Data Mining Tool. Sie sind damit die analytische Schnittstelle zwischen unterschiedlichsten Daten aus verschiedenen Datenquellen und den daraus resultierenden Weiterverarbeitungsmöglichkeiten in Visualisierungen, Reportings (Berichten) und Softwarediensten wie Power BI. SSAS beruht auf zwei Arten der Datenspeicherung bzw. Datenanalyse:

  1. Multidimensionales Modell: Speicherung von Daten als Datenpunkte für Analysen in OLAP Cubes (Online Analytical Processing Cubes)
  2. Tabulares Datenmodell: Speicherung von Daten als (relationale) Datensätze in Tabellenform

Gerade diese Kombination zweier Herangehensweisen an die Analyse von Daten macht SSAS zu einer sehr beliebten und leistungsfähigen Lösung für jede Art von Unternehmen, Aufgabe und Anwendung.

Welche SSAS-Modelle gibt es?

Über die SQL Server Management Studio (SSMS) können Benutzer:innen mühelos auf SSAS zugreifen, Einstellungen anpassen und Änderungen vornehmen. Die Konfiguration von SSAS beginnt oft mit der Erstellung einer XML-Datei, in der die erforderlichen Einstellungen und Schritte festgelegt werden. Durch diese Strukturierung der Datenverarbeitung können Unternehmen die Leistung ihrer Analysen optimieren.

Mit der Art und Weise, wie Daten in einer Datenbank gespeichert werden, gibt das System bereits vor, welche Operationen sich mit den Daten durchführen lassen. Daraus ergibt sich häufig ein Widerspruch aus Analyseoffenheit und Komplexität. SSAS überwindet diesen Widerspruch durch die Verwendung zweier Datenbank-Technologien:

1. Multidimensionales Modell

  • Daten werden als singuläre Datenpunkte gespeichert
  • Beruht auf OLAP Cubes (Online Analytical Processing Cubes) und Dimensionen
  • Datenwürfel sind aus unterschiedlichsten Perspektiven und in verschiedenen Relationen gleichzeitig betrachtbar
  • Beschleunigt jede Form der Datenanalyse und erlaubt Abfragen, die sich sonst nur mühsam und mit Zwischenschritten abbilden ließen
  • Wird am häufigsten in Datenbanken angewandt und bietet die meisten Analysemöglichkeiten sowie Funktionalitäten
  • Benötigt entsprechendes Wissen im Umgang mit Analysetools und ihrer Einsatzfähigkeit

Für schnelle und einfache Analysen in endnutzerorientierten Business Intelligence-Tools ist das multidimensionale Datenmodell eher untauglich.

2. Tabulares Modell

  • Daten werden als Datensätze in tabellarischer Form (Zeilen und Spalten) gespeichert
  • Vergleichsweise neue Technologie
  • Beziehungen der Daten sind weniger dimensionsreich
  • Wesentlich zugänglicher für viele Analyseprojekte und Abfragen
  • Verbindet die einfache Systematik von Excel mit komplexen BI-Anforderungen

Die Ergebnisse bleiben stärker an der Oberfläche und reichen für komplexe Funktionen und Abfragen nicht aus.

Fachbegriffe rund um SSAS – MOLAP, ROLAP, UDM & Co.

Die wichtigsten Begriffe im Umfeld von SSAS sind:

  • OLAP: Online Analytical Processing – grundlegende Analysemethode mit vorher festgelegtem Analysehorizont bzw. Abfrage nach bestimmten Werten
  • Cube: (Daten-)Würfel – Dreidimensionales Beziehungsmodell einzelner Datenpunkte; vorstellbar als Rubik-Würfel
  • ROLAP: Relational OLAP – relationale Datenbank
  • MOLAP: Multidimensional OLAP – multidimensionale Datenbank (mehrdimensionales Modell)
  • UDM: Unified Dimensional Model – Metadata-Repository; allgemein Ausdruck der besonderen Mischform von SSAS. Das UDM kombiniert Daten aus verschiedenen Datenquellen in einem zentralen Datenmodell
  • MDX: Multidimensional Expression Language – SSAS-Abfragesprache mit weitreichenden Möglichkeiten (Abfragen aus mehrdimensionalen Objekten)
  • DAX: Data Analysis Expression Language – Analysesprache mit Operatoren für Endanwender:innen in BI-Systemen
  • XMLA: XML for Analysis – ein XML-basiertes Protokoll, das zum Austausch von Analysedaten zwischen verschiedenen Anwendungen verwendet wird

Welche Vorteile bietet SSAS?

Mit der mehrschichtigen Umsetzung sinnvoller Analysemethoden bzw. Datenrelationen ist SSAS eine All-in-One Lösung für die unterschiedlichsten Rollen, Projekte und Abteilungen in Unternehmen. Wer als Endanwender:in schnelle Datenanalysen mit möglichst geringer Fachkenntnis zu Datenbanken umsetzen will, kann dies genauso tun wie ein versierter IT-Experte.

SSAS arbeitet nahtlos mit Dashboards verschiedener BI-Lösungen zusammen und ist gleichzeitig genauso reibungslos in den gesamten Workflow aller Elemente des Microsoft SQL Servers integriert (zum Beispiel Azure Data Studio). Prozesse wie das Bereitstellen des Datenmodells sowie die Zuweisung von Berechtigungen für einen umfangreichen Zugriff auf Daten sind schnell und einfach möglich.

SSAS ist kompatibel mit multidimensionalem OLAP (MOLAP), relationalem OLAP (ROLAP) und dem hybriden Modus (HOLAP), welcher eine Mischform aus den beiden Speichertechnologien darstellt. Zudem ist die tabellarische Datenmodellierung anwendbar, die Daten in miteinander verknüpften Tabellen strukturiert.

Ein weiterer Vorteil der SQL Server Analysis Services ist, dass sie die Erstellung von Ad-hoc-Reports ermöglichen. Analyseergebnisse lassen sich schnell und einfach zur weiteren Verarbeitung exportieren.

Insgesamt bildet SSAS eine solide Basis für Business Intelligence. Unternehmen wird ermöglicht, umfassende Analysen durchzuführen, Geschäftsdaten effizient zu verwalten und wichtige Erkenntnisse für fundierte Entscheidungen zu gewinnen.

Sie haben weitere Fragen?

Sprechen Sie jetzt mit unserem Cloud Analytics Experten und wir zeigen Ihnen, wie Sie Ihr Unternehmen auf die nächste Stufe bringen können.

Dürsin Kurt
CEO Cloud Analytics