A+ A A-

Data Vault - Datenmodellierung noch notwendig?

Wie bereits in meinem Blogpost Modellierung oder Business Rule beschrieben ist es notwendig sich bei der Datenmodellierung über Geschäftsobjekte, die Wertschöpfungskette, fachliche Details und die Methodik des Modellierens einige Gedanken zu machen.

Oder doch nicht? Kann ich mit Data Vault einfach loslegen? Schließlich ist Data Vault auf den ersten Blick ganz einfach. Drei Objekte: HUBs, LINKs und SAT(elliten), einem einfachen Vorgehensmodell und ein paar wenige Regeln. Brauche ich für Data Vault noch die Datenmodellierung?

In vielen Gesprächen, die ich in den letzten Monaten führte, könnte man glatt den Eindruck bekommen, dass mit Data Vault in der Tat die Datenmodellierung nicht mehr notwendig ist. Es ist jetzt „ja alles so einfach und klar“. Richtig? Nein!

Nochmal: Brauche ich für Data Vault noch die Datenmodellierung?

Ja, Datenmodellierung ist nicht optional! Datenmodellierung ist auch unabhängig von der Modellierungsmethode: 3NF, Dimensional oder Data Vault.

Datenmodellierung ist Design, Freiheit und Kreativität. So entsteht ein bestmögliches Abbild der Anforderungen und der Realität in einem Datenmodell. Zeit in das Datenmodell zu investieren zahlt sich im Verlauf des Data Warehouse Projektes mehrfach aus. Das Datenmodell hat großen Einfluss auf die Entwicklung, die Nutzbarkeit und die Qualität des zu bauenden Data Warehouse.

Was aber ist Datenmodellierung? Datenmodellierung ist

  • Die Fähigkeit zur Kommunikation (mit den Fachbereichen, op. Bereichen, etc.)
  • Die Vollständigkeit, Redundanzfreiheit, Wiederverwendbarkeit, Stabilität, Performanz und Flexibilität sowie die Anwendung von Business Rules im Datenmodell.
  • Ein konzeptuelle, logische und physische Datenmodell
  • Das Vorgehen zur Normalisierung und Denormalisierung
  • Die Anwendung der Entity-Relationship Methode
  • Das Modelleiren von Subtypes und Supertypes
  • Das Wissen über Attribute und Spalten
  • Die Unterscheidung aller Arten von Keys
  • Die Organisation der Datenmodellierungsaufgaben
  • Zu wissen, was zeitabhängige Daten sind

Und vieles mehr.

Einfach Data Vault zu verstehen reicht also nicht aus. Die Grundlagen der Datenmodellierung sind ein essentieller Teil um gute und nachhaltige Datenmodelle mit Data Vault zu erstellen.

Dazu gehören zum Beispiel die Business Key Integration verschiedener Quellen über Sub- und Supertyping, Bi-Temporale Historisierung und die Entscheidung über den richtigen Business Key oder Design von SAT(elliten).

So long,

Euer Dirk

Kommentar schreiben


Sicherheitscode
Aktualisieren

Soziale Netze

Super Charge y DW

Super Charge Your Data Warehouse

Do You Know If Your Data Warehouse Flexible, Scalable, Secure and Will It Stand The Test Of Time And Avoid Being Part Of The Dreaded "Life Cycle"? The Data Vault took...

DB2 for Linux on S/390

e-Business Intelligence: Leveraging DB2 for Linux on S/390

Im Jahr 2001 hatte ich die große Chance an einem Redbook bei IBM mitzuschreiben. Was für eine tolle Sache! Ich habe nicht lange überlegt, sondern sofort zugestimmt. Das Thema war, die...

Agile DWH

Modeling the Agile Data Warehouse with Data Vault

Dieses Buch ist ein MUSS für alle, die an Data Vault interessiert sind und auch für alle die sich für Business Intelligence und (Enterprise) Data Warehouse begeistern. Es ist aus...

Meine Tweets

DV_Modeling
DV_Modeling @srobijns Wow, have fun!
06:09PM May 25
DV_Modeling
DV_Modeling @RonaldDamhof I'll do :-)
05:06PM May 25
DV_Modeling
DV_Modeling @RonaldDamhof sigh, another cliffhanger... Ronald, we need a long session housekeeping cliffhangers
04:19PM May 25
DV_Modeling
DV_Modeling Greetings to all at the #WWDVC at Vermont! Guys have fun and tweet! I'll follow the Tweettimeline! // @dlinstedt
01:16PM May 25

Sign In or Create Account