A+ A A-

Data Vault - Datenmodellierung noch notwendig?

  • Kategorie: Data Vault
  • Geschrieben von Dirk Lerner
  • Zugriffe: 1599

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

Newsletter

Subscribe to the newsletter and never miss a blogpost or news!
captcha 

Soziale Netze

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...

Meine Tweets

DV_Modeling
DV_Modeling Interessantes #Event in #Frankfurt am Main: TDWI Roundtable Frankfurt - xing.com/r/z5FA2
11:51AM Aug 30
tombreur
tombreur BI requirements are fickle, therefore your data modeling should cater to anticipated change: tombreur.files.wordpress.com/2016/06/lean-data-modeling-the-art-of-mitigating-risk-for-changing-requirements-201607.pdf
12:17PM Aug 14
DataconomyMedia
DataconomyMedia German Data Vault pioneer Dirk Lerner @DV_Modeling to speak at #DataNatives2016 buff.ly/2aKXM78 #DataScience pic.twitter.com/UFSEf21NyO
03:30PM Aug 11
DV_Modeling
DV_Modeling @tfoldi @ugamarkj @EXASOLAG I'm interested too if you want to share. I'd already implemented successfully virtual layer on top of DV.
11:54AM Aug 02

Sign In or Create Account