Data Vault

In Data-Warehouse-Systemen sind für anfrageorientierte Schichten (Data Marts) multidimensionale Modellierungsmethoden State-of-the-Art. Bei den vorgelagerten Integrationsschichten (Core Warehouse, Enterprise Data Warehouse) kommen hingegen klassische Modellierungsmethoden (ER-Modellierung, Normalisierung) zum Einsatz, die ursprünglich für transaktionsorientierte Systeme entwickelt wurden.

Diese Kern-Technologien und Standard-Vorgehensweisen sind langjährig erprobt und haben sich in der Praxis bewährt. Auf der anderen Seite sind aktuelle Anforderungen hinsichtlich kürzerer Aktualisierungsintervalle, höherer Ladeperformance bei wachsender Datenmenge und gleichzeitig agiler Adaptierbarkeit mit den traditionellen Methoden oft nicht mehr effizient umsetzbar. Hier müssen neben neuen technologischen Pfaden (z.B. In-Memory-Datenbanken, Big-Data-Technologie) auch konzeptionell und methodisch neue Wege beschritten werden.

Ein Lösungsansatz zur Optimierung eines Core Warehouse ist die von Dan Linstedt entwickelte Modellierungsmethode Data Vault, die seit vielen Jahren erprobt ist und zunehmend auch im deutschsprachigen Raum Verwendung findet. Data Vault bietet:

• ein einfaches Datenmodell mit wenigen Basiskonzepten
• Struktur-Entkopplung und Impact-Isolation für Modelländerungen und -erweiterungen
• massiv parallelisierbare Ladeprozessemit Realtime-Unterstützung
• und flexible Strukturerweiterung bei gleichzeitiger Historisierungsoption

  
Der Seminarinhalt

• Gründe und Argumente für den Einsatz
• Grundkonzepte der Modellierung im Data-Vault-2.0-Standard
• Modellierungsmethode
• ETL-Prozesse und Generatoren zur Erstellung
• Architektur und Integration von Big-Data-Systemen
• Erweiterte Modellierungsoptionen aus der Praxis
• Best Practice Ansätze und Lösungen typischer Umsetzungsprobleme
• Kritische Erfolgsfaktoren