SlideShare ist ein Scribd-Unternehmen logo
1 von 30
Wie modelliere ich mein Core DWH? 
DOAG Konferenz 2013, Nürnberg 
Dani Schnider, Trivadis AG 
BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
1
Dani Schnider 
 Principal Consultant und 
DWH/BI Lead Architect 
bei Trivadis in Zürich 
 Kursleiter verschiedener 
Trivadis-Kurse 
 Co-Autor des Buches «Data 
Warehousing mit Oracle – 
Business Intelligence in der 
Praxis» 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
2
Unser Unternehmen 
Trivadis ist führend bei der IT-Beratung, der Systemintegration, 
dem Solution-Engineering und der Erbringung von IT-Services 
mit Fokussierung auf und Technologien 
im D-A-CH-Raum. 
Unsere Leistungen erbringen wir aus den strategischen Geschäftsfeldern: 
Trivadis Services übernimmt den korrespondierenden Betrieb 
Ihrer IT Systeme. 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
B E T R I E B 
3
Mit über 600 IT- und Fachexperten bei Ihnen vor Ort 
Hamburg 
Stuttgart 
Brugg 
2013 © Trivadis 
4 
12 Trivadis Niederlassungen mit 
über 600 Mitarbeitenden 
200 Service Level Agreements 
Mehr als 4'000 Trainingsteilnehmer 
Forschungs- und Entwicklungs-budget: 
CHF 5.0 / EUR 4 Mio. 
Finanziell unabhängig und 
nachhaltig profitabel 
Erfahrung aus mehr als 1'900 
Projekten pro Jahr bei über 800 
Kunden 
Stand 12/2012 
4 
DOAG - Modellierung Core DWH 
19. November 2013 
Düsseldorf 
Frankfurt 
Freiburg 
München 
Wien 
Basel 
Bern Zürich 
Lausanne 
4
Ausgangslage 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
Data Warehouse 
Quellsysteme Staging Area Cleansing Area Core Marts 
ETL Metadaten 
BI-Plattform 
5 
Source driven Business driven
Vorgehensweise für Datenmodellierung im DWH 
 Anforderungsgetriebene Datenmodellierung 
 Business-driven (Top-down) 
 Core-Modell wird aus fachlichen Anforderungen an 
Data Marts abgeleitet 
 Resultat: Dimensionales Core-Datenmodell 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
6 
Data Warehouse 
Data 
Mart 1 
Quell-system 
A 
Core 
Cleansing Area 
Staging Area 
BI-Plattform 
Data 
Mart 2 
Data 
Mart 3 
Quell-system 
B 
Top-down 
Data Warehouse 
Data 
Mart 1 
Quell-system 
A 
Core 
Cleansing Area 
Staging Area 
BI-Plattform 
Data 
Mart 2 
Data 
Mart 3 
Quell-system 
B 
Bottom-up 
 Quellsystemgetriebene Datenmodellierung 
 Source-driven (Bottom-up) 
 Core-Modell wird aus verfügbaren Daten der 
Quellsysteme abgeleitet 
 Resultat: „Relationales“ Core-Datenmodell
Anforderungsgetriebene 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
Datenmodellierung 
7
Dimensionales Core-Datenmodell 
 Core ist „Gesamtmenge aller Data Marts“ 
 Dimensionen und Fakten aller Data Marts auf feinster Granularitätsstufe 
 Implementierung als Star oder Snowflake Schema 
 Einsatzgebiet: 
 Struktur der Data Marts ist bekannt (Business 
Requirements!) 
 Conformed Dimensions zwischen den Data Marts 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
8 
 Empfehlungen: 
 Keine Aggregationen im Core 
 Im Core generell Slowly Changing Dimensions verwenden 
 Versionierung mit Head-/Versionstabellen 
 Data Marts nicht zwingend als physische Schicht, eventuell 
nur Views
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
D D 
F 
D D 
D D 
F 
D 
Data Mart 1 
Data Mart 2 
Core 
D D 
F 
D D 
F 
D 
Cleansing Area 
Staging Area 
9
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
D D 
F 
D D 
F 
D 
D D 
D D 
D 
F 
F 
D D 
D D 
D 
D 
D 
D D D 
Data Mart 1 
Data Mart 2 
Core 
10
Beispiel: DWH für Liegenschaftenverwaltung 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
11 
Data Mart „Gebäudeunterhalt“ 
Data Mart „Mieterzahlungen“ 
Core
Beispiel: DWH für Liegenschaftenverwaltung 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
12 
V1 V2 
V1 V2 
V1 V2
Head-/Versionstabellen 
 Head-Tabelle 
 Eindeutiger Schlüssel pro Objekt (PK) 
 Fachlicher Schlüssel (UK) 
 Statische Attribute 
 Versions-Tabelle 
 Eindeutiger Schlüssel pro Version (PK) 
 Fremdschlüssel auf Head-Tabelle 
 Gültigkeitsdauer (Gültig von – Gültig bis) 
 Dynamische Attribute 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
13 
Head- 
Tabelle 
Versions- 
Tabelle
Beispiel: DWH für Liegenschaftenverwaltung 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
14 
V1 V2 
V H 
V H 
V H 
V H
2013 © Trivadis 
F 
DOAG - Modellierung Core DWH 
19. November 2013 
D D 
F 
D D 
F 
D 
H H 
H H 
F 
D D 
H H 
H 
H 
H 
H 
Data Mart 1 
Data Mart 2 
Core 
V 
V 
V 
V 
V 
V V 
V 
V 
V 
D D D 
V 
V V 
15
Quellsystemgetriebene 
Datenmodellierung 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
16
„Relationales“ Core-Datenmodell 
 Was bedeutet hier „relational“ und „3. Normalform“? 
 Star und Snowflake Schemas sind auch relational 
 Snowflake Schema ist in 3. Normalform (3NF) 
 Gemeint ist: Aus Quellsystem abgeleitetes Core-Datenmodell 
 Einsatzgebiet: 
 Unterschiedliche oder noch unbekannte Anforderungen der 
Data Marts 
 Historisierung und Integration von Daten aus 
verschiedenen Quellsystemen 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
17 
 Empfehlungen: 
 Nur fachlich relevante Daten in Core übernehmen 
 Code-Tabellen und Lookup-Tabellen denormalisieren 
 Stammdaten-Historisierung im Core mit Head- und 
Versionstabellen
Source System 1 
2013 © Trivadis 
T 
DOAG - Modellierung Core DWH 
19. November 2013 
T 
T 
T T 
T 
T 
T 
T 
T 
T 
T 
Source System 2 
Core 
H 
H 
F H 
V 
V 
V 
F 
H V 
H V 
H F 
V 
H 
V 
H 
V 
Staging Area / Cleansing Area 
18
Beispiel: Datenmodell des Quellsystems 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
19
Beispiel: Core-Datenmodell (nicht historisiert) 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
20
Beispiel: Core-Datenmodell (historisiert) 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
21 
H 
H 
H H 
H 
H 
H 
V 
V 
V V 
V 
V 
V
Data Vault Modeling 
2013 © Trivadis 
 Hub: 
 Eindeutiger Schlüssel pro Objekt (PK) 
 Fachlicher Schlüssel (UK) 
 Audit-Informationen (Ladedatum, Quellsystem) 
 Satellite: 
 Fremdschlüssel auf Hub oder Link 
 Gültigkeitsdauer (Gültig von – Gültig bis) 
 Fachliche Attribute (statisch und dynamisch) 
 Audit-Informationen (Ladedatum, Quellsystem) 
 Link: 
 Künstlicher Schlüssel (Surrogate Key) 
 Fremdschlüssel auf zwei oder mehr Hubs 
 Audit-Informationen (Ladedatum, Quellsystem) 
DOAG - Modellierung Core DWH 
19. November 2013 
22 
H 
S 
L
Source System 1 
2013 © Trivadis 
T 
DOAG - Modellierung Core DWH 
19. November 2013 
T 
T 
T T 
T 
T 
Core (Data Vault) 
H 
S 
S 
S 
H 
H 
H 
H 
H 
H 
S 
S 
S 
S S 
S 
S 
S 
S 
S 
L 
L 
L 
L 
L 
S 
L 
23
Data Vault Modeling 
 Einsatzgebiet: 
 Enterprise Data Warehouse mit vielen Quellsystemen 
 Agile DWH-Projekte mit vielen Erweiterungen und Change 
Requests 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
24 
 Empfehlungen: 
 Hubs enthalten ausschliesslich Schlüsselattribute (keine 
„statischen“ Daten) 
 Fachliche Attribute in Satellites (historisiert) 
 Alle Beziehungen über Links (n-zu-n Beziehungen) 
abbilden 
 Bei Bedarf auch Satellites für Links möglich
Beispiel: Core-Datenmodell als Data Vault 
S H 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
25 
S 
S 
S 
H 
L L 
H H 
S S 
S 
S 
S 
L 
S 
L
Generische Datenmodelle 
 Einsatzgebiet: 
 Agile DWH-Projekte mit vielen Erweiterungen und Change 
Requests 
2013 © Trivadis 
 Grundidee: 
 Erweiterungen ohne Modellanpassungen möglich 
 Datenmodell soll möglichst allgemein gehalten werden 
 Konfigurierbar über Metadaten (z.B. Rolle, Objekttyp, etc.) 
DOAG - Modellierung Core DWH 
19. November 2013 
26 
 Empfehlungen: 
 Nicht verwenden!
2013 © Trivadis 
T 
DOAG - Modellierung Core DWH 
19. November 2013 
Generic Core 
Partner 
Type 
Role Object 
Source System 1 
T 
T 
T T 
T 
T 
T 
T 
T 
T 
T 
Source System 2 
Staging Area / Cleansing Area 
27
Beispiel: Generisches Datenmodell 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
28 
Person 
Firma 
Mieter 
Vermieter 
Besitzer 
G = Gebäude 
W = Wohnung 
Gebäude 
Wohnung
Wie modelliere ich mein Core DWH? 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013 
29
Fragen und Antworten... 
Dani Schnider 
Principal Consultant 
Tel.: +41 58 459 50 81 
dani.schnider@trivadis.com 
BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 
2013 © Trivadis 
DOAG - Modellierung Core DWH 
19. November 2013

Weitere ähnliche Inhalte

Was ist angesagt?

Data Catalog in Denodo Platform 7.0: Creating a Data Marketplace with Data Vi...
Data Catalog in Denodo Platform 7.0: Creating a Data Marketplace with Data Vi...Data Catalog in Denodo Platform 7.0: Creating a Data Marketplace with Data Vi...
Data Catalog in Denodo Platform 7.0: Creating a Data Marketplace with Data Vi...Denodo
 
Fundamentos de DataWarehouse
Fundamentos de DataWarehouseFundamentos de DataWarehouse
Fundamentos de DataWarehouseHermes Romero
 
Data Mesh for Dinner
Data Mesh for DinnerData Mesh for Dinner
Data Mesh for DinnerKent Graziano
 
DBT ELT approach for Advanced Analytics.pptx
DBT ELT approach for Advanced Analytics.pptxDBT ELT approach for Advanced Analytics.pptx
DBT ELT approach for Advanced Analytics.pptxHong Ong
 
Hadoop Data Lake vs classical Data Warehouse: How to utilize best of both wor...
Hadoop Data Lake vs classical Data Warehouse: How to utilize best of both wor...Hadoop Data Lake vs classical Data Warehouse: How to utilize best of both wor...
Hadoop Data Lake vs classical Data Warehouse: How to utilize best of both wor...Kolja Manuel Rödel
 
Data Vault 2.0: Using MD5 Hashes for Change Data Capture
Data Vault 2.0: Using MD5 Hashes for Change Data CaptureData Vault 2.0: Using MD5 Hashes for Change Data Capture
Data Vault 2.0: Using MD5 Hashes for Change Data CaptureKent Graziano
 
Architect’s Open-Source Guide for a Data Mesh Architecture
Architect’s Open-Source Guide for a Data Mesh ArchitectureArchitect’s Open-Source Guide for a Data Mesh Architecture
Architect’s Open-Source Guide for a Data Mesh ArchitectureDatabricks
 
Data Mesh Part 4 Monolith to Mesh
Data Mesh Part 4 Monolith to MeshData Mesh Part 4 Monolith to Mesh
Data Mesh Part 4 Monolith to MeshJeffrey T. Pollock
 
Shape Your Data into a Data Model with M
Shape Your Data into a Data Model with MShape Your Data into a Data Model with M
Shape Your Data into a Data Model with MCCG
 
Using Databricks as an Analysis Platform
Using Databricks as an Analysis PlatformUsing Databricks as an Analysis Platform
Using Databricks as an Analysis PlatformDatabricks
 
Your Roadmap for An Enterprise Graph Strategy
Your Roadmap for An Enterprise Graph StrategyYour Roadmap for An Enterprise Graph Strategy
Your Roadmap for An Enterprise Graph StrategyNeo4j
 
Enterprise Ready: A Look at Neo4j in Production
Enterprise Ready: A Look at Neo4j in ProductionEnterprise Ready: A Look at Neo4j in Production
Enterprise Ready: A Look at Neo4j in ProductionNeo4j
 
Achieving Lakehouse Models with Spark 3.0
Achieving Lakehouse Models with Spark 3.0Achieving Lakehouse Models with Spark 3.0
Achieving Lakehouse Models with Spark 3.0Databricks
 
Apache Kafka® and the Data Mesh
Apache Kafka® and the Data MeshApache Kafka® and the Data Mesh
Apache Kafka® and the Data MeshConfluentInc1
 

Was ist angesagt? (20)

Data Catalog in Denodo Platform 7.0: Creating a Data Marketplace with Data Vi...
Data Catalog in Denodo Platform 7.0: Creating a Data Marketplace with Data Vi...Data Catalog in Denodo Platform 7.0: Creating a Data Marketplace with Data Vi...
Data Catalog in Denodo Platform 7.0: Creating a Data Marketplace with Data Vi...
 
Why Data Vault?
Why Data Vault? Why Data Vault?
Why Data Vault?
 
Operational Data Vault
Operational Data VaultOperational Data Vault
Operational Data Vault
 
Data Vault Introduction
Data Vault IntroductionData Vault Introduction
Data Vault Introduction
 
Data Vault and DW2.0
Data Vault and DW2.0Data Vault and DW2.0
Data Vault and DW2.0
 
Fundamentos de DataWarehouse
Fundamentos de DataWarehouseFundamentos de DataWarehouse
Fundamentos de DataWarehouse
 
Data Mesh for Dinner
Data Mesh for DinnerData Mesh for Dinner
Data Mesh for Dinner
 
Big Data Modeling
Big Data ModelingBig Data Modeling
Big Data Modeling
 
Data Vault Overview
Data Vault OverviewData Vault Overview
Data Vault Overview
 
DBT ELT approach for Advanced Analytics.pptx
DBT ELT approach for Advanced Analytics.pptxDBT ELT approach for Advanced Analytics.pptx
DBT ELT approach for Advanced Analytics.pptx
 
Hadoop Data Lake vs classical Data Warehouse: How to utilize best of both wor...
Hadoop Data Lake vs classical Data Warehouse: How to utilize best of both wor...Hadoop Data Lake vs classical Data Warehouse: How to utilize best of both wor...
Hadoop Data Lake vs classical Data Warehouse: How to utilize best of both wor...
 
Data Vault 2.0: Using MD5 Hashes for Change Data Capture
Data Vault 2.0: Using MD5 Hashes for Change Data CaptureData Vault 2.0: Using MD5 Hashes for Change Data Capture
Data Vault 2.0: Using MD5 Hashes for Change Data Capture
 
Architect’s Open-Source Guide for a Data Mesh Architecture
Architect’s Open-Source Guide for a Data Mesh ArchitectureArchitect’s Open-Source Guide for a Data Mesh Architecture
Architect’s Open-Source Guide for a Data Mesh Architecture
 
Data Mesh Part 4 Monolith to Mesh
Data Mesh Part 4 Monolith to MeshData Mesh Part 4 Monolith to Mesh
Data Mesh Part 4 Monolith to Mesh
 
Shape Your Data into a Data Model with M
Shape Your Data into a Data Model with MShape Your Data into a Data Model with M
Shape Your Data into a Data Model with M
 
Using Databricks as an Analysis Platform
Using Databricks as an Analysis PlatformUsing Databricks as an Analysis Platform
Using Databricks as an Analysis Platform
 
Your Roadmap for An Enterprise Graph Strategy
Your Roadmap for An Enterprise Graph StrategyYour Roadmap for An Enterprise Graph Strategy
Your Roadmap for An Enterprise Graph Strategy
 
Enterprise Ready: A Look at Neo4j in Production
Enterprise Ready: A Look at Neo4j in ProductionEnterprise Ready: A Look at Neo4j in Production
Enterprise Ready: A Look at Neo4j in Production
 
Achieving Lakehouse Models with Spark 3.0
Achieving Lakehouse Models with Spark 3.0Achieving Lakehouse Models with Spark 3.0
Achieving Lakehouse Models with Spark 3.0
 
Apache Kafka® and the Data Mesh
Apache Kafka® and the Data MeshApache Kafka® and the Data Mesh
Apache Kafka® and the Data Mesh
 

Andere mochten auch

Die generierte Zeitmaschine - Historisierung auf Knopfdruck
Die generierte Zeitmaschine - Historisierung auf KnopfdruckDie generierte Zeitmaschine - Historisierung auf Knopfdruck
Die generierte Zeitmaschine - Historisierung auf KnopfdruckTrivadis
 
Partitionierung im DWH: Erkenntnisse aus der Praxis - Oracle DWH Konferenz
Partitionierung im DWH: Erkenntnisse aus der Praxis - Oracle DWH KonferenzPartitionierung im DWH: Erkenntnisse aus der Praxis - Oracle DWH Konferenz
Partitionierung im DWH: Erkenntnisse aus der Praxis - Oracle DWH KonferenzTrivadis
 
Performanceaspekte im Oracle DWH
Performanceaspekte im Oracle DWHPerformanceaspekte im Oracle DWH
Performanceaspekte im Oracle DWHTrivadis
 
Haben Sie die Zeit im Griff? Zeitdimensionen - DOAG 2012
Haben Sie die Zeit im Griff? Zeitdimensionen - DOAG 2012Haben Sie die Zeit im Griff? Zeitdimensionen - DOAG 2012
Haben Sie die Zeit im Griff? Zeitdimensionen - DOAG 2012Trivadis
 
Indexierungsstrategie im Data Warehouse - Zwischen Albtraum und optimaler Per...
Indexierungsstrategie im Data Warehouse - Zwischen Albtraum und optimaler Per...Indexierungsstrategie im Data Warehouse - Zwischen Albtraum und optimaler Per...
Indexierungsstrategie im Data Warehouse - Zwischen Albtraum und optimaler Per...Trivadis
 
Big data architectures and the data lake
Big data architectures and the data lakeBig data architectures and the data lake
Big data architectures and the data lakeJames Serra
 
Information Virtualization: Query Federation on Data Lakes
Information Virtualization: Query Federation on Data LakesInformation Virtualization: Query Federation on Data Lakes
Information Virtualization: Query Federation on Data LakesDataWorks Summit
 

Andere mochten auch (8)

Die generierte Zeitmaschine - Historisierung auf Knopfdruck
Die generierte Zeitmaschine - Historisierung auf KnopfdruckDie generierte Zeitmaschine - Historisierung auf Knopfdruck
Die generierte Zeitmaschine - Historisierung auf Knopfdruck
 
Partitionierung im DWH: Erkenntnisse aus der Praxis - Oracle DWH Konferenz
Partitionierung im DWH: Erkenntnisse aus der Praxis - Oracle DWH KonferenzPartitionierung im DWH: Erkenntnisse aus der Praxis - Oracle DWH Konferenz
Partitionierung im DWH: Erkenntnisse aus der Praxis - Oracle DWH Konferenz
 
Performanceaspekte im Oracle DWH
Performanceaspekte im Oracle DWHPerformanceaspekte im Oracle DWH
Performanceaspekte im Oracle DWH
 
Haben Sie die Zeit im Griff? Zeitdimensionen - DOAG 2012
Haben Sie die Zeit im Griff? Zeitdimensionen - DOAG 2012Haben Sie die Zeit im Griff? Zeitdimensionen - DOAG 2012
Haben Sie die Zeit im Griff? Zeitdimensionen - DOAG 2012
 
Competidores y productos de mercado de ETL
Competidores y productos de mercado de ETLCompetidores y productos de mercado de ETL
Competidores y productos de mercado de ETL
 
Indexierungsstrategie im Data Warehouse - Zwischen Albtraum und optimaler Per...
Indexierungsstrategie im Data Warehouse - Zwischen Albtraum und optimaler Per...Indexierungsstrategie im Data Warehouse - Zwischen Albtraum und optimaler Per...
Indexierungsstrategie im Data Warehouse - Zwischen Albtraum und optimaler Per...
 
Big data architectures and the data lake
Big data architectures and the data lakeBig data architectures and the data lake
Big data architectures and the data lake
 
Information Virtualization: Query Federation on Data Lakes
Information Virtualization: Query Federation on Data LakesInformation Virtualization: Query Federation on Data Lakes
Information Virtualization: Query Federation on Data Lakes
 

Ähnlich wie Wie modelliere ich mein Core DWH?

DWH-Modellierung mit Data Vault
DWH-Modellierung mit Data VaultDWH-Modellierung mit Data Vault
DWH-Modellierung mit Data VaultTrivadis
 
Oracle Data Warehouse Integration Builder - Ein Selbstversuch (DOAG 2013)
Oracle Data Warehouse Integration Builder - Ein Selbstversuch (DOAG 2013)Oracle Data Warehouse Integration Builder - Ein Selbstversuch (DOAG 2013)
Oracle Data Warehouse Integration Builder - Ein Selbstversuch (DOAG 2013)Trivadis
 
DWH Modernisierung mit Data Lake, Lab und Governance
DWH Modernisierung mit Data Lake, Lab und GovernanceDWH Modernisierung mit Data Lake, Lab und Governance
DWH Modernisierung mit Data Lake, Lab und GovernanceOPITZ CONSULTING Deutschland
 
D-Grid IaaS Vorstellung
D-Grid IaaS VorstellungD-Grid IaaS Vorstellung
D-Grid IaaS VorstellungStefan Freitag
 
CDC und Data Vault für den Aufbau eines DWH in der Automobilindustrie
CDC und Data Vault für den Aufbau eines DWH in der AutomobilindustrieCDC und Data Vault für den Aufbau eines DWH in der Automobilindustrie
CDC und Data Vault für den Aufbau eines DWH in der AutomobilindustrieAndreas Buckenhofer
 
Automatisierung im DWH - Sich das Leben erleichern mit dem ODI
Automatisierung im DWH - Sich das Leben erleichern mit dem ODIAutomatisierung im DWH - Sich das Leben erleichern mit dem ODI
Automatisierung im DWH - Sich das Leben erleichern mit dem ODIOPITZ CONSULTING Deutschland
 
Data Mesh und Domain Driven Design - rücken Analytics und SD nun doch näher z...
Data Mesh und Domain Driven Design - rücken Analytics und SD nun doch näher z...Data Mesh und Domain Driven Design - rücken Analytics und SD nun doch näher z...
Data Mesh und Domain Driven Design - rücken Analytics und SD nun doch näher z...Fabian Hardt
 
Modellierung agliler Data Warehouses mit Data Vault
Modellierung agliler Data Warehouses mit Data VaultModellierung agliler Data Warehouses mit Data Vault
Modellierung agliler Data Warehouses mit Data VaultTrivadis
 
Modellierung agiler Data Warehouses mit Data Vault Dani Schnider
Modellierung agiler Data Warehouses mit Data Vault Dani SchniderModellierung agiler Data Warehouses mit Data Vault Dani Schnider
Modellierung agiler Data Warehouses mit Data Vault Dani SchniderDésirée Pfister
 
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...OPITZ CONSULTING Deutschland
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtIBsolution GmbH
 
OPAL - Open Data Portal Germany
OPAL - Open Data Portal GermanyOPAL - Open Data Portal Germany
OPAL - Open Data Portal GermanyAdrian Wilke
 
Effective Blueprints for Forms 2 Oracle ADF
Effective Blueprints for Forms 2 Oracle ADFEffective Blueprints for Forms 2 Oracle ADF
Effective Blueprints for Forms 2 Oracle ADFenpit GmbH & Co. KG
 
Ist Gradle auch für die APEX-Projekte?
Ist Gradle auch für die APEX-Projekte?Ist Gradle auch für die APEX-Projekte?
Ist Gradle auch für die APEX-Projekte?MT AG
 
Tipps & Tricks zum Aufbau einer Unternehmenscloud mit CC13
Tipps & Tricks zum Aufbau einer Unternehmenscloud mit CC13Tipps & Tricks zum Aufbau einer Unternehmenscloud mit CC13
Tipps & Tricks zum Aufbau einer Unternehmenscloud mit CC13OPITZ CONSULTING Deutschland
 
Metadaten und Data Vault (Meta Vault)
Metadaten und Data Vault (Meta Vault)Metadaten und Data Vault (Meta Vault)
Metadaten und Data Vault (Meta Vault)Andreas Buckenhofer
 
Modern Data Stack – Buzzword oder echter Game-Changer?
Modern Data Stack – Buzzword oder echter Game-Changer?Modern Data Stack – Buzzword oder echter Game-Changer?
Modern Data Stack – Buzzword oder echter Game-Changer?Fabian Hardt
 
Bridge Tables - Brücken bauen im dimensionalen Modell (DOAG 2012)
Bridge Tables - Brücken bauen im dimensionalen Modell (DOAG 2012)Bridge Tables - Brücken bauen im dimensionalen Modell (DOAG 2012)
Bridge Tables - Brücken bauen im dimensionalen Modell (DOAG 2012)Trivadis
 
Die Datenbank ist nicht immer Schuld - Gründe warum Datenbank-Migration schei...
Die Datenbank ist nicht immer Schuld - Gründe warum Datenbank-Migration schei...Die Datenbank ist nicht immer Schuld - Gründe warum Datenbank-Migration schei...
Die Datenbank ist nicht immer Schuld - Gründe warum Datenbank-Migration schei...Markus Flechtner
 

Ähnlich wie Wie modelliere ich mein Core DWH? (20)

DWH-Modellierung mit Data Vault
DWH-Modellierung mit Data VaultDWH-Modellierung mit Data Vault
DWH-Modellierung mit Data Vault
 
Oracle Data Warehouse Integration Builder - Ein Selbstversuch (DOAG 2013)
Oracle Data Warehouse Integration Builder - Ein Selbstversuch (DOAG 2013)Oracle Data Warehouse Integration Builder - Ein Selbstversuch (DOAG 2013)
Oracle Data Warehouse Integration Builder - Ein Selbstversuch (DOAG 2013)
 
DWH Modernisierung mit Data Lake, Lab und Governance
DWH Modernisierung mit Data Lake, Lab und GovernanceDWH Modernisierung mit Data Lake, Lab und Governance
DWH Modernisierung mit Data Lake, Lab und Governance
 
D-Grid IaaS Vorstellung
D-Grid IaaS VorstellungD-Grid IaaS Vorstellung
D-Grid IaaS Vorstellung
 
CDC und Data Vault für den Aufbau eines DWH in der Automobilindustrie
CDC und Data Vault für den Aufbau eines DWH in der AutomobilindustrieCDC und Data Vault für den Aufbau eines DWH in der Automobilindustrie
CDC und Data Vault für den Aufbau eines DWH in der Automobilindustrie
 
Automatisierung im DWH - Sich das Leben erleichern mit dem ODI
Automatisierung im DWH - Sich das Leben erleichern mit dem ODIAutomatisierung im DWH - Sich das Leben erleichern mit dem ODI
Automatisierung im DWH - Sich das Leben erleichern mit dem ODI
 
Data Mesh und Domain Driven Design - rücken Analytics und SD nun doch näher z...
Data Mesh und Domain Driven Design - rücken Analytics und SD nun doch näher z...Data Mesh und Domain Driven Design - rücken Analytics und SD nun doch näher z...
Data Mesh und Domain Driven Design - rücken Analytics und SD nun doch näher z...
 
Modellierung agliler Data Warehouses mit Data Vault
Modellierung agliler Data Warehouses mit Data VaultModellierung agliler Data Warehouses mit Data Vault
Modellierung agliler Data Warehouses mit Data Vault
 
Modellierung agiler Data Warehouses mit Data Vault Dani Schnider
Modellierung agiler Data Warehouses mit Data Vault Dani SchniderModellierung agiler Data Warehouses mit Data Vault Dani Schnider
Modellierung agiler Data Warehouses mit Data Vault Dani Schnider
 
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedacht
 
OPAL - Open Data Portal Germany
OPAL - Open Data Portal GermanyOPAL - Open Data Portal Germany
OPAL - Open Data Portal Germany
 
Lambdaarchitektur für BigData
Lambdaarchitektur für BigDataLambdaarchitektur für BigData
Lambdaarchitektur für BigData
 
Effective Blueprints for Forms 2 Oracle ADF
Effective Blueprints for Forms 2 Oracle ADFEffective Blueprints for Forms 2 Oracle ADF
Effective Blueprints for Forms 2 Oracle ADF
 
Ist Gradle auch für die APEX-Projekte?
Ist Gradle auch für die APEX-Projekte?Ist Gradle auch für die APEX-Projekte?
Ist Gradle auch für die APEX-Projekte?
 
Tipps & Tricks zum Aufbau einer Unternehmenscloud mit CC13
Tipps & Tricks zum Aufbau einer Unternehmenscloud mit CC13Tipps & Tricks zum Aufbau einer Unternehmenscloud mit CC13
Tipps & Tricks zum Aufbau einer Unternehmenscloud mit CC13
 
Metadaten und Data Vault (Meta Vault)
Metadaten und Data Vault (Meta Vault)Metadaten und Data Vault (Meta Vault)
Metadaten und Data Vault (Meta Vault)
 
Modern Data Stack – Buzzword oder echter Game-Changer?
Modern Data Stack – Buzzword oder echter Game-Changer?Modern Data Stack – Buzzword oder echter Game-Changer?
Modern Data Stack – Buzzword oder echter Game-Changer?
 
Bridge Tables - Brücken bauen im dimensionalen Modell (DOAG 2012)
Bridge Tables - Brücken bauen im dimensionalen Modell (DOAG 2012)Bridge Tables - Brücken bauen im dimensionalen Modell (DOAG 2012)
Bridge Tables - Brücken bauen im dimensionalen Modell (DOAG 2012)
 
Die Datenbank ist nicht immer Schuld - Gründe warum Datenbank-Migration schei...
Die Datenbank ist nicht immer Schuld - Gründe warum Datenbank-Migration schei...Die Datenbank ist nicht immer Schuld - Gründe warum Datenbank-Migration schei...
Die Datenbank ist nicht immer Schuld - Gründe warum Datenbank-Migration schei...
 

Mehr von Trivadis

Azure Days 2019: Azure Chatbot Development for Airline Irregularities (Remco ...
Azure Days 2019: Azure Chatbot Development for Airline Irregularities (Remco ...Azure Days 2019: Azure Chatbot Development for Airline Irregularities (Remco ...
Azure Days 2019: Azure Chatbot Development for Airline Irregularities (Remco ...Trivadis
 
Azure Days 2019: Trivadis Azure Foundation – Das Fundament für den ... (Nisan...
Azure Days 2019: Trivadis Azure Foundation – Das Fundament für den ... (Nisan...Azure Days 2019: Trivadis Azure Foundation – Das Fundament für den ... (Nisan...
Azure Days 2019: Trivadis Azure Foundation – Das Fundament für den ... (Nisan...Trivadis
 
Azure Days 2019: Business Intelligence auf Azure (Marco Amhof & Yves Mauron)
Azure Days 2019: Business Intelligence auf Azure (Marco Amhof & Yves Mauron)Azure Days 2019: Business Intelligence auf Azure (Marco Amhof & Yves Mauron)
Azure Days 2019: Business Intelligence auf Azure (Marco Amhof & Yves Mauron)Trivadis
 
Azure Days 2019: Master the Move to Azure (Konrad Brunner)
Azure Days 2019: Master the Move to Azure (Konrad Brunner)Azure Days 2019: Master the Move to Azure (Konrad Brunner)
Azure Days 2019: Master the Move to Azure (Konrad Brunner)Trivadis
 
Azure Days 2019: Keynote Azure Switzerland – Status Quo und Ausblick (Primo A...
Azure Days 2019: Keynote Azure Switzerland – Status Quo und Ausblick (Primo A...Azure Days 2019: Keynote Azure Switzerland – Status Quo und Ausblick (Primo A...
Azure Days 2019: Keynote Azure Switzerland – Status Quo und Ausblick (Primo A...Trivadis
 
Azure Days 2019: Grösser und Komplexer ist nicht immer besser (Meinrad Weiss)
Azure Days 2019: Grösser und Komplexer ist nicht immer besser (Meinrad Weiss)Azure Days 2019: Grösser und Komplexer ist nicht immer besser (Meinrad Weiss)
Azure Days 2019: Grösser und Komplexer ist nicht immer besser (Meinrad Weiss)Trivadis
 
Azure Days 2019: Get Connected with Azure API Management (Gerry Keune & Stefa...
Azure Days 2019: Get Connected with Azure API Management (Gerry Keune & Stefa...Azure Days 2019: Get Connected with Azure API Management (Gerry Keune & Stefa...
Azure Days 2019: Get Connected with Azure API Management (Gerry Keune & Stefa...Trivadis
 
Azure Days 2019: Infrastructure as Code auf Azure (Jonas Wanninger & Daniel H...
Azure Days 2019: Infrastructure as Code auf Azure (Jonas Wanninger & Daniel H...Azure Days 2019: Infrastructure as Code auf Azure (Jonas Wanninger & Daniel H...
Azure Days 2019: Infrastructure as Code auf Azure (Jonas Wanninger & Daniel H...Trivadis
 
Azure Days 2019: Wie bringt man eine Data Analytics Plattform in die Cloud? (...
Azure Days 2019: Wie bringt man eine Data Analytics Plattform in die Cloud? (...Azure Days 2019: Wie bringt man eine Data Analytics Plattform in die Cloud? (...
Azure Days 2019: Wie bringt man eine Data Analytics Plattform in die Cloud? (...Trivadis
 
Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...
Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...
Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...Trivadis
 
TechEvent 2019: Kundenstory - Kein Angebot, kein Auftrag – Wie Du ein individ...
TechEvent 2019: Kundenstory - Kein Angebot, kein Auftrag – Wie Du ein individ...TechEvent 2019: Kundenstory - Kein Angebot, kein Auftrag – Wie Du ein individ...
TechEvent 2019: Kundenstory - Kein Angebot, kein Auftrag – Wie Du ein individ...Trivadis
 
TechEvent 2019: Oracle Database Appliance M/L - Erfahrungen und Erfolgsmethod...
TechEvent 2019: Oracle Database Appliance M/L - Erfahrungen und Erfolgsmethod...TechEvent 2019: Oracle Database Appliance M/L - Erfahrungen und Erfolgsmethod...
TechEvent 2019: Oracle Database Appliance M/L - Erfahrungen und Erfolgsmethod...Trivadis
 
TechEvent 2019: Security 101 für Web Entwickler; Roland Krüger - Trivadis
TechEvent 2019: Security 101 für Web Entwickler; Roland Krüger - TrivadisTechEvent 2019: Security 101 für Web Entwickler; Roland Krüger - Trivadis
TechEvent 2019: Security 101 für Web Entwickler; Roland Krüger - TrivadisTrivadis
 
TechEvent 2019: Trivadis & Swisscom Partner Angebote; Konrad Häfeli, Markus O...
TechEvent 2019: Trivadis & Swisscom Partner Angebote; Konrad Häfeli, Markus O...TechEvent 2019: Trivadis & Swisscom Partner Angebote; Konrad Häfeli, Markus O...
TechEvent 2019: Trivadis & Swisscom Partner Angebote; Konrad Häfeli, Markus O...Trivadis
 
TechEvent 2019: DBaaS from Swisscom Cloud powered by Trivadis; Konrad Häfeli ...
TechEvent 2019: DBaaS from Swisscom Cloud powered by Trivadis; Konrad Häfeli ...TechEvent 2019: DBaaS from Swisscom Cloud powered by Trivadis; Konrad Häfeli ...
TechEvent 2019: DBaaS from Swisscom Cloud powered by Trivadis; Konrad Häfeli ...Trivadis
 
TechEvent 2019: Status of the partnership Trivadis and EDB - Comparing Postgr...
TechEvent 2019: Status of the partnership Trivadis and EDB - Comparing Postgr...TechEvent 2019: Status of the partnership Trivadis and EDB - Comparing Postgr...
TechEvent 2019: Status of the partnership Trivadis and EDB - Comparing Postgr...Trivadis
 
TechEvent 2019: More Agile, More AI, More Cloud! Less Work?!; Oliver Dörr - T...
TechEvent 2019: More Agile, More AI, More Cloud! Less Work?!; Oliver Dörr - T...TechEvent 2019: More Agile, More AI, More Cloud! Less Work?!; Oliver Dörr - T...
TechEvent 2019: More Agile, More AI, More Cloud! Less Work?!; Oliver Dörr - T...Trivadis
 
TechEvent 2019: Kundenstory - Vom Hauptmann zu Köpenick zum Polizisten 2020 -...
TechEvent 2019: Kundenstory - Vom Hauptmann zu Köpenick zum Polizisten 2020 -...TechEvent 2019: Kundenstory - Vom Hauptmann zu Köpenick zum Polizisten 2020 -...
TechEvent 2019: Kundenstory - Vom Hauptmann zu Köpenick zum Polizisten 2020 -...Trivadis
 
TechEvent 2019: Vom Rechenzentrum in die Oracle Cloud - Übertragungsmethoden;...
TechEvent 2019: Vom Rechenzentrum in die Oracle Cloud - Übertragungsmethoden;...TechEvent 2019: Vom Rechenzentrum in die Oracle Cloud - Übertragungsmethoden;...
TechEvent 2019: Vom Rechenzentrum in die Oracle Cloud - Übertragungsmethoden;...Trivadis
 
TechEvent 2019: The sleeping Power of Data; Eberhard Lösch - Trivadis
TechEvent 2019: The sleeping Power of Data; Eberhard Lösch - TrivadisTechEvent 2019: The sleeping Power of Data; Eberhard Lösch - Trivadis
TechEvent 2019: The sleeping Power of Data; Eberhard Lösch - TrivadisTrivadis
 

Mehr von Trivadis (20)

Azure Days 2019: Azure Chatbot Development for Airline Irregularities (Remco ...
Azure Days 2019: Azure Chatbot Development for Airline Irregularities (Remco ...Azure Days 2019: Azure Chatbot Development for Airline Irregularities (Remco ...
Azure Days 2019: Azure Chatbot Development for Airline Irregularities (Remco ...
 
Azure Days 2019: Trivadis Azure Foundation – Das Fundament für den ... (Nisan...
Azure Days 2019: Trivadis Azure Foundation – Das Fundament für den ... (Nisan...Azure Days 2019: Trivadis Azure Foundation – Das Fundament für den ... (Nisan...
Azure Days 2019: Trivadis Azure Foundation – Das Fundament für den ... (Nisan...
 
Azure Days 2019: Business Intelligence auf Azure (Marco Amhof & Yves Mauron)
Azure Days 2019: Business Intelligence auf Azure (Marco Amhof & Yves Mauron)Azure Days 2019: Business Intelligence auf Azure (Marco Amhof & Yves Mauron)
Azure Days 2019: Business Intelligence auf Azure (Marco Amhof & Yves Mauron)
 
Azure Days 2019: Master the Move to Azure (Konrad Brunner)
Azure Days 2019: Master the Move to Azure (Konrad Brunner)Azure Days 2019: Master the Move to Azure (Konrad Brunner)
Azure Days 2019: Master the Move to Azure (Konrad Brunner)
 
Azure Days 2019: Keynote Azure Switzerland – Status Quo und Ausblick (Primo A...
Azure Days 2019: Keynote Azure Switzerland – Status Quo und Ausblick (Primo A...Azure Days 2019: Keynote Azure Switzerland – Status Quo und Ausblick (Primo A...
Azure Days 2019: Keynote Azure Switzerland – Status Quo und Ausblick (Primo A...
 
Azure Days 2019: Grösser und Komplexer ist nicht immer besser (Meinrad Weiss)
Azure Days 2019: Grösser und Komplexer ist nicht immer besser (Meinrad Weiss)Azure Days 2019: Grösser und Komplexer ist nicht immer besser (Meinrad Weiss)
Azure Days 2019: Grösser und Komplexer ist nicht immer besser (Meinrad Weiss)
 
Azure Days 2019: Get Connected with Azure API Management (Gerry Keune & Stefa...
Azure Days 2019: Get Connected with Azure API Management (Gerry Keune & Stefa...Azure Days 2019: Get Connected with Azure API Management (Gerry Keune & Stefa...
Azure Days 2019: Get Connected with Azure API Management (Gerry Keune & Stefa...
 
Azure Days 2019: Infrastructure as Code auf Azure (Jonas Wanninger & Daniel H...
Azure Days 2019: Infrastructure as Code auf Azure (Jonas Wanninger & Daniel H...Azure Days 2019: Infrastructure as Code auf Azure (Jonas Wanninger & Daniel H...
Azure Days 2019: Infrastructure as Code auf Azure (Jonas Wanninger & Daniel H...
 
Azure Days 2019: Wie bringt man eine Data Analytics Plattform in die Cloud? (...
Azure Days 2019: Wie bringt man eine Data Analytics Plattform in die Cloud? (...Azure Days 2019: Wie bringt man eine Data Analytics Plattform in die Cloud? (...
Azure Days 2019: Wie bringt man eine Data Analytics Plattform in die Cloud? (...
 
Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...
Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...
Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...
 
TechEvent 2019: Kundenstory - Kein Angebot, kein Auftrag – Wie Du ein individ...
TechEvent 2019: Kundenstory - Kein Angebot, kein Auftrag – Wie Du ein individ...TechEvent 2019: Kundenstory - Kein Angebot, kein Auftrag – Wie Du ein individ...
TechEvent 2019: Kundenstory - Kein Angebot, kein Auftrag – Wie Du ein individ...
 
TechEvent 2019: Oracle Database Appliance M/L - Erfahrungen und Erfolgsmethod...
TechEvent 2019: Oracle Database Appliance M/L - Erfahrungen und Erfolgsmethod...TechEvent 2019: Oracle Database Appliance M/L - Erfahrungen und Erfolgsmethod...
TechEvent 2019: Oracle Database Appliance M/L - Erfahrungen und Erfolgsmethod...
 
TechEvent 2019: Security 101 für Web Entwickler; Roland Krüger - Trivadis
TechEvent 2019: Security 101 für Web Entwickler; Roland Krüger - TrivadisTechEvent 2019: Security 101 für Web Entwickler; Roland Krüger - Trivadis
TechEvent 2019: Security 101 für Web Entwickler; Roland Krüger - Trivadis
 
TechEvent 2019: Trivadis & Swisscom Partner Angebote; Konrad Häfeli, Markus O...
TechEvent 2019: Trivadis & Swisscom Partner Angebote; Konrad Häfeli, Markus O...TechEvent 2019: Trivadis & Swisscom Partner Angebote; Konrad Häfeli, Markus O...
TechEvent 2019: Trivadis & Swisscom Partner Angebote; Konrad Häfeli, Markus O...
 
TechEvent 2019: DBaaS from Swisscom Cloud powered by Trivadis; Konrad Häfeli ...
TechEvent 2019: DBaaS from Swisscom Cloud powered by Trivadis; Konrad Häfeli ...TechEvent 2019: DBaaS from Swisscom Cloud powered by Trivadis; Konrad Häfeli ...
TechEvent 2019: DBaaS from Swisscom Cloud powered by Trivadis; Konrad Häfeli ...
 
TechEvent 2019: Status of the partnership Trivadis and EDB - Comparing Postgr...
TechEvent 2019: Status of the partnership Trivadis and EDB - Comparing Postgr...TechEvent 2019: Status of the partnership Trivadis and EDB - Comparing Postgr...
TechEvent 2019: Status of the partnership Trivadis and EDB - Comparing Postgr...
 
TechEvent 2019: More Agile, More AI, More Cloud! Less Work?!; Oliver Dörr - T...
TechEvent 2019: More Agile, More AI, More Cloud! Less Work?!; Oliver Dörr - T...TechEvent 2019: More Agile, More AI, More Cloud! Less Work?!; Oliver Dörr - T...
TechEvent 2019: More Agile, More AI, More Cloud! Less Work?!; Oliver Dörr - T...
 
TechEvent 2019: Kundenstory - Vom Hauptmann zu Köpenick zum Polizisten 2020 -...
TechEvent 2019: Kundenstory - Vom Hauptmann zu Köpenick zum Polizisten 2020 -...TechEvent 2019: Kundenstory - Vom Hauptmann zu Köpenick zum Polizisten 2020 -...
TechEvent 2019: Kundenstory - Vom Hauptmann zu Köpenick zum Polizisten 2020 -...
 
TechEvent 2019: Vom Rechenzentrum in die Oracle Cloud - Übertragungsmethoden;...
TechEvent 2019: Vom Rechenzentrum in die Oracle Cloud - Übertragungsmethoden;...TechEvent 2019: Vom Rechenzentrum in die Oracle Cloud - Übertragungsmethoden;...
TechEvent 2019: Vom Rechenzentrum in die Oracle Cloud - Übertragungsmethoden;...
 
TechEvent 2019: The sleeping Power of Data; Eberhard Lösch - Trivadis
TechEvent 2019: The sleeping Power of Data; Eberhard Lösch - TrivadisTechEvent 2019: The sleeping Power of Data; Eberhard Lösch - Trivadis
TechEvent 2019: The sleeping Power of Data; Eberhard Lösch - Trivadis
 

Wie modelliere ich mein Core DWH?

  • 1. Wie modelliere ich mein Core DWH? DOAG Konferenz 2013, Nürnberg Dani Schnider, Trivadis AG BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 1
  • 2. Dani Schnider  Principal Consultant und DWH/BI Lead Architect bei Trivadis in Zürich  Kursleiter verschiedener Trivadis-Kurse  Co-Autor des Buches «Data Warehousing mit Oracle – Business Intelligence in der Praxis» 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 2
  • 3. Unser Unternehmen Trivadis ist führend bei der IT-Beratung, der Systemintegration, dem Solution-Engineering und der Erbringung von IT-Services mit Fokussierung auf und Technologien im D-A-CH-Raum. Unsere Leistungen erbringen wir aus den strategischen Geschäftsfeldern: Trivadis Services übernimmt den korrespondierenden Betrieb Ihrer IT Systeme. 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 B E T R I E B 3
  • 4. Mit über 600 IT- und Fachexperten bei Ihnen vor Ort Hamburg Stuttgart Brugg 2013 © Trivadis 4 12 Trivadis Niederlassungen mit über 600 Mitarbeitenden 200 Service Level Agreements Mehr als 4'000 Trainingsteilnehmer Forschungs- und Entwicklungs-budget: CHF 5.0 / EUR 4 Mio. Finanziell unabhängig und nachhaltig profitabel Erfahrung aus mehr als 1'900 Projekten pro Jahr bei über 800 Kunden Stand 12/2012 4 DOAG - Modellierung Core DWH 19. November 2013 Düsseldorf Frankfurt Freiburg München Wien Basel Bern Zürich Lausanne 4
  • 5. Ausgangslage 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 Data Warehouse Quellsysteme Staging Area Cleansing Area Core Marts ETL Metadaten BI-Plattform 5 Source driven Business driven
  • 6. Vorgehensweise für Datenmodellierung im DWH  Anforderungsgetriebene Datenmodellierung  Business-driven (Top-down)  Core-Modell wird aus fachlichen Anforderungen an Data Marts abgeleitet  Resultat: Dimensionales Core-Datenmodell 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 6 Data Warehouse Data Mart 1 Quell-system A Core Cleansing Area Staging Area BI-Plattform Data Mart 2 Data Mart 3 Quell-system B Top-down Data Warehouse Data Mart 1 Quell-system A Core Cleansing Area Staging Area BI-Plattform Data Mart 2 Data Mart 3 Quell-system B Bottom-up  Quellsystemgetriebene Datenmodellierung  Source-driven (Bottom-up)  Core-Modell wird aus verfügbaren Daten der Quellsysteme abgeleitet  Resultat: „Relationales“ Core-Datenmodell
  • 7. Anforderungsgetriebene 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 Datenmodellierung 7
  • 8. Dimensionales Core-Datenmodell  Core ist „Gesamtmenge aller Data Marts“  Dimensionen und Fakten aller Data Marts auf feinster Granularitätsstufe  Implementierung als Star oder Snowflake Schema  Einsatzgebiet:  Struktur der Data Marts ist bekannt (Business Requirements!)  Conformed Dimensions zwischen den Data Marts 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 8  Empfehlungen:  Keine Aggregationen im Core  Im Core generell Slowly Changing Dimensions verwenden  Versionierung mit Head-/Versionstabellen  Data Marts nicht zwingend als physische Schicht, eventuell nur Views
  • 9. 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 D D F D D D D F D Data Mart 1 Data Mart 2 Core D D F D D F D Cleansing Area Staging Area 9
  • 10. 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 D D F D D F D D D D D D F F D D D D D D D D D D Data Mart 1 Data Mart 2 Core 10
  • 11. Beispiel: DWH für Liegenschaftenverwaltung 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 11 Data Mart „Gebäudeunterhalt“ Data Mart „Mieterzahlungen“ Core
  • 12. Beispiel: DWH für Liegenschaftenverwaltung 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 12 V1 V2 V1 V2 V1 V2
  • 13. Head-/Versionstabellen  Head-Tabelle  Eindeutiger Schlüssel pro Objekt (PK)  Fachlicher Schlüssel (UK)  Statische Attribute  Versions-Tabelle  Eindeutiger Schlüssel pro Version (PK)  Fremdschlüssel auf Head-Tabelle  Gültigkeitsdauer (Gültig von – Gültig bis)  Dynamische Attribute 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 13 Head- Tabelle Versions- Tabelle
  • 14. Beispiel: DWH für Liegenschaftenverwaltung 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 14 V1 V2 V H V H V H V H
  • 15. 2013 © Trivadis F DOAG - Modellierung Core DWH 19. November 2013 D D F D D F D H H H H F D D H H H H H H Data Mart 1 Data Mart 2 Core V V V V V V V V V V D D D V V V 15
  • 16. Quellsystemgetriebene Datenmodellierung 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 16
  • 17. „Relationales“ Core-Datenmodell  Was bedeutet hier „relational“ und „3. Normalform“?  Star und Snowflake Schemas sind auch relational  Snowflake Schema ist in 3. Normalform (3NF)  Gemeint ist: Aus Quellsystem abgeleitetes Core-Datenmodell  Einsatzgebiet:  Unterschiedliche oder noch unbekannte Anforderungen der Data Marts  Historisierung und Integration von Daten aus verschiedenen Quellsystemen 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 17  Empfehlungen:  Nur fachlich relevante Daten in Core übernehmen  Code-Tabellen und Lookup-Tabellen denormalisieren  Stammdaten-Historisierung im Core mit Head- und Versionstabellen
  • 18. Source System 1 2013 © Trivadis T DOAG - Modellierung Core DWH 19. November 2013 T T T T T T T T T T T Source System 2 Core H H F H V V V F H V H V H F V H V H V Staging Area / Cleansing Area 18
  • 19. Beispiel: Datenmodell des Quellsystems 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 19
  • 20. Beispiel: Core-Datenmodell (nicht historisiert) 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 20
  • 21. Beispiel: Core-Datenmodell (historisiert) 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 21 H H H H H H H V V V V V V V
  • 22. Data Vault Modeling 2013 © Trivadis  Hub:  Eindeutiger Schlüssel pro Objekt (PK)  Fachlicher Schlüssel (UK)  Audit-Informationen (Ladedatum, Quellsystem)  Satellite:  Fremdschlüssel auf Hub oder Link  Gültigkeitsdauer (Gültig von – Gültig bis)  Fachliche Attribute (statisch und dynamisch)  Audit-Informationen (Ladedatum, Quellsystem)  Link:  Künstlicher Schlüssel (Surrogate Key)  Fremdschlüssel auf zwei oder mehr Hubs  Audit-Informationen (Ladedatum, Quellsystem) DOAG - Modellierung Core DWH 19. November 2013 22 H S L
  • 23. Source System 1 2013 © Trivadis T DOAG - Modellierung Core DWH 19. November 2013 T T T T T T Core (Data Vault) H S S S H H H H H H S S S S S S S S S S L L L L L S L 23
  • 24. Data Vault Modeling  Einsatzgebiet:  Enterprise Data Warehouse mit vielen Quellsystemen  Agile DWH-Projekte mit vielen Erweiterungen und Change Requests 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 24  Empfehlungen:  Hubs enthalten ausschliesslich Schlüsselattribute (keine „statischen“ Daten)  Fachliche Attribute in Satellites (historisiert)  Alle Beziehungen über Links (n-zu-n Beziehungen) abbilden  Bei Bedarf auch Satellites für Links möglich
  • 25. Beispiel: Core-Datenmodell als Data Vault S H 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 25 S S S H L L H H S S S S S L S L
  • 26. Generische Datenmodelle  Einsatzgebiet:  Agile DWH-Projekte mit vielen Erweiterungen und Change Requests 2013 © Trivadis  Grundidee:  Erweiterungen ohne Modellanpassungen möglich  Datenmodell soll möglichst allgemein gehalten werden  Konfigurierbar über Metadaten (z.B. Rolle, Objekttyp, etc.) DOAG - Modellierung Core DWH 19. November 2013 26  Empfehlungen:  Nicht verwenden!
  • 27. 2013 © Trivadis T DOAG - Modellierung Core DWH 19. November 2013 Generic Core Partner Type Role Object Source System 1 T T T T T T T T T T T Source System 2 Staging Area / Cleansing Area 27
  • 28. Beispiel: Generisches Datenmodell 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 28 Person Firma Mieter Vermieter Besitzer G = Gebäude W = Wohnung Gebäude Wohnung
  • 29. Wie modelliere ich mein Core DWH? 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013 29
  • 30. Fragen und Antworten... Dani Schnider Principal Consultant Tel.: +41 58 459 50 81 dani.schnider@trivadis.com BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 2013 © Trivadis DOAG - Modellierung Core DWH 19. November 2013