Teneriffa Süd Abflug
Data Vault Die Data Vault Modellierung ist fachbereichsorientiert. Sie zerlegt die Quellsysteme in ihre Bestandteile und ordnet sie nach gemeinsamen Geschäftsobjekten und deren Geschäftsbeziehungen an. 29. Sep. 2021 • 3 min read Data Vault Tabellentypen Hub Link Satellit Der Hub enthält die Liste der eindeutigen, fachlichen Geschäftsschlüssel. Der Link verbindet Hubs. Der Satellit enthält beschreibende Attribute für Geschäftsobjekte oder Geschäftsbeziehunngen Er ist die Basis für die Integration von Quellsystemen. Er entkoppelt das Modell und ist die Basis für deren Skalierbarkeit. Er historisert Geschäftsattribute. Das Netzwerk aus Hubs und Links bildet das Rückgrat des Data Vault Modells. Zuerst werden die Geschäftsobjekte und Geschäftsbeziehungen definiert. Danach werden die restlichen beschreibenden Attribute des Quellsystems historisiert und als Satelliten an die zugehörigen Hubs oder Links angehängt. Dadurch werden die unterschiedlichen Quellsysteme automatisch nach gemeinsamen Geschäftsobjekten und Geschäftsbeziehungen strukturiert und vorintegriert: Zerlegung einer Kundentabelle des Quellsystems in Hub, Links und Satelliten im Raw Data Vault Bei mehreren Quellsystemen reduziert Data Vault die Komplexität zusätzlich.
The Business of Data Vault-Modellierung, 2. Auflage,, August 2009 81 p. ( ISBN 978-1-4357-1914-9, online lesen) Thomas C. Hammergren und Alan R. Simon, Data Warehousing für Dummies, 2. Auflage, John Wiley & Sons, Februar 2009 ( ISBN 978-0-470-40747-9) Dan Linstedt, Laden Sie Ihr Data Warehouse auf, Dan Linstedt, Dezember 2010 ( ISBN 978-0-9866757-1-3) (de) Ronald Kunenborg, " Data Vault Rules v1. 0. 8 Cheat Sheet ", Data Vault Rules, Zugriff IT (abgerufen am 26. September 2012) Version 1. 8 der Data Vault-Modellierungsregeln (de) Dan Linstedt, " Data Vault-Modellierungsspezifikation v1. 9 ", Data Vault-Forum, Dan Linstedt (abgerufen am 26. 9 der Data Vault-Modellierungsspezifikationen IT-Portal
Das ist einer der Gründe, warum Anpassungen oft mit hohen Aufwand und Komplexität verbunden sind. Das führt zu einem Konflikt mit dem Anspruch von Data Warehouses. Nur wenn sie zeitnah geänderte Geschäftsprozesse abbilden, stehen diese notwendigen Informationen dem Berichtswesen zur Verfügung. In Data Vault werden neue oder geänderte Strukturen in einem neuen Satellite gespeichert. Der bestehende Satellite bleibt erhalten und stellt die historischen Daten auch in Zukunft zur Verfügung. Auch der ETL-Prozess für die historischen Daten hat weiterhin Bestand. Das ermöglicht die Beladung des bereits bestehenden Satelliten – beispielsweise für den Reload der Daten aus einem Archiv. Was passiert mit den neuen Daten? Sie werden in ein neues Ziel geladen, um genau zu sein in den neu erstellten Satellite. Er ist damit eine modifizierte Kopie des "historischen" ETL-Jobs. Ein weiterer Vorteil: Es ist keine Änderung an bestehenden Prozessen notwendig. Somit entfallen das Reengineering und das umfangreiche Testen bestehender ETL-Jobs.
Die beschreibenden Informationen beziehungsweise der Kontext für Business Keys werden durch Satelliten abgebildet. Das gilt sowohl für Business Keys in Hubs als auch in Links. Sie speichern die gesamte Datenhistorie. Um einen einzelnen Business Key beziehungsweise eine einzelne Beziehung zu beschreiben, lassen sich mehrere Satelliten einsetzen. Ein Satellit kann jedoch nur einen Schlüssel (Hub oder Link) beschreiben. Die Vorteile des Konzepts Im Fokus von Data Vault steht die schnelle Bereitstellung integrierter Daten für Auswertungen und Reports. Unternehmen profitieren von dem Konzept in mehreren Aspekten: Organisatorische Vorteile: Da Data Vault die Entwicklungszeit drastisch senkt, wird die Umsetzung von Anforderungen der Fachanwender erleichtert. Das Konzept erhöht den Return of Investment und ermöglicht die Skalierbarkeit des Data Warehouse. Daten werden bis zum Quellsystem nachverfolgbar. Am größten sind die Vorteile für Unternehmen, die sich mehr Agilität bei der Anpassung ihrer Business-Intelligence -Anwendungen wünschen, eine kurze Ladezeit bei großen Datenmengen benötigen oder ein vorgelagertes Core Data Warehouse innerhalb einer bestehenden Silo-Architektur erstellen wollen.
Daten werden exakt so abgebildet, wie sie im Quellsystem vorliegen. Ein weiterer Aspekt: Das unveränderte, vollständige und historisierte Laden der Quelldaten erfüllt die 100%ige Audit-Fähigkeit. In Data Vault unterscheiden wir zwischen "Hard business rules" und "Soft business rules".
Mit dem neuen Ansatz stehen die Daten nun schneller und billiger bereit. Um den vollen Nutzen zu erreichen, müssen diese Daten nun mit der bestehenden BI-Landschaft verknüpft werden. Jede dieser schwach strukturierten Daten bezieht sich auf ein Geschäftsobjekt. Sensordaten beziehen sich auf das Werkstück und die Maschine, Umfragedaten auf den Kunden. Für dieses Geschäftsobjekt müssen die Schlüsselbegriffe sowie die Schlüssel für Referenzen auf andere Geschäftsobjekte identifiziert werden. Diese Schlüssel und ihre Beziehungen sind dann in das bisherige DWH zu übertragen. So entsteht ein Brückenkopf, an dem bei der Auswertung weitere beschreibende Attribute hinzugeschlüsselt werden können. Hashkeys vereinheitlichen Schlüssel. Die Schlüssel in den schwach strukturierten Daten sind fachliche Schlüssel, setzen sich mitunter aus mehreren Attributen zusammen. Die Information über die Verknüpfung ist somit nur schwer verständlich und muss jeweils dokumentiert und an die Nutzer weitergegeben werden.
3. Kulturwandel durch DevOps und DataOps Automatisierte Data Warehouses sparen den Datenteams viel Zeit, die sie nutzen können, um agile Methoden wie DevOps und DataOps zu implementieren. Die beiden Kofferworte sind zurzeit, nicht nur in der BI-Welt, in aller Munde. DevOps legen fest, wie Anwendungen in Unternehmen entwickelt und bereitgestellt werden, während DataOps die möglichst effektive Nutzung der Daten spezifiziert. Beide Methoden sind über den gesamten Data Warehouse Lebenszyklus anwendbar, von der Datenaufbereitung über Datenvisualisierung bis hin zur Berichtserstellung. DevOps streben die interdisziplinäre Vernetzung von Softwareentwicklung, Qualitätssicherung und IT-Management an, um die Automatisierung, Agilität und Zusammenarbeit zwischen Entwicklung und IT-Management effizienter zu gestalten. Programmierer sollen die strategischen Herausforderungen eines Unternehmens schon bei der Entwicklung berücksichtigen. Von den Qualitäts- und Operations-Manager wird hingegen erwartet, dass sie die vorhandene IT-Infrastruktur mit in ihre Planung einbeziehen.