Data Vault
Modeling
Sehr geehrte Damen und Herren,
ergänzend zu unseren Printausgaben werden wir in Zukunft in unregelmäßigen Abständen zu besonders gefragten Themen Online Themenspecials veröffentlichen. Diese werden dann immer von einem fachkompetenten leitenden Redakteur gesondert reviewt werden.

Wir hoffen, dass Sie viel Spaß beim Lesen dieser digitalen Ausgabe haben und natürlich neue Erkenntnisse.

Schreiben Sie uns doch bitte, wie Ihnen diese Ausgabe und die Ideen von Online Themenspecials gefällt. Wir freuen uns auf Ihr Feedback.

Besonders möchten wir Oliver Cramer danken, der mit uns diese erste Ausgabe auf den Weg gebracht hat.

Mit freundlichem Gruß

Susanne Herl
Redaktions- und Herstellungsleitung

Inhaltsverzeichnis
Editorial: Data Vault - ein moderner und erfolgversprechender Modellierungsansatz für das unternehmensweite Data Warehouse
Neue Wege in der Datenmodellierung - Data Vault heißt die moderne Antwort
Analyse von Charakteristika von Modellierungsmustern und Ansätzen - Charakteristika von Modellierungsmustern
Aktuelle Themen in die unternehmensweite BI integrieren - Architekturen in Data Vault 2.0
Mehr Umsetzungsgeschwindigkeit und Flexibilität für Ihr Data Warehouse - Industrialisierter Data Vault
Generierung von Tabellen und Mappings für Data-Vault-Modelle: Generation Data Vault
Das Richtige tun, damit Data-Vault-Projekte erfolgreich sind: Blick auf erweiterte Konzepte
Data Vault Links - eine komplizierte Verbindung? - Modellierung von Links
Michael Hahne im Interview zu Data Vaults: Keine Frage von Schwarz oder Weiß
Finanzrechtliche Aufsichtsregeln für die Risikosteuerung in Finanzinstituten - Data Vault bei der Risikosteuerung in Banken
Editorial: Data Vault - ein moderner und erfolgversprechender Modellierungsansatz für das unternehmensweite Data Warehouse
Oliver Cramer
Am Anfang der Evolution der elektronischen Datenverarbeitung stand die Entwicklung operativer Systeme. Im Laufe der Zeit rückte die Integrität der Daten in den Vordergrund. Diese Integrität wird durch relationale Datenbanken und die Modellierung in der dritten Normalform optimal unterstützt. Es entstand der Gedanke, die Daten aus den operativen Systemen für Auswertungszwecke zu verwenden. Die Daten werden, um die operativen Systeme nicht zu belasten, aus den operativen Systemen extrahiert und in eine andere Datenbank geladen. Die Integration der Daten über mehrere Systeme hinweg wurde wichtig. Historisierte Daten erlangten Bedeutung. Relationale Datenbanken und die Modellierung in dritter Normalform waren auch für das Data Warehouse nach Prägung von Bill Inmon ein naheliegender Gedanke.
>  Artikel lesen
Neue Wege in der Datenmodellierung - Data Vault heißt die moderne Antwort
Dirk Lerner, Oliver Cramer
Geschäftsanforderungen oder neudeutsch gesprochen Business Needs verändern sich in heutigen Unternehmen in sehr kurzen Intervallen. Was gestern noch als gesetzt galt, kann morgen schon wieder vorbei sein. Fachabteilungen fordern in immer kürzeren Abständen die Bereitstellung geeigneter Daten, um Entscheidungen zu treffen. Feste und starre Regeln werden bewusst gebrochen, um etwas Neues zu entdecken. Sogenannte Data-Driven Companies versuchen den Großteil ihrer Entscheidungen auf Basis von fundierten Daten zu treffen. Der Einsatz eines Data Warehouse ist in Großunternehmen zum Standard geworden.
>  Artikel lesen
Analyse von Charakteristika von Modellierungsmustern und Ansätzen - Charakteristika von Modellierungsmustern
Hans Hultgren
Heutzutage gibt es verschiedene neuartige agile Datenmodellierungsansätze, um die individuellen Anforderungen und Beschränkungen der Datenmodellierung für das unternehmensweite Data Warehouse zu adressieren. Diese Ansätze stellen bestimmte Techniken bereit, um diesen Anforderungen und Beschränkungen zu begegnen. Während es mehrere Charakteristika gibt, die diese Ansätze unterscheiden, konzentriert sich diese Analyse auf drei bestimmte Charakteristika bzw. Kriterien, die im Folgenden im Einzelnen dargestellt werden.
>  Artikel lesen
BI-SPEKTRUM im Mini-Abonnement
3_BI_Hefte.jpg
Testen Sie unser günstiges Mini-Abo - 3 Ausgaben für nur 25 Euro!

Und Sie erhalten eine herstellerneutrale Informationsquelle für die Weiterbildung aktiver Entscheidungsträger für unternehmenskritische Prozesse, die sowohl die softwaretechnische als auch die betriebswirtschaftliche Komponente abdeckt.

Auch als Mini-Abonnent erhalten Sie Ihren persönlichen Login zu allen Artikel-PDFs.
>  Zur Bestellung
Aktuelle Themen in die unternehmensweite BI integrieren - Architekturen in Data Vault 2.0
Michael Müller
Data Vault als Methode verfolgt das Ziel, eine effiziente und effektive Data Warehouse Entwicklung zu ermöglichen, die für Nachhaltigkeit sorgt und somit ein Redesign des Data Warehouse auf Änderungen im Geschäftsmodell reduziert. Mit Data Vault 2.0 wurde dieser Anspruch auf die Architektur ausgeweitet. Die Standardisierung der Architektur stellt sicher, dass auch künftige Anforderungen erfüllt werden. Mit den hier vorgestellten Mechanismen lassen sich unter anderem die klassischen Erwartungen an das Data Warehouse mit den neuen Ansprüchen aus dem Bereich Big Data und NoSQL zusammenbringen, ohne dass alles neu gebaut werden muss.
>  Artikel lesen
Mehr Umsetzungsgeschwindigkeit und Flexibilität für Ihr Data Warehouse - Industrialisierter Data Vault
Lutz Bauer
Moderne Data Warehouse Systeme müssen sich der Forderung nach immer kürzer werdenden Zeiträumen zwischen den Anforderungen nach neuen Analysemöglichkeiten bzw. Integration neuer Daten und deren Umsetzung stellen. Eine Konsequenz: Agile Projektmethoden haben Einzug ins Data Warehouse erhalten. Data Vault ergänzt sich sehr gut mit agilen Vorgehensweisen.
Die Umsetzungsgeschwindigkeit für Ihr Data-Warehouse-Vorhaben kann noch weiter (drastisch) beschleunigt werden: Data Vault eignet sich sehr gut für eine vollautomatisiert erzeugte Datenbewirtschaftung sowie teilautomatisiert abgeleitete Datenmodelle. Lesen Sie im Folgenden mehr über: Standardisierung + Beschleunigung = Industrialisierter Data Vault.
>  Artikel lesen
Generierung von Tabellen und Mappings für Data-Vault-Modelle: Generation Data Vault
Michael Klose, Markus Kollas
DWH-Projekte erfordern ein flexibles und dennoch stabiles Datenmodell. Genau hier erreicht die Modellierungsmethode Data Vault gegenüber anderen Methoden eine deutlich höhere Punktzahl. Diese Art der Modellierung stellt dank ihrer hohen Flexibilität sowohl bei Erweiterungen und als auch bei der Trennung in fachliche Datentypen eine ideale Grundlage für DWH-Initiativen dar.
>  Artikel lesen
BI-SPEKTRUM im eAbo
BI_eMag.jpg
BI-SPEKTRUM in digitaler und somit mobiler Form als PDF

- Mobil
- Übersichtlich
- Archivierbar

Bitte nutzen Sie folgende Zugangsdaten:

Login: BI_04_14@Probe.de
Passwort: BI_04_2014
>  Hier geht es zur kostenlosen Leseprobe
Das Richtige tun, damit Data-Vault-Projekte erfolgreich sind: Blick auf erweiterte Konzepte
Lars Nielsch
Data Vault gilt als wichtige Methode, um Agilität in Data-Warehouse-Projekten tatsächlich zu leben und flexibel, systematisch und schnell auf die permanenten Veränderungen der Anforderungen und der Strukturen von Datenquellen zu reagieren. Ein Ansatz ist dabei, die Gründe für das Scheitern von DWH-Projekten zu betrachten und insbesondere auf die Komplexität der Integration-Layer-Modellierung zu fokussieren. Trotz seiner vielen Vorteile hat auch das Konzept des Data Vault seine Herausforderungen. So sind beispielsweise die in Hubs, Links und Satelliten "verstreuten" Daten nur schwer abzufragen. Vieles würde in einem Data-Vault-Projekt auch gar nicht erst zum Problem, wenn frühzeitig die erweiterten Data-Vault-Bausteine (PIT-Tabellen, Bridge-Tabellen, Hashes) und neueren Architekturansätze (Raw und Business Vault) in die Konzeption mit einbezogen würden.
>  Artikel lesen
Data Vault Links - eine komplizierte Verbindung? - Modellierung von Links
Michael Müller
Auf den ersten Blick ist die Modellierung von Data Vault sehr trivial. Geschäftsobjekte haben Business Keys, und die werden zu Hubs. Die Eigenschaften werden alle in Satelliten am Hub historisiert gespeichert. Die geschäftlichen Transaktionen und Prozesse werden in Links hinterlegt, die wiederum auch Satelliten haben. So kurz kann man Data Vault beschreiben.
>  Artikel lesen
TDWI Akademie Seminar
huesemann_bodo.jpg
2-Tages-Seminar:
Data Vault - Konzepte, Architektur und Modellierung
Referent: Bodo Hüsemann

Sie lernen die wesentlichen Grundbausteine des Data-Vault-Modells und die Hauptargumente für den Einsatz kennen. Die Vorgehensweisen zur Umsetzung von Data-Vault-ETL-Prozessen und modernen DWH-Architekturen werden vorgestellt. Nach dem Seminar können Sie auf Basis von Data Vault agile Entwicklungsmethoden effizient in der Praxis umzusetzen.
>  Alle Infos und Termine
Michael Hahne im Interview zu Data Vaults: Keine Frage von Schwarz oder Weiß
Immo Gehde
Wenn sich jemand mit dem Thema Data Vault auskennt, dann Dr. Michael Hahne. Der TDWI Fellow und Certified Business Intelligence Professional (CBIP) ist mittlerweile Geschäftsführender Gesellschafter seines eigenen auf BI-Architektur und -Strategie spezialisierten Beratungshauses. BI-SPEKTRUM hat Michael Hahne getroffen und ihn zu Data Vault interviewt.
>  Artikel lesen
TDWI Wissen
TDWI_Wissen.jpg
Starten Sie jetzt Ihre Suche in unserer umfassenden Wissensdatenbank.

Nutzen Sie unsere Serviceleistungen rund um das Thema IT-Wissen, um Antworten zu finden und Probleme zu lösen.
>  Zur Suche
Finanzrechtliche Aufsichtsregeln für die Risikosteuerung in Finanzinstituten - Data Vault bei der Risikosteuerung in Banken
Torsten Glunde
Die Folgen der Finanzmarkt- und Staatsschuldenkrise sind teuer, vor allem für uns Steuerzahler. Die Regulierungsbehörden in Europa und Deutschland versuchen jetzt die Steuerbarkeit der Finanzinstitute zu gewährleisten und eine Wiederholung der Krise zu verhindern. Die Regulatoren von BCBS 239 (einer Vorschrift des "Basel Comittee on Banking Supervision", kurz BCBS) schätzen für die Umsetzung dieser Maßnahme einen mittleren, zweistelligen Millionenbetrag pro Institut insgesamt und in Einzelfällen einen dreistelligen Millionenbetrag an Investitionen. Anhand der Handlungsbedarfe, die sich aus BCBS 239 ergeben, erläutert der Artikel, wie die Data-Vault-Methodik bei der Realisierung helfen kann.
>  Artikel lesen
Impressum
Herausgeber: SIGS DATACOM GmbH, Lindlaustr. 2c, 53842 Troisdorf • Registergericht: Amtsgericht Siegburg, HRB 6552 • Verlagsleitung: Günter Fuhrmeister • Anzeigen und Sponsorships: Andreas Dietz und Simon Klar • Redaktions- und Herstellungsleitung: Susanne Herl • Leitende Redaktion: Oliver Cramer • Schlussredaktion: Kirsten Skacel

Tel: +49 (0)2241 2341 100 • Fax: +49 (0)2241 2341 299
URL: www.sigs-datacom.de • E-Mail: info@sigs-datacom.de
OBJEKTspektrum  |   JavaSPEKTRUM  |  Wissen  |  Konferenzen  |  Seminare