Seminaranmeldung

Ein durchdachtes Data Warehouse ist die Grundlage für fundierte Geschäftsentscheidungen und effiziente Datenanalysen. In diesem Seminar lernen Sie, wie Sie ein Data Warehouse strukturiert entwerfen und modellieren - von der Architektur über die dimensionale Modellierung bis hin zur Planung der Datenübernahme. Anhand praxisnaher Beispiele und bewährter Entwurfsmuster vermitteln Ihnen unsere erfahrenen Trainer:innen, wie Sie Fakt- und Dimensionstabellen konzipieren, Star- und Snowflake-Schemata einsetzen und ein dimensionales Gesamtmodell aufbauen. Sie erfahren, welche physischen Aspekte bei der Datenhaltung zu berücksichtigen sind und wie Sie ETL-Prozesse technisch und konzeptionell gestalten. Nach dem Training sind Sie in der Lage, tragfähige Datenmodelle zu entwickeln, bestehende Strukturen zu bewerten und den Aufbau eines Data Warehouses gezielt zu planen.

Prinzipien und Architektur eines Data Warehouse (DWH):

• Motivation eines DWH-Projekts
• Eine DWH-Architektur
• Konkurrierende Lösungstypen
• Entwurfsaufgaben und Grundsatzentscheidungen

Dimensionale Modellierung:

• Eigenschaften und Stärken des dimensionalen Modells
• Unterschied zum ERM
• Fakt- und Dimensionstabellen
• Star-Schema, Snowflake-Diagramm
• Dimensionenarten
• Faktenarten
• Entwurfsfälle und Musterlösungen
• Entwurfsprinzipien

Aggregation und Kennzahlen:

• Aggregations-Diagramme
• Kennzahlen-Diagramme
• Fact Constellation-Schema

Dimensionales Gesamtmodell:

• Wertkette und Faktenverbund
• Data Mart, Dimensionen und Daten-Fakten-Matrix (Datenbus)
• Daten-Galaxie
• Data Mart-Auffassungen
• Stufen zum Aufbau des dimensionalen Gesamtmodells

Physische Datenhaltungsebene:

• Konventionen
• Physisches Modell
• Mengenkalkulation
• Indizierung und Indexplan
• Planung der Speicherstruktur

Datenübernahmeentwurf:

• Planung der Übernahmeschritte
• Infrastrukturplan
• Verteilungsmöglichkeiten von Data Marts
• Quellen-Ziel-Mapping
• Ladeschema
• Ladeschritte
• Kontrolle der Ergebnisse