Seminar: Datenmodellierung im Data Warehouse
Eintägiges Intensivseminar
Kurzinformationen
| Ort: | Termin: | Preis: | |
| Münster | 17.05.2021 | 995,00 EUR (zzgl.MwSt.) | |
| Baden-Dättwil | 11.05.2021 | 1.195,00 CHF (zzgl. MwSt.) |
Normalisierung, Star- und Snowflake sind bekannte Schlagwörter aus dem Datenmodellierungsbereich im Data Warehousing. Es existieren eine Menge unterschiedlicher Ansätze für die verschiedenen Datenschichten in einem Warehouse. Welche Ansätze dies sind und wie Sie den für Sie passenden ermitteln, erfahren Sie in diesem Seminar.
Detailinformationen
Das Seminar
Normalisierung, Star- und Snowflake sind bekannte Schlagwörter aus dem Datenmodellierungsbereich im Data Warehousing. Es existieren eine Menge unterschiedlicher Ansätze für die verschiedenen Datenschichten in einem Warehouse. Welche Ansätze dies sind und wie Sie den für Sie passenden ermitteln, erfahren Sie in diesem Seminar.
Es gibt einen umfassenden Einblick in die Datenmodellierung im Data Warehouse für Teilnehmer, die schon grundlegende Modellierungsaufgaben gelöst haben. „Think big, startsmall“ ist der Anfang. Aber mit der Zeit steigt die Komplexität des Warehouses. Hierzu muss ein adäquates Daten-Design gefunden werden. Das Vorgehen zur Erarbeitung des Datendesigns bildet einen Schwerpunkt dieses Seminars.
Der Fokus umfasst die klassischen Datenbestände der DWH Architektur und widmet sich speziellen Fragestellungen, wie etwa der Modellierung konformer Dimensionen. Anhand von Beispielen werden die theoretischen Erkenntnisse vertieft.
Der Seminarinhalt
Es gibt einen umfassenden Einblick in die Datenmodellierung im Data Warehouse für Teilnehmer, die schon grundlegende Modellierungsaufgaben gelöst haben. „Think big, startsmall“ ist der Anfang. Aber mit der Zeit steigt die Komplexität des Warehouses. Hierzu muss ein adäquates Daten-Design gefunden werden. Das Vorgehen zur Erarbeitung des Datendesigns bildet einen Schwerpunkt dieses Seminars.
Der Fokus umfasst die klassischen Datenbestände der DWH Architektur und widmet sich speziellen Fragestellungen, wie etwa der Modellierung konformer Dimensionen. Anhand von Beispielen werden die theoretischen Erkenntnisse vertieft.
Agenda
8:45 Uhr bis 17:00 Uhr
Das Modellierungsumfeld im DWH-Projekt
- Datenarchitekturen im Warehouse
- Modellierungsansätze im DWH
- Einsatz von Case-Tools bei der Modellierung
- OLAP-Tools als Schnittstelle zwischen Datenmodell und Analyse
Vorgehensmodell zur Erarbeitung des Business Schemas in Kooperation mit den Fachabteilungen (mit Übungen)
- Bestimmung der zu analysierenden Geschäftsvorfälle
- Definitionen steuerungsrelevanter Kennzahlen und deren Granularität
- Modellierung von Auswertungsdimensionen
- Abbildung von Hierarchien und Versionierung
Maßnahmen zur Qualitätssicherung des Business-Schemas
- Review der Ergebnisse, Definitionen der Modelle und Objekte
- Quelldatenanalyse zur Verifizierung der Modelle
- Erhebung der Mengengerüste
- Analyse der Anforderungen a Performance, Ladezeiten und Zugriffssicherheiten
Logische Modellierung im RDBMS
- Anforderung des Star- und des Snow-Flake-Schemas
- Umsetzung der Analyseergebnisse aus der konzeptionellen Phase
- Ableitung der Modellanpassung
- Modellierung der Dimensionstabellen
- Modellierung der Fakttabellen in Bestands- und Transaktionsmodellen
Spezielle Fragen der Business Modellierung und der logischen Modellierung
- Kennzahlen als Dimensionen modellieren
- Doppelte Versionierung von Dimensionen, Versionierung von Fakttabellen, Modellierung von Vorgänger-Nachfolger-Relationen
- Modellierung von Aggregationen und nicht aggregierbaren Kennzahlen
- Umsetzung von Zugriffsberechtigung durch Modellierung
Physische Datenmodellierung
- Implementierung der Datenmodelle auf der Datenbank
- Modellierung von Partitionen und Indizes
Metadaten
- Architekturen von Metadatensystemen
- Vorgehen bei der Metadatenmodellierung
- Metadatenmodell zur Jobsteuerung
- Metadatenmodell zur Qualitätssicherung
Schaffung einer normalisierten Schicht zur Generierung dezentraler Data Marts
- Modellschichten im Core Warehouse
- Verwendung von Normalisierung und Denormalisierung
- Unterschiede der Granularität zu den Data Marts
- Abbildung von Historisierung und Versionierung
Integration von Modellen verschiedener Projekte
- Gemeinsame oder seperate Data Marts
- Konforme Dimensionen (shared Dimensions)
- Beziehung zwischen Fakttabellen
- Konsolidierung von Dokumentationen
Abschluss: Diskussion und Zusammenfassung
Voraussetzungen
Keine Vorkenntnisse notwendig.
Berücksichtigen Sie bitte, dass eine Mindestteilnehmerzahl von 4 Personen vorgesehen ist. Ansonsten kann das Seminar nicht stattfinden.
Methode
Präsenzseminar:
Das Seminar wird aus Vortrag, Diskussionsrunden sowie praktischen Übungen in Kleingruppen bestehen. Viele Beispiele aus der Praxis verdeutlichen die Theorie.
Sprachen
Seminar: Deutsch
Zielgruppe
Teilnehmer sollten Business-Analysten oder Projektmitarbeiter mit Modellierungsaufgaben sein, aber auch Projektleiter, die im Data-Warehouse- und Informationsmanagement-Umfeld tätig sind.
Anmeldung
Stornierung
Bei Stornierung bis zu 14 Tage vor Veranstaltungsbeginn erheben wir eine Bearbeitungsgebühr von 50% der Gebühr. Bei späteren Absagen wird der gesamte Beitrag fällig.
Seminarabsage
Sollten wir aus wichtigen Grund (z. B. Erkrankung des/der Referenten) gezwungen sein, den Kurs abzusagen, so teilen wir Ihnen dieses umgehend mit. Wir werden Ihnen in diesem Fall einen Ersatztermin anbieten. Passt dieser nicht zu Ihrer Terminplanung, erhalten Sie die bereits gezahlte Seminargebühr in voller Höhe zurück. Darüber hinausgehende Ansprüche bestehen nicht.
Teamvorteil
Sie sind als Team an der Teilnahme interessiert? Dann buchen Sie für 3 Teilnehmer und erhalten Sie ab dem 3.Teilnehmer 10 % Rabatt.