Die ständig wachsende Datenflut zu bewältigen und gezielt Informationen daraus nutzen zu können gehört für heutige Unternehmen zu den komplexesten und zugleich wichtigsten Anforderungen. Mit den verfügbaren Daten können wir das Kundenverhalten studieren, den Kunden besser verstehen, gezielter bedienen und künftige Marktchancen frühzeitig erkennen.
Business Intelligence (BI) und Data Warehouse Projekte (DWH) sind in diesem Zusammenhang etablierte Verfahren und Prozesse, die es Unternehmen ermöglichen, Daten in elektronischer Form systematisch zu sammeln und auszuwerten.
Doch mit den immer kürzer werdenden Aktualisierungsintervallen, der steigenden Datenmenge und Komplexität bei BI-Projekten wachsen auch die Anforderungen an das Data Warehouse System. Data Warehouse Systeme müssen heute flexibel und agil auf diese Anforderungen reagieren können.
Während traditionelle Modellierungsmethoden wie das 3NF und das Starschema, bei der Erstellung agiler DWH-Projekten oftmals an ihre Grenzen stossen, bietet das Modellierungsmodell Data Vault zahlreiche Vorteile.
Im Jahr 2000 vom US-Amerikaner Dan Linstedt entwickelt, stellt Data Vault eine effiziente Methode dar, um stabile aber trotzdem flexible Data Warehouses zu modellieren.
Als Kernelement einer Data Warehouse Architektur integriert Data Vault Geschäftsobjekte und verknüpft diese sinnvoll. Alle Informationen zu einem Geschäftsobjekt werden bei der Modellierung mit Data Vault in nur wenige Einheiten unterteilt, die strikt voneinander getrennt werden.
Entität 1: Hubs
Hubs enthalten Schlüsselinformationen, die ein Objekt eindeutig identifizieren.
(Identität: z.B. Kundennummer, Artikelnummer)
Entität 2: Satelliten
Satelliten enthalten Attribute, die ein Objekt grundlegend beschreiben
(Attribute: z.B. Kundennamen, Artikelbezeichnung)
Entität 3: Links
Links enthalten Informationen, die Beziehungen zwischen zwei oder mehreren Entitäten beschreiben
(Beziehungen: z.B. Zuordnung eines Kunden zu einem Kundentyp)
Data Vault macht Data Warehouses zukunftssicher
Bei traditionellen Modellierungsmethoden werden Daten gleich zu Anfang bearbeitet, um vergleichbar gemacht werden zu können.
Bei der Modellierung mit Data Vault hingegen, werden Daten zunächst roh abgespeichert und erst ganz zum Ende der Entwicklungskette entsprechend transformiert. Dies bietet zum einen den Vorteil, dass bei einem Strategiewechsel des Unternehmens nur ein geringer Teil des Projektes umgebaut werden muss, ohne das komplette Projekt neu konstruieren zu müssen. Zum anderen wird das Data Warehouse System dadurch übersichtlicher und eine einfache Wartung des Systems kann garantiert werden.
Data Vault garantiert maximale Transparenz und Nachvollziehbarkeit
Durch die umfassende Historisierung bleiben Daten in Hubs jederzeit nachvollziehbar und belegbar.
Data Vault ermöglicht die Analyse von Big Data und Real-Time Warehousing
Ein weiterer Vorteil der Data Vault Modellierungsmethode ist die Aufteilung nach den Einheiten Hubs, Links und Satelliten.
Dies ermöglicht, dass das System für jede dieser Einheiten unabhängig befüllbar ist. Dadurch können Datenintegrationsprozesse beschleunigt und Ladenzeiten verkürzt werden, wodurch das System für Big Data geeignet ist und nahezu Realtime fähig wird.
Data Vault steigert die Effizienz und senkt IT-Kosten
Durch die Modellierung mit Data Vault werden Strategien für Ladeprozesse und Selektionen vereinheitlicht. Warehouse Prozesse werden standardisiert und automatisiert, was eine effizientere Datenintegration ermöglicht und IT-Aufwände erheblich reduziert.
Fazit: Mit Data Vault modellierte Data Warehouses wachsen mit den Bedürfnissen eines Unternehmens
Die Modellierungsmethode Data Vault unterstützt ein agiles Projektvorgehen perfekt.
Ein mit Data Vault modelliertes Data Warehouse ist extrem skalierbar und verfügt über eine flexible Architektur. Diese Kombination erlaubt es Unternehmen zu wachsen und sich zu verändern, ohne dabei mit langen Entwicklungszyklen, enormen Kosten und negativen Auswirkungen auf das bestehende Data Warehouse konfrontiert zu werden. Data Warehouses gewinnen somit an Effizienz, Stabilität und Überprüfbarkeit.
Sie möchten gerne mehr über Data Vault und unsere Erfahrungen mit dieser Modellierungsmethode erfahren? Dann kontaktieren Sie uns noch heute.
[/vc_column_text][/vc_column][/vc_row]
