Enterprise Data Warehousing mit der Modellierungsmethode Data Vault

Unternehmen stehen vor der Herausforderung, immer größere Datenmengen flexibel und effizient auswerten zu müssen, um erfolgskritische Trends und Risiken zeitnah erkennen und darauf reagieren zu können. Enterprise Data Warehouses stellen eine technische Lösung für diese Herausforderung dar. In dieser Arbeit werden die für die Entwicklung eines Enterprise Data Warehouse in Frage kommenden Modellierungsmethoden untersucht mit dem Ziel, die Vor- und Nachteile der Methoden herauszuarbeiten und daraus eine Empfehlung für die Praxis abzuleiten. Hierzu werden anhand einer Beispieldatenbank die klassischen Modellierungsansätze der relativ jungen Modellierungsmethode Data Vault systematisch gegenübergestellt. Die Gegenüberstellung erfolgt anhand vorab festgelegter Kriterien. Zunächst wird auf die unterschiedlichen Anforderungen und Rahmenbedingungen der unterschiedlichen Ansätze eingegangen. Anschließend wird die Beispieldatenbank parallel mit klassischer Methode und Data Vault modelliert und implementiert. Schließlich werden die dabei gesammelten Erkenntnisse gegen die anfangs definierten Kriterien evaluiert. Ein Fazit/Ausblick auf zukünftig zu betrachtende Aspekte runden dieses Thema ab.

Autorentext

Martin Brügmann wurde 1991 in Lübeck geboren. Er absolvierte den Bachelor of Science in Informatik/ Softwaretechnik an der FH Lübeck.

Klappentext

Unternehmen stehen vor der Herausforderung, immer größere Datenmengen flexibel und effizient auswerten zu müssen, um erfolgskritische Trends und Risiken zeitnah erkennen und darauf reagieren zu können. Enterprise Data Warehouses stellen eine technische Lösung für diese Herausforderung dar. In dieser Arbeit werden die für die Entwicklung eines Enterprise Data Warehouse in Frage kommenden Modellierungsmethoden untersucht mit dem Ziel, die Vor- und Nachteile der Methoden herauszuarbeiten und daraus eine Empfehlung für die Praxis abzuleiten. Hierzu werden anhand einer Beispieldatenbank die klassischen Modellierungsansätze der relativ jungen Modellierungsmethode Data Vault systematisch gegenübergestellt. Die Gegenüberstellung erfolgt anhand vorab festgelegter Kriterien. Zunächst wird auf die unterschiedlichen Anforderungen und Rahmenbedingungen der unterschiedlichen Ansätze eingegangen. Anschließend wird die Beispieldatenbank parallel mit klassischer Methode und Data Vault modelliert und implementiert. Schließlich werden die dabei gesammelten Erkenntnisse gegen die anfangs definierten Kriterien evaluiert. Ein Fazit/Ausblick auf zukünftig zu betrachtende Aspekte runden dieses Thema ab.