Cybrain - Fotolia

F

Datenmodellierung für Data-Warehouse-Projekte

Für die Datenmodellierung von Data-Warehouse-Projekten ist das richtige Konzept wichtig. Wir geben Hinweise auf was es ankommt.

Mein Arbeitgeber (aus der Luftfahrtbranche) hat versucht, ein neues Data Warehouse zu implementieren, das Sicherheitsdaten für Analyse und Berichte liefern soll. Zweimal sind Konzepte dafür schon gescheitert. Bevor wir es ein drittes Mal versuchen: Was würden Sie hier empfehlen? Wir bräuchten einen groben Entwurf, auf dem wir aufbauen können.

Die erste Frage, die man zu Beginn einer Data-Warehouse-Initiative stellen muss, lautet: Was ist mit den vorigen Initiativen passiert? Ein häufiges Problem ist, dass der Zuschnitt zu weit gewählt wird – man versucht, alles auf einmal zu erledigen, statt in mehreren Schritten Wert für die Nutzer zu schaffen.

Der Aufbau eines Data Warehouse unterscheidet sich zudem grundlegend von der Entwicklung einer traditionellen Anwendung für Online Transaction Processing (OLTP). Manchmal versuchen es Teams hier trotzdem mit derselben Formel für einen Softwareentwicklungszyklus, was aber aufgrund der Natur von Analytik nicht funktionieren kann. So gibt es für eine klassische OLTP-Anwendung einen klaren Endpunkt (zum Beispiel die Erfassung von Daten über einen Bildschirm), wohingegen Data Warehouses flexibler sein müssen, da sie die Bedürfnisse von Analytik-Nutzern über einen längeren Zeitraum erfüllen sollen. Oft ist noch gar nicht bekannt, welche Art von Analysen später benötigt werden, so dass das Data Warehouse schnelle Änderungen erlauben muss.

Als Teil des Prozesses zur Definition der Anforderungen empfehle ich dringend die Entwicklung von konzeptuellen Datenmodellen. Diese helfen dabei, das Geschäft zu verstehen und den richtigen Zuschnitt des Projekts zu finden. Viel zu oft beginnt die Modellierung von Data Warehouses mit Entwürfen für das Data Warehouse selbst, statt mit einem Entity-Relationship-Modell (ER) des Unternehmens.

Konzeptuelle Datenmodelle sind Geschäftsmodelle, keine Lösungsmodelle. Sie helfen dem Entwicklungsteam dabei, die gesamte Breite des für ein iteratives Warehouse-Projekt gewählten Fachgebiets zu verstehen. Ebenfalls dienen sie als Werkzeug, Ihre dimensionalen Modelle (die Sternschemata) zu validieren, auf deren Grundlage geschäftliche Abfragen erfolgen sollen.

Ich empfehle Ihnen, eine Beratungsfirma hinzuzuziehen, die auf Data Warehousing spezialisiert ist und sich hier schon bewährt hat – zumindest, um Sie bei der Erstellung einer Roadmap und eines Rahmens für den Aufbau des Data Warehouse zu unterstützen. Bei Data-Warehouse-Projekten steht in Organisationen oft viel auf dem Spiel, und sie können enorme Vorteile bringen. Doch sie sind eben auch von höchst komplexer Natur.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Artikel wurde zuletzt im August 2010 aktualisiert

Erfahren Sie mehr über Datenverwaltung

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close