- Fortgeschrittene Konzepte der dimensionalen Modellierung
- Erweiterung der Sternschema-Modellierung
- Nutzung von Hybridmodellen für komplexe Szenarien
- Praktische Anwendungsfälle und Best Practices
- Leistungsverbesserung durch fortgeschrittene Techniken
- Vertiefung in die Aggregatbildung und Aggregatverwaltung
- Optimierung von Abfragen durch Indexierung und Partitionierung
- Einsatz von Columnstore-Indizes und In-Memory-Technologien
- Datenqualitätssicherung und Data Governance
- Strategien zur Sicherstellung von Datenqualität in komplexen Datenmodellen
- Implementierung von Data-Governance-Richtlinien im Datenmodell
- Automatisierung von Datenqualitätsprüfungen und -verbesserungen
- Advanced Slowly Changing Dimensions (SCDs)
- Fortgeschrittene Methoden zur Behandlung von SCD-Typen
- Einsatz von Historisierungsmechanismen und temporalen Datenbanken
- Praktische Beispiele und Lösungsansätze für komplexe SCD-Szenarien
- Praktische Anwendungen und Fallstudien
- Analyse von komplexen Datenmodellierungsprojekten aus der Praxis
- Diskussion über Herausforderungen und Lösungsansätze
- Erfahrungsaustausch zwischen den Teilnehmern
- Advanced Data Warehouse Design Patterns
- Vorstellung und Diskussion fortgeschrittener Design Patterns für Data Warehouses
- Einsatz von Bridge Tables, Junk Dimensions und anderen fortgeschrittenen Techniken
- Bewertung der Vor- und Nachteile verschiedener Designansätze
- Data Vault 2.0 Modellierung
- Einführung in das Data Vault Konzept und seine Bestandteile
- Designprinzipien und Anwendungsgebiete von Data Vault
- Implementierung und Verwaltung eines Data Vault Modells
- Modellierung von Real-Time Daten in das Data Warehouse
- Techniken und Technologien
- Best practices
LernzieleSie erlernen fortgeschrittene Techniken zur Datenmodellierung und Optimierung in Data Warehouses. Dies umfasst die Erweiterung der Sternschema-Modellierung, die Nutzung von Hybridmodellen und die Anwendung von fortgeschrittenen Techniken zur Leistungsverbesserung.
Zielgruppen- Teilnehmer sollten über fortgeschrittene Kenntnisse in Datenbanken und SQL verfügen.
- Teilnehmer sollten bereits Erfahrungen mit Data Warehousing und Datenmodellierung haben.
- Interesse an fortgeschrittener Datenmodellierung und -architektur wird vorausgesetzt.
