Auf dem 1. DDVUG Treffen hatten wir ein interessante Diskussion darüber, wo eigentlich die Datenmodellierung aufhört und Business Rules beginnen. Aufgehängt hatte sich dies an meiner Präsentation, in der es um einen Link ging, der eine 1:M (Hub A – (M) Link (1) – Hub B) Relation repräsentiert und über einen bi-temporalen Satelliten den gesteuert (end-dating) wird. So darf für jeden Eintrag im Hub B nur eine aktive Relation im Link existieren. Die Daten für das End-dating des Links kamen im von mir aufgeführten Beispiel bereits aus dem Quellsystem (Blogpost folgt bald).

Wie Sie erfolgreich jede Ebene des Data Warehouse torpedieren

Sie sind erfolgsverwöhnt und haben das ewige Schulterklopfen satt? Sie wollen nicht auch noch bei Ihrem ersten Versuch zur Umsetzung eines Data-Vault-Projekts so erfolgreich sein, dass alle Kollegen neidisch werden?

Hier bekommen Sie 13 praxiserprobte Tipps, wie Sie Ihr Data-Vault-Projekt erfolgreich scheitern lassen.

Dear readers of my blog,

five years ago a long cherished idea of mine became reality. On July 1, 2017, TEDAMOH saw the light of day.

In recent weeks I have read so many pessimistic and negative articles and comments in the social media about the state of data modeling in companies in Germany, but also worldwide.

Why? I don't know. I can't understand it.

I know many companies that invest a lot of time in data modeling because they have understood the added value. I know many companies that initially rejected data modeling as a whole, but understood its benefits through convincing and training.

Isn't it the case that we (consultants, managers, project managers, subject-matter experts, etc.) should have a positive influence on data modeling? To support our partners in projects in such a way that data modeling becomes a success? If we ourselves do not believe that data modeling is a success, then who does?

A few weeks ago I received a surprisingly open and honest feedback on my recently published article "13 tips...". I never ever expected that! After a short email exchange, I was allowed to publish the feedback anonymously. Below is the incredible feedback^[3]. You see, you are not alone with the challenges of a Data Vault project:

Hi Dirk

Thanks for sending me the English version of the paper. I'm based in […] ^[1] and Data Vault is not generally established here yet.

All articles I wrote about data warehousing, Data Vault, data modeling and more.

Enjoy reading and your comments are welcome.

Change Data Capture erkennt Änderungen an Daten. Im Falle von gelöschten Daten stellt sich die Frage: Wie sollten wir Löschungen in Data Vault verwalten?

At FastChangeCo, the data modelers within the Data Management Center of Excellence (DMCE) team are constantly designing new database objects to store data. One of the data modelers on the team is Xuefang Kaya. When she takes a new user story/task, she usually models multiple tables, their columns, and specifies a data type for each column.

/ SECRET SPICE - COACHING Serie

Coaching - Wie denn nun?

In loser Folge veröffentliche ich meine Gedanken und Erfahrungen rund um Datenmodellierung, temporale Daten oder viele andere Dinge aus der Welt des Coachings. Dazu gehören für mich Lösungsansätze unterschiedlichster Art, die manchmal generell, manchmal ausschließlich für eine bestimmte Situation geeignet sind.

Sehr oft wichtig und nicht zu vernachlässigen sind die fachlichen Anforderungen, die den Lösungsansätzen zugrunde liegen.

Wie die bereits veröffentlichte Serie zum PowerDesigner und die Serie zu temporalen Daten ist diese Serie für mich eine Art, kleine Schätze aus meiner Coaching-Welt, das ‘Secret Spice’, mit euch zu teilen.

In dieser Serie werdet ihr wahrscheinlich nicht so oft wie in den anderen Serien auf die Teammitglieder des Data Management Center of Excellence (DMCE) meines Lieblingskunden FastChangeCo^TM treffen.

/ SECRET SPICE - COACHING SerieS

Coaching - How to do it?

In loose order I publish my thoughts and experiences around data modeling, temporal data or many other things from the world of coaching. For me, this includes approaches to solutions of the most varying kinds, which are sometimes suitable in general, sometimes exclusively for a specific situation.

Very often important and not to be disregarded are the business requirements on which the approaches to a solution are based.

Like the already published series on PowerDesigner and the series on temporal data, this series is a way for me to share with you little treasures from my coaching world, the 'Secret Spice'.

In this series, you probably won't run into the Data Management Center of Excellence (DMCE) team members from my favorite customer, FastChangeCo^TM, as often as in the other series.

In several projects, FastChangeCo's data modelers on the Data Management Center of Excellence (DMCE) team had an issue with the way PowerDesigner generates comments for tables and columns for the SQL Server database. Xuefang Kaya (one of the data modelers on the team), asked about the problems, says to the DMCE team:

Data Vault im Einsatz beim Gutenberg Rechenzentrum

Im Rahmen einer umfassenden Neugestaltung entsteht beim Gutenberg Rechenzentrum in Hannover eine neue Data-Warehouse-Architektur für ein Standardprodukt, das als Analyse-Komponente für die ERP-Verlagslösung des GRZ zum Einsatz kommt. Heterogene Kundenanforderungen, Customizing der ERP-Komponenten sowie ein gefoderter hoher Grad an Flexibilität und kundenindividueller Ausgestaltung spiegeln sich in einer Hub-and-Spoke-Architektur mit einem als Data Vault modellierten Core Warehouse und mehrdimensionalen Data Marts wider.

Model driven decision making

During #XP19 you’ll be able to take part in our (Matze and myself) deep dive session about Model driven decision making: Data (Vault) Modeling and Deep Learning. It has been designed to give you a (very) short hands-on and practical guidance.

What is this 15 minute deep dive session about at #XP19?

Objective review and data quality goals of data models

Did you ever ask yourself which score your data model would achieve? Could you imagine  90%, 95% or even 100% across 10 categories of objective criteria?

No?
Yes?

Either way, if you answered with “no” or “yes”, recommend using something to test the quality of your data model(s). For years there have been methods to test and ensure quality in software development, like ISTQB, IEEE, RUP, ITIL, COBIT and many more. In data warehouse projects I observed test methods testing everything: loading processes (ETL), data quality, organizational processes, security, …
But data models? Never! But why?

Kompetenz in der Datenmodellierung

Warum geben wir jedes Jahr Millionen Euro und Tausende Stunden für die Entwicklung von Lösungen aus, die nicht funktionieren?

Die mangelhafte Erfassung und Formulierung von Geschäftsanforderungen führt zu einer enormen Ressourcenverschwendung. Datenmodelle verhindern diese Vergeudung von Zeit und Geld, indem sie Geschäftsterminologie und -anforderungen in präziser Form und auf verschiedenen Detailebenen erfassen und so eine flüssige Kommunikation zwischen Unternehmen und IT sicherstellen.

Absolvieren Sie die Data Modeling Master Class, um Kompetenz in der Datenmodellierung zu erlangen. Die Data Modeling Master Class ist das Training zum Thema Datenmodellierung und wird mehrmals im Jahr öffentlich oder als spezielles virtuelles Training nur für Ihr Team angeboten.

Inhalte

Diese Data Modeling Master Class ist ein kompletter Datenmodellierungskurs, der über fünf Module hinweg praktische Techniken zur Erstellung konzeptioneller, logischer und physischer relationaler und dimensionaler sowie NoSQL-Datenmodelle vermittelt.

Nachdem Sie die verschiedenen Arten und die einzelnen Schritte der Anforderungserfassung und -modellierung kennengelernt haben, wenden Sie einen Best-Practice-Ansatz zur Erstellung und Validierung von Datenmodellen mithilfe der Data Model Scorecard® an. Sie verstehen nicht nur, wie man ein Datenmodell erstellt, sondern vor allem, wie man ein Datenmodell optimal gestaltet.

Diese Data Modeling Master Class umfasst drei Teile mit über 30 Übungen und 20 Stunden Unterricht:

Nach Abschluss der Data Modeling Master Class wissen Sie nicht nur, wie man ein Datenmodell erstellt, sondern auch, wie man ein Datenmodell wirklich gut erstellt. Mit Hilfe der Data Model Scorecard® können Sie in Ihr Datenmodell unterstützende und ergänzende Funktionen einbauen und die Qualität eines jeden Datenmodells bewerten. 

Fallstudien und die Übungen vertiefen den Stoff und ermöglichen es Ihnen, das Gelernte in Ihren aktuellen Projekten anzuwenden.

Muss Vorwissen vorhanden sein?

Dieses Training erfordert keine Vorkenntnisse im Bereich der Datenmodellierung und ist daher an keine bestimmten Voraussetzungen gebunden. Dieses Training richtet sich an alle, die einen oder mehrere der folgenden Begriffe in ihrer Berufsbezeichnung haben: Daten, Analyst, Architekt, Entwickler, Datenbank und Modellierer.

Alle aktuellen Termine zur Data Modeling Master Class finden Sie in unserer Academy.

Dieses Training wird von uns in deutscher Sprache unterrichtet.

Competence in data modeling

Why do we spend millions of euros and thousands of hours every year developing solutions that don't work?

Poor capture and formulation of business requirements leads to a huge waste of resources. Data models prevent this waste of time and money by capturing business terminology and requirements in precise form and at multiple levels of detail, ensuring fluid communication between business and IT.

Complete the Data Modeling Master Class to gain competency in data modeling. The Data Modeling Master Class is the training on data modeling and is offered several times a year to the public or as a special virtual training just for your team.

This training requires no prior knowledge of data modeling and is therefore not tied to any specific prerequisites.

Topics

 This training is being taught in German.

This Master Class is a complete data modeling course, containing five modules of practical techniques for producing conceptual, logical, and physical relational and dimensional and NoSQL data models.

After learning the styles and steps in capturing and modeling requirements, you will apply a best practices approach to building and validating data models through the Data Model Scorecard®. You will know not just how to build a data model, but how to build a data model well.

This Data Modeling Master Class includes three parts with over 30 exercises and 20 hours of instruction:

After completing the Data Modeling Master Class, you will not only know how to create a data model, but also how to create a data model really well. Using the Data Model Scorecard®, you will be able to build supporting and complementary features into your data model and evaluate the quality of any data model.

Case studies and the exercises reinforce the material and allow you to apply what you have learned to your current projects.

Prerequisites

This course assumes no prior data modeling knowledge and, therefore, there are no prerequisites. This course is designed for anyone with one or more of these terms in their job title: "data", "analyst", "architect", "developer", "database", and "modeler".

After all, I am very happy to be a speaker at this year's Data Modeling Zone in Düsseldorf. Again, like at the Global Data Summit, I'm talking about one of my favorite topics: Temporal data in the data warehouse, especially in connection with data vault and dimensional modeling.

Do you want to learn something about data modelling with Steve Hoberman? You want to explore new methods like Data Vault 2.0, Anchor Modeling, Data Design, DMBOK and many more? E.g. a keynote where Dan Linstedt, Lars Rönnbäck and Hans Hultgren talks together, and another one with Bill Inmon?

Wie bereits in meinem Blogpost Modellierung oder Business Rule beschrieben ist es notwendig sich bei der Datenmodellierung über Geschäftsobjekte, die Wertschöpfungskette, fachliche Details und die Methodik des Modellierens einige Gedanken zu machen.

Oder doch nicht? Kann ich mit Data Vault einfach loslegen? Schließlich ist Data Vault auf den ersten Blick ganz einfach. Drei Objekte: HUBs, LINKs und SAT(elliten), einem einfachen Vorgehensmodell und ein paar wenige Regeln. Brauche ich für Data Vault noch die Datenmodellierung?