Grundlagen
Trainer und Dozenten
Uli Zellbeck ist erfahrener Trainer und verfügt über 25 Jahre Erfahrung in der IT-Branche. Als Senior Data Architect bringt er ein tiefgreifendes Know-how im Aufbau von Datenarchitekturen mit. Seine Expertise erstreckt sich über verschiedene Bereiche der Informationstechnologie, und er hat sich insbesondere auf die Entwicklung fortschrittlicher Datenlösungen on Premise und in der Cloud spezialisiert.
Die Teilnehmer können von seinem reichen Erfahrungsschatz profitieren, während er praxisnahe Einblicke in die Datenmodellierung von Data Warehouse Systemen vermittelt
Voraussetzungen
Die Teilnehmer sollten über grundlegende Kenntnisse in Datenbankkonzepten verfügen, einschließlich Verständnis von Tabellen, Beziehungen und Abfragen. Ein Verständnis der Geschäftsprozesse und -anforderungen ist ebenfalls von Vorteil, da dies bei der Erstellung von sinnvollen Datenmodellen hilfreich ist. Erfahrung mit SQL oder einer anderen Abfragesprache sind eine weitere Voraussetzung.
Inhalt
- Grundlagen der Datenmodellierung
- Einführung in die Datenmodellierung im Kontext eines Data Warehouses
- Unterschiede zwischen relationalem und multidimensionalem Datenmodell
- Vorstellung der wichtigsten Begriffe und Konzepte
- Entity-Relationship-Modellierung (ERM)
- Erklärung des Entity-Relationship-Modells und seiner Bestandteile
- Praktische Übungen zur Erstellung einfacher ERM-Diagramme
- Dimensionale Modellierung
- Konzepte der dimensionalen Modellierung verstehen
- Sternschema und Schneeflockenschema
- Best Practices für die dimensionale Modellierung
- Faktentabellen und Dimensionstabellen
- Bedeutung und Aufbau von Faktentabellen
- Rolle und Struktur von Dimensionstabellen
- Beispiele und Übungen zur Erstellung von Faktentabellen und Dimensionstabellen
- Normalisierung und Denormalisierung
- Konzepte der Normalisierung und Denormalisierung verstehen
- Vor- und Nachteile jeder Technik
- Praktische Anwendungsfälle und Beispiele
- Aggregatdesign und Indexierung
- Bedeutung von Aggregaten im Data Warehouse
- Strategien für die Aggregatbildung
- Indexierung von Data-Warehouse-Tabellen für Leistungsverbesserungen
- Modellierung von Zeitdimensionen
- Besonderheiten der Zeitdimensionen im Data Warehouse
- Aufbau und Struktur von Zeitdimensionstabellen
- Praktische Übungen zur Modellierung von Zeitdimensionen
- SCD (Slowly Changing Dimensions)
- Arten von SCDs und deren Anwendungsfälle
- Methoden zur Implementierung von SCDs in einem Datenmodell
- Best Practices für die Verwaltung von SCDs
- Datenmodellierung in der Praxis
- Praktische Aspekte der Datenmodellierung im Data Warehouse
- Fallstricke und Herausforderungen bei der Umsetzung
- Erfolgsfaktoren für eine effektive Datenmodellierung
- Datenqualität und Data Governance
- Bedeutung von Datenqualität im Data Warehouse
- Maßnahmen zur Sicherstellung von Datenqualität
- Rolle von Data Governance in der Datenmodellierung
- Zukunftstrends in der Datenmodellierung
- Überblick über aktuelle Entwicklungen und Trends in der Datenmodellierung
- Auswirkungen neuer Technologien auf die Datenmodellierung im Data Warehouse
- Empfehlungen für die zukünftige Weiterentwicklung
Kurszeiten
Wer möchte, reist bis 22 Uhr am Vortag an und nutzt den Abend bereits zum Fachsimpeln am Kamin oder im Park.
An Kurstagen gibt es bei uns ab 8 Uhr Frühstück.
Unsere Kurse beginnen um 9 Uhr und enden um 18 Uhr.
Neben den kleinen Pausen gibt es eine Stunde Mittagspause mit leckerem, frisch in unserer Küche zubereitetem Essen.
Nach der Schulung anschließend Abendessen und Angebote für Fachsimpeln, Ausflüge uvm. Wir schaffen eine Atmosphäre, in der Fachleute sich ungezwungen austauschen. Wer das nicht will, wird zu nichts gezwungen und findet auch jederzeit Ruhe.
Termine und Anmeldung
-
12. Mai 2025, 3 Tage
Datenmodellierung im modernen Data Warehouse anmelden -
15. September 2025, 3 Tage
Datenmodellierung im modernen Data Warehouse anmelden
Haben Sie einen anderen Wunschtermin?
