Back To Top

Datenmodellierung - Data Warehouse-Konzepte

DruckansichtDruckansicht

  • Dauer:
    2 Tage
  • Zielgruppe:
    Information Worker, IT Professional
  • Vorkenntnisse:
    Allgemeine Datenbank-Kenntnisse
  • Methode:
    Vortrag mit Beispielen und Übungen.
  • Typ:
    Öffentliches Seminar / Inhouse
  • Kursnummer:
    1045297
  • Download
    Anmeldeformular | AGB | Info-Broschüre
Themen:
Die Entwicklung und der Betrieb eines Data Warehouses verlangen modifizierte Ansätze zur Datenmodellierung als gewöhnliche Transaktions-Datenbanken. Dieses Seminar zeigt Ihnen alle Grund- und Vorgehensaspekte eines Data Warehouses und unterscheidet die einzelnen Vor- und Nachteile bei der Implementierung.

Inhalte

A. Architektur und Grundlagen

[0,25 Tage] Abgrenzung und Einordnung: Begriffliche Einordnung, Einordnung und Abgrenzung von Business Intelligence, Anwendungsbereiche - Referenzarchitektur: Aspekte einer Referenzarchitektur, Data-Warehouse-Manager, Datenquelle, ETL, Komponenten eines Data Warehouses

B. Phasen des Data Warehousing

[0,25 Tage] Monitoring, ETL (Extraktion, Laden, Transformation), Analyse und Planung - Physische Architektur: Speicherarchitekturen für das Data Warehouse und die Basisdatenbank, Schichtenarchitekturen, Middleware, Schnittstellen, Sicherheit

C. Modellierung im multidimensionalen Datenmodell

[0,5 Tage] Das multidimensionale Datenmodell: Konzeptuelle Modellierung, Logische Modellierung, Unterstützung von Veränderungen - Metadaten: Metadaten und Metamodelle beim Data Warehousing, Metadatenmanagement, Metadatenmanagementsystem, Metadaten-Warehouse

D. Physische Umsetzung

[0,5 Tage] Umsetzung des multidimensionalen Datenmodells: Relationale Speicherung, Multidimensionale Speicherung, Realisierung der Zugriffskontrolle - Optimierung: Anfragen im multidimensionalen Modell, Indexstrukturen, Partitionierung, Einsatz materialisierter Sichten, Optimierung eines multidimensionalen Datenbanksystems

E. Anwendung

[0,25 Tage] Datenprobleme: Unvollständigkeit, Unkorrektheit, Unverständlichkeit, Inkonsistenz - Ursachen für Datenprobleme: Falsche oder ungünstige Datenstrukturen, Geschätsregeln, Validierungen - Berücksichtigung im System und in der Übernahme-Anwendung

F. OLAP und Data Mining

[0,25 Tage] OLAP: Tabellen, Pivot-Darstellungen, Dimensionen, Hierarchien, MDX als Abfragesprache - Data Mining: Erweiterung der statistischen Methoden für Cluster-Analyse, Assoziationsregeln oder Entscheidungsbäume und Neuronale Netze

Dozent:

Marco Skulschus studierte in Wuppertal und Paris Ökonomie mit Schwerpunkt Wirtschaftsinformatik und arbeitet schon seit mehr als 10 Jahren als Dozent.

Buch-Veröffentlichungen:

Projekte: Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme sowie betriebswirtschaftliche Software für Kunden in D, A und CH und Software-Entwicklung bei Comelio in Indien.

Forschung: Er hat an verschiedenen öffentlich geförderten Forschungsprojekten (Kooperationen mit verschiedenen Universitäten und Comelio) teilgenommen, die innovative Software-Lösungen für unterschiedliche Branchen als Thema hatten.

Zertifizierung: Marco Skulschus ist zertifiziert als "Microsoft Certified Trainer", "Microsoft Certified Application Designer" und "Oracle Certified Associate" und hat die ComptiaCTT+-Prüfung absolviert.

Weitere Informationen:

Comelio_J2EE_handbuch Comelio_Skulschus_C#.NET_Dynamische .NET GUIs Comelio_Skulschus_Oracle_Oracle PL SQL Comelio_skulschus_XML_XML Standards und Technologien Comelio_Skulschus_XML_XML Schema