Datenschatz DATA VAULT

In den vorherigen Artikeln, haben wir die Grundlagen von DATA VAULT kennengelernt, die Erweiterung von DATA VAULT zu einem analytisch passenden Zustand und die Erstellung von BUSINESS DATA VAULT. Es ist an der Zeit, die Reihe mit dem dritten Artikel abzuschließen.

Wie ich im vorherigen einer Veröffentlichung, angekündigt habe, wird dieser Artikel dem Thema BI gewidmet sein, genauer gesagt der Vorbereitung von DATA VAULT als Datenquelle für BI. Lassen Sie uns betrachten, wie man Fakten- und Dimensionstabellen erstellen und damit ein Sternschema entwerfen kann.

Als ich begann, englischsprachige Materialien zum Thema Erstellung von Datensätzen über DATA VAULT zu studieren, hatte ich das Gefühl, dass der Prozess recht komplex ist. Da die Artikel umfangreich sind, wird auf Änderungen in den Formulierungen verwiesen, die in der Methodik Data Vault 2.0 aufgetreten sind, und die Wichtigkeit dieser Formulierungen wird hervorgehoben.

Doch nach dem Eintauchen in die Übersetzung wurde deutlich, dass dieser Prozess nicht so kompliziert ist. Aber vielleicht werden Sie eine andere Meinung haben.

Also, lassen Sie uns zur Sache kommen.

Dimensionen- und Faktentabellen in DATA VAULT

Die am schwierigsten zu verstehende Information:

• Dimensionstabellen basieren auf Informationen von Hubs und ihren Satelliten;
• Faktentabellen basieren auf Informationen von Links und ihren Satelliten.

Und das ist offensichtlich, nach dem Lesen des Artikels über die Grundlagen von DATA VAULT.Hubs speichern einzigartige Schlüssel von Geschäftsobjekten, ihre Satelliten speichern Zustände der Attribute von Geschäftsobjekten in Bezug auf die Zeit, Satelliten, die mit Links verbunden sind, die Transaktionen unterstützen, speichern numerische Merkmale dieser Transaktionen.

Damit endet die Theorie im Grunde.

Aber dennoch halte ich es für wichtig, ein paar Begriffe zu erwähnen, die in Artikeln über die Methodik DATA VAULT vorkommen können:

• Raw Data Marts – Schaufenster für "unverarbeitete" Daten;
• Information Marts – Informationsschaufenster.

Der Begriff "Raw Data Marts" bezieht sich auf Schaufenster, die über Daten von DATA VAULT durch die Ausführung recht einfacher JOINs erstellt werden. Der Ansatz "Raw Data Marts" ermöglicht es, das Projekt schnell und flexibel mit Informationen zu erweitern, die für die Analyse geeignet sind. Dieser Ansatz beinhaltet keine komplexen Datenumwandlungen und die Ausführung von Geschäftsregeln, bevor die Informationen in das Schaufenster gelangen; es ist jedoch darauf zu achten, dass die Daten von "Raw Data Marts" für den Geschäftsnutzer verständlich sind und als Grundlage für die weitere Verarbeitung dienen sollen, beispielsweise durch BI-Tools.

Der Begriff „Information Marts“ entstand in der Methodologie Data Vault 2.0 und ersetzte das alte Konzept „Data Marts“. Diese Änderung wurde durch das Bewusstsein für die Aufgabe verursacht, ein Datenmodell zur Erstellung von Berichten zu implementieren, das die Umwandlung von Daten in Informationen umfasst. Das Schema „Information Marts“ sollte in erster Linie geschäftskonforme Informationen für Entscheidungsfindungen bereitstellen.

Die eher umständlichen Definitionen spiegeln zwei einfache Fakten wider:

1. Schaufenster vom Typ „Raw Data Marts“ basieren auf rohen (RAW) DATA VAULT, einem Speicher, der nur grundlegende Konzepte enthält: HUBS, LINKS, SATELLITES;
2. Schaufenster „Information Marts“ werden unter Verwendung von ELEMENTEN DES BUSINESS VAULT: PIT, BRIDGE erstellt.

Wenn wir uns Beispiele für die Speicherung von Informationen über Mitarbeiter anschauen, können wir sagen, dass das Schaufenster, das die aktuelle (heute gültige) Telefonnummer eines Mitarbeiters anzeigt, ein Schaufenster vom Typ „Raw Data Marts“ ist. Zur Erstellung eines solchen Schaufensters wird der Geschäftsschlüssel des Mitarbeiters und die Funktion MAX() verwendet, die auf das Attribut „Lade-Datum“ im Satelliten angewandt wird (MAX(SatLoadDate)). Wenn die Historie der Änderungen des Attributs im Schaufenster gespeichert werden soll - ist es notwendig zu wissen, für welchen Zeitraum die Telefonnummer gültig war; der Primärschlüssel einer solchen Tabelle besteht aus der Kompilation des Geschäftsschlüssels und des Lade-Datums im Satelliten, außerdem wird ein Feld für das Enddatum des Gültigkeitszeitraums hinzugefügt.

Die Erstellung eines Schaufensters, das die aktuelle Information jedes Attributs mehrerer Satelliten, die zum Hub gehören, speichert, zum Beispiel Telefonnummer, Adresse, Name, erfordert die Verwendung einer PIT-Tabelle, durch die leicht alle Gültigkeitsdaten abgerufen werden können. Schaufenster dieses Typs gehören zu den „Information Marts“.

Beide Ansätze sind sowohl für Dimensionen als auch für Fakten aktuell.

Zur Erstellung von Schaufenstern, die Informationen über mehrere Links und Hubs speichern, kann der Zugriff auf BRIDGE-Tabellen genutzt werden.

Mit diesem Artikel schließe ich einen Zyklus über das Konzept DATA VAULT ab und hoffe, dass die Informationen, die ich geteilt habe, bei der Umsetzung Ihrer Projekte hilfreich sein werden.

Wie immer zum Schluss, einige nützliche Links:

• Artikel Kenta Graziano, die neben einer detaillierten Beschreibung auch Diagramme des Modells enthält;

• Buch: „Building a Scalable Data Warehouse with DATA VAULT 2.0“;
• Artikel „Grundlagen von Data Vault“;
• Artikel „Entwicklung von DATA VAULT und Übergang zu BUSINESS DATA VAULT“.

Quelle: habr.com