Hinweis: Die aktuelle TDWI-Konferenz findest Du hier!

CONFERENCE PROGRAM OF 2023

The times given in the conference program of TDWI München digital correspond to Central European Time (CET).

By clicking on "EVENT MERKEN" within the lecture descriptions you can arrange your own schedule. You can view your schedule at any time using the icon in the upper right corner.

Data Vault 2.0 in CRM-Projekten

Die Modellierung von CRM-Daten mithilfe von Data Vault 2.0 ist eine typische Aufgabe in Enterprise Data Warehousing-Projekten. In diesem Beitrag stellen wir verschiedene Design Patterns aus unserer praktischen Erfahrung in diesen Projekten vor. Weiterhin gehen wir auf typische Herausforderungen mit CRM-Installationen ein und stellen unsere Best Practices in diesem Bereich vor. Der Beitrag basiert auf unseren internen Modellierungs-Empfehlungen für CRM-Systeme.

Zielpublikum: Data Vault 2.0-Anwender:innen, Data Warehouse-Entwickler:innen mit Interesse an Data Vault 2.0
Voraussetzungen: Diese Präsentation zielt auf Teilnehmer:innen mit Data Vault 2.0-Kenntnissen ab. Grundlegende CRM-Kenntnisse, insbesondere zu deren Datenmodellen, sind vorteilhaft.
Schwierigkeitsgrad: Fortgeschritten

Extended Abstract:
Die Entitäten der Data Vault 2.0-Modellierung (Hubs, Links, Satelliten) sind klar definiert - zumindest in der Theorie. In der Praxis steckt der Teufel jedoch manchmal im Detail. Daher wollen wir mit diesem Beitrag auf die Modellierung eines typischen Quellsystems, hier CRM, eingehen und verschiedene Standard-Muster vorstellen, die auf unseren Modellierungsempfehlungen basieren. Einfache Fälle wie Stammdaten (Kontakte, Organisationen, Produkte etc.) sollten schnell abgehakt sein, jedoch werden wir genau hinschauen, was auch hier die Fallstricke sind, und entsprechend diskutieren.

Als Nächstes dran sind die nicht veränderlichen (Bewegungsdaten) Daten. Hier wird es etwas komplizierter, denn nicht veränderliche CRM-Daten existieren vermutlich nicht mal in der Theorie. In der Realität können die meisten Daten verändert werden. Die daraus resultierenden Modellierungs-Entscheidungen werden durch die Vortragenden diskutiert, auch gerne in Interaktion mit dem Publikum.

Eine weitere Art von Daten, die häufig zu finden sind, sind die Belegpositionen. Auch hier ist eigentlich alles definiert, aber was passiert, wenn in den Daten keine Positionsnummer vorhanden ist? Oder Belege und deren Positionen mit der Zeit verändert werden? Auch hier gibt es einiges zu diskutieren.

Auswahllisten werden als Referenztabellen modelliert - soweit, so einfach. Doch was ist, wenn sich die Einträge in den Auswahllisten ändern, einige gelöscht oder neue hinzugefügt werden? In einer auditfähigen Umgebung? Was, wenn die Sortierreihenfolgen, die Standardfarben und Beschreibungen für die analytische Applikation unabhängig vom Quellsystem definiert werden sollen?

Mehrere Mandanten? Check.

Hoch-performante Umrechnung von Fremdwährungen in die Eigenwährung oder jede beliebige Währung? Check. Anwendung mehrerer fachlicher Zeitlinien? Check.

Value für das Publikum? Check.

Je nach verfügbarer Zeit beenden wir den Beitrag mit einer offenen Fragerunde ('Bring your own questions').

Markus Lewandowski ist Dozent an der Hochschule Hannover und Salesforce-Berater bei Scalefree. Er hat über 4 Jahre Erfahrung in der Salesforce-Entwicklung und Administration. Da er auch ein Certified Data Vault 2.0 Practitioner (CDVP2(TM )) ist, nimmt er eine hybride Rolle als Salesforce-Spezialist und DV 2.0 Practitioner ein. Seine Hauptkompetenzen sind Salesforce-Prozessautomatisierung, Anwendungsintegration und Datenmanagement.

Michael Olschimke ist Co-Founder, Dozent und Coautor des Buches 'Building a scalable data warehouse with Data Vault 2.0'.
Er hat mehr als 20 Jahre Erfahrung in IT und konzentriert sich auf Business Intelligence-Themen wie OLAP, Dimensional Modelling und Data Mining. Er ist für eine Reihe von Kunden in den Bereichen Automobil, Versicherungen, Banken und Non-Profit tätig. Er forscht unter anderem an MPP zum Aufbau von Systemen der künstlichen Intelligenz (KI) für die Analyse unstrukturierter Daten. Michael hat einen Master of Science in Information Systems von der Santa Clara University im Silicon Valley, Kalifornien.
 

Markus Lewandowski, Michael Olschimke
15:20 - 17:00
Vortrag: Di 4.4

Vortrag Teilen