Hi-Speed DWH Implementation driven by DWH Automatisierung

Der Vortrag beschäftigt sich mit dem Aufbau und der Weiterentwicklung einer Ende-zu-Ende-Produktionsstraße eines Data Warehouse unter dem Gesichtspunkt der DWH-Automatisierung und GDPR-Konformität.
Es wird die Integration von Metadaten gesteuerten Ansätzen in der Konzeption und deren Kopplung mit DWH Automation Tools sowie deren technische Grenzen gezeigt.
Ziel des toolgestützten Frameworks ist die konzeptionelle Analyse und das Design durch modellgetriebene Spezifikation sowie das Tagging von schützenswerten Informationen auf Attributebene.
Das Zusammenspiel entsprechender Tools ermöglicht fachliche Ende-zu-Ende-Sichten sowie deren technische dokumentierte Umsetzung (inkl. Data Lineage).


Zielpublikum: BI/Big-Data-Manager, BI/Big-Data-Projektleiter, BI/Big-Data-Architekten, Fach-/IT-Entscheider, Entscheider im Applikationsbetrieb
Voraussetzungen: Grundlagen Datenmanagement & Data Warehousing
Schwierigkeitsgrad: Fortgeschritten

Extended Abstract
'Der Vortrag beschäftigt sich mit dem Aufbau und der Weiterentwicklung einer Ende-zu-Ende-Produktionsstraße eines Data Warehouse unter dem Gesichtspunkt der DWH-Automatisierung und GDPR-Konformität. Es wird die Integration von Metadaten gesteuerten Ansätzen in der Konzeption mit Model-Driven Design und deren Kopplung mit geeigneten Tools und Methoden in der Entwicklung und Betrieb sowie deren technischer Grenzen gezeigt.

Die Größe und der Umfang von BI-Projekten sowie der über die letzten Jahre gestiegene Kostendruck verlangt ein immer arbeitsteiligeres und automatisierteres Vorgehen. Der Model-Driven-Design-Ansatz trägt dabei maßgeblich zur Effizienzsteigerung in BI-Projekten bei und fördert gleichsam die Qualität, Agilität und Transparenz über alle Ebenen einer dispositiven Landschaft hinweg. Ziel des toolgestützten Frameworks ist die Begleitung der konzeptionellen Analyse- und Designphasen durch modellgetriebene Spezifikation von BI-relevanten Sachverhalten wie Dimensionen, Kennzahlen, Data Marts, Transformationen, Datenmodelle etc. sowie das Tagging von schützenswerten Informationen auf Attributebene.

Die im Rahmen der Business-Analyse-Phasen gesammelten Informationen dienen dabei als Grundlage für die logische / physische Modellierung in ETL-Automatisierungswerkzeugen. So können bereits mit MDD modellierte Sichten (z.B. konzeptionelle Datenmodelle etc.) importiert und zur logischen / physischen Modellierung weiterverwendet werden. Mittels Modell-zu-Modell-Transformation werden logische Datenmodelle (in 3NF) automatisiert in DataVault 2.0 konforme Datenmodelle überführt und für das Deployment vorbereitet.
Das Zusammenspiel entsprechender Tools ermöglicht fachliche Ende-zu-Ende-Sichten (Schnittstellen bis Report mit MDD) sowie deren technische dokumentierte Umsetzung (inkl. Data Lineage) im ETL-Automatisierungswerkzeug. Durch ein entsprechendes Abstraktionslevel sowie automatisierbare Abgleiche wird ein Auseinanderlaufen von fachlichen/konzeptionellen und technischen Inhalten der Produktionsstraße minimiert.