Zum Hauptinhalt springen
Suche
0

In der Data Vault 2.0-Architektur werden Information Marts verwendet, um den Endbenutzern Informationen zu liefern.

Konzeptionell entspricht ein Information Mart der gleichen Definition wie ein Data Mart in Legacy data warehousing. In der alten data warehousing wird ein Data Mart jedoch dazu verwendet, nützliche Informationen zu liefern, nicht Rohdaten. Aus diesem Grund wurde der Data Mart in Data Vault 2.0 umbenannt, um den Anwendungsfall besser widerzuspiegeln.

Aber die Definition von Information Marts hat mehr Facetten. In dem Buch "Building a Scalable Data Warehouse with Data Vault 2.0" stellen wir drei Arten von Marts vor:

  • Informationssammlungen: zur Bereitstellung von Informationen für Geschäftsanwender, in der Regel über Dashboards und Berichte.
  • Metrics Mart: wird in Verbindung mit einem Metrics Vault verwendet, der Folgendes erfasst EDW Protokolldaten in einem Data Vault-Modell. Der Metrics Mart wird aus dem Metrics Vault abgeleitet, um die Metriken zur Analyse von Leistungsengpässen oder des Ressourcenverbrauchs von Power Usern und Data Scientists in verwaltete Selbstbedienungs-BI Lösungen.
  • Fehler Martdata warehouse: speichert die Datensätze, die beim Laden der Daten in das Unternehmen typischerweise einer harten Regel widersprechen.

Neben diesen "klassischen" Information Marts setzen wir in unserer Beratungspraxis weitere ein:

  • Schnittstelle MartEs handelt sich hierbei mehr oder weniger um einen Information Mart, allerdings werden die Informationen nicht an einen Menschen geliefert, z. B. über ein Dashboard oder einen Bericht. Stattdessen werden sie an eine nachfolgende Anwendung oder als Rückschreibung an das Quellsystem geliefert (z. B. bei Verwendung des Unternehmens data warehouse zur Datenbereinigung).
  • QualitätsmarktDer Quality Mart ist wieder ein Information Mart, aber anstatt schlechte Daten zu bereinigen, wird er verwendet, um schlechte Daten zu melden. Im Wesentlichen wird die Geschäftslogik, die zur Bereinigung schlechter Daten verwendet wird, auf den Kopf gestellt: nur schlechte Daten (manchmal auch hässliche Daten) werden an den Endbenutzer, den Datenverwalter, geliefert. Dies geschieht häufig in Verbindung mit Datenbereinigungs-Frontends, in denen der Datenverwalter entweder Quelldaten korrigieren oder die Ausnahmen kommentieren und kennzeichnen kann.
  • Quelle Mart: Wieder ein Information Mart, aber diesmal nicht mit einem der gängigen Schemata, wie Sternschemata, Schneeflockenschemata oder vollständig denormalisierten Schemata. Stattdessen verwendet der Information Mart das Datenmodell der Quellanwendung, ähnlich dem Schema eines Operational Data Store (ODS). Der Source Mart ist jedoch keine Kopie der Daten, sondern ein virtualisiertes Modell, das auf dem Data Vault-Modell aufbaut und die ursprünglichen Strukturen widerspiegelt. Es eignet sich hervorragend für Ad-hoc-Berichte und ist für viele Datenwissenschaftler und Power-User von großem Wert.

Damit ist unsere Liste der Information Marts abgeschlossen. Wir haben sie erfolgreich in Projekten für unsere Kunden eingesetzt, um die tatsächliche Anwendung der Information Marts in deren Unternehmen besser zu vermitteln.

Lassen Sie es uns in den Kommentaren wissen, wenn Sie denken, dass dies auch für Sie hilfreich ist!

Eine Antwort hinterlassen

Menü schließen