Agile Data Warehouse Design (1. Halbjahr 2021)
For an English description of the training, please look here.
Lawrence Corr
Die dreitägige Schulung ist die erste öffentliche Schulung ihrer Art in Deutschland und wird von Lawrence Corr durchgeführt, einem führenden Data-Warehousing-Experten und Autor, der schon mit Ralph Kimball zusammengearbeitet hat.
Sie umfasst die neuesten agilen Techniken für
✲ visuelles BI-Anforderungsmanagement,
✲ kollaborative dimensionale Modellierung und
✲ das Design effektiver DW/BI-Systeme.
Agile Ansätze betonen die frühzeitige und häufige Lieferung funktionierender Software, die enge Zusammenarbeit mit Stakeholdern und Reaktionsfähigkeit gegenpber Veränderungen. Sie haben die Softwareentwicklung revolutioniert und werden daher mehr und mehr auch von DW/BI-Teams verwendet.
In dieser Schulung erhalten Sie praktische Werkzeuge und Techniken, um auf agile Weise Datenmodelle für DW/BI-Systeme zu entwerfen, die grundlegendste und wichtigste funktionierende Software im Business-Intelligence-Umfeld.
Die Schulung stellt agile und nicht-agile DW/BI-Entwicklungsansätze gegenüber und zeigt die inhärenten Schwächen traditioneller Ansätze für BI-Anforderungsmanagement und Datenmodellierung auf.
Mittels einer Mischung aus Trainervortrag und Gruppenübungen werden Sie entdecken, wie Modelstorming (eine Mischung aus Modellierung und Brainstorming direkt mit BI-Stakeholdern) diese Schwächen überwindet.
Zielpublikum
✲ Mitarbeiter aus Fachbereich und IT, die schneller bessere BI-Lösungen entwickeln wollen
✲ Business-Analysten, Scrum Master, Datenmodellier & Architekten, DBAs und Anwendungsentwickler, die neu im DW/BI-Umfeld sind und sich solides Grundlagenwissen über dimensionale Modellierung verschaffen wollen
✲ Mitarbeiter mit DW/BI-Erfahrung, die ihr Wissen auffrischen und um die neuesten Ideen aus den Bereichen agile Modellierung und Design Patterns für Data Warehousing erweitern möchten
Lernziele
Agile Data Warehouse Design book
Sie werden lernen
✲ BI-Anforderungen mittels anschaulicher Tools und visueller Denkansätze zusammen mit Stakeholdern zu modellieren,
✲ BI-Anforderungen schnell in effiziente, flexible Data-Warehouse-Entwürfe zu verwandeln,
✲ mit dimensionale Design Patterns häufige BI-Probleme zu erkennen und zu lösen, bevor sie Ihnen Schwierigkeiten machen können, und
✲ auf agile Weise BI-Lösungen zu planen, zu entwerfen und inkrementell zu entwickeln.
Material
Als Teilnehmer erhalten Sie:
✲ ein Übungsbuch für die Schulung,
✲ einen Spickzettel zur agile dimensionale Modellierung mit BEAM✲ und
✲ das Buch Agile Data Warehouse Design von Lawrence Corr and Jim Stagnitto.
Organisatorisches
✲ Ort: Design Offices München Arnulfpark
✲ Zeit: vsl. 1. Halbjahr 2021
✲ Sprache: Englisch
✲ Kosten: bis zwei Monate vor Beginn Frühbucherpreis 1790 €, danach 1990 € (Preise zzgl. 19 % USt.)
Bitte kontaktieren Sie uns, falls Sie als Gruppe teilnehmen wollen oder andere Fragen zur Schulung haben.
Vormerkung ohne Zahlungsverpflichtung
Schulungsinhalt
Tag 1: Modelstorming – Agile BI Requirements Gathering
Agile Dimensional Modeling Fundamentals
✲ BI/DW design requirements, challenges and opportunities: the need for agility
✲ Modeling with BI stakeholders: the case for collaborative data modeling
✲ Modeling for measurement: the case for dimensional modeling, star schemas, facts & dimensions
✲ Thinking dimensional using the 7Ws (who, what, when, where, how many, why & how)
✲ Business Event Analysis and Modeling (BEAM✲): an agile approach to dimensional modeling
Dimensional Modelstorming Tools
✲ Data stories, themes and BEAM✲ tables: modeling BI data requirements by example
✲ Timelines: modeling time and process measurement
✲ Hierarchy charts: modeling dimensional drill-downs and rollups
✲ Change stories: capturing historical reporting requirements (slowly changing dimension rules)
✲ Storyboarding the data warehouse design: matrix planning and estimating for agile BI development
✲ The Business Model Canvas: aligning DW/BI design with business model definition and innovation
✲ The BI Model Canvas: a systematic approach to BI & star schema design
Tag 2: Agile Star Schema Design
Star Schema Design
✲ Test-driven design: agile/lean data profiling for validating and improving requirements models
✲ Data warehouse reuse: identifying, defining and developing conformed dimensions and facts
✲ Balancing ‘just enough design up front’ (JEDUF) and ‘just in time’ (JIT) data modeling
✲ Designing flexible, high performance star schemas: maximising the benefits of surrogate keys
✲ Refactoring star schemas: responding to change, dealing with data debt
✲ Lean (minimum viable) DW documentation: enhanced star schemas, DW matrix
How Much/How Many: Designing facts, measures and KPIs (Key Performance Indicators)
✲ Fact types: transactions, periodic snapshots, accumulating snapshots
✲ Fact additivity: additive, semi-additive and non-additive measures
✲ Fact performance and usability: indexing, partitioning, aggregating and consolidating facts
Tag 3: Dimensional Design Patterns
Who & What dimension patterns: customers, employees, products and services
✲ Large populations with rapidly changing dimensional attributes: mini-dimensions & customer facts
✲ Customer segmentation: business to business (B2B), business to consumer (B2C) dimensions
✲ Recursive customer relationships and organisation structures: variable-depth hierarchy maps
✲ Current and historical reporting perspectives: hybrid slowly changing dimensions
✲ Mixed business models: heterogeneous products/services, diverse attribution, ragged hierarchies
✲ Product and service decomposition: component (bill of materials) and product unbundling analysis
When & Where dimension patterns: dates, times and locations
✲ Flexible date handling, ad-hoc date ranges and year-to-date analysis
✲ Modeling time as dimensions and facts
✲ Multinational BI: national languages reporting, multiple currencies, time zones & national calendars
✲ Understanding journeys and trajectories: modeling events with multiple geographies
Why & How dimension patterns: cause and effect
✲ Causal factors: trigging events, referrals, promotions, weather and exception reason dimensions
✲ Fact specific dimensions: transaction and event status descriptions
✲ Multi-valued dimensions: bridge tables, weighting factors, impact and 'correctly weighted' analysis
✲ Behaviour Tagging: modeling causation and outcome, dimensional overloading, step dimensions