Datenmodellierung und Architekturen

Seminarziel

Sie erlernen fortgeschrittene Techniken zur Datenmodellierung und -architektur. Dies umfasst das Verständnis und die Anwendung komplexer Datenmodellierungskonzepte, einschließlich temporaler und geospatialer Daten.

Inhalt

• Advanced Conceptual Modeling
  • Diskussion über abstrakte Entitäten und deren Anwendungsfälle
  • Vertiefung in die Generalisierung und Spezialisierung von Entitäten
  • Praktische Übungen zur Anwendung fortgeschrittener Konzepte
• Advanced Logical Modeling
  • Analyse komplexer Beziehungen, einschließlich Rekursion und Aggregation
  • Fallstudien zur Veranschaulichung von komplexen Modellierungsproblemen
  • Diskussion über bewährte Methoden zur Bewältigung solcher Herausforderungen
• Data Modeling Patterns
  • Vorstellung gängiger Muster und Best Practices in der Datenmodellierung
  • Detaillierte Untersuchung von Sternschema, Schneeflockenschema und Faktentabellenmodellierung
  • Anwendungsbeispiele und Diskussion über deren Vor- und Nachteile
• Big Data Modeling
  • Herausforderungen und Techniken bei der Modellierung von Big Data
  • Einführung in NoSQL-Datenbanken, verteilte Systeme und unstrukturierte Daten
  • Praktische Beispiele und Diskussion über Big Data-Modellierungsmethoden
• Temporal Data Modeling
  • Einführung in die Modellierung von Daten mit zeitlichen Aspekten
  • Diskussion über Versionierung, Effektivitätszeitraum und Zeitreihen
  • Praktische Übungen zur Modellierung temporaler Daten
• Geospatial Data Modeling
  • Grundlagen der Modellierung räumlicher Daten und Geoinformationssysteme (GIS)
  • Vertiefte Analyse geometrischer Datentypen und räumlicher Abfragen
  • Anwendungsbeispiele aus verschiedenen Branchen
• Data Warehouse Modeling
  • Konzeption und Design von Datenmodellen für Data Warehouses und Entscheidungsunterstützungssysteme (DSS)
  • Fokus auf Sternschema, Faktentabellenmodellierung und Aggregation
  • Praktische Übungen zur Modellierung von Data Warehouse-Szenarien
• Data Vault 2.0 Modeling
  • Einführung in das Data Vault-Konzept und seine Anwendung für die Modellierung von Data Warehouses
  • Betonung von Skalierbarkeit, Flexibilität und Historisierung
  • Fallstudien und Beispiele aus der Praxis