Kompetenz in der Datenmodellierung
Warum geben wir jedes Jahr Millionen Euro und Tausende Stunden für die Entwicklung von Lösungen aus, die nicht funktionieren?
Die mangelhafte Erfassung und Formulierung von Geschäftsanforderungen führt zu einer enormen Ressourcenverschwendung. Datenmodelle verhindern diese Vergeudung von Zeit und Geld, indem sie Geschäftsterminologie und -anforderungen in präziser Form und auf verschiedenen Detailebenen erfassen und so eine flüssige Kommunikation zwischen Unternehmen und IT sicherstellen.
Absolvieren Sie die Data Modeling Master Class, um Kompetenz in der Datenmodellierung zu erlangen. Die Data Modeling Master Class ist das Training zum Thema Datenmodellierung und wird mehrmals im Jahr öffentlich oder als spezielles virtuelles Training nur für Ihr Team angeboten.
Inhalte
Diese Data Modeling Master Class ist ein kompletter Datenmodellierungskurs, der über fünf Module hinweg praktische Techniken zur Erstellung konzeptioneller, logischer und physischer relationaler und dimensionaler sowie NoSQL-Datenmodelle vermittelt.
Nachdem Sie die verschiedenen Arten und die einzelnen Schritte der Anforderungserfassung und -modellierung kennengelernt haben, wenden Sie einen Best-Practice-Ansatz zur Erstellung und Validierung von Datenmodellen mithilfe der Data Model Scorecard® an. Sie verstehen nicht nur, wie man ein Datenmodell erstellt, sondern vor allem, wie man ein Datenmodell optimal gestaltet.
Diese Data Modeling Master Class umfasst drei Teile mit über 30 Übungen und 20 Stunden Unterricht:
Grundlagen
Nach Abschluss von Teil 1 sind Sie in der Lage, die Vorteile der Datenmodellierung zu erläutern, die fünf Vorgaben für die Erstellung eines Datenmodells anzuwenden und die einzelnen Datenmodellierungskomponenten (Entitäten, Attribute, Repräsentanten, Beziehungen, Subtypisierung, Schlüssel, Hierarchien und Netzwerke) richtig zu verwenden.
Schema
Am Ende von Teil 2 beherrschen Sie die Erstellung konzeptioneller, logischer und physischer relationaler und dimensionaler Datenmodelle. Sie sind außerdem in der Lage, NoSQL-Datenmodelle in Bezug auf die Modellierungsstruktur und den Ansatz von traditionellen Modellen zu unterscheiden.
Scorecard
Mit Abschluss von Teil 3 können Sie anhand der zehn Kategorien der Data Model Scorecard® Best Practices für Datenmodelle anwenden. Diese Kategorien sind Korrektheit, Vollständigkeit, Schema, Struktur, Abstraktion, Standards, Lesbarkeit, Definitionen, Konsistenz und Daten.
Nach Abschluss der Data Modeling Master Class wissen Sie nicht nur, wie man ein Datenmodell erstellt, sondern auch, wie man ein Datenmodell wirklich gut erstellt. Mit Hilfe der Data Model Scorecard® können Sie in Ihr Datenmodell unterstützende und ergänzende Funktionen einbauen und die Qualität eines jeden Datenmodells bewerten.
Fallstudien und die Übungen vertiefen den Stoff und ermöglichen es Ihnen, das Gelernte in Ihren aktuellen Projekten anzuwenden.
Die 10 wichtigsten Lernziele
- Sie können die Komponenten der Datenmodellierung erklären und sie in Ihren Projekten anhand von Fragen identifizieren.
- Sie können ein Datenmodell beliebiger Größe und Komplexität mit der gleichen Sicherheit lesen wie ein Buch.
- Sie können jedes Datenmodell mit Hilfe von wichtigen "Einstellungen" (Umfang, Abstraktion, Zeitrahmen, Funktion und Format) sowie mit der Data Model Scorecard® validieren.
- Wenden Sie Techniken zur Anforderungserhebung an, einschließlich Befragung, Artefaktanalyse, Prototyping und Arbeitsplatzbeobachtung
- Sie erstellen relationale und dimensionale, konzeptionelle und logische Datenmodelle und kennen die Kompromisse auf der physischen Seite sowohl für RDBMS- als auch für NoSQL-Lösungen
- Üben Sie das Aufspüren von Problemen der strukturellen Robustheit und der Verletzung von Richtlinien
- Sie können erkennen, wann eine Abstraktion sinnvoll ist und wo Muster und Branchendatenmodelle uns einen großen Nutzen bringen können.
- Die Verwendung einer Reihe von Vorlagen für die Erfassung und Validierung von Anforderungen und für die Erstellung von Datenprofilen
- Bewertung von Definitionen auf Klarheit, Vollständigkeit und Richtigkeit
- Verwendung von Data Vault und eines Unternehmensdatenmodells für eine erfolgreiche Enterprise-Architektur
Muss Vorwissen vorhanden sein?
Dieses Training erfordert keine Vorkenntnisse im Bereich der Datenmodellierung und ist daher an keine bestimmten Voraussetzungen gebunden. Dieses Training richtet sich an alle, die einen oder mehrere der folgenden Begriffe in ihrer Berufsbezeichnung haben: Daten, Analyst, Architekt, Entwickler, Datenbank und Modellierer.
Dieses Training wird von uns in deutscher Sprache unterrichtet.
