Modellierung

Damit datengesteuerte Einblicke gewonnen werden können, müssen technische Teams und Geschäftsteams ein allgemeines Verständnis von Datenbeständen der Organisation und von der Verwendung dieser Bestände zur Unterstützung von Geschäftsentscheidungen haben. Technische Teams sind mit dem Entwerfen von Datenbanken vertraut, während Geschäftsteams mit den Geschäftsobjekten vertraut sind, die von Interesse sind (z. B. Kunde, Speicher oder Anbieter). Diese Lücke kann mit Metadata Insights gefüllt werden, indem Tools für die physische Modellierung und die logische Modellierung bereitgestellt werden, die optisch ansprechend und unabhängig voneinander sind. Sie können mithilfe der Tools eine technische Ansicht von Datenbeständen und eine Geschäftsansicht der Objekte, die von Interesse sind, erstellen. Diese zwei Ansichten können per Mapping miteinander verknüpft werden.

Mit einem physischen Modell werden die Datenbestände Ihrer Organisation auf aussagekräftige Weise organisiert. Ein physisches Modell ermöglicht es Ihnen, Daten aus einzelnen Tabellen, Spalten und Ansichten zu extrahieren, um eine einzelne Ressource zu erstellen, mit der Sie anschließend Daten für logische Modelle bereitstellen oder Profile erstellen können.

Ein logisches Modell definiert die Objekte, an denen Ihr Unternehmen interessiert ist, und die Attribute dieser Objekte. Zudem definiert ist, in welcher Beziehung diese Objekte zueinander stehen. Ein logisches Modell für einen Kunden könnte beispielsweise Attribute für den Namen und das Geburtsdatum enthalten. Es könnte auch in einer Beziehung zu einem Privatadressenobjekt stehen, das Attribute für Adresszeilen, den Ort und die Postleitzahl enthält. Sobald Sie die Attribute des Objekts definiert haben, an dem Ihr Unternehmen interessiert ist, können Sie den Attributen des logischen Modells physische Datenquellen zuordnen. Dadurch werden die bestimmten Datenbestände identifiziert, mit denen dieses Attribut aufgefüllt wird.

Nach der Erstellung der Modelle können Sie einen Modellspeicher erstellen, der eine virtuelle Aggregation der Daten darstellt, auf die von physischen und logischen Modellen verwiesen wurde. In Modellspeichern können Daten aus Quellen, wie z. B. Datenbanken, Datenservern und Cloud-Diensten, zusammengefasst werden. Wenn Sie einen Modellspeicher erstellen, werden die Daten aus den Spalten und Tabellen, die in dem Modell verwendet werden, extrahiert und auf der Spectrum™ Technology Platform aggregiert.