- 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
LernzieleSie erlernen fortgeschrittene Techniken zur Datenmodellierung und -architektur. Dies umfasst das Verständnis und die Anwendung komplexer Datenmodellierungskonzepte, einschließlich temporaler und geospatialer Daten.
Zielgruppen- Teilnehmer sollten über fortgeschrittene Kenntnisse in Datenbanken und SQL verfügen.
- Teilnehmer sollten bereits Erfahrungen mit Cloud-Computing und Datenmodellierung haben.
- Interesse an fortgeschrittener Datenmodellierung und -architektur wird vorausgesetzt.
