Information Marts in Data Vault 2.0
In der Data-Vault-2.0-Architektur werden Information Marts genutzt, um Endanwendern Informationen bereitzustellen. Konzeptionell entspricht ein Information Mart der Definition eines Data Marts im klassischen Data Warehousing. Dort dient ein Data Mart jedoch dazu, nutzbare Informationen statt Rohdaten bereitzustellen. Aus diesem Grund wurde die Komponente in Data Vault 2.0 in Information Mart umbenannt, um diesen Anwendungsfall präziser abzubilden.
Einführung in Information Marts
Die Definition von Information Marts umfasst jedoch noch weitere Facetten. Im Buch „Building a Scalable Data Warehouse with Data Vault 2.0“ stellen wir drei Arten von Marts vor:
- Information Marts: Dienen der Bereitstellung von Informationen für Fachanwender, typischerweise über Dashboards und Berichte.
- Metrics Mart: Wird in Kombination mit einem Metrics Vault genutzt, der EDW-Logdaten in einem Data-Vault-Modell erfasst. Der Metrics Mart wird aus dem Metrics Vault abgeleitet. Er stellt Metriken bereit, mit denen sich Performance-Engpässe sowie der Ressourcenverbrauch von Power Usern und Data Scientists in verwalteten Self-Service-BI-Lösungen analysieren lassen.
- Error Mart: Speichert diejenigen Datensätze, die beim Laden der Daten in das Enterprise Data Warehouse typischerweise eine Hard Rule verletzen.
Information Marts im Consulting
Zusätzlich zu diesen klassischen Information Marts setzen wir in unserer Beratungspraxis weitere Typen ein:
- Interface Mart: Hierbei handelt es sich im Prinzip um einen Information Mart. Die Informationen werden jedoch nicht an Menschen (etwa über ein Dashboard oder einen Bericht) übermittelt, sondern an eine nachgelagerte Anwendung oder als Write-Back an das Quellsystem geliefert – beispielsweise wenn das Enterprise Data Warehouse zur Datenbereinigung genutzt wird.
- Quality Mart: Ein Information Mart, der nicht der Bereinigung fehlerhafter Daten dient, sondern der Berichterstattung darüber. Im Wesentlichen stellt er die Logik zur Datenbereinigung auf den Kopf: Nur fehlerhafte Daten (manchmal auch als „bad and ugly data“ bezeichnet) werden an den Endanwender, beispielsweise den Data Steward, geliefert. Dies geschieht häufig in Kombination mit Data-Cleansing-Frontends, in denen Data Stewards Quelldaten korrigieren oder Ausnahmen kommentieren und verschlagworten können.
- Source Mart: Ebenfalls ein Information Mart, der jedoch auf gängige Strukturen wie Star-Schemata, Snowflake-Schemata oder vollständig denormalisierte Schemata verzichtet. Stattdessen nutzt er das Datenmodell der Quellanwendung, ähnlich dem Schema eines Operational Data Store (ODS). Der Source Mart ist keine physische Kopie der Daten, sondern ein virtualisiertes Modell auf Ebene des Data-Vault-Modells, das die ursprünglichen Strukturen widerspiegelt. Er eignet sich hervorragend für Ad-hoc-Berichte und bietet Data Scientists sowie Power Usern einen hohen Mehrwert.
Damit ist unsere Übersicht der Information Marts komplett. Wir haben diese Varianten in zahlreichen Kundenprojekten erfolgreich eingesetzt, um den konkreten Nutzen und den Einsatz von Information Marts in Organisationen verständlich zu vermitteln.
Fazit
Information Marts sind in Data Vault 2.0 essenziell, um aufbereitete Daten über Berichte und Dashboards für Endanwender bereitzustellen. Varianten wie Metrics Marts und Error Marts optimieren die Performance-Analyse sowie das Datenqualitätsmanagement. Darüber hinaus decken spezialisierte Typen wie Interface, Quality und Source Marts spezifische Fachanforderungen ab und gewährleisten eine flexible sowie effiziente Datenbereitstellung.
