{"id":29019,"date":"2018-10-17T09:32:09","date_gmt":"2018-10-17T07:32:09","guid":{"rendered":"http:\/\/blog.scalefree.com\/?p=8635"},"modified":"2026-04-16T11:54:30","modified_gmt":"2026-04-16T09:54:30","slug":"versicherung-mit-zeittafeln","status":"publish","type":"post","link":"https:\/\/www.scalefree.com\/de\/blog\/data-vault\/point-in-time-tables-insurance\/","title":{"rendered":"Wie verwendet man Point-in-Time Tabellen (PIT) in der Versicherungsbranche?"},"content":{"rendered":"<div id=\"fws_69f0fa77bdc83\"  data-column-margin=\"default\" data-midnight=\"dark\"  class=\"wpb_row vc_row-fluid vc_row\"  style=\"padding-top: 0px; padding-bottom: 0px; \"><div class=\"row-bg-wrap\" data-bg-animation=\"none\" data-bg-animation-delay=\"\" data-bg-overlay=\"false\"><div class=\"inner-wrap row-bg-layer\" ><div class=\"row-bg viewport-desktop\"  style=\"\"><\/div><\/div><\/div><div class=\"row_col_wrap_12 col span_12 dark left\">\n\t<div  class=\"vc_col-sm-12 wpb_column column_container vc_column_container col no-extra-padding inherit_tablet inherit_phone\"  data-padding-pos=\"all\" data-has-bg-color=\"false\" data-bg-color=\"\" data-bg-opacity=\"1\" data-animation=\"\" data-delay=\"0\" >\n\t\t<div class=\"vc_column-inner\" >\n\t\t\t<div class=\"wpb_wrapper\">\n\t\t\t\t\n<div class=\"wpb_text_column wpb_content_element\" >\n\t<div class=\"wpb_wrapper\">\n\t\t<h2>Point-in-Time Tabellen erf\u00fcllen zwei Zwecke:<\/h2>\n<p>Point-in-Time Tabellen sind hilfreich, wenn im Raw Vault Daten aus Hubs oder Links mit mehreren Satelliten abgefragt werden sollen:<\/p>\n\t<\/div>\n<\/div>\n\n\n\n<div class=\"divider-wrap\" data-alignment=\"default\"><div style=\"height: 30px;\" class=\"divider\"><\/div><\/div><div class=\"img-with-aniamtion-wrap center\" data-max-width=\"100%\" data-max-width-mobile=\"default\" data-shadow=\"none\" data-animation=\"none\" >\n      <div class=\"inner\">\n        <div class=\"hover-wrap\"> \n          <div class=\"hover-wrap-inner\">\n            <img loading=\"lazy\" decoding=\"async\" class=\"img-with-animation skip-lazy nectar-lazy\" data-delay=\"0\" height=\"1863\" width=\"3206\" data-animation=\"none\" data-nectar-img-src=\"https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical.png\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg%20xmlns%3D'http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg'%20viewBox%3D'0%200%203206%201863'%2F%3E\" alt=\"Einf\u00fchrung in Punkt-zu-Punkt-Tabellen\" data-nectar-img-srcset=\"https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical.png 3206w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-300x174.png 300w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-1024x595.png 1024w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-768x446.png 768w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-1536x893.png 1536w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-2048x1190.png 2048w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-320x186.png 320w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-640x372.png 640w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-360x209.png 360w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-720x418.png 720w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-1080x628.png 1080w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-800x465.png 800w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-1280x744.png 1280w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Data-Vault-model-including-PIT-logical-600x349.png 600w\" sizes=\"auto, (max-width: 3206px) 100vw, 3206px\" \/>\n          <\/div>\n        <\/div>\n      <\/div>\n    <\/div><div style=\"text-align: center;font-family:Droid Serif;font-weight:400;font-style:normal\" class=\"vc_custom_heading vc_do_custom_heading\" >Abbildung 1: Data Vault-Modell einschlie\u00dflich PIT (logisch)<\/div><div class=\"divider-wrap\" data-alignment=\"default\"><div style=\"height: 30px;\" class=\"divider\"><\/div><\/div>\n<div class=\"wpb_text_column wpb_content_element\" >\n\t<div class=\"wpb_wrapper\">\n\t\t<p><span style=\"font-weight: 400;\"><div class=\"content-list-wrapper\"><p class=\"content-heading\">In diesem Artikel:<\/p><ul class=\"content-list\"><li><a href=\"#about-point-in-time-tables-tables\">\u00dcber Point-In-Time Tabellen<\/a><li><a href=\"#simplify-the-combination-of-multiple-deltas-at-different-point-in-time\">Vereinfachen Sie die Kombination mehrerer Deltas zu verschiedenen \"Zeitpunkten\".<\/a><li><a href=\"#reduce-the-complexity-of-joins-for-performance-reasons-with-point-in-time-tables\">Reduzierung der Join-Komplexit\u00e4t zur Performance-Optimierung mit Point-in-Time Tabellen<\/a><li><a href=\"#conclusion\">Fazit<\/a><\/ul><\/div><\/span><\/p>\n\t<\/div>\n<\/div>\n\n\n\n<div class=\"divider-wrap\" data-alignment=\"default\"><div style=\"height: 30px;\" class=\"divider\"><\/div><\/div>\n<div class=\"wpb_text_column wpb_content_element\" >\n\t<div class=\"wpb_wrapper\">\n\t\t<h2>\u00dcber Point-In-Time Tabellen<\/h2>\n<p><span style=\"font-weight: 400;\">Im obigen Beispiel sind mehrere Satelliten an den Hub Customer und den dargestellten Link angebunden. Das ist eine sehr typische Situation in Data-Warehouse-L\u00f6sungen, da sie Daten aus verschiedenen Quellsystemen integrieren. Allerdings erh\u00f6ht genau diese Situation die Komplexit\u00e4t bei Abfragen aus dem Raw Data Vault. Der Grund: \u00c4nderungen an den Gesch\u00e4ftsobjekten in den Quellsystemen erfolgen nicht gleichzeitig. Ein Gesch\u00e4ftsobjekt \u2013 zum Beispiel ein Kunde (eine versicherte Person) \u2013 wird zu einem bestimmten Zeitpunkt in einem System aktualisiert, sp\u00e4ter in einem anderen, und so weiter. Hinweis: Die Point-in-Time Tabelle (PIT) ist im Diagramm bereits mit dem Hub verbunden, erkennbar am dargestellten Symbol.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Die \u00c4nderungen erfolgten zu unterschiedlichen Zeitpunkten und standen nicht in direktem Zusammenhang. Die meisten Aktualisierungen wurden nach Abschluss der Versicherung vorgenommen, betrafen jedoch nicht alle operativen Systeme gleichzeitig. In der Folge wirkten sich diese \u00c4nderungen auch nicht auf alle Satelliten aus, sondern nur den Satelliten, der f\u00fcr die jeweilige \u00c4nderung zust\u00e4ndig war (was ein Vorteil ist).<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Beim Aufbau eines Data Marts aus diesen Rohdaten wird die Abfrage von Kundendaten zu einem bestimmten Stichtag schnell komplex: Die Abfrage soll den Kundenstand so zur\u00fcckgeben, wie er laut Delta-Verarbeitung des Data Warehouses am gew\u00e4hlten Datum g\u00fcltig war. Daf\u00fcr sind Outer Joins mit aufwendiger Zeitbereichslogik notwendig. Sobald mehr als drei Satelliten an einem Hub oder Link h\u00e4ngen, wird das Ganze nicht nur kompliziert, sondern auch langsam. Ein besserer Ansatz ist die Nutzung von Equal Joins zur Abfrage der Daten im Raw Data Vault. Um das zu erm\u00f6glichen, kommt in der <a href=\"https:\/\/www.scalefree.com\/consulting\/data-vault-2-0\/#modeling\">Data Vault 2.0 Modellierungs<\/a>&nbsp;ein spezieller Entit\u00e4tstyp zum Einsatz: die Point-in-Time Tabelle (PIT). Diese wird dann ins Modell aufgenommen, wenn die Abfrageperformance f\u00fcr einen bestimmten Hub oder Link mit den zugeh\u00f6rigen Satelliten zu gering ist. <\/span><\/p>\n\t<\/div>\n<\/div>\n\n\n\n<div class=\"divider-wrap\" data-alignment=\"default\"><div style=\"height: 30px;\" class=\"divider\"><\/div><\/div><div class=\"img-with-aniamtion-wrap center\" data-max-width=\"100%\" data-max-width-mobile=\"default\" data-shadow=\"none\" data-animation=\"none\" >\n      <div class=\"inner\">\n        <div class=\"hover-wrap\"> \n          <div class=\"hover-wrap-inner\">\n            <img loading=\"lazy\" decoding=\"async\" class=\"img-with-animation skip-lazy nectar-lazy\" data-delay=\"0\" height=\"400\" width=\"273\" data-animation=\"none\" data-nectar-img-src=\"https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/PIT-table-e1539759305955.png\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg%20xmlns%3D'http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg'%20viewBox%3D'0%200%20273%20400'%2F%3E\" alt=\"Point-in-Time Tabellen\" data-nectar-img-srcset=\"https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/PIT-table-e1539759305955.png 273w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/PIT-table-e1539759305955-205x300.png 205w\" sizes=\"auto, (max-width: 273px) 100vw, 273px\" \/>\n          <\/div>\n        <\/div>\n      <\/div>\n    <\/div><div style=\"text-align: center;font-family:Droid Serif;font-weight:400;font-style:normal\" class=\"vc_custom_heading vc_do_custom_heading\" >Abbildung 2: Struktur der PIT-Tabelle<\/div><div class=\"divider-wrap\" data-alignment=\"default\"><div style=\"height: 30px;\" class=\"divider\"><\/div><\/div>\n<div class=\"wpb_text_column wpb_content_element\" >\n\t<div class=\"wpb_wrapper\">\n\t\t<p><span style=\"font-weight: 400;\">Da die Daten in einer PIT Tabelle vom System berechnet werden und nicht aus einem Quellsystem stammen, unterliegen sie keiner Auditpflicht und geh\u00f6ren nicht zum Raw Vault. Daher kann die Struktur angepasst werden, um berechnete Spalten zu enthalten. <\/span><\/p>\n<p><span style=\"font-weight: 400;\"><span data-sheets-root=\"1\">Point-in-Time Tabellen<\/span> erf\u00fcllen zwei Zwecke:<\/span><\/p>\n<h2>Erleichtert die Kombination mehrerer Deltas zu verschiedenen \"Point-in-Times\" (Zeitpunkten)<\/h2>\n<p><span style=\"font-weight: 400;\">Eine Point-in-Time Tabelle erstellt Snapshots von Daten auf Basis der Zeitpunkte, die von den vorgelagerten Datenkonsumenten vorgegeben werden. So ist es beispielsweise \u00fcblich, t\u00e4glich den aktuellen Stand der Daten zu berichten. Um diese Anforderungen zu erf\u00fcllen, enth\u00e4lt die PIT-Tabelle das Datum und die Uhrzeit des Snapshots \u2013 kombiniert mit dem Business Key \u2013 als eindeutigen Schl\u00fcssel der Entit\u00e4t (ein <a href=\"https:\/\/www.scalefree.com\/architecture\/hash-keys-in-the-data-vault\/\">Hash Key<\/a> der beide Attribute enth\u00e4lt, in Abbildung\u202f2 als <\/span><i><span style=\"font-weight: 400;\">CustomerKey<\/span><\/i><span style=\"font-weight: 400;\"> bezeichnet). F\u00fcr jede dieser Kombinationen speichert die PIT-Tabelle die Load Dates sowie die zugeh\u00f6rigen Hash Keys der Satelliten, die am besten mit dem Snapshot-Datum \u00fcbereinstimmen.<\/span><\/p>\n<h2>Reduzierung der Join-Komplexit\u00e4t zur Performance-Optimierung mit Point-in-Time Tabellen<\/h2>\n<p><span style=\"font-weight: 400;\">Die Point-in-Time Tabelle funktioniert wie ein Index, der von der Abfrage genutzt wird und Informationen \u00fcber die jeweils aktiven Satelliteneintr\u00e4ge zum Snapshot-Datum liefert. Ziel ist es, m\u00f6glichst viel der Join-Logik vorab zu materialisieren \u2013 sodass am Ende ein Inner Join mit reinen Equi-Join-Bedingungen entsteht. Diese Join-Variante ist auf den meisten (wenn nicht allen) relationalen Datenbankservern die performanteste. Um die Performance der PIT-Tabelle zu maximieren und gleichzeitig den Speicherbedarf gering zu halten, wird pro genutztem Satellite genau ein Ghost Record ben\u00f6tigt. Dieser Ghost Record wird verwendet, wenn zum jeweiligen Zeitpunkt kein aktiver Eintrag im referenzierten Satellite vorhanden ist, und steht f\u00fcr den unknown oder NULL-Fall. Durch den Einsatz des Ghost Records lassen sich allgemeine NULL-Pr\u00fcfungen vermeiden, da die Join-Bedingung stets auf einen vorhandenen Eintrag in der Satellitentabelle verweist \u2013 entweder auf einen tats\u00e4chlich aktiven Datensatz zum Snapshot-Datum oder auf den Ghost Record.<\/span><\/p>\n\t<\/div>\n<\/div>\n\n\n\n<div class=\"divider-wrap\" data-alignment=\"default\"><div style=\"height: 30px;\" class=\"divider\"><\/div><\/div><div class=\"img-with-aniamtion-wrap center\" data-max-width=\"100%\" data-max-width-mobile=\"default\" data-shadow=\"none\" data-animation=\"none\" >\n      <div class=\"inner\">\n        <div class=\"hover-wrap\"> \n          <div class=\"hover-wrap-inner\">\n            <img loading=\"lazy\" decoding=\"async\" class=\"img-with-animation skip-lazy nectar-lazy\" data-delay=\"0\" height=\"74\" width=\"1406\" data-animation=\"none\" data-nectar-img-src=\"https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table-.png\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg%20xmlns%3D'http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg'%20viewBox%3D'0%200%201406%2074'%2F%3E\" alt=\"Beispiel f\u00fcr Punkt-zu-Punkt-Tabellen\" data-nectar-img-srcset=\"https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table-.png 1406w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--300x16.png 300w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--1024x54.png 1024w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--768x40.png 768w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--320x17.png 320w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--640x34.png 640w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--360x19.png 360w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--720x38.png 720w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--1080x57.png 1080w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--800x42.png 800w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--1280x67.png 1280w, https:\/\/www.scalefree.com\/wp-content\/uploads\/2018\/10\/Example-of-PIT-table--600x32.png 600w\" sizes=\"auto, (max-width: 1406px) 100vw, 1406px\" \/>\n          <\/div>\n        <\/div>\n      <\/div>\n    <\/div><div style=\"text-align: center;font-family:Droid Serif;font-weight:400;font-style:normal\" class=\"vc_custom_heading vc_do_custom_heading\" >Tabelle 1: Beispiel einer PIT-Tabelle<\/div><div class=\"divider-wrap\" data-alignment=\"default\"><div style=\"height: 30px;\" class=\"divider\"><\/div><\/div>\n<div class=\"wpb_text_column wpb_content_element\" >\n\t<div class=\"wpb_wrapper\">\n\t\t<p><span style=\"font-weight: 400;\">Wenn Kundendaten nur f\u00fcr ein bestimmtes Gesch\u00e4ftssegment gel\u00f6scht werden m\u00fcssen und dabei PII-Informationen als Business Key verwendet werden, reicht es aus, den entsprechenden Link-Eintrag sowie die beschreibenden Attribute im zugeh\u00f6rigen Satellite zu l\u00f6schen. Die Aktivit\u00e4tshistorie bleibt dabei erhalten, kann weiterhin f\u00fcr analytische Zwecke genutzt werden und ist nicht mehr auf den urspr\u00fcnglichen Kunden zur\u00fcckzuf\u00fchren.\n\nEin zus\u00e4tzlicher Vorteil dieser \u201eBusiness-Trennung\u201c ist, dass im Falle einer L\u00f6schung nur das betroffene Gesch\u00e4ft betroffen ist \u2013 zum Beispiel, wenn verschiedene Gesch\u00e4ftsbereiche von unterschiedlichen Tochtergesellschaften betrieben werden und lediglich die Daten zur Kfz-Versicherung entfernt werden m\u00fcssen. Wichtig: Allein das L\u00f6schen des Business Keys (und das Beibehalten des Hash Keys) gen\u00fcgt nicht f\u00fcr eine<\/span><\/p>\n\t<\/div>\n<\/div>\n\n\n\n<div class=\"divider-wrap\" data-alignment=\"default\"><div style=\"height: 30px;\" class=\"divider\"><\/div><\/div>\n<div class=\"wpb_text_column wpb_content_element\" >\n\t<div class=\"wpb_wrapper\">\n\t\t<p><span style=\"font-weight: 400;\">Wenn Kundendaten nur f\u00fcr ein bestimmtes Gesch\u00e4ftssegment gel\u00f6scht werden m\u00fcssen und dabei personenbezogene Daten (PII) als Business Key verwendet werden, reicht es aus, den entsprechenden Link-Eintrag sowie die beschreibenden Attribute im zugeh\u00f6rigen Satellite zu l\u00f6schen. Die Aktivit\u00e4tshistorie bleibt dabei erhalten, kann weiterhin f\u00fcr analytische Zwecke genutzt werden und ist nicht mehr auf den urspr\u00fcnglichen Kunden zur\u00fcckzuf\u00fchren.\nEin zus\u00e4tzlicher Vorteil dieser \u201eBusiness-Trennung\u201c besteht darin, dass bei einer L\u00f6schung nur das betroffene Gesch\u00e4ft beeintr\u00e4chtigt wird \u2013 etwa wenn die Gesch\u00e4ftsbereiche von unterschiedlichen Tochtergesellschaften stammen und lediglich die Daten zur Kfz-Versicherung entfernt werden m\u00fcssen. Wichtig: Allein das L\u00f6schen des Business Keys (bei gleichzeitigem Beibehalten des Hash Keys) erf\u00fcllt nicht die Anforderungen der<a href=\"https:\/\/www.scalefree.com\/knowledge\/webinars\/data-vault-friday\/still-struggling-with-gdpr-2\/\"> DSGVO<\/a> und entspricht zudem nicht dem <a href=\"https:\/\/www.scalefree.com\/de\/beratung\/data-vault-2-0\/\">Data Vault 2.0<\/a> -Standard, da der Business Key in Link-Tabellen verwendet wird. Der Hash Key im Data Vault 2.0 dient nicht der Verschl\u00fcsselung, sondern ausschlie\u00dflich Performance-Zwecken. Der Schl\u00fcssel in Links und gesch\u00e4ftsorientierten Hubs \u2013 wie in diesem Fall \u2013 ist ein vollst\u00e4ndiger Technischer Schl\u00fcssel (surrogate key) und l\u00e4sst sich nicht zur\u00fcckrechnen. Sobald ein Kunde vollst\u00e4ndig gel\u00f6scht werden soll \u2013 also kein aktiver Kunde mehr in irgendeinem Gesch\u00e4ftsbereich ist \u2013 muss auch der entsprechende Eintrag im zentralen Hub entfernt werden.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Andernfalls, wenn kein zus\u00e4tzlicher technischer Schl\u00fcssel f\u00fcr den Kunden existiert, ist nach dem L\u00f6schen der personenbezogenen Daten keine Zuordnung zu einem Objekt (Ankerpunkt) mehr m\u00f6glich \u2013 was die verbleibenden Daten in vielen F\u00e4llen unbrauchbar macht.<\/span><\/p>\n\t<\/div>\n<\/div>\n\n\n\n<div class=\"divider-wrap\" data-alignment=\"default\"><div style=\"height: 30px;\" class=\"divider\"><\/div><\/div>\n<div class=\"wpb_text_column wpb_content_element\" >\n\t<div class=\"wpb_wrapper\">\n\t\t<h2><span style=\"font-weight: 400;\">Fazit<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Point-in-Time Tabellen dienen in erster Linie dazu, die Abfrageperformance zu verbessern: Sie vermeiden Outer Joins und erm\u00f6glichen stattdessen Inner Joins mit Equi-Join-Bedingungen \u2013 was die bestm\u00f6gliche Performance bietet. Dar\u00fcber hinaus unterst\u00fctzen Point-in-Time Tabellen die Partitionierung und erm\u00f6glichen die vollst\u00e4ndige Skalierbarkeit von Sternschemata, die idealerweise vollst\u00e4ndig virtualisiert auf dem Data Vault aufbauen. Ein weiterer Vorteil: Endanwender m\u00fcssen nicht mehr alle Satellitentabellen verkn\u00fcpfen, sondern nur noch eine einzige Tabelle pro Gesch\u00e4ftsobjekt \u2013 was die Komplexit\u00e4t bei Ad-hoc-Abfragen deutlich reduziert.<\/span><\/p>\n\t<\/div>\n<\/div>\n\n\n\n\n\t\t\t<\/div> \n\t\t<\/div>\n\t<\/div> \n<\/div><\/div>","protected":false},"excerpt":{"rendered":"Point-in-Time-Tabellen Point-in-Time-Tabellen sind n\u00fctzlich bei der Abfrage von Daten aus dem Raw Vault, die mehrere Satelliten auf einem Hub oder einer Verbindung haben: Abbildung 1: Daten...","protected":false},"author":2,"featured_media":29684,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[101],"tags":[1254,1256,464,1244,470,825,479,1257,1258,1253,1250,748,1242,1247,1243,833,1251,1246,1255,838,1249,1245,402,1259,1241,466,1252,1248],"class_list":{"0":"post-29019","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-data-vault","8":"tag-analytical-reasons","9":"tag-anchor-point","10":"tag-business-key","11":"tag-business-object","12":"tag-customer-data","13":"tag-data-mart","14":"tag-data-vault","15":"tag-data-warehouse-solutions","16":"tag-delta-process","17":"tag-gdpr-compliance","18":"tag-ghost-record","19":"tag-hash-key","20":"tag-hub","21":"tag-inner-join","22":"tag-link","23":"tag-load-date","24":"tag-null-values","25":"tag-outer-join","26":"tag-pii-information","27":"tag-pit-table","28":"tag-point-in-time-table","29":"tag-query-performance","30":"tag-raw-data-vault","31":"tag-relational-database-servers","32":"tag-satellite","33":"tag-snapshot","34":"tag-surrogate-key","35":"tag-time-range-handling"},"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/www.scalefree.com\/de\/wp-json\/wp\/v2\/posts\/29019","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.scalefree.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.scalefree.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.scalefree.com\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.scalefree.com\/de\/wp-json\/wp\/v2\/comments?post=29019"}],"version-history":[{"count":0,"href":"https:\/\/www.scalefree.com\/de\/wp-json\/wp\/v2\/posts\/29019\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.scalefree.com\/de\/wp-json\/wp\/v2\/media\/29684"}],"wp:attachment":[{"href":"https:\/\/www.scalefree.com\/de\/wp-json\/wp\/v2\/media?parent=29019"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.scalefree.com\/de\/wp-json\/wp\/v2\/categories?post=29019"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.scalefree.com\/de\/wp-json\/wp\/v2\/tags?post=29019"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}