Data Vault Training
Data Vault 2.1 praxisnah modellieren, beladen und mit dbt automatisieren.
Kursbeschreibung
Dieses Training verbindet Data-Vault-Theorie mit viel praktischer Modellierungs- und SQL-Arbeit. Sie starten bei den Kernbausteinen Hub, Link und Satellite und bauen daraus Schritt für Schritt ein belastbares DWH-Fundament.
Neben Raw Vault und Staging betrachten wir Business Vault, PIT- und Bridge-Tabellen, Reference Tables und Record Tracking Satellites. Dabei geht es immer um nachvollziehbare Entscheidungen statt um starre Rezepte.
Ein besonderer Fokus liegt auf semi-strukturierten Daten und metadatengetriebenen Beladungsansätzen. Sie lernen, wie JSON-Strukturen, Business Rules und Automatisierung sinnvoll zusammenspielen.
Zum Abschluss vergleichen wir manuelle Umsetzung mit toolgestützter Entwicklung, unter anderem mit dbt und TurboVault4dbt, und leiten Best Practices für Governance, Namenskonventionen und Betrieb ab.
Individueller Workshop
Für Unternehmen mit bestehender Data-Implementierung
Identifikation von Optimierungspotenzialen
Praxisnahe Beratung für Ihre Herausforderungen
Angepasst an Ihre Infrastruktur und Prozesse
Individuelle Terminvereinbarung möglich
Kursinhalt
Das Wichtigste auf einen Blick
Das nehmen Sie mit
Data Vault 2.1 und zentrale Entwurfsregeln verstehen
Hubs, Links und Satellites sauber modellieren
Staging, Raw Vault, Business Vault und Information Mart abgrenzen
Beladungsprozesse inklusive Delta-Erkennung und CDC planen
PIT-, Bridge- und Reference-Patterns anwenden
Voraussetzungen
Grundlegende SQL-Kenntnisse
Basiswissen zu Data Warehousing
Erfahrung mit Datenmodellierung von Vorteil
Praxisfokus
Mindestens die Hälfte der Trainingszeit ist praktisch: Sie modellieren, implementieren und erweitern ein durchgängiges Data-Vault-Szenario.
Die Übungen können auf den Technologie-Stack Ihres Teams zugeschnitten werden, zum Beispiel SQL Server, Snowflake oder dbt.
Ihr Trainer
Uli Zellbeck
Uli ist Senior Data Architect und begleitet Unternehmen seit vielen Jahren beim Aufbau moderner Datenplattformen. Seine Trainings verbinden Architekturentscheidungen mit konkreter Umsetzungspraxis.
Teilnehmende profitieren von seiner Erfahrung aus Projekten rund um Data Engineering, Data Warehousing, Governance und Analytics-Architekturen, darunter:
- Konzeption moderner Daten- und Analytics-Plattformen
- Aufbau robuster Data-Warehouse- und Lakehouse-Architekturen
- Einführung praxistauglicher Data-Governance- und Qualitätsprozesse
- Schulung von Data Teams mit Fokus auf anwendbare Projektergebnisse
Im Training legt Uli Wert auf verständliche Erklärungen, realistische Übungen und Entscheidungen, die auch im Projektalltag tragfähig bleiben.
Verfügbare Termine
In-House Training
Praxisorientiertes Training zu Data Vault 2.1, Raw Vault, Business Vault, Information Marts und Automatisierung mit dbt.
Wir bieten dieses Training als In-House Schulung an, angepasst an Ihre Bedürfnisse. Termine und Konditionen sprechen wir gerne individuell mit Ihnen ab.
Öffentliche Termine
Öffentliche Termine in Planung
Wir planen derzeit öffentliche Termine für dieses Training in Zusammenarbeit mit unseren Partnern.
Buche das Training direkt im Terminal
Weitere passende Trainings
Ergänzende Trainings zu Data Warehouse Modeling, dbt und moderner Datenmodellierung.
Data Warehouse Modeling Training & Schulung
Data Warehouse Modeling Training & Schulung: Lernen Sie die Grundlagen oder entscheiden Sie sich für die Experten Schulungen
- Grundlagen des dimensionalen Modellierens verstehen
- Star Schema und Snowflake Schema entwerfen
- Fact Tables und Dimension Tables modellieren
dbt Training & Schulung
dbt Training & Schulung: Beherrschen Sie SQL-Transformationen, Testing und CI/CD für nachhaltige Analytics-Engineering-Prozesse.
- dbt Projekte aufsetzen und strukturieren
- Datenmodelle mit SQL und dbt entwickeln
- Tests für Datenqualität implementieren
Data Modeling Training & Schulung
Data Modeling Training & Schulung: Lernen Sie fortgeschrittene Konzepte für skalierbare und effiziente Datenstrukturen.
- Verschiedene Datenmodellierungsansätze verstehen
- Relationale und NoSQL-Modelle vergleichen
- Datenqualität und -integrität sicherstellen