Definition von Datenmodellierung.
In diesem Artikel zu Datenmodellierung erfahrt ihr mehr über folgende Themen:
- Was ist Datenmodellierung?
- Arten von Datenmodellierung
- Datenmodellierung und Datenanalysen im Vergleich
- Modellierung und Speicherung eurer Daten mit der richtigen Plattform
Was ist Datenmodellierung?
Als Datenmodellierung wird die Zuordnung und Visualisierung unterschiedlicher Datenquellen in Modellen bezeichnet – sowie das anschließende Zusammenfügen der unterschiedlichen Datenmodelle, um diese Informationen leichter zu verstehen, zu bearbeiten und zu analysieren.
Die Datenmodellierung soll mithilfe hochwertiger, konsistenter und strukturierter Modelle ein klares Bild der Daten des Unternehmens liefern. Mit diesen Modellen können Business-Teams die Anforderungen an ein Computer-System oder ein Datenbank-Design klar definieren sowie kommunizieren und die Technik-Teams das Design anhand dieser Vorgaben entwickeln.
Mithilfe von Datenmodellierung können Unternehmen fehlende oder redundante Informationen identifizieren. So könnte ein Unternehmen damit beispielsweise Ineffizienzen aufdecken, die zu unnötigen Ausgaben führen. Durch die Modellierung von Daten verschiedener Abteilungen kann analysiert werden, wie Ressourcen unternehmensweit genutzt werden und welche Bereiche über zu wenige oder zu viele Ressourcen verfügen, um diese entsprechend neu zuzuweisen.
Arten von Datenmodellen.
Abhängig von der Komplexität, den Anforderungen sowie der beabsichtigten Nutzung des Datenmodells haben Unternehmen meist die Wahl zwischen drei Haupttypen. Diese beziehen sich auf die logische Struktur, die bestimmt, wie die Daten gespeichert, organisiert und abgerufen werden. Im Folgenden stellen wir die verschiedenen Typen vor:
- Konzeptionelle Datenmodellierung: Dieser Typ, der auch als Unternehmensdaten-Modellierung bezeichnet wird, folgt einem übergeordneten Ansatz, der die Daten rund um die wichtigsten Anforderungen eines Unternehmens formt.
- Logische Datenmodellierung: Um einen genaueren Blick darauf zu werfen, wie alle Datensätze miteinander in Beziehung stehen, identifiziert die logische Datenmodellierung die technischen Details und wie sie die Geschäftsziele unterstützen.
- Physische Datenmodellierung: Dieser Datentyp dient als Blaupause für das Datenbank-Design eines Unternehmens und gibt genau vor, wie jede Datenbank aufgebaut sein wird und wie alle Datenbanken, Programme und Funktionen interagieren werden.
Datenmodellierung und Datenanalysen im Vergleich.
Auch wenn Datenmodellierung und Datenanalyse häufig synonym betrachtet werden, handelt es sich um unterschiedliche Konzepte, die jeweils eigene Kompetenzen erfordern.
Datenanalyse bezeichnet die Verarbeitung von Daten, auf die ihr Zugriff habt. Diese werden gefiltert, um die wichtigsten Erkenntnisse anschließend in Reports, Prognosen, Diagrammen oder anderen Visualisierungen darzustellen. Bei der Datenanalyse wird also ermittelt, warum sich Bereiche eines Unternehmens so verhalten, wie zu beobachten ist.
Die Datenmodellierung wiederum bezeichnet die Schaffung der richtigen Bedingungen, um diese Analyse möglich zu machen. Die Erstellung und Zusammenführung der Datenmodelle eines Unternehmen bildet den ersten Schritt, bevor die Teams Datenanalysen durchführen können. Hier geht es darum, die Typen der zusammenzuführenden Daten zu ermitteln – und die Vorgehensweise dabei –, um die gewünschten Ergebnisse zu erhalten.
Modellierung und Speicherung eurer Daten mit der richtigen Plattform.
Um eure Daten zu verstehen und effektiv zu nutzen, ist es notwendig, eine visuelle Darstellung all ihrer Verbindungen zu erhalten. Auf diese Weise könnt ihr bessere Datenbanken aufbauen, mit denen ihr wichtige Erkenntnisse erhaltet, die euch das Erfüllen eurer geschäftlichen Anforderungen erleichtern. Mit dem Experience Data Model (XDM) von Adobe Experience Platform könnt ihr Standardschemas und Schema-basierte Workflows nutzen, um Daten aus beliebigen Kanälen zu modellieren. Und da es sich um ein Open - Source-Datenmodell handelt, könnt ihr diese Standardschemas mit eigenen Attributen und Elementen erweitern.
Nachdem ihr die Datenmodellierung abgeschlossen habt, besteht der nächste Schritt darin, die richtige Plattform zum Speichern dieser Informationen zu finden. Adobe Experience Platform ist nicht nur eine starke Basis für XDM, sondern dient auch zur Sammlung, Verwaltung und Nutzung von Kundendaten. Von hier aus könnt ihr eure Plattform mit nativ entwickelten Programmen wie Adobe Real-Time Customer Data Platform (CDP) erweitern, die B2B- und B2C-Daten aus eurem gesamten Unternehmen auf sichere Weise in Echtzeit-Kundenprofilen zusammenführen.
Wenn ihr mehr erfahren wollt, seht euch das Übersichtsvideo an oder fordert eine Produkttour an.