Seminar SAP Datasphere – Datenmodellierung für Fortgeschrittene

Dieses Seminar vertieft anspruchsvolle Modellierungsmuster in SAP Datasphere. Komplexe Joins, Zeitabhängigkeiten, Hierarchien, wiederverwendbare Schichten, fortgeschrittene Kennzahlen und Performance-Aspekte werden anhand realistischer Data-Warehouse-Szenarien umgesetzt.

Inhaltsverzeichnis

1. Zielsetzung
2. Lernziele
3. Zielgruppe
4. Voraussetzungen
5. Seminarinhalte
6. Praxisübungen

Zielsetzung

Inhaltsverzeichnis: fachliches Ziel · technisches Ziel · Qualität und Betriebsfähigkeit

Ziel ist die belastbare Konstruktion komplexer Modelle, deren Granularität, Semantik, Änderbarkeit und Laufzeitverhalten auch bei wachsenden Anforderungen beherrschbar bleiben.

Lernziele

Inhaltsverzeichnis: Einordnung · Umsetzung · Prüfung · Dokumentation

• die fachlichen und technischen Grundlagen zu Modellierungsarchitektur und Schichten, Komplexe Join- und Kardinalitätsmuster, Zeitabhängige Daten sicher einordnen
• Anforderungen in nachvollziehbare Konfigurations-, Integrations- oder Modellierungsschritte überführen
• einen durchgängigen Praxisfall mit kontrollierten Zwischenschritten umsetzen
• Datenqualität, Berechtigungen, Abhängigkeiten und Laufverhalten mit festgelegten Prüfkriterien bewerten
• die Lösung dokumentieren, deployen und für einen geregelten Betrieb beziehungsweise die weitere Nutzung vorbereiten

Zielgruppe

Inhaltsverzeichnis: Rollen · Aufgabenbereiche · Projektbezug

Erfahrene Datasphere-Modellierer, Data-Warehouse-Entwickler, Analytics Engineers, BI-Architekten und technische Berater

Voraussetzungen

Inhaltsverzeichnis: Fachkenntnisse · technische Grundlagen · empfohlene Praxiserfahrung

Sichere Data-Builder-Grundlagen, gute Kenntnisse relationaler Modellierung und praktische Erfahrung mit SQL

Seminarinhalte

Inhaltsverzeichnis: Modellierungsarchitektur und Schichten · Komplexe Join- und Kardinalitätsmuster · Zeitabhängige Daten · Hierarchien und rekursive Strukturen · Snapshot- und Bestandsmodelle · Währungs- und Einheitenlogik · Fortgeschrittene SQL-Muster · Inkrementelle Transformationen · Performancegerechter Modellentwurf

1. Modellierungsarchitektur und Schichten
2. Komplexe Join- und Kardinalitätsmuster
3. Zeitabhängige Daten
4. Hierarchien und rekursive Strukturen
5. Snapshot- und Bestandsmodelle
6. Währungs- und Einheitenlogik
7. Fortgeschrittene SQL-Muster
8. Inkrementelle Transformationen
9. Performancegerechter Modellentwurf

Modul 1: Modellierungsarchitektur und Schichten

Inhaltsverzeichnis: Quell-, Harmonisierung-, Kern- und Konsumschichten voneinander abgrenzen · Wiederverwendung und Entkopplung als Entwurfsprinzipien anwenden · Granularität und Schlüssel jeder Schicht explizit dokumentieren · Abhängigkeiten und Deployment-Reihenfolge bereits im Entwurf berücksichtigen

1. Schritt 1: Quell-, Harmonisierung-, Kern- und Konsumschichten voneinander abgrenzen
2. Schritt 2: Wiederverwendung und Entkopplung als Entwurfsprinzipien anwenden
3. Schritt 3: Granularität und Schlüssel jeder Schicht explizit dokumentieren
4. Schritt 4: Abhängigkeiten und Deployment-Reihenfolge bereits im Entwurf berücksichtigen

Praxis: Ein bestehendes monolithisches Modell in wartbare Schichten zerlegen

Modul 2: Komplexe Join- und Kardinalitätsmuster

Inhaltsverzeichnis: 1:1-, 1:n- und n:m-Beziehungen anhand realer Daten prüfen · Join-Typen nach fachlicher Bedeutung statt nach gewünschter Zeilenanzahl auswählen · Mehrfachtreffer und unbeabsichtigte Kennzahlenvervielfachung erkennen · Brückentabellen und Voraggregation für n:m-Szenarien einsetzen

1. Schritt 1: 1:1-, 1:n- und n:m-Beziehungen anhand realer Daten prüfen
2. Schritt 2: Join-Typen nach fachlicher Bedeutung statt nach gewünschter Zeilenanzahl auswählen
3. Schritt 3: Mehrfachtreffer und unbeabsichtigte Kennzahlenvervielfachung erkennen
4. Schritt 4: Brückentabellen und Voraggregation für n:m-Szenarien einsetzen

Praxis: Ein Kunden-Segment-Modell mit n:m-Beziehung ohne Doppelzählung aufbauen

Modul 3: Zeitabhängige Daten

Inhaltsverzeichnis: Gültigkeitsintervalle und Stichtagslogik fachlich definieren · überlappende oder lückenhafte Intervalle erkennen · zeitabhängige Joins für Stammdatenstände modellieren · Ergebnisse für Vergangenheit, Gegenwart und Randzeitpunkte testen

1. Schritt 1: Gültigkeitsintervalle und Stichtagslogik fachlich definieren
2. Schritt 2: überlappende oder lückenhafte Intervalle erkennen
3. Schritt 3: zeitabhängige Joins für Stammdatenstände modellieren
4. Schritt 4: Ergebnisse für Vergangenheit, Gegenwart und Randzeitpunkte testen

Praxis: Historisierte Vertriebszuordnungen stichtagsbezogen mit Belegen verbinden

Modul 4: Hierarchien und rekursive Strukturen

Inhaltsverzeichnis: levelbasierte und parent-child-Strukturen vergleichen · Wurzeln, Blätter, Mehrfachzuordnungen und verwaiste Knoten prüfen · Hierarchien für Organisation und Produkt modellieren · Navigation und Aggregation über mehrere Ebenen validieren

1. Schritt 1: levelbasierte und parent-child-Strukturen vergleichen
2. Schritt 2: Wurzeln, Blätter, Mehrfachzuordnungen und verwaiste Knoten prüfen
3. Schritt 3: Hierarchien für Organisation und Produkt modellieren
4. Schritt 4: Navigation und Aggregation über mehrere Ebenen validieren

Praxis: Eine variable Organisationshierarchie aus parent-child-Daten bereitstellen

Modul 5: Snapshot- und Bestandsmodelle

Inhaltsverzeichnis: Bewegungen, periodische Snapshots und kumulative Bestände unterscheiden · Zeitgranularität und fachlichen Stichtag eindeutig festlegen · Bestände aus Bewegungen oder Quellständen reproduzierbar ableiten · semiadditive Kennzahlen für Zeitdimensionen korrekt behandeln

1. Schritt 1: Bewegungen, periodische Snapshots und kumulative Bestände unterscheiden
2. Schritt 2: Zeitgranularität und fachlichen Stichtag eindeutig festlegen
3. Schritt 3: Bestände aus Bewegungen oder Quellständen reproduzierbar ableiten
4. Schritt 4: semiadditive Kennzahlen für Zeitdimensionen korrekt behandeln

Praxis: Monatliche Lagerbestände mit Zu- und Abgängen modellieren

Modul 6: Währungs- und Einheitenlogik

Inhaltsverzeichnis: Quellbetrag, Zielbetrag, Kursart und Umrechnungsdatum definieren · Einheiten und Währungen an Kennzahlen binden · Umrechnung vor oder nach Aggregation fachlich bewerten · Rundung, fehlende Kurse und Mehrfachwährungen testen

1. Schritt 1: Quellbetrag, Zielbetrag, Kursart und Umrechnungsdatum definieren
2. Schritt 2: Einheiten und Währungen an Kennzahlen binden
3. Schritt 3: Umrechnung vor oder nach Aggregation fachlich bewerten
4. Schritt 4: Rundung, fehlende Kurse und Mehrfachwährungen testen

Praxis: Umsätze in Unternehmenswährung mit dokumentierter Kurslogik bereitstellen

Modul 7: Fortgeschrittene SQL-Muster

Inhaltsverzeichnis: Fensterfunktionen für Rangfolge, Laufwerte und Periodenvergleiche einsetzen · Common Table Expressions zur Strukturierung komplexer Logik verwenden · bedingte Aggregationen und Nullwertbehandlung kontrollieren · SQL-Komplexität durch Zwischenschichten und Tests beherrschbar machen

1. Schritt 1: Fensterfunktionen für Rangfolge, Laufwerte und Periodenvergleiche einsetzen
2. Schritt 2: Common Table Expressions zur Strukturierung komplexer Logik verwenden
3. Schritt 3: bedingte Aggregationen und Nullwertbehandlung kontrollieren
4. Schritt 4: SQL-Komplexität durch Zwischenschichten und Tests beherrschbar machen

Praxis: Kundenkohorten und gleitende Kennzahlen in einer SQL View berechnen

Modul 8: Inkrementelle Transformationen

Inhaltsverzeichnis: Änderungsschlüssel und Verarbeitungsfenster definieren · Insert-, Update- und Löschfälle im Zielmodell berücksichtigen · Wiederanlauf und Idempotenz für Transformationen sicherstellen · vollständige und inkrementelle Läufe miteinander abgleichen

1. Schritt 1: Änderungsschlüssel und Verarbeitungsfenster definieren
2. Schritt 2: Insert-, Update- und Löschfälle im Zielmodell berücksichtigen
3. Schritt 3: Wiederanlauf und Idempotenz für Transformationen sicherstellen
4. Schritt 4: vollständige und inkrementelle Läufe miteinander abgleichen

Praxis: Eine inkrementelle Transformation mit technischer Ladeprotokollierung entwerfen

Modul 9: Performancegerechter Modellentwurf

Inhaltsverzeichnis: Filter, Projektion und Aggregation möglichst früh im Datenweg platzieren · unnötige Joins, breite Strukturen und wiederholte Berechnungen reduzieren · virtuelle und persistierte Zwischenergebnisse nach Messwerten auswählen · Testdaten, Laufzeiten und Datenvolumen vergleichbar protokollieren

1. Schritt 1: Filter, Projektion und Aggregation möglichst früh im Datenweg platzieren
2. Schritt 2: unnötige Joins, breite Strukturen und wiederholte Berechnungen reduzieren
3. Schritt 3: virtuelle und persistierte Zwischenergebnisse nach Messwerten auswählen
4. Schritt 4: Testdaten, Laufzeiten und Datenvolumen vergleichbar protokollieren

Praxis: Zwei Modellvarianten messen und anhand definierter Kriterien optimieren

Praxisübungen

Inhaltsverzeichnis: Mehrschichtiges Modell mit zeitabhängigen und n:m-Beziehungen entwickeln · Snapshot-, Hierarchie- und Währungslogik mit Randfällen testen · SQL- und Performancevarianten messen, vergleichen und dokumentieren

• Mehrschichtiges Modell mit zeitabhängigen und n:m-Beziehungen entwickeln
• Snapshot-, Hierarchie- und Währungslogik mit Randfällen testen
• SQL- und Performancevarianten messen, vergleichen und dokumentieren