Watch Video
Watch Video

Logisch Datawarehouse – Architectuur, Ontwerp en Technologie

De klassieke datawarehouse architectuur, bestaande uit een keten van databases, waaronder een staging area, het centrale datawarehouse en vaak vele datamarts, en waarbij gegevens door de keten heen gepompt worden met behulp van ETL programma’s, heeft veel organisaties vele jaren goed gediend bij het ontwikkelen en draaien van BI-systemen. Maar is die populaire klassieke architectuur nog wel toereikend voor alle nieuwe gebruikerswensen, zoals self-service BI en data science, en kan er wel optimaal gebruik gemaakt worden van de nieuwe big data technologie voor gegevensanalyse en –opslag, zoals Hadoop en NoSQL?
vanderlans_rick_dsc_0693_w1900De gebruiker anno nu is niet te vergelijken met de gebruiker uit de tijd dat de klassieke datawarehouses werden opgezet. De huidige gebruikers willen onder andere:

  • Zélf met rapportage-tools aan de slag
  • Rechtstreeks toegang hebben tot bronsystemen
  • Altijd actuele gegevens ter beschikking hebben
  • Externe gegevens met interne gegevens combineren
  • Korte levertijden voor rapportages
  • Big data bronnen benaderen.

Het integreren van self-service BI-producten met deze architectuur is niet evident en zeker niet als de gebruikers toegang tot de bronsystemen willen hebben. Het leveren van 100% up-to-date gegevens ter ondersteuning van operational BI, is lastig te implementeren. En hoe nemen we de nieuwe data storage technologieën, zoals Hadoop en NoSQL, op in de architectuur? Dit en andere gebruikerswensen zijn allemaal lastige vraagstukken indien een organisatie nog werkt met een klassieke architectuur.

Organisaties zullen zo langzamerhand moeten migreren naar een flexibelere architectuur waarbij sneller nieuwe gegevensbronnen aangekoppeld kunnen worden, self-service BI goed te ondersteunen is, waar Operational BI eenvoudig te implementeren is, waar het adopteren van nieuwe technologieën zoals Hadoop en NoSQL, relatief eenvoudig is, en de verwerking van big data geen technologische revolutie maar een evolutie is.

De architectuur die hierop antwoord geeft is de logische datawarehouse architectuur. Deze door Gartner geïntroduceerde flexibele architectuur, is gebaseerd op een ontkoppeling van gegevensgebruikers (rapportage, analyse, data science) enerzijds en  gegevensbronnen anderzijds.

De technologie om een logisch datawarehouse te ontwikkelen is beschikbaar en vele organisaties hebben de migratie al succesvol uitgevoerd. Een dergelijke migratie verloopt geleidelijk. Het behelst een van stap-voor-stap proces en is geen mega-project waarbij alles in één grote stap vervangen moet worden.

In dit praktische seminar wordt de architectuur toegelicht en de producten besproken. Tevens wordt besproken hoe organisaties kunnen migreren van hun bestaande naar deze nieuwe architectuur. Tips en ontwerprichtlijnen worden gepresenteerd om te helpen deze migratie zo efficiënt mogelijk te laten verlopen.

boek_data_virtualizationLeerdoelen

  • Wat zijn de praktische voordelen van de logische datawarehouse architectuur en wat zijn de verschillen met de klassieke architectuur
  • Hoe kan een organisatie stap-voor-stap en succesvol naar deze flexibele logische datawarehouse architectuur toe migreren?
  • Wat zijn de mogelijkheden en beperkingen van de diverse beschikbare producten?
  • Hoe werken datavirtualisatieproducten?
  • Hoe kan big data op een transparante wijze toegevoegd worden aan de bestaande BI-omgeving?
  • Hoe kan self-service BI geïntegreerd worden met de klassieke vormen van BI?
  • Hoe kan aan gebruikers toegang gegeven worden aan 100% up-to-date gegevens zonder dat operationele systemen verstoord worden?
  • Wat zijn de real-life ervaringen van organisaties die reeds een logisch datawarehouse geïmplementeerd hebben?

Bestemd voor ú
Dit seminar is voor een ieder bestemd die vanuit zijn functie op de hoogte moet blijven van de ontwikkelingen op gebied van business intelligence en datawarehousing, zoals BI-architecten, business-analisten, datawarehouse- en databaseontwerpers, database-experts, consultants, technology planners, projectleiders en systeemanalisten. Enige kennis van klassieke datawarehouse architecturen is vereist.
Alle deelnemers ontvangen de meest recente editie van het boek Data Virtualization for Business Intelligence Systems door Rick van der Lans.

Bovenaan de pagina bij Downloads kunt u de volledige PDF brochure downloaden.

Rick van der Lans

Managing Director
R20/Consultancy
Rick van der Lans is an independent analyst, consultant, author and internationally acclaimed lecturer specializing in data warehousing, business intelligence, and database technology. Rick helps clients worldwide to design their data warehouse, big data and BI architectures.

Read more

This event takes place at:

Hotel Lapershoek
Utrechtseweg 16
1213 TS  Hilversum
The Netherlands
Telephone +31 (0) 35-6231341

For a full itinerary, please see the website of the Amrath Hotel.

The Hotel Lapershoek can also be reached by public transport. Be sure to take the train to ‘Station Hilversum Sportpark’ from which it is only a three minute walk.
Please consult www.9292.nl (door-to-door journey planner, also available in English) or call 0900-9292 (travel advice by phone, € 0.70 p/m).

For attendees interested in an overnight stay, we have made a special price agreement with the hotel. Please let us know if you wish to make use of this.

Het programma start om 9:30 uur en duurt tot 17:00 uur. Registratie is mogelijk vanaf 8:30 uur.

 

  1. Uitdagingen voor de klassieke datawarehouse architectuur
    Big data integreren met bestaande gegevens en beschikbaar maken voor rapportage en analyse
    Ondersteunen van self-service BI en self-service data preparation
    Polyglot persistentie – het verwerken van gegevens opgeslagen in Hadoop en NoSQL systemen
    Operational Business Intelligence, ofwel analyseren van 100% up-to-date gegevens
  1. De logische datawarehouse architectuur
  • De essentie van de LDWA: ontkoppeling van gegevensconsumenten en gegevensbronnen
  • Van batch-integratie naar on-demand integratie van gegevens
  • De invloed op flexibiliteit en productiviteit – een verhoogd time-to-market voor rapporten
  • Hoe de LDWA beter geschikt is voor moderne vormen van BI, waaronder self-service BI, investigative analytics en data science
  • Is een fysiek datawarehouse nog nodig in een LDWA?
  1. vanderlans_rick_dsc_0690_w1900Implementeren van een logisch datawarehouse architectuur met datavirtualisatie-servers
  • Waarom datavirtualisatie?
  • Werken met virtuele tabellen
  • Drie lagen met virtuele tabellen: brondata laag, enterprisedata laag en de dataconsumptie laag
  • Marktoverzicht: Cirro Data Hub, Cisco Information Server, Data Virtuality UltraWrap, Denodo Platform, RedHat JBoss Data Virtualization, Rocket en Stone Bond Enterprise Enabler
  • Werken met niet-relationele data, zoals XML- en JSON-documenten, web services, NoSQL en Hadoop data, en data van cloud applicaties
  • Het belang van een geïntegreerde business glossary en het centraliseren van metadata specificaties
  1. Faciliteiten om performance te verbeteren
  • Query optimalisatie technieken, waaronder : pushdown, query injection en ship join
  • Caching van virtuele tabellen
  • Refreshing stijlen van cached virtuele tabellen
  • Query optimalisatie over het netwerk in de cloud; druk de queryverwerking naar de plek waar de data wordt geproduceerd
  1. Datavirtualisatie modules voor ontwerp, modelering en implementatie
  • Het belang van impact en lineage analyse voor vertrouwen van gebruikers in resultaten
  • Versnellen van nieuwe gegevensbronnen aanhaken door middel van data model discovery
  • Ingebouwde data profiling mogelijkheden leiden tot samenwerking met gebruikers
  • Hoe data preparation geïntegreerd kan worden
  • De business glossary
  • Google-like search om gebruikers op weg te helpen
  1. Algemene ontwerprichtlijnen voor een logische datawarehouse architectuur
  • Het belang van drie lagen met virtuele tabellen; taak van elke laag
  • Het omgaan met historische gegevens in een LDWA
  • Waar en hoe worden gegevens geschoond?
  • Ontwerpprincipes voor het definiëren van datakwaliteitsregels in een LDWA
  • Het opnemen van master data in een LDWA
  • Het definiëren van een LDWA op een datavault-gebaseerd datawarehouse
  1. Big Data en de logische datawarehouse architectuur
  • Nieuwe gegevensopslagtechnologieën voor big data, waaronder Hadoop, MongoDB, Cassandra
  • De polyglot persistente omgeving waar elke applicatie een eigen optimale databasetechnologie gebruikt
  • Eenvoudig beschikbaar maken van big data voor rapportage en analyse met behulp van een LDWA
  • Big data is te “groot” om te kopiëren
  • Het offloaden van koude data met behulp van een LDWA
  1. Het ontwikkelen van data lakes met datavirtualisatietechnologie
  • Wat is precies een data lake en waarvoor dient het?
  • De relatie tussen data lake en data science
  • De praktische beperkingen van een fysiek data lake: gegevensbeveiliging, omvang, gegevensprotectie en –privacy, interne politiek en netwerk bandbreedte
  • Het alternatief is het logische ofwel virtuele data lake
  • Het integreren van het logische data lake en de LDWA
  1. Implementeren van operational BI en streaming met een logisch datawarehouse architectuur
  • Voorbeelden van operational reporting en operational analytics
  • Wat bedoelen we met streaming analytics en wat is de relatie met het Internet-of-Things?
  • Uitbreiden van de LDWA met operationele data voor streaming analytics
  • Het “streamen” van gegevens in een LDWA
  • Het pushen van streaming analytics naar het punt waar de streaming data ontstaat
  1. Self-Service BI en de logische datawarehouse architectuur
  • Waarom self-service BI kan leiden tot “report chaos”
  • Centraliseren en herbruiken van metadata-specificaties door middel van een LDWA
  • Het opwaarderen van self-service BI naar managed self-service BI
  • Het implementeren van Gartner’s BI-modal omgeving
  1. Migreren naar een logische datawarehouse architectuur
  • Een A-Z stappenplan
  • Richtlijnen voor het ontwerpen van een LDWA
  • Drie verschillende aanpakken: outside-in, inside-out en middle-out
  • De waarde van een canonical gegevensmodel
  • Inregelen van beveiligingsaspecten
  • Langzaam afbouwen van onderdelen van de bestaande architectuur
  • De focus op het delen van metadata-specificaties voor integratie, transformatie en cleansing
  1. Samenvatting en conclusies

Taking part in this seminar will only cost 1305 Euro when registering 30 days beforehand and 1450 Euro per person after the Early Bird period expires (excl. 21% Dutch VAT). This also covers documentation, lunch, tea/coffee.

In completing your registration form you declare that you agree with our Terms and Conditions.

Extra discounts
Discounts are available for group bookings of two or more delegates representing the same organization made at the same time. Ten percent off for the second and third delegate and fifteen percent off for all delegates when registering four or more delegates (all delegates must be listed on the same invoice).
This cannot be used in conjunction with other discounts.

Payment
Full payment is due prior to the event. An invoice will be sent to you containing our full bank details including BIC and IBAN. Your payment should always include the invoice number as well as the name of your company and the delegate name.

For Credit Card payment please contact our office by e-mail or through our contact form mentioning your phone number to obtain your credit card information. Never mention your credit card details in our registration form, contact form or in e-mail messages.

 

In-house Info

Practically all of our seminars and workshops can be offered as an In-house course for your company exclusively. We can tailor with extra focus on specific topics that apply to your organization. Also available in online format or in face-to-face format with live video stream.

MORE INFO