Datenmodellierung
Datenmodellierung ist der Entwurf der Struktur von Daten: welche Entitäten existieren, welche Attribute sie tragen und wie sie zueinander in Beziehung stehen, ausgedrückt in konzeptionellen, logischen und physischen Modellen, die in einer Datenbank zu Tabellen, Schlüsseln und Constraints werden.
Was ist Datenmodellierung?
Ein Datenmodell arbeitet auf drei Ebenen, von der Fachsprache bis hinunter zum Datenbankcode.
Konzeptionell: die Geschäftsentitäten und ihre Beziehungen, etwa „ein Kunde gibt viele Bestellungen auf“.
Logisch: Attribute, Primär- und Fremdschlüssel sowie Normalisierungsregeln, unabhängig von einem bestimmten Datenbankprodukt.
Physisch: tatsächliche Tabellen, Datentypen, Indizes und Partitionen für eine bestimmte Engine wie PostgreSQL oder Snowflake.
Zwei Stile dominieren. Normalisierte Modelle (dritte Normalform) eignen sich für transaktionale Systeme, weil jeder Fakt nur einmal gespeichert wird. Dimensionale Modelle, die von Ralph Kimball populär gemachten Sternschemas, eignen sich für analytische Workloads. Data Vault ist ein dritter Stil, der für revisionssichere Enterprise Warehouses verwendet wird.
Wie erstellt man ein dimensionales Datenmodell?
Kimballs Vier-Schritte-Prozess ist nach wie vor der Standardweg, ein Analytics-Modell zu entwerfen.
Wählen Sie den Geschäftsprozess, zum Beispiel die Abrechnung von Abonnements.
Legen Sie die Granularität fest: was genau eine Zeile in der Faktentabelle darstellt.
Bestimmen Sie die Dimensionen, die jede Zeile beschreiben: Kunde, Produkt, Datum, Kanal.
Bestimmen Sie die numerischen Fakten, die auf dieser Granularität gemessen werden: Betrag, Menge, Rabatt.
Zwei Verfeinerungen sind in der Praxis wichtig. Langsam veränderliche Dimensionen (Slowly Changing Dimensions, Typ 2) bewahren die Historie, sodass ein Kunde, der seinen Tarif wechselt, für jeden Zeitraum unter dem richtigen Tarif berichtet wird. Konforme Dimensionen, die von mehreren Faktentabellen gemeinsam genutzt werden, ermöglichen es Finanzen und Marketing, unterschiedliche Prozesse nach derselben Kundenliste aufzuschlüsseln.
Wie sieht Datenmodellierung in der Praxis aus?
Ein gutes Modell macht die Berechnung der schwierigsten Kennzahl im Unternehmen langweilig. Stellen Sie sich einen Abo-Box-Anbieter mit 50 Mitarbeitenden vor, der Stripe für die Abrechnung, Shopify für Zusatzbestellungen und Zendesk für den Support nutzt und bei dem drei Personen den monatlich wiederkehrenden Umsatz auf drei verschiedene Arten berechnen.
Ein Analytics Engineer nutzt dbt in BigQuery und legt als Granularität eine Zeile pro Abonnement und Monat fest. Das Modell hat eine Faktentabelle der Abonnementmonate, eine als Typ 2 geführte Kundendimension, damit Tarifwechsel ihre Historie behalten, sowie Produkt- und Datumsdimensionen. dbt-Tests prüfen, dass Schlüssel eindeutig und nicht leer sind und zu ihren Dimensionen passen.
MRR und Churn werden dann einmal im Modell definiert, und jedes Looker-Studio-Diagramm liest dieselbe Tabelle. Angenommen, eine Meinungsverschiedenheit, die früher jeden Monat einen Tag kostete, verschwindet.
Dasselbe Modell beantwortet später Fragen, die niemand eingeplant hatte, etwa Support-Tickets pro Abonnent nach Tarif, weil die Zendesk-Daten mit der Kundendimension verknüpft werden, statt in einer separaten Tabelle zu liegen.
Was sind häufige Fehler bei der Datenmodellierung?
Die meisten Fehler im Reporting gehen auf eine unklare Granularität zurück, nicht auf eine falsche Formel. Achten Sie auf:
Fan-out-Joins, bei denen das Verknüpfen von Bestellungen mit Bestellpositionen die Bestellsummen wiederholt und den Umsatz aufbläht.
Übernormalisierte Analytics-Tabellen, die Analysten zu Joins über zehn Tabellen zwingen.
Das Modellieren jedes hypothetischen künftigen Bedarfs statt der Fragen, die heute gestellt werden.
Umbenennen oder Entfernen von Spalten ohne Vorwarnung, was Dashboards unbemerkt beschädigt.
Niemand ist für Definitionen verantwortlich, sodass sich das Modell von der Sprache des Unternehmens entfernt.
Ein sehr junges Startup mit einer einzigen Datenbank kann diese oft direkt abfragen; formale Modellierung zahlt sich aus, sobald mehrere Quellen dieselben Kennzahlen speisen.
Welche Tools werden für die Datenmodellierung verwendet?
Die Tools teilen sich in Diagramm-, Transformations- und semantische Schichten auf. Für Diagramme und physisches Design nutzen Teams dbdiagram.io, Lucidchart, erwin Data Modeler oder SqlDBM. Für den Aufbau von Modellen als Code in einem Data Warehouse sind dbt und SQLMesh die gängige Wahl, wobei Transformationen in SQL geschrieben werden.
Darüber liegen semantische Schichten, die Kennzahlen für BI-Tools definieren: LookML in Looker, semantische Modelle in Power BI und der dbt Semantic Layer. Wo Daten zuerst landen und wie sie umgeformt werden, wird unter ETL behandelt.
Eine praktische Regel: Nutzen Sie Diagramme für Gespräche mit dem Fachbereich und betrachten Sie das dbt- oder SQLMesh-Projekt mit seinen Tests und seiner Dokumentation als das Modell, das tatsächlich gilt.
Normalisiertes Modell vs. dimensionales Modell
Normalisiert (3NF) | Dimensional (Sternschema) | |
|---|---|---|
Ausgelegt für | Transaktionen: Einfügungen und Aktualisierungen | Analyse: Lesezugriffe und Aggregationen |
Struktur | Viele schmale, verknüpfte Tabellen | Faktentabellen, umgeben von Dimensionen |
Redundanz | Minimal, jeder Fakt einmal gespeichert | Bewusst, um Abfragen zu vereinfachen |
Abfragestil | Viele Joins für einen Bericht | Wenige Joins, leicht zu aggregieren |
Historie | Meist nur der aktuelle Stand | Slowly Changing Dimensions bewahren die Historie |
Typischer Einsatzort | PostgreSQL- und MySQL-Anwendungsdatenbanken | Snowflake, BigQuery, Redshift |
Wie geht VIZIO AI an die Datenmodellierung heran?
VIZIO AI modelliert Daten rund um die KPIs, über die die Führungsebene tatsächlich diskutiert, und automatisiert dann alles, was sie speist. Für eine US-amerikanische E-Commerce-Marke für Damenmode baute das DX Studio ein konsistentes Datenmodell, das Marketing-, Vertriebs- und Preisdaten aus verschiedenen Systemen in einem gemeinsamen KPI-Modell zusammenführte. Die Datengenauigkeit verbesserte sich um 28 %, und operative Entscheidungen fielen 32 % schneller.
Für eine internationale Rechtsboutique mit Sitz in Spanien baute das Team ein SQL-Data-Warehouse, das HubSpot und Finanzsysteme verbindet, mit Validierungsschichten, die Kennzahlen über Spanien, Portugal und Griechenland hinweg konsistent halten; die Reporting-Zeit sank um 70 %. Wo Sie anfangen sollten: Formulieren Sie für Ihre umstrittenste Kennzahl die Granularität in einem einzigen Satz.
Datenmodellierung in Fallstudien von VIZIO AI
- Real-Time Fashion Analytics ›Ein gemeinsames KPI-Modell, das Marketing-, Vertriebs- und Preisformate abgleicht, verbesserte die Datengenauigkeit um 28 %.
- Legal Marketing Intelligence ›Ein SQL-Warehouse, das HubSpot- und Finanzdaten aus drei Ländern modelliert, reduzierte die Zeit für das Performance-Reporting um 70 %.