Er is één centrale plek binnen XXX (de centrale D&A omgeving) voor het ontvangen, opslaan, valideren, opwerken, modelleren, integreren en leveren van actuele en historische data en informatieproducten uit verschillende externe en interne (XXX) bronnen en domeinen. De data fundament/data hub is niet bedoeld als doorgeefluik van data. Datafundament voegt waarde toe aan de datastroom. Het centrale datafundament fungeert in deze tweeledig: als ‘data hub” functie en als DWH/dashboard en rapportage functie. Beiden zijn volledig ge-aligned en daardoor maken we gebruik van “een single source of truth” zowel in je planning, als ook het sturen op basis van de realisatie.

Dit is een voorbeeld van een data landschap van de verwerkende functionaliteiten en diensten die in een organisatie noodzakelijk zijn om data vanuit bronsystemen te verwerken tot data in een informatieproduct. Modellen zijn grotendeels uitgewerkt door Yorrick Tillemans.

De domeinschets geeft in een aantal ArchiMate diagrammen een beschrijving wat de relevante aspecten zijn voor het kennisgebied van business intelligence en datawarehouses. Denk hierbij aan de aspecten, doelen, definities, processen en betrokkenen.

Introduceren van voorzieningen als het datawarehouse, centrale gegevensvoorziening en gestandaardiseerde webservices. Bij het selecteren van applicaties en (cloud)services rekening houden met het feit dat er gewerkt wordt met authentieke- en kernregisters. Met andere woorden: inzet van applicaties is gebaseerd op een servicelaag waarbinnen generieke data entiteiten worden ingezet.

Introduceren van voorzieningen als het datawarehouse, centrale gegevensvoorziening en gestandaardiseerde webservices. Bij het selecteren van applicaties en (cloud)services rekening houden met het feit dat er gewerkt wordt met authentieke- en kernregisters. Met andere woorden: inzet van applicaties is gebaseerd op een servicelaag waarbinnen generieke data entiteiten worden ingezet.

ETL achtige tool voor transport van Hadoop naar gestructureerde dataopslag zoals RDBMS en DWH

Versleutelen van data in het DWH volgens de geldende encryptie normen (verwijzing)

Ophalen van data uit een databron t.b.v. een ETL proces in een DWH architectuur

Dit is een DWH-database die fungeert als datadoel voor de verschillende datapipes. Momenteel is dit de KA-DWH component, maar voor verschillende projectimplementaties zijn er ook andere doelstellingen mogelijk.

Transformeren van data tbv ETL. Extract functie haalt de data op uit de bronwaarna de tranformatie functie de data omzet naar het model wat in het DWH geladen wordt. onderliggende functies zijn:

• Opslaan in een staging omgeving
• Validatie van data
• Transformeren van datatypes en waardes.
• Versleuteling
• integratie met andere datastromen
• Agrregatie van feiten en dimensies

Data analytics is een nieuw vakgebied dat door steeds organisaties wordt ingezet. Er zijn vele vormen van data analytics beschikbaar zoals BI, DWH, Predictive Analytics of Machine Learning. Binnen data analytics speelt data modellering een rol. Met name het leggen van verbanden tussen de data entiteiten in de bronnen en het logische model van de analyse is essentieel. In een vroeg stadium nadenken welke modelleervormen relevant zijn, hoe deze aan elkaar verbonden worden. In dit whitepaper hebben we een combinatie van modelleervormen beschreven die een (minimale) set is van generieke notatiewijzen op basis waarvan data analytics.

Whitepaper over dimensioneel datamodelleren ten behoeve van OLAP en DWH modelleren

Dit is een voorbeeld van een wat uitgebreider datalandschap van data uitwisseling tussen bronsystemen en doelsystemen. Dit is voor meerdere kennisgebieden relevant. Denk hierbij aan Master Data, Reference Data of data integratie. In dit voorbeeld gaan we in op de data stromen nodig bij Datawarehousing en BI. Je ziet hier een detaillering van de data verwerking op basis van ETL Daarnaast wordt ook hier de link gelegd naar het conceptuele datamodel. Dit omdat daar mogelijk data governance, securtiy of stakeholder aspecten van belang zijn.

Een stermodel is een type dimensioneel model binnen Business Intelligence is een datastructuurtechniek die is ontworpen om gegevens op een manier te organiseren die het eenvoudig maakt om informatie op te halen en te analyseren. Dit model bestaat uit twee hoofdcomponenten: feiten en dimensies. Hier het stermodel van het domein tijdregistratie binnen Alberto.

Dit is een voorbeeld van een wat uitgebreider datalandschap van data uitwisseling tussen bronsystemen en doelsystemen. Dit is voor meerdere kennisgebieden relevant. Denk hierbij aan Master Data, Reference Data of data integratie. In dit voorbeeld gaan we in op de data stromen nodig bij Datawarehousing en BI. Je ziet hier een detaillering van de data verwerking op basis van ETL Daarnaast wordt ook hier de link gelegd naar het conceptuele datamodel. Dit omdat daar mogelijk data governance, securtiy of stakeholder aspecten van belang zijn.

Een stermodel is een type dimensioneel model binnen Business Intelligence is een datastructuurtechniek die is ontworpen om gegevens op een manier te organiseren die het eenvoudig maakt om informatie op te halen en te analyseren. Dit model bestaat uit twee hoofdcomponenten: feiten en dimensies.

Dit is een voorbeeld van een data landschap van de verwerkende functionaliteiten en diensten die in een organisatie noodzakelijk zijn om data vanuit bronsystemen te verwerken tot data in een informatieproduct. Modellen zijn grotendeels uitgewerkt door Yorrick Tillemans.

De domeinschets geeft in een aantal ArchiMate diagrammen een beschrijving wat de relevante aspecten zijn voor het kennisgebied van business intelligence en datawarehouses. Denk hierbij aan de aspecten, doelen, definities, processen en betrokkenen.