Datenvirtualisierung als Lösung — Teil 4: virtuelle Datenmodellierung

In dem Moment, in dem ein Datenpunkt kopiert wird, ist die Verbindung zwischen Information und Quelle gekappt — verloren gehen Echtzeit-Aktualität, das Berechtigungsmodell der Quelle, Performance und automatisierbarer Abruf. Auslöser ist oft etwas Triviales: eine Tabelle, ein Import in ein Dashboard, das Verschieben auf ein Netzlaufwerk oder in einen Data Lake. Diese Verbindung zu erhalten vermeidet nicht nur die Nachteile, sondern eröffnet völlig neue Modellierungsstrategien.

Ein virtueller Datenraum ermöglicht völlig neue Ansätze und Modellierungsstrategien.

Ein anderer Ansatz zur Modellierung

Während ein Warehouse den maximalen Detailgrad vorab definieren und laden muss, um „das eine“ Modell zu bauen, ist ein virtuelles Modell nur eine Beschreibung, wie mit Daten umzugehen ist — es enthält selbst keine Daten und kann pro Zugriff optimiert werden. Die Faustregel lautet „so früh wie möglich, so wenig wie nötig“: zuerst auf die Auswahl filtern, dann Details ergänzen, sodass die Performance des Quellsystems jede Datenscheibe erzeugt. Da Anwender stets eine Aggregation oder Teilmenge brauchen, lässt sich so nahezu jeder Anwendungsfall bedienen.

Eine Plattform für einen solchen Raum braucht Konnektivität zu den Quellen, schnelle Modellierung für Endanwender, das Durchreichen von Filtern und Parametern an die Quelle, kein Caching, Single Sign-On überall ohne technische Benutzer und Zugriff auf die Schicht, in der die vollständige Geschäftslogik liegt.

Neue Operatoren — und Data Blending ohne Grenzen

Sehr große Datenmengen zu vergleichen (etwa bei Systemmigrationen) ist durch Kopieren oft unmöglich, weil alle Daten gleichzeitig verfügbar sein müssen. Im virtuellen Raum arbeiten wir nur mit der gerade benötigten Scheibe: zuerst auf hoher Ebene vergleichen, dann nur dort detaillieren, wo Unterschiede auftreten. Ein eigener Vergleichsoperator nimmt zwei Tabellen, vergleicht die gewählten Kennzahlen und Attribute und liefert nur die Abweichungen zurück, um die nächste, feinere Abfrage zu filtern.

Sind die Datenmengen zu groß, wird ein vollständiger Vergleich unpraktikabel oder gar unmöglich.

Auch das Blending verändert sich: Es gibt nicht länger das eine System oder die eine Netzwerkgrenze. ESG-Reporting kann live aus Lieferantensystemen neben HR, Einkauf, Logistik, Buchhaltung und Produktion ziehen; Lieferketten-Tracking kann die Systeme von Partnerunternehmen direkt lesen; und die Auswirkung eines Zu- oder Verkaufs lässt sich modellieren, indem die Daten der betroffenen Einheit virtuell integriert werden — ein ganzheitlicher und vor allem nachhaltiger Umgang mit Unternehmensdaten.