Data Vault –mallinnus ketterän tietovarasto­rat­kai­sun ytimessä

Hetkinen – mikä Data Vault? Data Vault -mallinnus (DV) on yhdysvaltalaisen Dan Linstedtin kehittämä liiketoimintalähtöinen mallinnusmenetelmä ketterään tietovarastokehitykseen. Data Vault -menetelmän oppeja hyödyntämällä lisäät organisaatiosi tietovaraston hallittavuutta, joustavuutta ja toimintavarmuutta. Tutustu Data Vault –mallinnuksen perusteisiin ja mahdollisuuksiin blogissamme.

data-vault-mallinnus-ketteran-tietovarastoratkaisun-ytimessa.jpg

Tiedon määrän ja tietolähteiden lukumäärän kasvu yrityksissä sekä lisääntyvä tarve tietovaraston joustavuudelle liiketoimintojen muuttuvien tarpeiden mukana ovat lisänneet Data Vault -menetelmän ja -mallinnuksen suosiota sekä meillä Suomessa että kansainvälisesti maailmalla.

Tietovaraston mallinnuksen lähtökohtana liiketoi­min­nan käsitteet ja prosessit

Tiedonmallinnusmenetelmänä Data Vault on hyvin liiketoimintalähtöinen ja tuo ketteryyttä tietovaraston rakentamiseen. Data Vault –mallinnus mahdollistaa organisaatiosi tietovaraston kehittämisen liiketoiminnan tarpeet huomioiden. Onnistunut Data Vault -malli vaatii siis aktiivista yhteistyötä yrityksesi liiketoimintojen ja IT-kehittäjien välillä jo heti alusta alkaen.

Tietovaraston liiketoimintalähtöinen kehittäminen tarkoittaa, että mallia ei muodosteta suoraan lähdejärjestelmän tietokannan perusteella vaan lähtökohtana on liiketoimintojen käsitteet ja prosessit. Vuoropuhelu liiketoiminnasta vastaavien henkilöiden kanssa kannattaa aloittaa jo siinä vaiheessa, kun korkeamman tason käsitemallia laaditaan DV-mallinnuksen pohjaksi. Liiketoiminnan kannalta tärkeitä käsitteitä ja niiden välisiä yhteyksiä voidaan selvittää muun muassa seuraavien kysymyksien avulla:

  • Mitä tarkoitamme yrityksessämme esimerkiksi tuotteella?

  • Miten asiakastieto kulkee tilaus- ja laskutusprosessin läpi?

  • Mitkä ovat liiketoimintamme avainkäsitteitä?

Kun liiketoimintasi avainkäsitteet ja prosessit on listattu yhteistyössä liiketoiminnassa työskentelevien ihmisten kanssa, on helpompi kartoittaa, mistä järjestelmistä ja lähteistä oikea data eri käsitteiden taakse löytyy.

Lyhyt sukellus arkkiteh­tuu­riin - hallitta­vuut­ta ja toimintavar­muut­ta lisäkerroksen avulla

Perinteisemmin tietovarasto on mallinnettu kahden erillisen kerroksen kautta, jossa ensimmäisenä kerroksena on ollut esilatauskerros. Tiedon varastointi sekä esittäminen ovat olleet molemmat yhdistettynä osaksi toista kerrosta. Data Vault tuo perinteiseen kaksikerroksiseen tietovarastoratkaisuun verrattuna yhden kerroksen lisää.

Data Vault –mallinnetussa kolmikerroksisessa arkkitehtuurissa esilatauskerros on edelleen omana kerroksenaan, mutta tiedon varastointi ja esittäminen ovat jaettu kahdeksi erilliseksi kerrokseksi. Kolmikerroksisessa tietovarastossa jokaisella kerroksella on oma selkeä roolinsa tietovaraston toiminnassa. Verrattuna kaksikerroksiseen tietovarastoon tämä roolitus parantaa etenkin historiatiedon varastointia sekä tiedon tuottamista raportointia varten.

 

Data Vault tuo perinteiseen kaksikerroksiseen tietovarastoratkaisuun verrattuna joustavan lisäkerroksen, joka lisää tietovaraston toimintavarmuutta etenkin muutostilanteissa.

Data+Vault+–mallinnus+ketterän+tietovarastoratkaisun+ytimessä_kuva.jpg

Data Vault -mallinnetun tietovaraston 3 kerrosta pähkinänkuoressa:

  • Staging-kerros: esilatauskerros, jonne data tuodaan eri lähteistä raakamuodossa.

  • Data Warehousing -kerros: Tietovarastointikerroksen tehtävä on historioida ja harmonisoida eri lähteiden data sekä suorittaa esimerkiksi laskentoja.

  • Presentation-kerros: Esityskerros tuottaa tarkoituksenmukaisen tietomallin esimerkiksi tiettyä raportointivälinettä varten ja tuo datan tarjolle juuri tarvittavassa muodossa.

Kolmikerrosmalli lisää tietovaraston hallittavuutta liiketoimintatarpeiden muuttuessa ja tuo toimintavarmuutta. Kun tietovarastointi- ja esityskerrokset on selkeästi roolitettu, mahdollistaa se joustavamman muutoksien tekemisen tietovarastoon vaarantamatta kuitenkaan liiketoiminnalle tärkeää raportointia tai sen toimintavarmuutta.

Skaalautu­vuut­ta ja vakiomuotoi­suut­ta tietovaraston arkkiteh­tuu­riin

Menetelmänä Data Vault -mallinnus perustuu tiettyihin sääntöihin ja vakiomuotoisuuteen, mikä tekee tietovaraston rakentamisesta selkeää. Jotta mallista ja menetelmästä saadaan sen tarjoamat hyödyt irti ja tietovarasto rakentumaan ketterästi palikka kerrallaan, vaaditaan kuitenkin seuraavaa:

  • Liiketoiminnan osallistamista ja sitouttamista.

  • Kurinalaista kehittämistä.

  • Peruskäytäntöjen ja työtapojen yhteistä sopimista.

Kun Data Vault –mallintamista jaksetaan tehdä systemaattisesti, tarjoaa se pitkällä aikavälillä yrityksellesi jatkuvaa hyötyä tulevassa tietovaraston kehittämisessä ja ylläpidossa.

  • Kustannustehokas ylläpito ja kehittäminen. Vakioitujen menetelmien kautta tietovaraston kehittäminen ja ylläpito ei ole vain yhden tekijän tai kumppaniyrityksen varassa.

  • Skaalautuva ja selkeästi ymmärrettävä arkkitehtuuri. Kun tietovaraston rakenne on selkeä, sitä voidaan skaalata esimerkiksi liiketoimintojen analytiikka- ja raportointitarpeiden tai viranomaisvaatimusten muuttuessa nopeastikin.

  • Hyvä tietojen jäljitettävyys ja historiointi. Esimerkiksi GDPR-säännösten mukaisten tietojen tallennus erilleen muusta tiedosta onnistuu johdonmukaisesti ja auditoivasti.

Ketteryyttä laajojen ympäristöjen suunnitteluun - automaatio­työ­ka­lut apuna

Tyypillisesti yritys siirtyy Data Vault -mallintamiseen, kun perinteisellä mallinnuksella rakennettu tietovarasto ei ole enää riittävän ketterä ja aiheuttaa monia ongelmia jo esimerkiksi yrityksen analytiikassa tai muissa liiketoimintojen tarpeessa.

Data Vault -menetelmä mahdollistaa etenkin laajempien tietovarastokokonaisuuksien rakentamisen ja käyttöönoton aikaisempaa ketterämmin. Tietovaraston vaiheittainen, pienissä paloissa kerrallaan rakentaminen nopeuttaa eri työvaiheiden läpimenoaikaa sekä lopullisen tietovaraston käyttöönottoa.

Data Vault on mallinnusmenetelmä eikä siten ota kantaa käytettäviin työvälineisiin tai data-alustan teknologiaan. Jotta Data Vault –mallinnuksen hyödyt on mahdollista saada täysimääräisenä yrityksesi käyttöön, tietovarastoautomaatio ja automaatiotyökalut on hyvä ottaa myös käyttöön. Automaatiotyökalut lisäävät Data Vault -hankkeen kustannuksia projektin alkuvaiheessa, mutta tuovat yrityksellesi merkittäviä kustannussäästöjä tulevissa tietovaraston kehityshankkeissa myöhemmin.

Kirjoitimme tietovarastoautomaatiosta ja automaatiotyökaluista blogissamme aiemmin. Käy tutustumassa aiheeseen tarkemmin täällä.

Ota yhteyttä

Kuulostaako Data Vault mallinnusmenetelmänä ja tietovarastoarkkitehtuurin ytimenä teidän yrityksenne tulevaisuudelta? Ole yhteydessä, jos kiinnostuksesi ketterään tietovarastosuunnitteluun ja -kehittämiseen heräsi.

Data Vault -sertifioidut (DV 2.0) asiantuntijamme kertovat mielellään lisää ja auttavat tarkoituksenmukaisen ratkaisun valinnassa ja suunnittelussa yrityksellesi. Kokeneet tiedonmallinnuksen asiantuntijamme osaavat arvioida, onko Data Vault -menetelmä toimiva ydin yrityksenne tietovarastoratkaisuissa.

Rami Jahkonen

Ramilla on yli 15 vuoden kokemus yritysten erilaisista tiedolla johtamisen hankkeista sekä asiakkaan että toimittajan roolissa. Hän toimii Fellowmindilla erityisvastuualueenaan yritysten data- ja analytiikkaratkaisut. Ramin tavoite on saada organisaatioissa aikaan tietoon pohtautuvia parempia päätöksiä. Hänen kokemuksensa perusteella tavoitteeseen pääsyä edesauttaa yhteinen näkemys ja uskallus haastaa vallitsevia olettamuksia. Ota yhteyttä Ramiin: rami.jahkonen@fellowmind.fi