Was ist ein Datenmodell und warum brauchst du eines?

Drei Ebenen eines Datenmodells

1. Konzeptionell: Welche Geschäftsobjekte gibt es (Kunde, Bestellung, Produkt)?. Sprache des Fachbereichs. 2. Logisch: Welche Attribute, Beziehungen, Kardinalitäten (1:n, n:m)?. Diagramm-Ebene. 3. Physisch: Wie liegen die Daten konkret in der Datenbank (Tabellen, Spalten, Indizes)?. Implementierung.

Star Schema vs. Snowflake Schema

Für BI/Analytics nutzt man typischerweise ein Star Schema: eine zentrale Fakten-Tabelle (z. B. Verkäufe) mit Dimensions-Tabellen drumherum (Kunde, Produkt, Zeit, Region). Schnelle Abfragen, einfach zu verstehen. Das Snowflake Schema normalisiert die Dimensionen weiter, sauberer, aber langsamer und komplexer.

Warum es ohne Modell schiefgeht

Typischer KMU-Fall: Marketing zieht GA4-Daten, Vertrieb CRM-Daten, Finance ERP-Daten. Jede Quelle hat ein eigenes „Kunden“-Verständnis. Wer keinen gemeinsamen Schlüssel definiert, bekommt drei Wahrheiten. Ein Datenmodell zwingt zur Einigung: Was ist EIN Kunde? B2B-Account oder einzelner Ansprechpartner?

Wann reicht Excel, wann braucht es mehr?

Bis ca. 100k Zeilen und 1–2 Quellen reicht Excel mit Power Query. Ab mehreren Quellen, mehr als 1 Mio. Zeilen oder regelmäßigen Updates: Power BI, Tableau oder ein kleines Data Warehouse (z. B. BigQuery, Snowflake).

Erste Schritte

Skizziere auf Papier: 5–8 Boxen für deine wichtigsten Geschäftsobjekte, Linien für Beziehungen, Kardinalität dranschreiben. Frag den Fachbereich: „Habt ihr das genauso im Kopf?“ Wenn nein. Modell anpassen, bevor du Code schreibst.