ChatDiagram
Tools/Data Warehouse Schema Maker

Data Warehouse Schema Maker

Beschreibe die Ereignisse, die du messen möchtest, sowie die Geschäftsdimensionen, nach denen du sie filtern willst. Der Data Warehouse Schema Maker ordnet Faktentabellen Datums-, Kunden-, Produkt-, Filial-, Anbieter- oder anderen Dimensionen zu und erstellt so ein übersichtliches Analysemodell.

Entity-Relationship-Diagramm (ERD)Mit Enter senden

Kostenloses Konto, keine Kreditkarte · Export als SVG, PNG oder PDF

So funktioniert’s

Beispiele für Data-Warehouse-Schemata.

Ein Tool, vier Anfragen. Alle Diagramme unten wurden tatsächlich erstellt.

Ihre Eingabe
Erstelle ein Sternschema im Gold Layer für Einzelhandelsumsätze mit den Tabellen dim_date, dim_product, dim_store, dim_customer und fact_sales sowie den angezeigten Schlüsseln, Attributen und Umsatzkennzahlen. Verknüpfe jeden Fakt mit seinen Datums-, Produkt-, Filial- und Kundendimensionen.
Jetzt ausprobierenFüge eine Aktionsdimension hinzu.Füge Retourentransaktionen hinzu.
Entity-Relationship-Diagramm (ERD): Gold Layer für Einzelhandelsumsätze
Entity-Relationship-Diagramm (ERD) · Chen 1976 / Everest 1976 (crow's foot) · schematex-erd
Das Diagramm

Was ein Data-Warehouse-Schema ist.

Ein Data-Warehouse-Schema organisiert Daten für Analysen statt für die Transaktionsverarbeitung. Faktentabellen enthalten messbare Ereignisse wie Verkäufe oder Abrechnungen, während Dimensionstabellen den beschreibenden Kontext zum Gruppieren und Filtern dieser Ereignisse enthalten.

Bei einem Sternschema steht die Faktentabelle im Zentrum und die Dimensionen sind darum angeordnet. Dadurch lassen sich Berichtsbeziehungen leicht erkennen. Die Granularität der Faktentabelle – ein Verkauf, eine Abrechnung oder eine Transaktion pro Zeile – sollte festgelegt werden, bevor Kennzahlen und Dimensionen ausgewählt werden.

Standard
Chen 1976 / Everest 1976 (crow's foot)
Also follows
Implements the crow's-foot subset
Engine
schematex-erd
Editable
Double-click text, drag nodes
Export
SVG · PNG · PDF
Entity-Relationship-Diagramm (ERD): Was ein Data-Warehouse-Schema ist
Für wen es gedacht ist

Wer Data-Warehouse-Schemata verwendet.

Entity-Relationship-Diagramm (ERD): E-Commerce-AnalystenE-Commerce-Analysten

Besuche, Nutzer, Produkte, Referrer und Seiten für Clickstream-Berichte strukturiert.

Entity-Relationship-Diagramm (ERD): Analytics-Teams im GesundheitswesenAnalytics-Teams im Gesundheitswesen

Abrechnungen mit Patienten-, Anbieter-, Datums-, Diagnose- und Prozedurendimensionen verknüpft.

Entity-Relationship-Diagramm (ERD): FinanzanalystenFinanzanalysten

Transaktionen nach Datum, Kunde, Konto und Produkt für Berichte ausgewertet.

So funktioniert’s

So erstellst du in drei Schritten ein Data-Warehouse-Schema.

01

Beschreiben

Ein Absatz reicht für den Anfang.

“Erstelle ein Sternschema im Gold Layer für Einzelhandelsumsätze mit den Tabellen dim_date, dim_product, dim_store, dim_customer und fact_sales sowie den angezeigten Schlüsseln, Attributen und Umsatzkennzahlen. Verknüpfe jeden Fakt mit seinen Datums-, Produkt-, Filial- und Kundendimensionen.”
02

Diagramm ansehen

Die passende Engine erstellt das Diagramm.

Entity-Relationship-Diagramm (ERD): Gold Layer für Einzelhandelsumsätze
03

Änderungen angeben

Für jede Änderung wird eine Version gespeichert.

Füge eine Aktionsdimension hinzu.
V2 · DRAWN FROM V1, NOTHING RETYPED
FAQ

Häufige Fragen

Was ist ein Data-Warehouse-Schema?

Ein Data-Warehouse-Schema ist die Struktur zur Organisation von Daten für Analysen und Berichte. Üblicherweise werden Ereignismesswerte in Faktentabellen und beschreibende Geschäftskontexte in Dimensionstabellen getrennt.

Was ist der Unterschied zwischen einer Faktentabelle und einer Dimensionstabelle?

Eine Faktentabelle erfasst messbare Geschäftsereignisse wie einen Bestell- oder Abrechnungsbetrag sowie Schlüssel zu den zugehörigen Dimensionen. Eine Dimensionstabelle beschreibt das Ereignis mit Attributen wie Datum, Produkt, Kunde oder Ort.

Was ist ein Sternschema?

Bei einem Sternschema steht eine Faktentabelle im Zentrum und ist direkt mit Dimensionstabellen verbunden. Dieses Warehouse-Design ist verbreitet, weil die Berichtswege übersichtlich sind.

Was ist die Granularität einer Faktentabelle?

Die Granularität legt genau fest, was eine Zeile darstellt, etwa eine Bestellposition, einen täglichen Kontostand oder einen Versicherungsfall. Wenn sie zuerst definiert wird, werden Kennzahlen mit unterschiedlicher Detailstufe nicht vermischt.

Wann sollte ich ein Snowflake-Schema verwenden?

Verwende ein Snowflake-Schema, wenn Dimensionen in verbundene Tabellen normalisiert werden müssen, etwa wenn eine Produktdimension mit separaten Kategorietabellen verknüpft ist. Ein Sternschema ist oft einfacher abzufragen und zu erklären.

Ähnliche Tools

Weitere Diagramme für Ihre Arbeit.

Entwirf ein Data-Warehouse-Schema.

Kostenloses Konto, keine Karte. Beschreibe das Ereignis, die Kennzahlen und die zu modellierenden Dimensionen.

Editor öffnen