In dieser Folge geht es um eine Datenquelle, die oft altmodischer wirkt, als sie tatsächlich ist: die Datei. Marcus beschreibt, warum Dateischnittstellen in BI nicht nur aus der Vergangenheit bekannt sind, sondern in modernen Architekturen neue Relevanz gewinnen. Es geht um CSV, TSV, Parquet, Lakehouse-Strukturen und die Frage, warum exportierte Dateien häufig robuster und flexibler sind als direkter Systemzugriff. Die Folge zeigt außerdem, weshalb Vorsysteme ihre Daten idealerweise selbst in einem geeigneten Format bereitstellen sollten. Dahinter steht eine klare Architekturidee: Daten sollen so bereitgestellt werden, dass mehrere Konsumenten sie nutzen können, ohne das Quellsystem unnötig zu belasten.

🎧 Musik: Great Podcast Intro (short & long) von Lundstroem

Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/

In dieser Folge geht es um eine der naheliegendsten Datenquellen für BI: die SQL-Datenbank eines Vorsystems. Marcus beschreibt, warum der direkte Zugriff auf Tabellen zwar effizient wirken kann, aber immer auch Verantwortung gegenüber dem operativen System bedeutet. Es geht um Full Loads, inkrementelle Ladeprozesse, Change Capture, Soft Deletes und die Frage, wann ein Nachtlauf überhaupt noch realistisch ist. Die Folge zeigt außerdem, warum BI-Ladevorgänge Indizes, Caches und laufende Transaktionen beeinflussen können. Am Ende steht eine wichtige Klarstellung: Eine operative Datenbank ist nicht nur eine Datenquelle, sondern oft das Herz der Applikation.

🎧 Musik: Great Podcast Intro (short & long) von Lundstroem

Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/

Diese Folge knüpft an die Diskussion zur Datenidentifikation an und schärft einen wichtigen Punkt nach: Das semantische Modell darf nicht einfach aus den technischen Vorsystemen abgeleitet werden. Marcus beschreibt, warum gute BI zwischen zwei Extremen navigieren muss: zwischen ungebremstem Self-Service auf der einen Seite und technikgetriebener Zentralisierung auf der anderen. Es geht um Anforderungsanalyse, um die Rolle von Datenplattformen und um die Frage, für wen ihre Strukturen eigentlich gebaut werden. Die Folge macht deutlich: Fachlichkeit muss führen, aber Technik darf nicht ignoriert werden. Belastbare BI entsteht dort, wo beides sauber zusammengeführt wird.

🎧 Musik: Great Podcast Intro (short & long) von Lundstroem

Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/

Bevor ein Dashboard gebaut wird, muss eine viel grundlegendere Frage geklärt sein: Welche Daten sind überhaupt die richtigen für das Modell? In dieser Folge geht es um Datenidentifikation im Dashboard Creation Cycle und darum, warum die sichtbare Oberfläche oft nur die halbe Wahrheit zeigt. Marcus beschreibt, wann Daten direkt aus einem Vorsystem kommen, wann eine Datenplattform dazwischen gehört und warum ein DWH nicht einfach nur ein technischer Zwischenschritt ist. Auch die Unterschiede zwischen angezeigten Strukturen, berechneten Feldern und echter Herkunft werden klarer. Die Folge macht deutlich, wer Daten modellieren will, muss zuerst ihre Quelle verstehen.

🎧 Musik: Great Podcast Intro (short & long) von Lundstroem

Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/

In dieser Folge geht es um Slowly Changing Dimensions und damit um eine Frage, die im Datenmodell oft zu spät gestellt wird: Was bedeutet Änderung eigentlich genau? Marcus ordnet die gängigen Typen 1, 2 und 3 ein und zeigt, warum Historisierung nicht nur ein technisches Detail ist. Entscheidend ist, ob ein Modell den aktuellen Stand zeigen soll, den Stand zum damaligen Zeitpunkt oder eine korrigierte Sicht auf die Wirklichkeit. Die Folge macht deutlich, dass Zeitbezug, fachliche Gültigkeit und Systemgültigkeit nicht dasselbe sind. Und sie plädiert dafür, Historie möglichst nah an der Quelle zu halten.

🎧 Musik: Great Podcast Intro (short & long) von Lundstroem

Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/

In dieser Folge geht es um die Frage, was passiert, wenn ein Star-Schema an seine Grenzen kommt. Marcus spricht über kleine Status- und Ja-Nein-Ausprägungen, über Degenerated Dimensions, über Factless Facts in Many-to-many-Situationen und über Kennzahlen, die erst zur Laufzeit sinnvoll werden. Dabei bleibt die Grundregel klar: Dimensionen beschreiben, Fakten messen. Interessant wird es genau dort, wo eine eigene Tabelle mehr verwirrt als klärt. Die Folge zeigt, dass gutes Datenmodellieren nicht dogmatisch ist, sondern sauber zwischen Regel und begründeter Ausnahme unterscheidet.

🎧 Musik: Great Podcast Intro (short & long) von Lundstroem

Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/

In dieser Folge geht es um alternative Modellierungsformen rund um das Star-Schema. Marcus schaut auf Snowflake-Schema, One Big Table und das sogenannte Galaxy-Modell und ordnet ein, warum diese Formen jeweils bestimmte Vor- und Nachteile mitbringen. Der eigentliche Punkt liegt aber tiefer: Analytische Datenmodelle dürfen nicht nach der Logik transaktionaler Vorsysteme gebaut werden. Während operative Systeme auf Schreiben, Ändern und Konsistenz einzelner Datensätze optimiert sind, braucht Analyse eine Struktur, die Lesen, Einordnen und Wiederverwenden unterstützt. Genau deshalb ist Modellierung in BI keine bloße Übernahme vorhandener Tabellen, sondern eine bewusste Übersetzung in analytische Klarheit.

🎧 Musik: Great Podcast Intro (short & long) von Lundstroem

Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/

In dieser Folge geht es um Sternschema und Bus-Matrix als Grundstruktur analytischer Datenmodelle. Im Zentrum steht die Frage, wie Kennzahlen, Dimensionen und Rollen so zusammenfinden, dass Analyse nicht nur technisch funktioniert, sondern fachlich klar bleibt. Marcus zeigt, warum verständliche Benennungen wichtiger sind als systemnahe Begriffe und weshalb dieselbe Kennzahl je nach Perspektive etwas anderes meinen kann. Die Bus-Matrix wird dabei als Denkwerkzeug sichtbar, mit dem sich Verknüpfungen und Grenzen früh prüfen lassen. So wird Datenmodellierung als Strukturarbeit lesbar, nicht als bloße Tabellenmechanik.

🎧 Musik: Great Podcast Intro (short & long) von Lundstroem

Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/

In dieser Folge geht es um den nächsten Schritt im Dashboard-Creation-Cycle: das Datenmodell-Konzept. Ausgangspunkt ist die Beobachtung, dass viele Teams mit Tabellen, Feldern und Technik starten, bevor sie fachlich geklärt haben, welche Objekte sie eigentlich beschreiben wollen. Im Zentrum steht deshalb ein einfacher Perspektivwechsel: weg von der Tabellenlogik, hin zu Business-Objekten wie Kunde, Produkt oder Datum mit ihren Attributen, Rollen und Hierarchien. Die Folge zeigt außerdem, warum ein scheinbar einfacher Begriff wie Kunde oft mehrere fachliche Bedeutungen trägt und weshalb gute Datenmodelle in Dimensionen und Fakten denken. So wird Datenmodellierung nicht als Spezialdisziplin für Entwickler verstanden, sondern als strukturierende Übersetzungsarbeit zwischen Business und Analyse.

🎧 Musik: Great Podcast Intro (short & long) von Lundstroem

Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/

In dieser Folge geht es um Navigation im Dashboard und um die Frage, wie aus einer Sammlung interaktiver Inhalte eine geführte Nutzererfahrung wird. Ausgangspunkt sind Rückmeldungen zur letzten Episode und die Beobachtung, dass viele Dashboards eher wie erweiterte Tabellen funktionieren als wie klar aufgebaute Informationsräume. Im Zentrum steht ein dreistufiges Modell aus Überblick, Zoom- und Filterebene sowie Detailansicht. Die Folge zeigt, warum ein gutes Dashboard den Einstieg vorgibt, sinnvolle Vertiefung ermöglicht und Details erst dann öffnet, wenn sie wirklich gebraucht werden. Damit wird Navigation nicht als Zusatzfunktion verstanden, sondern als Teil von Storytelling, Standardisierung und Orientierung.

🎧 Musik: Great Podcast Intro (short & long) von Lundstroem

Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/