Datenmodellierung und Datenanalyse: Eine Umfrage aus einer Big Data-Perspektive

In den letzten Jahren haben wir ein enormes Wachstum im Volumen und in der Verfügbarkeit von Daten erlebt. Dieses Faktum resultiert hauptsächlich aus dem Aufkommen einer Vielzahl von Quellen (z.B. Computer, mobile Geräte, Sensoren oder soziale Netzwerke), die kontinuierlich entweder strukturierte, semi-strukturierte oder unstrukturierte Daten produzieren. Datenbankmanagementsysteme und Data Warehouses sind nicht mehr die einzigen Technologien, die zur Speicherung und Analyse von Datensätzen verwendet werden, insbesondere aufgrund des Volumens und der komplexen Struktur der heutigen Daten, die ihre Leistung und Skalierbarkeit beeinträchtigen. Big Data ist eine der aktuellen Herausforderungen, da es neue Anforderungen an die Datenspeicherung, -verarbeitung und -visualisierung mit sich bringt. Dennoch kann eine ordnungsgemäße Analyse von Big Data große Vorteile bieten, da sie es ermöglicht, Muster und Korrelationen in Datensätzen zu entdecken. Benutzer können diese verarbeiteten Informationen nutzen, um tiefere Einblicke zu gewinnen und geschäftliche Vorteile zu erzielen. Daher hat sich die Datenmodellierung und Datenanalyse so entwickelt, dass wir in der Lage sind, enorme Datenmengen zu verarbeiten, ohne die Leistung und Verfügbarkeit zu beeinträchtigen, sondern indem wir die üblichen ACID-Eigenschaften „entspannen“. Dieses Papier bietet einen umfassenden Überblick und eine Diskussion über den aktuellen Stand dieses Themas mit einem besonderen Fokus auf Datenmodellierung und Datenanalyse und beschreibt sowie klärt die wichtigsten Unterschiede zwischen den drei Hauptansätzen in Bezug auf diese Aspekte, nämlich: operationale Datenbanken, Entscheidungsunterstützungsdatenbanken und Big Data-Technologien.