MOC 20767 Implementing a SQL Data Warehouse (Legacy)

Der Kurs MOC 20767 Implementing a SQL Data Warehouse vermittelt das vollständige technische Wissen, das für den Aufbau, die Implementierung und den Betrieb eines relationalen Data Warehouses auf Basis von Microsoft SQL Server benötigt wird. Er deckt den gesamten Implementierungslebenszyklus ab: vom logischen und physischen Design über die ETL-Entwicklung mit SQL Server Integration Services (SSIS) bis hin zu Datenqualitätssicherung mit Data Quality Services (DQS) und der Stammdatenverwaltung mit Master Data Services (MDS). Darüber hinaus enthält der Kurs eine Einführung in Azure SQL Data Warehouse und zeigt, wie SQL-Server-basierte Data-Warehouse-Lösungen in die Cloud extended werden können.

Data-Warehouse-Grundlagen und Design: Das Fundament jedes Data-Warehouse-Projekts ist ein solides konzeptuelles und physisches Datenmodell. Dieser Block behandelt die theoretischen Grundlagen von OLAP-Architekturen, Star- und Snowflake-Schemata sowie die Besonderheiten von Fact- und Dimensionstabellen. Teilnehmende verstehen, warum Data-Warehouse-Designs sich fundamental von OLTP-Datenbanken unterscheiden, und lernen, diese Unterschiede in eigenen Designs umzusetzen.

• Schlüsselelemente einer Data-Warehousing-Lösung: OLAP vs. OLTP, Kimball vs. Inmon
• Star-Schema und Snowflake-Schema: Vor- und Nachteile im Vergleich
• Entwurf von Fact-Tabellen mit Kennzahlen und Fremdschlüsseln
• Entwurf von Dimensionstabellen inklusive Slowly-Changing-Dimensions (SCD)
• Hardwareüberlegungen: Speicher, RAM, I/O-Subsystem und Parallelität
• Dokumentation und Modellierungswerkzeuge für das logische Design

Physische Implementierung mit SQL Server: Nach dem Design folgt die physische Umsetzung in Microsoft SQL Server. Dieser Abschnitt behandelt Datenbankeinstellungen, Speichermechanismen und Indizierungsstrategien, die speziell für analytische Workloads optimiert sind. Columnstore-Indizes sind dabei ein zentrales Thema, da sie eine deutliche Beschleunigung von Abfragen auf großen Datenmengen ermöglichen.

• Erstellen und Konfigurieren einer Data-Warehouse-Datenbank in SQL Server
• Physisches Design: Dateigruppen, Partitionierung und Kompression
• Erstellen und Verwalten von Columnstore-Indizes (Clustered und Non-Clustered)
• Abfrageoptimierung für analytische Workloads
• Implementierung von Azure SQL Data Warehouse und Verbindung mit lokalen Ressourcen
• Sicherheitskonzepte und Berechtigungsmanagement im Data Warehouse

ETL-Entwicklung mit SQL Server Integration Services (SSIS): SSIS ist das primäre Werkzeug für die Extraktion, Transformation und das Laden von Daten in SQL-Server-Data-Warehouses. Dieser umfangreiche Block behandelt die vollständige Entwicklung von SSIS-Paketen von der ersten Datenverbindung bis zur produktionsbereiten Lösung. Besonderer Wert wird auf die Strukturierung von Kontrollflüssen und Datenflüssen sowie auf die Wiederverwendbarkeit durch Variablen und Parameter gelegt.

• Architektur von SSIS: Control Flow, Data Flow, Event Handler und Package Store
• Erstellen von Datenflusspaketen mit Quell- und Zielkomponenten
• Transformationskomponenten: Lookup, Merge Join, Conditional Split, Derived Column
• Implementierung des Kontrollflusses mit Foreach-Loop-Containern und Sequenz-Containern
• Rangfolgeeinschränkungen für bedingte Paketausführung
• Parametrisierung und Variablen für wiederverwendbare und dynamische Pakete

Datenqualität, Master Data Services und SSIS-Deployment: Die Qualität der im Data Warehouse gespeicherten Daten entscheidet über den Mehrwert der gesamten Lösung. Dieser Block behandelt die Einrichtung von DQS-Wissensdatenbanken und Qualitätsregeln sowie die Verwaltung von Stammdaten mit MDS. Abgeschlossen wird der Block mit dem Deployment von SSIS-Projekten in produktiven Umgebungen.

• Data Quality Services: Wissensermittlung, Bereinigungsprojekte und Matching
• Erstellen und Verwalten von DQS-Domänen und Geschäftsregeln
• Master Data Services: Modelle, Entitäten, Attribute und Hierarchien
• Import und Export von Stammdaten in MDS
• SSIS-Projekte: Projektbereitstellungsmodell vs. Paketbereitstellungsmodell
• Monitoring und Protokollierung von SSIS-Ausführungen im SSISDB-Katalog

Praxisübungen und Implementierungsszenarien: Die umfangreichen Übungen des Kurses simulieren eine vollständige Data-Warehouse-Implementierung.

• Entwurf eines Star-Schemas für einen fiktiven Einzelhandels-Datenwürfel
• Physische Implementierung des Schemas in SQL Server
• Erstellen eines Columnstore-Index und Vergleich der Abfragezeiten
• Entwicklung eines vollständigen SSIS-Pakets zur Extraktion aus einer OLTP-Datenbank
• Implementierung einer SCD-Typ-2-Logik für eine Kundendimensionstabelle
• Erstellen eines parametrisierten SSIS-Kontrollflusses mit Fehlerbehandlung
• Debuggen eines fehlerhaften SSIS-Pakets und Korrigieren des Datenflussfehlers
• Konfiguration eines DQS-Bereinigungsprojekts für Adressdaten
• Erstellen eines MDS-Modells für Produktstammdaten und Import von Testdaten
• Deployment eines SSIS-Projekts in den SSISDB-Katalog
• Konfigurieren und Testen eines Azure SQL Data Warehouse
• Abschlusssimulation: Vollständige ETL-Pipeline für ein reales Analyseszenario

Alle Übungen basieren auf realen SQL-Server- und Azure-Umgebungen und vermitteln das Handwerkszeug für den produktiven Einsatz in Data-Engineering-Projekten.

Der Kurs richtet sich an IT-Fachleute mit Datenbankbezug, die in Data-Warehouse-Projekte einsteigen oder ihre vorhandenen Kenntnisse systematisch vertiefen möchten.

• Datenbankadministratoren, die Data-Warehouse-Aufgaben übernehmen sollen
• BI-Entwickler und ETL-Entwickler mit SQL-Server-Bezug
• Datenarchitekten, die Data-Warehouse-Designs entwerfen
• Systemadministratoren, die SQL-Server-Installationen für analytische Workloads betreuen
• Fachleute, die eine Qualifikation im Bereich SQL Server Data Warehousing anstreben

Der Kurs wird als instruktorgeleitete Schulung im Combined-Learning-Format durchgeführt und kombiniert Präsenz- und Online-Anteile. Erfahrene Trainer wechseln zwischen strukturierten Theorieeinheiten und praktischen Laboren, in denen Teilnehmende die Inhalte unmittelbar in einer SQL-Server-Trainingsumgebung anwenden. Der Austausch unter Teilnehmenden und die Möglichkeit, eigene Praxisfragen einzubringen, sind fester Bestandteil des Formats.

In der Vollzeitvariante erstreckt sich der Kurs über mehr als eine Woche bis zu einem Monat. Teilzeit-Modelle sind ebenfalls verfügbar und verlängern die Laufzeit entsprechend. Individuelle Terminabsprachen sind auf Anfrage möglich.

Nach erfolgreichem Abschluss erhalten die Teilnehmenden ein anerkanntes Herstellerzertifikat sowie ein Lehrgangszertifikat des Anbieters. Der Kurs richtet sich an Fachleute, die eine fundierte Qualifikation im Bereich SQL Data Warehousing nachweisen möchten. Externe Microsoft-Prüfungen können im Anschluss separat abgelegt werden.

Data Engineering und Data Warehousing gehören zu den gefragtesten IT-Kompetenzen auf dem deutschen Arbeitsmarkt. Unternehmen aller Branchen investieren in analytische Infrastrukturen, um datenbasierte Entscheidungen zu ermöglichen — und benötigen dafür Fachleute, die SQL-Server-Data-Warehouses aufbauen, befüllen und stabil betreiben können. Der Kurs öffnet den Weg in ein Berufsfeld mit langfristig stabiler Nachfrage. SSIS-Kenntnisse sind in einer Vielzahl von Unternehmensumgebungen unverzichtbar, da zahlreiche Datenintegrationslösungen auf dieser Technologie basieren. Gleichzeitig ermöglicht die Azure-SQL-DW-Komponente des Kurses den Einstieg in Cloud-basierte Data-Warehouse-Architekturen, die in modernen BI-Projekten zunehmend an Bedeutung gewinnen. Der Kurs ist bei AZAV-zertifizierten Anbietern in der Regel über den Bildungsgutschein der Agentur für Arbeit oder des Jobcenters förderbar. Zusätzlich können je nach persönlicher Situation Förderungen über das Qualifizierungschancengesetz, Berufsförderung der Bundeswehr, Leistungen zur Rehabilitation oder Förderprogramme der Deutschen Rentenversicherung genutzt werden.