Building a Scalable Data Warehouse with Data Vault 2.0
Cijfer 7,5 (100%). Motivatie en verbeterpunten.
Ik heb jouw eindopdracht nagekeken op basis van de exameneisen die gelden bij deze eindopdracht. Hierbij heb ik (zoals ook aangegeven in deze eisen) een splitsing gemaakt in de twee beoordelingscriteria inhoud en structuur.
Beoordeling Inhoud
• Vold...
Naam: XXXXXXX
Studentnr: XXXXXXX
Datum: September 2019
Instituut: NCOI Opleidingsgroep
Opleiding: HBO Big Data Analytics
Module: Datawarehousing
,Voorwoord
Mijn naam is XXXXXXX, werkzaam als projectleider / beleidsadviseur binnen het team
XXXXXXX bij XXXXXXX. In deze functie kom ik regelmatig in aanraking met het verzamelen
van data, met name voor het gebruik van het Amsterdamse Bos zoals bezoekersonderzoeken,
maar ook parkeerdrukmetingen. Bij de uitvoering van deze projecten is mijn interesse ontstaan
in data analyse.
Vanuit deze interesse ben ik gaan kijken naar opleidingen om hier meer over te weten te
komen. Zodoende kwam ik terecht bij de opleiding HBO Big Data Analytics van NCOI. Ik wil
mijn leidinggevende, XXXXXXX, danken voor het mede mogelijk maken van deze studie.
In het kader van de module Datawarehousing is deze moduleopdracht geschreven. De
opdracht is een verbeterplan voor het datawarehouse voor (vastgoed)objecten binnen de
organisatie XXXXXXX. Graag bedank ik de docent René Hombergen voor de lessen en de
medestudenten voor de leuke sparmomenten. Mede daardoor is deze moduleopdracht ook tot
stand gekomen.
XXXXXXX
2
, Samenvatting
Het Amsterdamse Bos is een natuur- en recreatiegebied van bijna 1000 hectare ten zuiden van
Amsterdam. Het gebied telt ruim 5 miljoen bezoeken per jaar en wordt hoog gewaardeerd door
de bezoekers (8). De gemeente Amsterdam, afdeling Amsterdamse Bos, draagt zorg voor de
beleidsvoorbereiding, het beheer en onderhoud van het gebied en het toezicht op de openbare
orde. Daaronder valt ook de verhuur van vastgoedobjecten, grond en steigers. Per object zijn
daarvoor (huur)contracten opgesteld. Hoewel de organisatie de objecten verhuurd is zij wel
verantwoordelijk voor het beheer en onderhoud daarvan. De dataverwerking van de objecten
vindt sinds een paar maanden plaats via het datawarehouse Planon.
Voor het management is het van belang dat zij weloverwogen beslissingen kunnen nemen; met
name op het gebied van prioriteren van beheer- en onderhoudswerkzaamheden en om
minimaal kostendekkende overeenkomsten op te stellen met huurders. Het datawarehouse kent
nu echter een aantal problemen waardoor dit niet mogelijk is. Ten eerste organisatorisch; de
organisatie werkt nog niet data gestuurd en er is nog veel onduidelijkheid over de rolverdeling
bij het gebruik van data. Ten tweede is de datakwaliteit niet op orde; data is niet compleet of
ontbreekt helemaal. En ten derde maakt het datawarehouse het momenteel niet mogelijk de
juiste informatie op te vragen, doordat koppelingen met bronsystemen ontbreken.
Om de problemen op te lossen wordt een project opgestart waarbij een verbeterslag wordt
gemaakt in het huidige datawarehouse. In de gewenste situatie worden verschillende
databronnen gekoppeld aan het datawarehouse. Het gaat hierbij om het financiële systeem
AFS, het CRM systeem, beheersysteem Gisib en flat files zoals verzekeringen. Omdat de data
uit verschillende systemen komt, is het noodzakelijk een staging area in te richten waar de
Extractie, het Transformeren en het Laden (ETL) van de data plaatsvindt. Met het ETL-proces
wordt de datakwaliteit gewaarborgd. Met de Plan, Do, Check, Act cyclus van Deming wordt
gedurende het project de datakwaliteit geëvalueerd en waar nodig bijgesteld.
De uitvoering van het project vindt plaats door middel van de Kimball methode. Bij deze
methode ligt de focus op het inventariseren van de vragen die het datawarehouse moet
beantwoorden en is voornamelijk gericht op businessprocessen. Een externe projectleider voert
het project uit volgens de Kimball Lifecycle Methodology. Medewerkers van de organisatie zijn
onderdeel van de projectgroep zodat de nieuwe situatie voldoet aan alle wensen.
Met het verbeterde datawarehouse wordt het uiteindelijk mogelijk om complete rapportages
voor te leggen aan het management. De rapportages – opgesteld door een aan te nemen data
analist – geven inzicht in de werkelijke kosten per object en of het wel noodzakelijk was om
bepaalde onderhoudswerkzaamheden uit te voeren. Het datawarehouse draagt er uiteindelijk
aan bij dat er efficiënter beheer en onderhoud uitgevoerd kan worden. Wat uiteindelijk een
kostenbesparing met zich mee brengt. Daarnaast is het mogelijk om kostendekkende
overeenkomsten af te sluiten, omdat per object inzichtelijk is welke kosten er gemaakt worden.
3
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller edlearning. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $8.03. You're not tied to anything after your purchase.
