Business Intelligence en DWHDe domeinschets geeft in een aantal ArchiMate diagrammen een beschrijving wat de relevante aspecten zijn voor het kennisgebied van business intelligence en datawarehouses. Denk hierbij aan de aspecten, doelen, definities, processen en betrokkenen.

Data gedreven werkenVeel organisaties onderkennen de waarde van data en willen deze data inzetten om meerwaarde te realiseren. Vaak wordt hiervoor de term data gedreven werken gebruikt. Bij data gedreven werken kunnen bouwblokken en patronen van grote hulp zijn. Vandaar dat we hier uitgebreid kijken naar op welke wijze we data gedreven werken kunnen standaardiseren met bouwblokken en patronen. We kijken naar data gedreven toepassingen waarin we vanuit data waarde creëren. Vervolgens onderzoeken we of data een productiemiddel is en hoe we op die wijze data kunnen inzetten. Als we data als een productiemiddel zien dan kunnen vervolgens kijken hoe we een productiemiddel dienen te managen om waarde te creëren. Dit doen we door een aantal eenvoudige voorbeelden van data gedreven use cases te demonstreren.

Data integratieData integratie is een data werkveld waar architectuur patronen veel waarde kunnen leveren aan de inrichting van een landschap met generieke en gestandaardiseerde koppelvlakken.

DataverwerkingDit is een voorbeeld van een data landschap van de verwerkende functionaliteiten en diensten die in een organisatie noodzakelijk zijn om data vanuit bronsystemen te verwerken tot data in een informatieproduct. Modellen zijn grotendeels uitgewerkt door Yorrick Tillemans.

Fysieke datamodellenBinnen fysieke datamodellen zijn volop data patronen beschikbaar. Veelal worden ze ook ingezet in modelleertools om het werk van de fysieke datamodelleur te vereenvoudigen met geautomatiseerde toepassingen. Daarnaast zijn er volop datamodellen die beschikbaar zijn om een start te maken met datamodellen voor een bepaald werkveld. Zoals bijvoorbeeld order registratie of gestandaardiseerde werkprocessen.In dit voorbeeld een eenvoudig voorbeeld van een fysiek model dat een transformatie is in een relationeel database management systeem op basis van een standaard modelleer concept in een logisch datamodel.

Logische datamodellenLogische datamodellering is een model uitgewerkt zonder de implementatie aspecten van de onderliggende technische platformen. Binnen logische datamodellering zijn patronen veel toegepast. Er zijn dan ook veel catalogi te vinden met logische datamodelleer patronen. Hier behandelen we een viertal voorbeelden van dergelijke logische datamodel patronen.

Master en Referentie Data (MRDM)Master en Referentie Data (MRDM) zijn de werkprocessen gericht op het realiseren van generieke data entiteiten relevant voor een grote groep van verschillende stakeholders.Dit stelt bijzondere eisen aan de inrichting vanuit het perspectief van data kwaliteit. Daarmee ontstaat er een nauwe relatie tussen deze kennisdomeinen.

MetadataData patronen zijn generieke oplossingen voor frequent terugkerende meta data problemen. Voor dataverwerking en -vergaring is dit kenmerkend rond meta data. Dataverwerking en -transformatie is van zichzelf al een uitdaging. De behoefte om op adequate wijze ook de meta data te verzamelen en te registreren is daarmee een extra complicerende factor. In onderstaande paragrafen worden daarom een aantal kenmerkende meta data patronen beschreven.