Sie brauchen ein verständliches Datenmodell. Wir wissen, wie es zu konstruieren ist.

Für Transaktionssysteme hat sich die dritte Normalform als Datenmodell durchgesetzt. Das Modell verhindert Datenredundanzen und führt Transaktionen schnell und zuverlässig durch.  Doch für den IT-Laien ist das Datenmodell kaum verständlich und für analytische Massendatenabfragen ist es denkbar ungeeignet. Für analytische Zwecke müssen Datenmodelle konzipiert werden, die der Endanwender versteht und die sich für performante maschinelle Massenverarbeitung der Daten eignen. Im dimensionalen Datenmodell sind Redundanzen zulässig. Deshalb werden Daten, die in den Quellsystemen in der dritten Normalform vorliegen, für das DWH bereits im Beladungsprozess in die erste oder zweite Normalform denormalisiert. Dem Benutzer stehen die Daten dann in einer unmittelbar verständlichen Form zur Verfügung und maschinelle Abfragen können sehr schnell verarbeitet werden, weil die Anzahl zeitaufwändiger Tabellen-Verknüpfungen erheblich reduziert ist.