1) Короткий ответ

Data Vault стоит выбирать для построения гибкого, масштабируемого и исторически полного хранилища данных в средах с частыми изменениями бизнес-требований, множеством источников данных и строгими требованиями к аудиту и трассируемости данных.

2) Ключевые сценарии выбора Data Vault:

* Частые изменения бизнес-логики:

* Проблема: В классическом Kimball изменения измерений требуют перестройки DWH

* Решение: Data Vault позволяет добавлять новые источники без редизайна модели

* Интеграция множества источников:

* Проблема: 10+ разнородных источников с разной скоростью изменения

* Решение: Стандартизированная модель Hub-Link-Satellite

* Строгие требования compliance:

* Проблема: Необходимость полного аудита "что-когда-откуда"

* Решение: Встроенная историчность и метаданные в Satellite

3) Сравнение с альтернативными подходами:

* Data Vault vs Kimball:

* Data Vault: Гибкость, масштабируемость, легкая интеграция новых источников

* Kimball: Простота, производительность, лучше для стабильных бизнес-процессов

* Data Vault vs Inmon:

* Data Vault: Agile-подход, итеративная разработка

* Inmon: Waterfall-подход, требует полного понимания предметной области

Рекомендация: Выбирайте Data Vault для сложных, быстро меняющихся сред. Kimball — для стабильных бизнес-моделей с понятными требованиями.

5) Пример архитектуры Data Vault 2.0:

```sql

-- Хаб (сущности бизнеса)

CREATE TABLE hub_customer (

customer_hashkey VARCHAR(32) PRIMARY KEY,

customer_id VARCHAR(50),

load_dts TIMESTAMP,

record_source VARCHAR(20)

);

-- Линк (взаимодействия)

CREATE TABLE link_customer_order (

customer_order_hashkey VARCHAR(32) PRIMARY KEY,

customer_hashkey VARCHAR(32),

order_hashkey VARCHAR(32),

load_dts TIMESTAMP,

record_source VARCHAR(20)

);

-- Сателлит (исторические атрибуты)

CREATE TABLE sat_customer_details (

customer_hashkey VARCHAR(32),

load_dts TIMESTAMP,

customer_name VARCHAR(100),

email VARCHAR(100),

hash_diff VARCHAR(32),

PRIMARY KEY (customer_hashkey, load_dts)

);

```

6) Показатели для выбора Data Vault:

* Количество источников данных: 5+

* Частота изменения бизнес-требований: ежеквартально или чаще

* Требования к трассируемости данных: высокие

* Необходимость agile-разработки DWH: критична

7) Follow-up вопросы:

* Какие основные недостатки Data Vault?

* Ответ: Сложность, избыточность данных, производительность запросов

* Как решаете проблему производительности в Data Vault?

* Ответ: Через Point-in-Time и Bridge tables для бизнес-витрин

8) Практический совет (2 шага на неделю):

1. Оцените зрелость данных: Проанализируйте стабильность бизнес-процессов и частоту изменений источников данных.

2. Спроектируйте пилот: Реализуйте Data Vault для 2-3 ключевых бизнес-сущностей и оцените сложность поддержки.