:

    Datenquellen

    Einführung

    In der heutigen datengesteuerten Welt ist es essenziell, große Datenmengen effektiv zu verwalten und zu analysieren, um wertvolle Einblicke zu gewinnen und fundierte Entscheidungen zu treffen. Docusnap365 adressiert diese Anforderung mit der Einführung von “Datenquellen”, die als zentrale Definitionen für das Extrahieren, Transformieren und Speichern von Daten aus unterschiedlichen Quellen dient. In dieser Anleitung wird erläutert, wie diese Definition in Docusnap365 erstellt wird und wie diese als Grundlage für Berichte, die REST-API oder umfassende Analysen genutzt werden können. Aktuell stehen Datenquellen nur für Berichte und die REST-API zur Verfügung.

    Bei der Erstellung von Datenquellen werden “Präsentationen” zur Visualisierung verschiedener Objekttypen verwendet. Eine Präsentation definiert, welche Informationen einschließlich Überschriften, Kategorien, Labels und Daten angezeigt werden. Beim Öffnen eines Windows-Systems im Inventarbereich wird beispielsweise ein Menü mit allen Kategorien dargestellt. Wird die Kategorie “Software” gewählt, erscheint eine Liste von Softwareprodukten mit ihren spezifischen Eigenschaften. Präsentationen erleichtern die Erstellung von Datenquellen, indem sie eine intuitive Auswahl der benötigten Informationen ermöglichen, wobei lediglich die Struktur ohne Daten präsentiert wird.

    Nach der Definition einer Datenquelle werden die relevanten Daten aus den Originaldaten extrahiert und in separaten Tabellen gespeichert. Dieser Prozess reduziert die Datenmenge für Analysen, indem er die benötigten Informationen isoliert. Dies trägt wesentlich zur Verbesserung der Performance und zur Reduktion des Ressourcenverbrauchs bei der Berichtserstellung und den Abfragen über die REST-API bei.

    Datenquellen

    Begriffsdefinition

    Die Begriffe Extrahieren, Transformieren und Speichern sind bei der Erstellung von Datenquellen von zentraler Bedeutung.

    Extrahieren: Basierend auf der Datenquellendefinition werden die ausgewählten Informationen aus den Originaldaten extrahiert. Beispielsweise werden bei einem Windows-Computer spezifische Prozessorinformationen extrahiert, wenn diese ausgewählt wurden.

    Transformieren: Die extrahierten Informationen werden anschließend so aufbereitet, dass sie für weiterführende Verwendungen geeignet sind. Beispielsweise wird die maximale Taktfrequenz eines Prozessors in Hertz gespeichert und zusätzlich als lesbare Eigenschaft, wie 3,5 GHz, abgelegt.

    Speichern: Nach Abschluss der Extraktion und Transformation werden die Daten in Tabellen gespeichert, um sie für Berichte oder die REST-API weiterzuverwenden. Dies ermöglicht einen ressourcenschonenden, effizienten und performanten Zugriff auf die Daten.