Folgende Schritte empfehlen wir für eine erfolgreiche Implementierung:

Datenextraktion mit ETL-Tools

• Verwenden Sie ein ETL-Tool (Extract, Transform, Load) wie Talend, um Daten aus Ihrer Jira-Instanz zu extrahieren. Über die REST API von Jira können Sie auf alle relevanten Daten zugreifen. Talend bietet die Möglichkeit, REST-API-Abfragen mit Hilfe von Java-Routinen durchzuführen und anschließend parallel nachgelagerte Prozesse zu starten. Dabei ist es wichtig, die Jira-Instanz so wenig wie möglich zu belasten, um deren Performance nicht zu beeinträchtigen.
• Das Laden der Ergebnisse in die Zieldatenbank sollte ebenfalls als Bulk-Operation durchgeführt werden, um eine hohe Performance zu gewährleisten.

Initiale Datenladung und regelmäßige Aktualisierungen

• Initiale Datenladung: Beginnen Sie mit einem vollständigen Datenabzug Ihrer Jira-Daten, um eine umfassende Basis für Ihre Analysen zu schaffen.
• Regelmäßige Aktualisierungen: Richten Sie regelmäßige Delta-Abzüge ein (z. B. alle 5 Minuten), um Ihre Daten kontinuierlich zu aktualisieren und aktuell zu halten. Die Ausführung der Talend-Jobs erfolgt in der Talend Cloud. Achten Sie dabei auf die Zuweisung einer gut skalierten Engine, um eine optimale Performance und Ressourcennutzung sicherzustellen.
• Die Aktualisierung der Issue-Daten sollte deutlich häufiger erfolgen (z. B. alle 5 Minuten) als die Aktualisierung der administrativen Daten (z. B. alle 60 Minuten). Dadurch wird sichergestellt, dass projektbezogene Daten wie Änderungen an Issues, Status oder Kommentaren nahezu in Echtzeit erfasst werden, während weniger dynamische administrative Daten wie Benutzerinformationen oder Konfigurationen in längeren Intervallen aktualisiert werden können.

Verarbeitung des Changelogs

• Lesen Sie das Changelog der Issues aus, um eine vollständige historische Ansicht aller Änderungen zu erhalten.
• Nutzen Sie die native Versionierung von Jira, um Änderungen im Zeitverlauf nachvollziehen zu können.

Verwendung von Surrogate Keys und Business Keys

• Jira stellt bereits Primärschlüssel wie den Issue Key oder Project Key zur Verfügung, die verwendet werden sollten, um geschäftliche Beziehungen zwischen den Entitäten herzustellen.
• Für eine klare technische Trennung der Versionen pro Datenentität empfiehlt es sich jedoch, zusätzlich Surrogate Keys einzuführen. Diese Surrogate Keys ermöglichen es, verschiedene Versionen derselben Entität (z. B. Änderungen an einem Issue über die Zeit) eindeutig zu identifizieren und so eine konsistente und nachvollziehbare Historisierung zu gewährleisten (Siehe ERD).

Unterstützung von Slowly Changing DIMENSIONS

Implementieren Sie Mechanismen, um Änderungen in den Daten über die Zeit zu verfolgen, was besonders für historische Analysen von Vorteil ist. Dabei unterscheidet man zwischen:

• Snapshots: Diese erfassen den aktuellen Zustand der Daten bei jeder Aktualisierung. Snapshots ermöglichen es, den Zustand der Daten zu einem bestimmten Zeitpunkt darzustellen und dienen als Grundlage für zeitliche Vergleiche.
• Change Log: Das Change Log der Issues ermöglicht die native Versionierung und dokumentiert alle Änderungen an einem Issue, wie Statusänderungen, Aktualisierungen von Feldern oder Zuweisungen. Dies erlaubt eine detaillierte Nachverfolgung der Entwicklung und Historie eines Issues, ohne dass ein vollständiger Snapshot erforderlich ist.

Nutzung von Cloud-Datenbanken

• Speichern Sie Ihre Daten in einer skalierbaren Cloud-Datenbank wie Google BigQuery.
• Individuelle Dimensionierung: Passen Sie die Ressourcen Ihrer Cloud-Datenbank flexibel an Ihre Bedürfnisse an.
• Sicherheitsfunktionen: Nutzen Sie Funktionen wie die Maskierung von PII-Daten (personenbezogene Informationen) und Sicherheitsrichtlinien, um Datenschutzbestimmungen einzuhalten.

Konfiguration von Verarbeitungsketten

• Erstellen Sie Verarbeitungsketten, um Ihre Daten nach dem ETL-Prozess weiterzuverarbeiten.
• Data Marts und Dimensionstabellen: Entwickeln Sie Data Marts für spezifische Analysezwecke und verwenden Sie Tools oder Skripte, um Dimensionstabellen zu erstellen.
• Automatische Nutzerreferenzierung: Extrahieren Sie Benutzerdaten und erstellen Sie automatische Verknüpfungen zur User-Tabelle, um nutzerbezogene Analysen zu erleichtern.

Integration mehrerer Jira-Instanzen

• Konsolidieren Sie die Daten mehrerer Jira-Instanzen (z. B. eine Mischung aus Data Center und Cloud) zu einer zentralen Datenquelle.
• Zentrale Datenquelle: Erhalten Sie eine einheitliche Sicht auf alle Projekte und Prozesse, indem Sie die Daten unterschiedlicher Instanzen zusammenführen.
• Vergleichende Analysen: Identifizieren Sie Unterschiede und Gemeinsamkeiten zwischen verschiedenen Teams oder Abteilungen für eine verbesserte Zusammenarbeit und Transparenz.