"Datawarehouse ist ein physischer und strukturierter Datenbestand, der eine integrierte Sicht auf die zugrundeliegenden Datenquellen ermöglicht". Mit den zugehörigen Prozessen der Verwaltung, der Datenbewirtschaftung und der Auswertung erfährt das Datawarehouse einen Nutzen - das Data Warehousing
Der Ansatz operative und dispositive Daten zu trennen, geht auf die 1980er Jahre zurück. Ziel war es, konsistente und aggregierte Daten zur Entscheidungsunterstützung in Analyse-, Kontroll- und Steuerungsaufgaben in einer eigenständigen Datenbank (Datawarehoue) zu speichern. Die Notwendigkeit, (ausgewählte) Entscheidungen in immer kürzen Zeitintervallen treffen zu müssen, führt dazu, (Teile) des Warehouse near Realtime aus den operativen Quellen zu bewirtschaften. Ferner werden vermehrt Entscheidungsmodelle eingesetzt, die Steuerungsaufgaben nach definierten Aktionen selbständig auslösen. Diese Überwindung der manuellen Entscheidungsfindung und Auslösung wird Active Datawarehouse bezeichnet. Der Nutzen eines Aktive Datawarehouse hängt von der Kunst ab, die zugrunde liegende Architektur und Prozesse auf die Bedürfnisse des Unternehmens anzupassen:
- Kontinuierliche Verbesserung der Datenqualität und Lösung von Fehlern in den Quellen
- Transparenz und Aktualität der Datenflüsse (aller Quellen) in das Datawarehouse
- Klare und transparente Verantwortung für Daten und Schnittstellen im Datawarehouse
- Klare und eindeutige Trennung von produktiven und nicht-produktiven Daten
- Kontinuierliche Anpassungen des Datawarehouse an neue Anforderungen hinsichtlich Analyse-, Kontroll- und Steuerungsaufgaben
- Kontinuierliche Überprüfung von Entscheidungsmodellen im Datawarehouse auf Aktualität und Gültigkeit
- Kontinuierliche Kapazitätsanpassungen und Management von "Hotspots" in den Daten
- Adäquate Lösungen zur Einhaltung von Datenschutzanforderungen
- Datawarehouse als ein integraler Bestandteil einer IT Strategie
- Eignung Software/Appliances gegenüber Anforderungen und Serviceerwartungen an den/die Datawarehouseanbieter
- Einsatz im Unternehmen bekannter und etablierter Verwaltungsverfahren des Datawarehouse (eine Strukturierung bietet ITIL - IT Infrastructure Library)
- NoSQL Datenbank basierte Speicherformen und clusterfähige Dateisystem wie das Hadoop Ökosystem gewinnen an Bedeutung
Unser Angebot:
Wir unterstützen Unternehmen bei der Einführung, Anpassung und Umsetzung ihres Datawarehouse
Vorgehensbeispiele:
- Anforderungsanalyse, Softwareauswahl mit Lösungsdesign, Aufbau Infrastruktur, Erstellung Datenmodell(e), Datenmanagement (ELT/ETL), Berichterstellung und Zugriffsteuerung, Produktivsetzung
- Analyse bestehender Datawarehouse Lösungen hinsichtlich der Eignung für neue Anforderungen wie Datenaktualisierungsfrequenz, Datenvolumen, Datenqualität, Transparenz von Datenflüssen, Integration analytischer Funktionen, Performance, Abhängigkeiten weiterer Infrastrukturkomponenten (z.B. Reporting, Datenmanagement) sowie Kosten, Erstellung von Entscheidungsvorlagen für Erweiterungen oder Transformation eines Datawarehouse
- Analyse Anforderungen an Datawarehouse und Kategorisierungen der Serviceanforderungen nach "Make or Buy", Erheben von Cost-Savings und Entwickeln einer Sourcing Strategie
- Transformation einer Datawarehouse Plattform
- Transition einer Datawarehouse Plattform
Wie können wir Sie unterstützen? Je nach Ausgangssituation in Form von Beratung, Interim-Management, Coaching für Führungskräfte und Trainings.
Projektbeispiele:
- Beratung: Einführung einer neuen Datawarehouse Plattform und Einführung eines zentralen Datenmodells und zentraler Datawarehouse Prozesse
- Interim-Management: Projektmanagement zur Transformation einer Datawarehouse Plattform inklusive des Datenmanagements
- Interim-Management: Projektmanagement zu Erweiterungen einer bestehenden Plattform, um wertmäßige Bestandsinformationen zur Analyse von Abschriften auf Waren und Wertentwicklung
- Interim-Management: Projektmanagement zum Aufbau neuer Datawarehouse Lösungen
- Interim-Management: Softwareauswahl für Datawarehouse Storage mit Proof of Concept