Data Warehouse

Grundlage für das Business Intelligence (BI) ist in aller Regel ein Data Warehouse (DWH), denn BI und DWH bedingen einander. Das DWH schafft einen definierten und einheitlichen Zugang zu allen relevanten Daten, die zur Unternehmenssteuerung erforderlich sind. Wo früher ausschließlich klassische Datenbanksysteme zum Einsatz kamen, können heute im Rahmen der DWH-Strategie auch andere Lösungen ersetzend oder ergänzend zum Einsatz kommen. Neue Möglichkeiten wie z. B. Cloud Services, Data Lake Storage oder In-Memory-Technologien können starren DWH-Strukturen mehr Flexibilität verleihen, Projekte beschleunigen und Kosten reduzieren.

Datenbewirtschaftung
Die Datenbewirtschaftung sorgt für die Überführung von operativen Unternehmensdaten aus ERP-/OLTP-Systemen oder auch externen Datenquellen in entscheidungsrelevante Informationen aus einer logischen Sicht. Dies ist allgemein unter der Bezeichnung Extraction/Transformation/Load (ETL) bekannt.

Anwendungen
Das Data Warehouse bildet die Basis für eine Vielzahl unterschiedlicher Anwendungen, sowohl BI-Applikationen wie auch Anwendungen im Sinne von Daten-Drehscheiben. Während in der Historie primär die Nutzung zur Datenanalyse und Planung im Vordergrund stand, werden DWH-Systeme in letzter Zeit auch vermehrt zur Verteilung von Daten an andere nachgelagerte IT-Systeme eingesetzt. Verfügbare Realtime-Funktionalitäten machen dies auch bei großen Datenmengen möglich.

Stammdaten-Management und Datenqualität
Eine wesentliche Rolle in einem DWH-Projekt spielt das Thema Datenqualität. Dieses ist wiederum untrennbar mit einem standardisierten Stammdaten–Management verbunden. Stammdaten in vorgelagerten Systemen haben regelmäßig eine mindere Qualität oder existieren nicht vollständig und müssen daher angereichert werden. Der Aufbau eines definierten Prozesses zum Stammdaten-Management ist daher essentiell für die Qualität und Konsistenz der Daten. Daran bemisst sich letztendlich der Wert eines DWH und die Akzeptanz durch die Anwender.

DWH-Projekte
Was für den Anwender mit Werkzeugen für Business Intelligence und Business Analytics sichtbar ist, ist nur ein kleiner Teil des Gesamtkonstruktes einer BI-Anwendung. Der größere Rest umfasst die Quellanbindungen, die Harmonisierung, die schichtenweise Datenverarbeitung und die Umsetzung von Themen wie Datenqualität, Compliance und Stammdaten-Management.

Dem kann man entgegenwirken durch den Einsatz von Self-Service-Werkzeugen und die DWH-Ebene kann dadurch schmal gehalten werden. Allerdings ist dafür auch mehr Know-how auf Seiten der Fachanwender erforderlich als bei einer Guided Analytics-Stategie.