Advanced Analytics

Advanced Analytics ist mittlerweile über den Hypestatus hinweg und in der Praxis fest verankert. Hinter dem Begriff verbirgt sich die Vision eines ganzheitlichen BI-Ansatzes, der neben der Betrachtung der Ist-Situation (Reporting), der Analyse zurückliegender Ereignisse (Analytics) und darauf aufbauender Planung auch die Vorhersage der zukünftigen Entwicklung mit einbezieht (Predictive Analytics).

Business Intelligence

Business Intelligence (BI) ist weniger ein Projekt, das definiert, realisiert und abgeschlossen wird, als vielmehr ein kontinuierlicher Prozess, der regelmäßigen Änderungen unterworfen ist, um die Unternehmensziele jeweils optimal zu unterstützen.


Data Warehousing

Grundlage für BI ist in aller Regel ein Data Warehouse (DWH). 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 Vorhaben 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 entgegen wirken durch den Einsatz von Self-Service Werkzeugen. 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.

Leistungen

• Identifizierung und Priorisierung / Auswahl von Use Cases

• Analyse von Anforderungen (Datenquellen, Datenvolumen, Anforderungen an Hard- und Softwareressourcen, etc.)

• Auswahl und Aufbau einer Data Plattform

• Prototyping

• Standardisierung von Prozessen für Datenbereitstellung (inkl. Compliance)

• Datenspeicherung, Historisierung, Archivierung

• Automatisierung von Datentransfers und Reports

• Dokumentation

• Deployment, Continuous Delivery

• Definition von SLAs



de_DEDeutsch