Data Warehouse
Heutzutage stehen Unternehmen vor der Herausforderung, aus den ständig größer werdenden Datenbergen relevante Informationen zu gewinnen. Ein Lösungsansatz ist das Data Warehouse (DWH). Unter einem Data Warehouse versteht man grundsätzlich eine Datenbank für die Speicherung von Daten und Informationen, die nach bestimmten Mustern analysiert werden. Die globale Sicht auf die relevanten Daten hilft dabei, Rückschlüsse für zukünftige Unternehmensentscheidungen zu treffen.
Der Einsatz eines Data Warehouse im Unternehmen ist vielseitig und wird in verschiedenen Bereichen verwendet. DWH ist die Basis für ein Business Intelligence (BI) und Customer-Relationship- Management-Systeme (CRM). Egal ob für die Ermittlung von Unternehmenskennzahlen, die Kosten- und Ressourcenermittlung, oder für die Bereitstellung von Reports und Statistiken: als unternehmensweit einsetzbares Tool versorgt das DWH das Unternehmen mit den nötigen Daten für die Analyse von Prozessen und Kennzahlen.
Oftmals wird im Zusammenhang auch das Wort „Data Warehousing“ genannt. Ein DWH-System umfasst den gesamten Prozess der Analyse, den die Daten durchlaufen.
Ziel von DWH-Systemen ist es, einen Überblick über sämtliche Daten im Unternehmen zu geben und diese zu analysieren. Um dies möglich zu machen, sind vier Komponenten notwendig:
1. Eine zentrale Datenhaltung
2. Trennung von analytischen und unverarbeiteten Daten
3. Datenintegration unterschiedlicher Quellen
4. Die Historisierung der Daten
Data Warehouse-Architektur
Am Anfang stehen viele Daten aus unterschiedlichen Quellen. Hier gilt es, die für das Unternehmen relevanten Informationen herauszufiltern. In der Staging Area sortiert man die Daten aus diesem Grund vor. ETL-Prozesse (Extraktion, Transformation, Laden) strukturieren und sammeln anschließend die Daten. Von dort gelangen sie in das eigentliche Data Warehouse. Hier setzen verschiedene Data Access Tools an, um auf die Informationen im Warehouse zugreifen zu können.
Steigt die Datenmenge, werden OLAP-Datenbanken für die Strukturierung der Daten verwendet. Sie können Daten von unterschiedlichen Dimensionen verdichten und Hierarchien bilden. Das System kann die Daten so analysieren und an den End-Anwender ausgeben. Wichtig zu beachten ist die richtige Nutzung von Data-Warehouse-Systemen. Eine Vielzahl an Anwender-Problemen ist jedoch nicht auf das System selbst, sondern auf mangelnde Qualität der Daten oder fehlende fachliche Dokumentation zurückzuführen.
Im Schnitt erzielen Kunden von ANIMGA folgende Verbesserungen:
%
mehr Produktivität
%
effizientere Datenlage
%
Reduzierung der Fertigungskosten
%