header_home_wuerfel_1920px.jpg

Sind Data-Warehouse-Technologien Schnee von gestern?

Die Ergebnisse von Datenanalysen gewinnen zunehmend an Bedeutung für Unternehmensentscheidungen, Tendenz steigend. So lautet ein zentrales Ergebnis der aktuellen Umfrage „Mit Daten Werte schaffen“, die vom IT- Branchenverband Bitkom gemeinsam mit der Unternehmensberatung KPMG durchgeführt wurde. Befragt wurden in der repräsentativen Studie rund 700 Führungskräfte aus zwölf Branchen.

Die Heterogenität der zu analysierenden Daten nimmt laufend zu. Die Konsolidierung und Analyse dieser vielen, unterschiedlichen Daten wird aber zum zentralen Erfolgsfaktor für Unternehmen – und das im Sekundentakt und hochverfügbar. Die Qualität der analytischen Datenmanagement-Lösung wird daher in Unternehmen immer zentraler.

 Infografik_KPMG-1.png

Aber können bestehende Data-Warehouse-Lösungen den aktuellen Anforderungen noch gerecht werden? Ist ein Data Warehouse überhaupt der zeitgemäße Ansatz oder ein Relikt aus der Vergangenheit? Gregor Zeiler, Senior Solutions Manager BI/Big Data, kommentiert:


ap_gregor_zeiler.jpg
„Daten sind der Rohstoff, aus dem der Unternehmenserfolg in der Ära der Digitalisierung geschmiedet wird. Denn durch die digitale Transformation produzieren wir sekündlich große Datenmengen. Diese auszuwerten, zu Informationen zu verarbeiten und für kluge Entscheidungen zu nutzen, ist sozusagen der ‚digitale Stein der Weisen‘. 

Daten werden automatisch zu Informationen

Analytische Datenmanagement-Lösungen, wie zum Beispiel Data-Warehouse-Lösungen (DWH), sind die zentrale Schnittstelle im Unternehmen zur Weiterverarbeitung der vielen gesammelten, heterogenen Daten. Aus ihnen werden Informationen, die valide Schlüsse zur Unternehmensführung zulassen. Data-Warehouse-Lösungen wurden in den Unternehmen in der Regel darauf ausgerichtet, eine einheitliche Datenbasis («Single Point of Truth») für alle Analyseanforderungen zu schaffen. Ihre Aufgabe war beispielsweise, Daten aus mehreren Quellen zusammenzuführen, sie zu vereinheitlichen und so eine gute Datenqualität zu liefern.

Die Grenzen traditioneller DWHs

DWHs sind in Unternehmen oft organisch, im Laufe der Zeit gewachsen. Sie sind meist sehr wartungsintensiv und auch nur mit großem Aufwand zu erweitern. Gleichzeitig werden die Anforderungen, die unser wirtschaftliches Umfeld an Unternehmen stellt, immer dynamischer und volatiler. Fragstellungen müssen in Echtzeit auf Basis großer Datenmengen beantwortet werden – Business Intelligence und Big Data sind hier nur als beispielhafte Stichworte zu nennen. Die Reaktionsfähigkeit des DWHs wird zum zentralen Erfolgsfaktor für das Unternehmen, analytische Lösungen müssen daher zunehmend agil und flexibel sein. Allerdings stoßen genau bei diesen Aspekten viele traditionelle DWH-Lösungen an ihre Grenzen und müssen daher fit für die Zukunft gemacht werden.

Radikalkur oder auf Bewährtes setzen?

Die Gretchenfrage ist, welche Vorgehensweise man zur Modernisierung wählt: Die funktionale Erweiterung des bestehenden DWHs oder den Einsatz völlig neuer Technologien. Beide Alternativen haben ihre Berechtigung. Welcher Ansatz gewählt wird, ist oft eine strategische Entscheidung und keine rein technologische. Der sanfte Übergang von einem bestehenden, traditionellen System hin zu einer modernen Lösung, ist jedoch oftmals der bessere Weg als eine Radikalkur.

Aus alt mach neu

Bei der Modernisierung der traditionellen Datenmanagement-Lösung muss man das Rad nicht neu erfinden. Vielmehr muss der verantwortungsvolle Übergang von der alten DWH-Lösung zu einem agileren und flexibleren DWH im Mittelpunkt stehen. Dabei gilt es, die bestehenden Lösungen und Architekturen genau so zu ergänzen, zu erweitern und anzureichern, dass sie den aktuellen Anforderungen entsprechen und zukunftssicher sind.

binary-1695476_1920.jpg

Data Warehouse Automatisation

Die Etablierung eines Data-Warehouse-Automation-Tools - wie zum Beispiel biGENiUS von Trivadis - ist ein konkreter Schritt, um auf die neuen Anforderungen an traditionelle DWHs zu reagieren. Das Tool erhöht die Agilität des DWHs und ermöglicht extrem kurze Release-Zyklen, um das DWH auf die externen Anforderungen hin anzupassen. Es nutzt dabei Methoden zur Steigerung der Effizienz und der Effektivität und geht viel weiter, als nur Datenstrukturen und ETL-Prozesse automatisch zu generieren.

Modernisierungsweg ist eine strategische Entscheidung

Der wichtigste Punkt bei der Modernisierung des DWHs ist, die Architektur grundsätzlich fit für die Zukunft zu machen. Weitere zentrale Faktoren sind die Automatisierung und Industrialisierung, technische Verbesserungen und Selfservice-Lösungen für Fachanwender. Eine DWH-Modernisierung muss nicht immer zwingend das Ende der bewährten Lösungen bedeuten. Vielmehr lassen sich traditionelle Lösungen meist mit zusätzlichen Tools ergänzen, ohne dabei auf das Potential der neuen analytischen Funktionen zu verzichten. Doch das Augenmerk sollte nicht nur auf technischen Quantensprüngen liegen: Die Verbesserungsmöglichkeiten stecken auch in der Neugestaltung der Prozesse.”

Am Dienstag, 25.04.2017, findet von 16.00 Uhr bis 17.00 Uhr ein Webcast zum Thema „BI und Data Warehouse im Zeitalter der Digitalisierung". Darin werden mögliche Stoßrichtungen zur Modernisierung von Data Warehouses sowie die daraus resultierenden Potentiale, die durch die Automatisierung realisiert werden können, vorgestellt. Ein weiterer Schwerpunkt des Webcasts ist die Ausrichtung der zukunftsweisenden Architekturen zu Big Data und Digitalisierung. Weitere Informationen sowie das Anmeldeformular zum Webcast sind hier verfügbar.

Weiterführende Informationen

Bildquelle: Infografik: Mit Daten Werte schaffen, KMPG, Foto Ninärcode: Pixabay/geralt 

 

Topics: Kommentar Digital Business Transformation Modernisierung