Data Warehouse Systeme
Nutzen Sie den Vorteil - 360° Sicht auf Ihre Daten
Haben sich auch in Ihrem Unternehmen eine Vielzahl von Daten aus unterschiedlichen Quellsystemen/Datenbanken angesammelt? Das macht eine Auswertung der Daten häufig unmöglich. Sie möchten aber eine ganzheitliche Sicht auf Ihre Daten?
Mit Hilfe des solvistas Data Warehouses erhalten Sie einheitliche und qualitativ hochwertige Daten. Im Data Warehouse werden die Daten aus den diversen Quellsystemen in einem einheitlichen System zusammengeführt. So behalten Sie die 360° Sicht auf Ihre Daten für erfolgreiche Auswertungen und erstklassige Entscheidungen.
Data Warehouse Prozess
Der Data-Warehouse-Prozess (englisch: data warehousing) ist der Prozess zur Bewirtschaftung und Auswertung eines Data Warehouses (Datenlager), der die folgenden Schritte umfasst:
- Datenbeschaffung: das heißt die Extraktion der relevanten Daten aus den Quellsystemen im Deltaverfahren, Transformation und gegebenenfalls Datenbereinigung in eine historische Datenschicht im Data-Warehouse. Aus dieser historisierten Datenschicht werden die Daten in der integrierten Datenschicht konsolidiert und in einen thematischen Zusammenhang gebracht. Dies garantiert einen einheitlichen Blick auf die Daten (Single Point Of Truth) und eine einfache rasche Erweiterbarkeit um nachfolgende fachliche Themen. Aus dieser Schicht werden die Data Marts nach Anforderungen der Fachbereiche für die Auswertung und Analyse gebaut.
- Datenhaltung: das heißt die langfristige Speicherung der Daten im Data Warehouse in historischer Änderungsreihenfolge
- Versorgung und Datenhaltung der für die Business Intelligence (Analyse und Auswertung) notwendigen separaten Datenbestände (Data-Marts)
- Datenauswertung durch Analyse der Daten im jeweiligen Data Mart bzw. Versorgung nachgelagerter Anwendungssysteme
Dabei ist bei allen Schritten das Repositorium eingebunden, das insbesondere beim ETL-Prozess mit Metadaten versorgt wird und bei der Analyse der Daten genutzt wird. Diese Metadaten sind für die Automatisierung der ETL Jobs von entscheidender Bedeutung.
Nutzen Kundenbeispiele
Ausgangssituation
Automatisiert sollen die Daten aus verschiedenen Quellsystemen (Finanz, Lagerhaltung, Bestellwesen) zusammengeführt werden, um mittels Auswertungen und Analysen, zum Beispiel in Form von Zeitreihen, Aussagen über die Verkaufsentwicklung in der Vergangenheit treffen zu können. Daraus sollen Prognosen über die Entwicklung von Kundenverhalten abgeleitet werden, die dem Vertrieb eine vorzeitige Möglichkeit der Verkaufssteuerung liefern.
Herausforderungen
- Ermittlung der historischen Daten und korrekte Abspeicherung der Zeitreihen aus technischer und fachlicher Sicht
- Ausarbeitung der fachlichen Data Marts mit den Fachabteilungen
- Schneller, täglicher Ablauf des Datenaufbaues
- Design und Modellierung eines fachlich getriebenen Datenmodelles, welches konsolidierte, gesicherte Daten, hohe Performance und einfache, ressourcenarme Erweiterung garantiert
- Metadatendesign für eine optimale Automatisierung
Lösungsansatz
- Aufbereiten bestehender Daten mit Historisierung
- Aufbau einer 3-Schichten-Architektur
- Daten fachlich in Zusammenhang bringen und konsolidieren mit Hilfe von Business Keys
- Aufbau von Data Marts, die auf die exakten Auswertungs- und Analysebedürfnissen der Fachabteilungen konzipiert werden
- Metadatendesign für automatisierte ETL Prozesse
Wir bieten Ihnen innovative Ideen und Erfahrung aus über zehn Jahren Projektgeschäft im Data Warehouse und Business Intelligence Bereich. Nehmen Sie Kontakt mit uns auf und wir besprechen ganz unverbindlich Ihre Vorstellungen und Vorhaben. Wir freuen uns auf SIE!
