Fassen Sie diesen Blogbeitrag wie folgt zusammen:
Business Intelligence und Data Warehouse sind zwei unterschiedliche, aber eng miteinander verbundene Technologien. Sie helfen Unternehmen, den verborgenen Wert ihrer Daten zu erschließen.
Doch bevor wir ihre Beziehung im Detail erläutern, wollen wir zunächst verstehen, was diese Technologien leisten!
Business Intelligence (BI)ist ein technologiegetriebener Ansatz, der Rohdaten in verwertbare Erkenntnisse umwandelt. Data Warehouses fungieren als Middleware in der BI-Architektur. Sie extrahieren Daten aus operativen Datenbanken oder externen Quellen, transformieren diese in ein einheitliches Format und speichern sie zur weiteren Analyse.
Obwohl es neu erscheint, entstand das Konzept des Data Warehouse bereits 1990. Es wurde erstmals vonBill Inmon vorgestellt, der als Vater des Data Warehouse gilt. Er definierte einData Warehousewie folgt:
„Eine themenorientierte, integrierte, zeitvariable und nichtflüchtige Datensammlung, die den Managemententscheidungsprozess unterstützt.“
Jede Organisation hat Datenprobleme. Diese Probleme lassen sich in zwei Gruppen einteilen.
Inkonsistenz:Jede Abteilung eines Unternehmens erzeugt Daten. Diese Daten sind jedoch in verschiedenen Formaten über die Anwendungen verstreut. Dadurch ist es schwierig, aus diesen Daten wertvolle Erkenntnisse zu gewinnen.
Zugriff:Da die Daten in operativen Silos des Unternehmens gespeichert sind, ist es schwierig, auf sie zuzugreifen und sie für Entscheidungsprozesse zu nutzen.
Durch das Zusammenstellen, Standardisieren und Laden der Daten ist das Data Warehouse in der Lage, das Problem für Business-Intelligence-Tools zu lösen, indem es den Zugriff sicherstellt und eine einheitliche Datenbasis bereitstellt.
Wie machen sie das?
Der Implementierungspartner entwickelt in Zusammenarbeit mit dem IT-Team die benötigte Software und die entsprechenden Protokolle. Diese Software und Protokolle transformieren die Daten in ein einheitliches Format. Dadurch werden systembedingte Fehler beseitigt und die aus anderen Quellen gesammelten Informationen logisch miteinander verknüpft.
Sobald diese Daten im Data Warehouse gespeichert sind, können sie von Business-Intelligence-Systemen zu Analyse- und Berichtszwecken genutzt werden.
Ein ausführliches Beispiel
Das Data Warehouse bietet einezentrale Datenquelle („Single Version of Truth“). Es bietet einen großen Mehrwert durch saubere und konsolidierte Daten, auf die alle Benutzer zugreifen können. Die Implementierung des Systems birgt jedoch verschiedene organisatorische und technische Herausforderungen. Diese Herausforderungen müssen bewältigt werden, um das volle Potenzial eines Data Warehouse auszuschöpfen.
Nehmen wir als Beispiel einKonsumgüterunternehmen. Das Unternehmen möchte ein Data Warehouse zur Verwaltung seiner Verkaufsdaten einführen. Es betreibt drei Produktionsstandorte und vertreibt seine Produkte in über hundert Ländern. Gebietsleiter und lokale Tochtergesellschaften sind für den Produktvertrieb zuständig.
Anfangs befanden sich die Daten in Tabellenkalkulationen, die von einer separaten Controlling-Abteilung verwaltet wurden. Die Umsatzplanzahlen lagen in unterschiedlichen Formaten vor. Die Analyse erfolgte hauptsächlich mithilfe von Pivot-Tabellen. Diese Tabellen mussten manuell über komplexe Abfragen zusammengeführt und synchronisiert werden. Dies führte zu erheblicher Redundanz und uneindeutigen Umsatzzahlen.
Um diese Daten sinnvoll zu nutzen, entschied sich das Unternehmen für die Implementierung eines Data Warehouse. Hauptziel war die Bereitstellung aktueller und konsolidierter Daten für die lokalen Niederlassungen und Gebietsleiter. Die Implementierung des Data Warehouse begann mit der Ablösung dertabellenkalkulationsbasierten Planung. Dadurch wurde die Vertriebsplanung durch Data Warehousing unterstützt. Die automatisierten ETL-Prozesse zur Datenzufuhr aus verschiedenen Quelltabellen vereinfachten den Prozess erheblich. Die unübersichtlichen manuellen Datenimporte gehören damit der Vergangenheit an.
Die zugrundeliegenden Daten können nun direkt gelesen und automatisch aktualisiert werden. Änderungen der Betriebsdaten werden regelmäßig abgebildet. Dies führt zu einer einheitlichen Darstellung mit höherer Detailgenauigkeit als zuvor. Jeder am Planungsprozess Beteiligte erhält so Zugriff auf die Daten. Zudem werden Ineffizienzen durch Kommunikationslücken minimiert, indem eine einheitliche Version der Unternehmensverkaufsdaten bereitgestellt wird.
Warum ist eine einheitliche Datenbasis so wichtig? Für die korrekte Visualisierung der Unternehmens-KPIs ist der Zugriff auf alle relevanten Daten unerlässlich. Daher ist ein Data Warehouse für Business-Intelligence-Tools unverzichtbar, um Nutzern die Möglichkeit zu geben, strategische Entscheidungen auf Basis aller Daten zu treffen.
Entdecken Sie das Potenzial von Enterprise-Analytics-Plattformen
Nutzen Sie Enterprise-Analytics-Tools wie Power BI und die Azure-Datendienste, um eine Analyselösung zu erstellen, die den Geschäftsanforderungen gerecht wird.
Lesen Sie mehr, um zu erfahren, wie
Um im kundenorientierten Zeitalter von Unternehmen zu bestehen, entwickelt sich Business Intelligence (BI) kontinuierlich weiter. Die Technologie passt sich den Datentrends an. Es hat sich jedoch gezeigt, dass Data Warehousing die technologische Reife überholt hat. Dies erforderte die Entwicklung eines Data-Warehousing-Modells mit bestimmten Merkmalen:
- Das Modell muss agil sein, um spezifische Geschäftsprobleme zu lösen und schnell einen Mehrwert für das Unternehmen zu schaffen.
- Data Warehousing muss die„nächste Datengeneration“integrieren. Datenspeicherung und Data Mining haben sich grundlegend verändert. Daten aus dem Internet der Dinge werden im Wettbewerbsumfeld voraussichtlich eine entscheidende Rolle spielen. Daher muss das neue Data Warehouse leistungsstarke Möglichkeiten für Echtzeit-Datenstreaming bieten. Dies kann zu einer verbesserten Business Intelligence beitragen.
Business Intelligence und Data Warehousehaben sich unabhängig voneinander erfolgreich entwickelt. Gemeinsam ermöglichen sie jedoch ein breites Spektrum an praktischen Anwendungsmöglichkeiten, das vor wenigen Jahren noch als unmöglich galt. Ihre Kombination hat das Unternehmen über die ursprünglichen Unternehmensziele hinaus vorangebracht und die beiden Disziplinen untrennbar miteinander verbunden. Daher ist„das Ergebnis dieser Technologien für das Unternehmen von größerer Bedeutung als die Summe ihrer Einzelvorteile“.
Sammeln Sie Erfahrung mit Data Warehousing über die Cloud.
Entwickeln Sie ein Data Warehouse für Echtzeitanalysen und bringen Sie jahrzehntelange Innovationen im Datenmanagement in die Cloud.
Sprechen Sie mit unseren Experten
Diese Infografik fasst die Entstehung undVerbreitung von Datenanalysenim Laufe des letzten Vierteljahrhunderts zusammen, die durch die Erkenntnis ihrer Bedeutung in allen Branchen und Unternehmen vorangetrieben wurde.
