DWH
Totgesagte leben länger - warum auch heute ein sauberes DWH die Grundlage für viele Anwendungsfälle ist
Data Warehouse (DWH) und DataMarts
Der Definition nach ist ein Data Warehouse (abgekürzt DW oder DWH) eine für Analysezwecke optimierte zentrale Datenbank, die Daten aus mehreren, in der Regel heterogenen Quellen zusammenführt und verdichtet. Durch wachsende Datenberge und die Möglichkeiten, auch semi- oder unstrukturierte Daten zu verarbeiten wurde in vergangener Zeit oft schon der Tod des DWHs vorhergesagt.
Vorteil eines DWH ist es jedoch, dass strukturierte Daten nicht nur abgelegt werden, sondern in einem voll integrierten Kern qualitätsgesichert zusammengeführt werden. So werden Analysen über viele Dimensionen wie Kunde, Produkt, Käufe usw. ermöglicht. Diese globale Sicht auf Daten aus unterschiedlichen Datenbeständen wird durch eine geeignete Datenmodellierung im Kern wie z.B. Data Vault ermöglicht, die je nach Anforderungslage auszuwählen ist. Dabei wird der Aufbau durch eine geeignete Data Governance unterstützt, welche sowohl die Verantwortung über die Daten als auch die Sicherstellung der Datenqualität gewährleistet.
Von einem gut funktionierenden Kern ausgehend können schnell einzelne Data Marts aufgebaut werden, die einzelne Anwendungsfälle wie Kampagnenmanagement, Analytics oder Reporting ermöglichen.
Die Kunst, aus vorhandenen Daten alles heraus zu holen
Es gibt verschiedene Architekturvarianten um ein Data Warehouse zu konzipieren: Je nach Unternehmensstruktur und BI-Strategie empfiehlt sich ein zentrales Enterprise Data Warehouse oder ein DWH, welches aus mehreren unabhängigen themenorientierten Systemen besteht. Auch die DWH-interne Architektur ist relevant für den nachhaltigen Aufbau einer analytischen Datenbasis. Für eine transparente und effiziente Datenbewirtschaftung aller DWH-Systeme ist eine schlanke Schnittstellenarchitektur mit einem hohen Grad an Wiederverwendbarkeit erforderlich. Der Einsatz von Real-Time-Komponenten und eine breite Analyseplattform in Form eines Data Lake eröffnen schließlich das volle Potenzial der Big Data-Technologie.
CINTELLIC unterstützt Sie beim Aufbau und der Optimierung von DWHs, DataMarts oder generell bei Ihrer Datenbereitstellung sowie Data Governance.
passend hierzu
Ihr Mehrwert
- Konzeption und Umsetzung der DWH- und DataMart-Zielarchitektur
- Definition einer Systemarchitektur / Business Intelligence Landschaft
- Erstellung der Data Warehouse-internen Schichten
- Unterstützung bei der Erweiterung des DWH um Big Data-Technologie wie einer Data Refinery inkl. Data Lake
- Konzeption von zukünftigen Anwendungsfällen
- Modellierung und Aufbau eines architekturkonformen Schnittstellenkonzepts
Unser USP
- Routine im erfolgreichen Aufbau unterschiedlicher Datawarehouses vom EDWH bis zu spezifischen DataMarts
- Begleitung von der Architektur bis zur Umsetzung und Übergabe in den Regelbetrieb
- Praktisches Know-How in der Anbindung und Umsetzung von fachlichen Use Cases im CRM-Umfeld
