Nachtbergwelt Banner

DWH

Ein sauberes Data Warehouse als Grundlage f√ľr viele Anwendungsf√§lle

Was ist ein Data Warehouse?

Ein Data Warehouse ‚Äď kurz DWH ‚Äď beschreibt ein zentrales Datenbanksystem. Dieses wird f√ľr Analysen im Unternehmen eingesetzt. Das Data Warehouse extrahiert, sammelt und sichert Daten aus unterschiedlichen, heterogenen Datenquellen und versorgt nachgelagerte Systeme.

Ein Data Warehouse ist demnach in vier Teilprozesse gliederbar: Der Datenbeschaffung, Datenhaltung, Datenversorgung und der Datenauswertung.

Data Warehouse_DWH_CINTELLIC

Data Warehouse (DWH) und DataMarts

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 qualit√§tsgesichert zusammengef√ľhrt werden. So werden Analysen √ľber viele Dimensionen wie Kunde, Produkt, K√§ufe usw. erm√∂glicht. Diese globale Sicht auf Daten aus unterschiedlichen Datenbest√§nden wird durch eine geeignete Datenmodellierung im Kern wie z.B. Data Vault erm√∂glicht, die je nach Anforderungslage auszuw√§hlen ist. Dabei wird der Aufbau durch eine geeignete Data Governance unterst√ľtzt, welche sowohl die Verantwortung √ľber die Daten als auch die Sicherstellung der Datenqualit√§t gew√§hrleistet.

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 unabh√§ngigen themenorientierten Systemen besteht. Auch die DWH-interne Architektur ist relevant f√ľr den nachhaltigen Aufbau einer analytischen Datenbasis. F√ľr 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 er√∂ffnen schlie√ülich das volle Potenzial der Big Data-Technologie.

CINTELLIC unterst√ľtzt Sie beim Aufbau und der Optimierung von DWHs, DataMarts oder generell bei Ihrer Datenbereitstellung sowie Data Governance.

Abbildung DWH Datamarts

passend hierzu

Ihr Mehrwert

  • Konzeption und Umsetzung der DWH- und DataMart-Zielarchitektur
  • Definition einer Systemarchitektur / Business Intelligence Landschaft
  • Erstellung der Data Warehouse-internen Schichten
  • Unterst√ľtzung bei der Erweiterung des DWH um Big Data-Technologie wie einer Data Refinery inkl. Data Lake
  • Konzeption von zuk√ľnftigen Anwendungsf√§llen
  • 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 √úbergabe in den Regelbetrieb
  • Praktisches Know-How in der Anbindung und Umsetzung von fachlichen Use Cases im CRM-Umfeld

Wir beantworten gerne Ihre Fragen zum Thema DWH/DataMart

CINTELLIC_Niklas-Scheiwe

Niklas Scheiwe

Senior Consultant
info@cintellic.com
CINTELLIC Consulting - Social Media