Welchen Stellenwert hat ein DWH heute? Es ist schon viele Jahre her, dass im Zuge der Datenanalysen, die in den Unternehmen verstärkt durchgeführt wurden, der Ruf nach dem „Single Point of Entry“ laut wurde. Mitte der 80er Jahre kam so das Data Warehouse auf, als zentrale Datenhaltung, die einen komfortablen Datenzugriff für die Nutzer ermöglichen sollte. Heterogene und verteile Datenbestände wurden zusammengeführt, um eine konsistente Basis für die Auswertungen der Unternehmensdaten zu bilden.
Mehr als 30 Jahre später haben sich die Anforderungen an die Analyse der Daten extrem verändert und das DWH hat ein etwas angestaubtes Image bekommen. Relevante strukturierte und unstrukturierte Informationen sollen in Echtzeit kosteneffizient und flexibel über die Cloud erreichbar sein und interne und externe Daten werden miteinander verarbeitet. Schnell wird daraus geschlossen, dass ein DWH heute nicht mehr notwendig ist.
Unsere kostenfreie Infografik zeigt Ihnen, warum Sie heute (nicht mehr) auf ein Data Warehouse setzten sollten. Klicken Sie auf den Button zum Download.
DWH - Data Warehouse im Big-Data-Umfeld
Trotzdem nutzen viele Firmen das DWH immer noch als zentralen Anlaufpunkt für alle Unternehmensinformationen und deren Aufbereitung zu Standard-Reports und -Analysen, gerade auch in Hinblick auf Vergleiche mit Vergangenheitsdaten, eine der großen Stärken eines DWHs.
Was sich geändert hat, ist zum einen die Integration von Data-Warehouse- und Big-Data-Technologien im Zuge von Digitalisierung und IoT und zum anderen die Verarbeitungsgeschwindigkeit respektive die Datenvolumen, die beide stetig zunehmen. Die Herausforderung liegt nun darin, im Big-Data- und Data-Lake-Umfeld qualitative Informationen an das Data Warehouse anzukoppeln.
Alt und neu – erst Vergleiche machen Daten wertvoll
Wenn es gelingt, unstrukturierte Daten zu analysieren und darin Muster zu erkennen, können diese Daten in ein DWH überführt werden. Der Vorteil liegt darin, dass sich dann durch die Vergleichsgrößen, die oft in der Vergangenheit liegen, Muster unterscheiden und bewerten lassen. Daten über einen längeren Zeitraum zu speichern oder zu vergleichen, das ist eine der Stärken eines DWH.
Moderne Technologien und doch fußt vieles auf der Vergangenheit
Auch bei KI-gesteuerten Systemen, die kognitive Fähigkeiten entwickeln sollen, funktioniert Lernen nur über den Vergleich mit bestimmten Systematiken, Mustern oder Profilen, die aus gespeicherten Informationen abgeleitet wurden. So lassen sich neue kognitive Verknüpfungen herstellen. Die prädiktive Analyse braucht ebenso den Vergleich mit vorliegenden Datenprofilen, um Muster oder neue Trends identifizieren zu können. Beispielsweise existieren in der Produktion feststehende Kriterien für die Qualität von Produkten oder Prozessen. Diese basieren ebenfalls auf Vergangenheitsdaten. Ergebnisse aus Datenaufzeichnungen lassen sich nur validieren, indem die Qualität über eine gewisse Zeitspanne hinweg analysiert und gemessen wird.
Es ist und bleibt in
Aus meiner Sicht ist und bleibt ein DWH eine wesentliche Säule für den Unternehmenserfolg. Sollte ein älteres DWH durch steigende Datenmengen, höhere Anwenderzahlen und Abfragefrequenzen an seine Grenzen kommen, so lohnt sich eine Bestandsaufnahme und ein Blick auf die Anforderungen. Meist ist ein radikaler Neuanfang nicht nötig, sondern es geht darum, bestehende Lösungen und Architekturen zu ergänzen und zu erweitern. Unsere DWH-Experten stehen Ihnen gerne beratend und projektbegleitend zur Seite. Haben Sie Interesse an einem unverbindlichen Austausch, dann senden Sie mir bitte einen Terminvorschlag an kontakt@mip.de, damit ich Ihr Gespräch in die Wege leiten kann. Wir freuen uns auf Sie!
Ihre
Ursula Flade-Ruf
Geschäftsführerin
