Warum man wirklich ein Data Warehouse braucht – Ein Plädoyer

Immer wieder werde ich von Entscheidern und Anwendern gefragt: «Was genau bringt uns ein Data Warehouse? ich kann doch einfach die Daten für meinen Bericht im Excel bereitstellen, das mit dem DWH dauert mir zu lange!» Ja, natürlich entwickelt man ein DWH nicht dem Selbstzweck wegen. Das Data Warehouse ist aber die Grundlage für viele verschiedene analytische Funktionen und Anwendungsfälle im Unternehmen. Eine noch so schöne Grafik nützt nichts, wenn sie auf schlechten oder falschen Daten beruht. Die Schwierigkeit als DWH/BI Berater ist es also, dem Entscheider und Anwender den Nutzen eines DWH näher zu bringen. Denn was der Endkunde sieht, ist nicht das DWH selbst, sondern grafische Berichte, Dashboards, Applikationen und Auswertungen. Das Data Warehouse ist also ein für den Anwender relativ abstraktes Puzzle-Teil einer ganzen Business Intelligence Architektur. Eines ist somit klar: Ein DWH ist definitiv nicht sexy 😉 Warum lohnt es sich dennoch, die Konzeption eines Data Warehouse in Erwähgung zu ziehen? 3 Gründe:

1. Einzige Quelle der Wahrheit
Wer kennt ähnliche Situationen nicht: Herr Muster zeigt an einer Sitzung die Anzahl geleisteter Stunden seiner Mitarbeiter auf Projekt A. Herr Meier ist darüber erstaunt, denn sein System gibt ihm eine ganz andere Zahl. Welche stimmt nun? Die Frage ist allerdings vielmehr: Was ist die richtige Definition? Herr Muster hatte seine Zahl aus dem Zeiterfassungstool, während Herr Meier seine Auswertung aus den Verrechnungssystem bezog. Diese dezentrale Art der Informationsbeschaffung nennen wir Spider-Web: Jeder kann sich von jedem System Daten beschaffen und sie aufbereiten. Das DWH schafft mit der sogenannten Hub-and-Spoke Architektur Abhilfe: der Teil der Datenbeschaffung wird zentralisiert, um eine gemeinsame Datengrundlage zu schaffen. Damit kann das Risiko der unterschiedlichen Interpretation von Kennzahlen im Unternehmen massiv reduziert werden.

2. Kostenreduktion
Ja, ein DWH-Projekt kostet sein Geld. Sind aber die Daten intelligent modelliert, bildet es die Basis, um viele verschiedene analytische Anwendungsfälle abzudecken. Möchte der Controller einen neuen Bericht, so kann auf den bestehenden Datenquellen aufgebaut werden – ohne Neuintegration der Quelle. Essentiell ist es, ein zugleich stabiles, aber auch flexibles Architektur- und Schichtenkonzept zu wählen. Es ist darauf zu achten, dass bei der Datenbeschaffung eine stabile Basisdatenbank aufgebaut wird, die über eine homogene Modellierung so wie eine stringende Namensgebung verfügt. Der DWH-Betrieb wird es Ihnen verdanken 😉 Diese Kerndatenbank sollte so aufgebaut sein, dass sie unabhängig von einer spezifischen Anforderung (z.B Bericht fürs Controlling) modelliert ist. Darauf aufbauend können sogenannte Data Marts und OLAP-Cubes für individuelle Anwendungsfälle (z.B Marketing, Controlling, Daten für Applikationen zur Preisberechnung, Export-Schnittstellen) erstellt werden. Letztlich ist es also viel einfacher, auf einer bestehenden DWH Basisdatenbank aufzubauen, als bei jeder neuen Anforderung Daten (z.T redundant) neu zu beschaffen 😉

3. Wissensvernetzung
Einer der Vorteile einer Data Warehouse Umgebung ist auf jeden Fall die Vernetzung von Informationen im Unternehmen. Nur wenn Daten aus verschiedenen Quellen semantisch richtig zusammengeführt werden, können übergreifende Fragestellungen analysiert werden. Wie ist der Einfluss der Anrufe im Call Center auf die Gestaltung des Produktportfolios? Diese Fragestellung könnte man ohne einen zentralen Datentopf nicht beantworten – Das DWH schafft hier die ultimative Grundlage, um neues Wissen (z.B auch mit Data Mining) zu generieren und verschiedenen Geschäftseinheiten- und Prozessen zur Verfügung zu stellen. Im Zeitalter der Information ist das ein absolutes Muss und ein ziemlich schlagkräftiger Differenzierungsfaktor 😉