DataWarehouse

Steht Ihr DataWarehouse auf stabilen Säulen?

Moderne DataWarehouse Umgebungen müssen eine große Anzahl verschiedenster Datenbanken, Dateisysteme, Tools and Applikationen integrieren, wobei diese Komponenten in unterschiedlichster Weise strukturiert und beschrieben sind. Die Anwender im Hause sollen eine weitgehende Autonomie in der Nutzung dieser Informationen haben und in die Lage versetzt werden, Geschäftsprozesse und Märkte zu analysieren, Entscheidungen zu treffen und Strategien zu entwickeln. Wir erkennen, wie wichtig hierfür korrekte, vollständige, aktuelle und direkt nutzbare Informationen sind.

Und wie steht es in Ihrem bestehenden oder geplanten DataWarehouse mit diesen Anforderungen? Die Daten in einem DataWarehouse sind immer transformiert, integriert, aggregiert, kumuliert und aufbereitet. Somit hängen richtige Analysen und Entscheidungen unmittelbar ab von der Qualität der einfließenden Daten und der Qualität der angesprochenen Aufbereitungsprozesse. Inwieweit erzielen Sie für Ihre Anwender die notwendige Transparenz in die Sicherstellung dieser Qualitätsanforderungen, um so den mittel- und langfristigen Erfolg des DataWarehouse zu manifestieren?

Mit dem DataWarehouse wird neben der operativen Welt der originären Datenbestände mit daraus selektierten Daten ein dispositives Umfeld aufgebaut, dessen Ableitung mit Herkunft, Umsetzung und neuer Struktur immer nachvollziehbar bleiben muss. Nur so kann sichergestellt werden, dass beispielsweise bei notwendigen Anpassungen im operativen Datenbestand die daraus resultierenden Änderungen in der DataWarehouse Umgebung präventiv angegangen werden können.

Instrumente für diese 'Qualitätssicherung' sind ein integriertes Metadaten- und RepositoryManagement, mit denen alle Informationen über die Strukturen, Inhalte und Abhängigkeiten der DataWarehouse Komponenten festgehalten werden. Dabei sind nicht nur die herkömmlichen technischen Metadaten (wie Tabellen- und Satzstrukturen, Umsetzungstabellen und -regeln, etc.) relevant, sondern auch die semantischen (fachlichen) Metadaten, die als fachlich orientierte Beschreibung die Definitionen und Inhalte von Business-Objekten, deren Bereitstellung und vieles mehr wiedergeben. Auch die auf der Business-Ebene zusammengeführten mehrdimensionalen Datenwürfel (Cubes) werden erst über ihre semantischen Metadaten als flexible Auswertebasis tauglich.

Dabei ist nicht von entscheidender Bedeutung die Anzahl der definierten Metadatenebenen (z.B. 3 Ebenen mit Operational-, DataWarehouse- und Business-Layer oder 4 Ebenen mit technischlogisch, fachlich-konzeptionell, DataMart- und Unternehmens-Layer) (siehe Abb. 1), sondern die Durchgängigkeit des MetadatenManagements über alle Ebenen hinweg und auch innerhalb der jeweilige Ebene.

Abbildung 1: Metadatenebenen

Dies vollzieht sich in einem zentralen Metadatenmodell. Seine Struktur bestimmt sich im wesentlichen aus den Integrationserfordernissen der verschiedenen Metadaten der DataWarehouse-Umgebung und den Informationsbedürfnissen der Anwender.
Die Möglichkeit, mit einem zentralen Modell die Metadaten der unterschiedlichen am DataWarehouse Prozess beteiligten Tools in einer einheitlichen Semantic in einer Metadatenbasis zusammenzuführen bzw. aus dieser heraus wiederum auch zu versorgen, ist ein entscheidender Faktor für die Qualitätssicherung des DataWarehouse und seiner Prozesse.

Abbildung 2: DataWarehouse-Tools

Die zunehmenden Integrationsanforderungen innerhalb der DataWarehouse Welt förderten die Bemühungen um eine weitergehende Standardisierung der Metadaten in diesem Umfeld. So wurden einheitliche übergreifende Standard-Metamodelle definiert, wobei sich inzwischen das Common Warehouse Model (CWM) der Object Management Group (OMG) als Repräsentationsmodell durchgesetzt hat. Ebenso ist heute das XML Metadata Interchange Format (XMI) ein anerkannter Standard für den Austausch von Metadaten zwischen den beteiligten Komponenten des DataWarehouse.

Das technische Umfeld ist verfügbar. Stellen Sie sicher, dass Ihr Data Warehouse auf stabilen Säulen steht. Ein MetadatenManagement ist dafür der Dreh- und Angelpunkt. So erreichen Sie:

• den ‚Single-Point-of-Truth', aus dem heraus alle Beschreibungen gefunden werden zur Verwaltung, Nutzung und Aktualisierung des DataWarehouse
• die Eliminierung von Redundanzen und Inkonsistenzen
• die optimale Koordination aller am DataWarehouse-Prozess Beteiligten
• eine Vereinheitlichung der Schnittstellen
• eine Beherrschbarkeit des komplexen Systems
• eine Ableitung weitergehender Synergien auf Basis der verfügbaren Metadaten
• eine Reduzierung der Wartungsaufwände für die konsistente Bereithaltung des DataWarehouse, denn
  • auch im DataWarehouse fallen 70 % der Aufwände in der Wartungsphase an
  • kein DataWarehouse wird mehr als 1 Jahr ohne Veränderung genutzt
  • der Verlust von Aktualität ist schleichend, oft unbemerkt, die Auswirkung fatal

Wir kennen die Modelle, wir kennen die Verfahren, wir kennen die Standards. Wir haben die Erfahrungen, die Ziele zu erreichen und die Restriktionen zu beseitigen.

Wir möchten Sie erfolgreich wissen. Bauen Sie auf unsere Erfahrung.