Was ist Data-Warehousing?

Data Warehousing gewinnt immer mehr an Bedeutung. Diese Form der Datenverarbeitung ist aus keinem großen Unternehmen mehr wegzudenken. Data Warehouse-Analysten sind begehrt wie nie. Finden Sie heraus, was dahinter steckt.

Was ist die Definition von Data Warehousing?

Immer wieder liest man vom Data Warehouse oder Data Warehousing und der wachsenden Bedeutung der Datenverwaltung und -auswertung innerhalb von Unternehmen. Mehr denn je beeinflussen bereits archivierte und aktuell erhobene Daten Unternehmensentscheidungen und Strategien.

Doch was ist die Definition von Data Warehousing eigentlich genau?
Einfach gesagt: Es ist eine Sammlung von Unternehmensinformationen und Daten unterschiedlichster Art. Diese stammen wiederum aus dem unternehmenseigenen System und externen Datenquellen. Ein solches System der Datenvorhaltung ist Basis für Business Intelligence (BI). Data Warehousing ist im besten Fall so konzipiert, dass es Geschäftsentscheidungen unterstützt, indem es eine Zusammenführung von Daten, deren Analyse und Visualisierung auf verschiedenen Ebenen ermöglicht. Hierfür gibt es viele unterschiedliche Software-Tools, die Sie in jedem Prozess dabei unterstützen. Die meisten großen Unternehmen arbeiten mit dieser Art von Datenverarbeitung und gerade im Bereich der Unternehmensberatung ist diese Form der Informationsgewinnung von großer Bedeutung.

Wie sieht der Aufbau eines Data Warehouses aus?

Effektives Data Warehousing enthält folgende Elemente und Faktoren, die es zu erfüllen gilt:

  • den Aufbau einer zentralisierten Datenhaltung
  • die Trennung operativer und analytischer Datenbestände
  • einen Weg der Integration der unterschiedlichen Datenquellen und die Archivierung der vorhandenen Datenbestände, bei der neue und geänderte Datensätze die alten nicht ersetzen, sondern separat gespeichert werden.

Eine zentrale Datenbank ist das Herzstück in einem solchen System. Sie kann in der heutigen Zeit in die Cloud als Software as a Service (SaaS) ausgelagert werden oder einen Aufbau im eigenen Rechenzentrum finden. Ein verbreitetes System ist hier basierend auf SQL Server, Oracle oder Postgres.

Die verschiedenen Daten liegen hier möglichst kategorisiert und gepflegt vor, damit jeder Mitarbeiter mit einer gleichen Datenbasis arbeitet. Um die Performance der IT-Infrastruktur bei gleichzeitigem Zugriff auf die Bestände sicherzustellen, muss eine Trennung operativer und analytischer Datenbestände erfolgen. Dabei werden aktuelle Vorgänge der Verarbeitung bestimmter Datenmengen unabhängig vom Quellbestand durchgeführt. Zur Anbindung externer Datenquellen an das eigene System gibt es unterschiedliche Wege, bei denen man sich meist auf gängige Formate festlegt.

Daten - eine Währung unserer Zeit

Welche Daten in einem Unternehmen genau anfallen, hängt stark davon ab, in welcher Branche es tätig ist oder wie groß es ist. Dabei werden sowohl in der internen Mitarbeiter- und Prozessverwaltung Daten erzeugt, als auch im Zusammenspiel mit externen Bereichen wie Lieferanten oder Kunden Daten erzeugt und im System erfasst. Dazu kommen weitere Daten, die extern entstehen, wie zum Beispiel Marktdaten sowie Kennzahlen aus Marketing und PR.

Ein Unternehmen speichert beispielsweise Informationen über seine Mitarbeiter, deren Gehälter, entwickelte Produkte, Kundeninformationen, Umsätze und Rechnungen.

Aktuell besonders wichtig bei der Verarbeitung ist die Beachtung der Grundsätze des Datenschutzes. Ganz besonders ist dies bei personenbezogenen Daten der Fall. 

Data Warehousing in der Praxis

Beispiele für den Einsatz können folgendermaßen aussehen:

  • Ein CEO möchte die neuesten Kostensenkungsmaßnahmen planen, für die er auf all diese Daten zurückgreifen muss und diese zusammengefasst benötigt. Hier fängt eine typische Tätigkeit eines Data Warehousing Spezialisten an, da dies ist ein zentraler Service des Data Warehouses ist. Mit seiner Arbeit ermöglicht er es den Führungskräften, fundierte Entscheidungen auf Grundlage all dieser unterschiedlichen Rohdaten zu treffen. Dazu muss vorab eine Definition der Parameter erfolgen.
  • Ebenso kann ein Verkaufsleiter Lagerdaten aus dem System abfragen, um die Marktnachfrage für ein bestimmtes Produkt, Verkaufsdaten nach geografischen Regionen oder andere Anfragen zu ermitteln. Dies gibt Aufschluss über die notwendigen Schritte, um ein bestimmtes Produkt effektiver zu vermarkten.

Was macht ein Data Warehouse Analyst?

Per Definition ist die Aufgabe eines Data Warehouse Analysten die Verwaltung und Analyse von Daten in einem System. Dazu gehört auch, Daten einzupflegen und zu sichern. Am Ende verwenden Sie die relevanten Daten nach Bedarf und interpretieren sie, ausgerichtet auf eine bestimmte Zielstellung. Es handelt sich also um eine wichtige Schnittstelle zwischen dem Management und der IT.

Zum erweiterten Aufgabengebiet zählt unter Umständen auch das Erarbeiten von Strategien und Konzepten zur Nutzung dieser gesammelten Informationen. Wichtig ist hier, einen Gesamtüberblick über das Geschäftsfeld zu haben sowie die Kenntnis der internen Prozesse.  Eine der wichtigsten Fähigkeiten, die ein Data Warehouse Analyst mitbringen sollte, sind Erfahrung im Projektmanagement sowie idealerweise in der Softwareentwicklung. Ebenso ist ein mathematisches Verständnis unabdingbar. Da sie Daten auch visualisieren und oft auch präsentieren, sind ein ausgeprägtes Abstraktionsvermögen und eine hohe Kommunikationskompetenz von Vorteil. Visualisierungen erfolgen in Form von Charts, Grafiken und anderen, vereinfachten Darstellungen, die Zusammenhänge zwischen den einzelnen Datenelementen aufzeigen sollen.

Da die Datenmengen in Zukunft noch weiter zunehmen werden, ist die Tätigkeit als Data Warehouse Analyst eine sehr zukunftsträchtige. Eine klare Definition ist deshalb nicht zu 100 Prozent möglich, da sich diese mit der Zeit immer weiter verändern wird.

 

Diskutieren Sie mit!     

Noch keine Kommentare zu diesem Artikel. Machen Sie gerne den Anfang!

Um unsere Kommentarfunktion nutzen zu können müssen Sie sich anmelden.

Anmelden

Weitere Highlights auf CONSULTING.de