Das Data Warehouse ist nicht tot:Es braucht nur eine Automatisierungsüberholung

Da Unternehmen Daten in einem viel größeren Umfang als je zuvor nutzen, werden diese neuen Fähigkeiten und Rollen sowohl Flexibilität als auch ermöglichen Fokus innerhalb von Unternehmen – Unterstützung eines stärker datengesteuerten Ansatzes und letztendlich eines größeren Geschäftserfolgs

Die Data-Warehouse-Automatisierung ist eine dieser Erfindungen, die so früh und so innovativ ist, dass nur Early Adopters und Visionäre den Sprung ins Vertrauen gewagt haben. Der Rest der Geschäftswelt hat entweder noch nichts von Automatisierung gehört oder misstraut etwas, das zu gut aussieht, um wahr zu sein. Aber nur weil es zu gut aussieht, um wahr zu sein, ist es noch lange nicht falsch.

Ein Mönch, der mit seiner Feder Bibelexemplare schreibt, hätte vielleicht gedacht, eine Schreibmaschine sei zu schön, um wahr zu sein, wer weiß, welche Tricks er sich in der späteren Entwicklung von Textverarbeitungsprogrammen, Computern und iPads ausgedacht hätte?

Die Druckmaschine modernisierte und revolutionierte die Welt des Drucks. Jetzt revolutioniert die Data-Warehouse-Automatisierung das Data-Warehousing mit ähnlichen Ergebnissen; finanzielle Einsparungen, Geschwindigkeitsgewinne, Effizienz und Genauigkeit. Aber bevor wir uns mit der Zukunft des Data Warehousing befassen, gehen wir zurück in die 80er Jahre, als Data Warehouses erstellt wurden, um zu sehen, warum es an der Zeit ist, weiterzumachen.

Die Probleme traditioneller Data Warehouses

Die traditionelle Art, Data Warehouses zu erstellen, ist schneckenlangsam. Die ETL-Codierung wird von Hand geschrieben, sodass es Monate dauert, das Data Warehouse aufzubauen, das zum Zeitpunkt der Bereitstellung häufig nicht mehr mit den Anforderungen übereinstimmt. Es ist, als würde ein Mann Jahre brauchen, um sein Zweisitzer-Cabrio zu restaurieren, bis es fertig ist, gerade als seine Frau verkündet, dass sie mit Zwillingen schwanger ist.

> Siehe auch:Fünf Gründe, warum Automatisierung die Zusammenarbeit fördert

Die traurige Tatsache ist, dass der wahre Wert und die Möglichkeiten der Daten selten verstanden werden, bis das Data Warehouse aufgebaut ist, aber bis dahin ist es zu spät. Das Lager ist, wenn es nicht vor Fertigstellung aufgegeben wird, eine teure, unflexible Enttäuschung.

Vielleicht sind deshalb viele Technologen und Vordenker bereit, das Data Warehouse für tot zu erklären – im Zeitalter von Big Data nicht mehr relevant. Aber diese Prognostiker irren sich. Big Data kann ein Data Warehouse erweitern und bereichern, aber nicht ersetzen. Nicht Data Warehouses sind tot, sondern die traditionelle Art, sie zu entwerfen und zu erstellen.

Dein Data Warehouse richtig machen

Im Kern integriert das Data Warehouse kritische und wertvolle Unternehmensdaten, die nicht in Big-Data-Quellen zu finden sind und weiterhin die primäre Datenquelle für deskriptive, präskriptive und Entscheidungsanalysen darstellen. Es dient als Unternehmensgedächtnis und sammelt die Geschichte, die Zeitreihen- und Trendanalysen ermöglicht.

Das Data Warehouse organisiert und strukturiert Daten auch, um sie verständlich und nützlich für die Nutzung durch viele verschiedene Geschäftsbeteiligte zu machen. Diese Business Intelligence verschafft Unternehmen den entscheidenden Vorteil, indem sie sie wettbewerbsfähiger, kundenorientierter und profitabler macht.

Data Warehouse-Automatisierung, die Zukunft des Data Warehouse

Data Warehouses werden auf absehbare Zeit benötigt, aber sie müssen schneller und zu angemessenen Kosten aufgebaut werden können, sich schnell an sich ändernde Anforderungen anpassen und auf geschäftliche und technische Veränderungen reagieren können. Und all dies muss ohne Kompromisse bei der Lösungsqualität erfolgen.

Betreten Sie die Data Warehouse-Automatisierung, die Zukunft des Data Warehouse. Data-Warehouse-Automatisierung liefert Qualität und Effektivität durch die Fähigkeit, bessere Lösungen zu entwickeln; Lösungen, die echte Geschäftsanforderungen erfüllen.

Mit der Data-Warehouse-Automatisierung kann das Unternehmen Änderungen viel später im Entwicklungsprozess vornehmen und Änderungen können häufiger mit weniger Unterbrechungen, Verschwendung und Nacharbeit erfolgen. Diese Effizienz macht nicht nur Freude, sie spart Zeit, Ressourcen und Geld. In einem traditionellen Data-Warehouse-Build ist es aufgrund des linearen Entwicklungsprozesses besonders schwierig, vollständige und korrekte Anforderungen zu erhalten. Die Automatisierung bringt auch Qualitätsvorteile durch die Durchsetzung von Standards und die Standardisierung der Entwicklungsprozesse.

> Siehe auch:Automatisierungssoftware:die „Universal-Fernbedienung“ für die Unternehmens-IT

Die Agilität des automatisierten Data Warehouse beschränkt sich nicht auf seine Änderungsfähigkeit im Warehouse-Entwicklungsprozess, es kann auch mit Änderungen der Geschäftsanforderungen umgehen. In Echtzeit und ohne Verzögerung durch langwierige Projekte auf Änderungen zu reagieren, ist das Wesen der geschäftlichen Agilität.

Besser und schneller bauen

Geschwindigkeit ist der entscheidende Faktor, der Agilität ermöglicht. Die Fähigkeit, schnell zu generieren und bei Änderungen ebenso schnell zu regenerieren, sind grundlegende Automatisierungsfunktionen. Die Fähigkeit, schnell zu scheitern, ist ebenfalls wichtig.

Manchmal können Lagerteams aufgrund von Datennichtverfügbarkeit, Datenqualitätsproblemen oder schwer fassbaren und schwer zu definierenden Geschäftsregeln nicht das liefern, was das Unternehmen benötigt. Das frühestmögliche Erkennen dieser Probleme reduziert die Verschwendung von Zeit und Ressourcen.

Letztendlich bringen besseres, schnelleres Erstellen und schnelles Ändern bei Bedarf erhebliche Kosteneinsparungen bei der Entwicklung, dem Betrieb, der Wartung und der Weiterentwicklung von Data Warehouses.

Über die Entwicklung und Änderung eines Data Warehouse hinaus bietet die Automatisierung viele technische Vorteile, die zu einer längeren Lebensdauer und einem einfacheren Betrieb des Warehouse beitragen. Die Konsistenz der Komponenten in einem Data Warehouse wird durch die Möglichkeit verbessert, Standards und Konventionen einzubauen. Automatisierte Dokumentationsfunktionen gewährleisten eine umfassende Dokumentation, die mit der Implementierung synchronisiert bleibt.

Die Auswirkungsanalyse für geplante Änderungen wird durch umfangreiche Metadatenfunktionen unterstützt, und das Testen wird durch Testautomatisierung während der Entwicklung und als Validierungsfunktion von Betriebsprozessen vereinfacht. Die Wartung wird durch verbesserte Konsistenz, bessere Dokumentation, vereinfachtes Testen, Versionskontrolle, automatisierte Implementierung von Änderungen und standardisierte Bereitstellungsmethodik einfacher.

> Siehe auch:CIO als Maestro:Wie die Automatisierung den CIO zum Business-Visionär macht

Also, wie funktioniert das alles? Wie wird der Prozess automatisiert? Nun, es dreht sich alles um Muster.

Entwurfsmuster sind grundlegend für die Data Warehouse-Automatisierung. Das Identifizieren und Wiederverwenden von Mustern ist von zentraler Bedeutung, um gleichzeitig Konsistenz, Qualität, Geschwindigkeit, Agilität und Kosteneinsparungen zu erzielen.

Entwurfsmuster umfassen Architekturstandards sowie Best Practices für Datendesign, Datenmanagement, Datenintegration und Datennutzung. Angewandte Muster in einem Data-Warehouse-Automatisierungstool unterstützen die Ziele eines beschleunigten Designs und einer beschleunigten Entwicklung, aber ebenso wichtig sind sie für die Einhaltung von Standards und die Konsistenz von Data-Warehousing-Ergebnissen.

Die Business Intelligence, die Data Warehouses Unternehmen ermöglichen, ist von unschätzbarem Wert. Es hält das Unternehmen wettbewerbsfähig, profitabel und der Masse voraus. Und jetzt wurden die langsamen, schmerzhaften, veralteten Maschinen, die versuchten, diese Berichte zu liefern, überarbeitet, modernisiert und automatisiert.

Bezogen von Rob Mellor, General Manager, WhereScape Mainland Europe