Data Warehouses revitalisieren: Warum Automatisierung der Schlüssel zum Erfolg ist

Da Organisationen Daten in viel größerem Maßstab als je zuvor nutzen, werden diese neuen Fähigkeiten und Rollen sowohl Flexibilität als auch Fokus in Unternehmen ermöglichen – und einen datengetriebenen Ansatz unterstützen, der letztlich zu größerem Geschäftserfolg führt.

Data-Warehouse-Automatisierung ist eine dieser Erfindungen, die so früh und so innovativ sind, dass nur Early Adopters und Visionäre den Sprung gewagt haben. Der Rest der Geschäftswelt hat entweder noch nie 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, macht es nicht falsch.

Ein Mönch, der mit seiner Gänsefeder Bibelabschriften schreibt, hätte vielleicht gedacht, eine Schreibmaschine sei zu gut, um wahr zu sein – wer weiß, welche Trickserei er sich in der anschließenden Entwicklung von Textverarbeitung, Computern und iPads vorgestellt hätte?

Der Buchdruck modernisierte und revolutionierte die Welt des Drucks. Jetzt revolutioniert Data-Warehouse-Automatisierung das Data Warehousing mit ähnlichen Ergebnissen: finanzielle Einsparungen, Geschwindigkeits-, Effizienz- und Genauigkeitsgewinne. Aber bevor wir in die Zukunft des Data Warehousing blicken, gehen wir zurück in die 80er Jahre, als Data Warehouses entstanden, um zu sehen, warum es Zeit ist, weiterzuziehen.

Die Probleme traditioneller Data Warehouses

Der traditionelle Weg, Data Warehouses zu bauen, ist schneckenlangsam. ETL-Coding wird von Hand geschrieben, sodass es Monate dauert, das Data Warehouse zu bauen, das oft zum Zeitpunkt der Bereitstellung bereits nicht mehr mit den Anforderungen synchron ist. Es ist wie ein Mann, der Jahre braucht, um seinen Zweisitzer-Cabrio zu restaurieren, gerade rechtzeitig, als seine Frau verkündet, sie sei mit Zwillingen schwanger.

Die traurige Tatsache ist, dass der wahre Wert und die Fähigkeiten der Daten selten verstanden werden, bevor das Data Warehouse gebaut ist – aber dann ist es zu spät. Das Warehouse, wenn es nicht vor der Fertigstellung aufgegeben wird, ist eine teure, inflexible Enttäuschung.

Vielleicht ist das der Grund, warum viele Technologen und Vordenker bereit sind, das Data Warehouse für tot zu erklären – nicht mehr relevant im Zeitalter von Big Data. Aber diese Propheten irren sich. Big Data kann ein Data Warehouse erweitern und anreichern, aber nicht ersetzen. Nicht Data Warehouses sind tot, sondern der traditionelle Weg, sie zu entwerfen und zu bauen.

Das Data Warehouse richtig machen

Im Kern integriert das Data Warehouse kritische und wertvolle Unternehmensdaten, die nicht in Big-Data-Quellen gefunden werden und die weiterhin die primäre Datenressource für deskriptive, präskriptive und Entscheidungsanalysen sind. Es dient als Unternehmensgedächtnis, das den Körper der Geschichte sammelt, der Zeitreihen- und Trendanalysen ermöglicht.

Das Data Warehouse organisiert und strukturiert Daten auch, um sie für viele verschiedene Geschäftsinteressengruppen verständlich und nutzbar zu machen. Diese Business Intelligence verschafft Organisationen den Vorsprung, sie wettbewerbsfähiger, kundenorientierter und profitabler zu machen.

Data-Warehouse-Automatisierung: Die Zukunft des Data Warehouse

Data Warehouses werden in absehbarer Zukunft benötigt, aber sie müssen schneller zu bauen und zu vernünftigen Kosten sein, sich leicht an veränderte Anforderungen anpassen und auf geschäftliche und technische Änderungen reagieren können. Und all dies muss ohne Kompromisse bei der Lösungsqualität geschehen.

Hier kommt Data-Warehouse-Automatisierung ins Spiel – die Zukunft des Data Warehouse. Data-Warehouse-Automatisierung liefert Qualität und Effektivität durch die Fähigkeit, bessere Lösungen zu bauen – Lösungen, die echte Geschäftsanforderungen erfüllen.

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

Die Agilität des automatisierten Data Warehouses beschränkt sich nicht auf die Fähigkeit, sich im Warehouse-Entwicklungsprozess zu ändern; sie kann auch Änderungen in Geschäftsanforderungen handhaben. In Echtzeit auf Veränderungen zu reagieren, ohne die Verzögerung langwieriger Projekte, ist die Essenz geschäftlicher Agilität.

Besser und schneller bauen

Geschwindigkeit ist der kritische Faktor, der Agilität ermöglicht. Die Fähigkeit, schnell zu generieren und bei Änderungen ebenso schnell zu regenerieren, sind fundamentale Automatisierungsfähigkeiten. Die Fähigkeit, schnell zu scheitern, ist ebenfalls wichtig.

Manchmal können Warehousing-Teams nicht liefern, was das Geschäft braucht, aufgrund von Datenunverfügbarkeit, Datenqualitätsproblemen oder schwer fassbaren und schwierig zu definierenden Geschäftsregeln. Diese Probleme so früh wie möglich zu entdecken, reduziert Verschwendung an Zeit und Ressourcen.

Letztlich bringen besseres Bauen, schnelleres Bauen und schnelles Ändern bei Bedarf erhebliche Kosteneinsparungen bei Entwicklung, Betrieb, Wartung und Evolution des Data Warehouses.

Über die Entwicklung und Änderung eines Data Warehouses hinaus bietet Automatisierung viele technische Vorteile, die zu verlängerter Lebensdauer und einfacherem Betrieb beitragen. Konsistenz der Komponenten in einem Data Warehouse wird durch die Fähigkeit verbessert, Standards und Konventionen einzubauen. Automatisierte Dokumentationsfunktionen gewährleisten umfassende Dokumentation, die mit der Implementierung in Einklang bleibt.

Auswirkungsanalysen für geplante Änderungen werden durch umfangreiche Metadaten-Fähigkeiten unterstützt, und Tests werden durch Testautomatisierung während der Entwicklung und als Validierungsfähigkeit von Betriebsprozessen vereinfacht. Wartung wird einfacher durch verbesserte Konsistenz, bessere Dokumentation, vereinfachte Tests, Versionskontrolle, automatisierte Implementierung von Änderungen und standardisierte Bereitstellungsmethodik.

Wie funktioniert das alles? Wie wird der Prozess automatisiert? Nun, es geht alles um Muster.

Design Patterns sind fundamental für Data-Warehouse-Automatisierung. Das Identifizieren und Wiederverwenden von Mustern ist zentral für die Fähigkeit, Konsistenz, Qualität, Geschwindigkeit, Agilität und Kosteneinsparungen gleichzeitig zu erreichen.

Design Patterns kapseln architektonische Standards sowie Best Practices für Datendesign, Datenmanagement, Datenintegration und Datennutzung. Angewandte Muster in einem Data-Warehouse-Automatisierungstool unterstützen die Ziele beschleunigten Designs und Entwicklungs, aber ebenso wichtig treiben sie Compliance mit Standards und Konsistenz der Data-Warehousing-Ergebnisse voran.

Die Business Intelligence, die Data Warehouses Unternehmen ermöglicht zu schöpfen, ist unschätzbar. Sie hält Unternehmen wettbewerbsfähig, profitabel und vorneweg. Und jetzt wurden die langsamen, schmerzhaften, veralteten Maschinen, die versuchten, diese Berichte zu liefern, überholt, modernisiert und automatisiert.

Quelle: Rob Mellor, General Manager, WhereScape Mainland Europe