Categories: SoftwareUnternehmen

Das Data Warehouse ist geschäftskritisch oder tot

“Einer der schmerzhaftesten Punkte für IT-Profis ist heute schon das Data Warehouse – nicht weil es da ist, oder weil es seinen Job schlecht macht, sondern, weil bei der Einrichting des Data Warehouse scheinbar niemand daran gedacht hat, dass es nicht reicht, es nur an geschäftskritische Aufgaben anzubinden, es muss selbst geschäftskritisch integriert werden”,erläuterte Feinberg, Vice President und Distinguished Analyst bei dem Marktforschungsunternehmen, auf einer Konferenz in Las Vegas.

Und dieser Fehler setzt sich demnach sogar noch fort: Das Data Warehouse nicht geschäftskritisch aufzusetzen und dann mit geschäftskritischen Systemen zu integrieren, ist seiner Ansicht nach gleichbedeutend damit, dass man bewusst eine nicht verwaltbare potentielle Unfallstelle schafft. “Die meisten Unternehmen, mit denen wir gesprochen haben, haben ihr Data Warehouse an mässig wichtige Anwendungen und Aufgaben angeschlossen. Das muss sich in Zukunft sehr ändern. Das Data Warehouse muss zum Herzen des Unternehmens und seiner Prozesse werden, das ist die Aufgabe für die nächsten fünf Jahre”, sagte er. Wenn das Data Warehouse untergeht, müsse den Anwendern klar sein, dass auf einen Schlag sämtliche Geschäftsprozesse stehen.

In konkreten Aufgaben ausgedrückt heiße dies beispielsweise: Business Intelligence bei Bedarf auch in Echtzeit aufzusetzen. So habe der Konzern Euro Disney gleichzeitig seine Kundenzufriedenheit erhöht und die Kosten gesenkt, indem er die gewonnenen Daten aus dem Data Warehouse mit Intelligenz angereichert und die Reporting-Schlagzahl optimiert habe: Das hieße, an der einen Stelle seltener zu melden, um mehr Übersicht für strategische Entscheidungen zu gewinnen, und dort eine Echtzeit-Analyse anzufertigen, um schnell auf Kundenwünsche zu reagieren. Das allein habe die messbare Kundenzufriedenheit bei der Unterhaltungsfirma um 15 Prozent erhöht, ebenso die Effizienz des Personals. Die Frage wer wann welche Daten braucht, ist also mehr ins Zentrum gerückt und beantwortet worden.

Dasselbe gelte auch für die C-Klasse, die Top Manager. Wie Gartner kürzlich in einer Studie bekannt gab, arbeiten, ihren eigenen Eindrücken zufolge, nur 36 Prozent der CIOs mit den Informationen, die sie brauchen würden, um die Geschäfte effektiv zu leiten. Dem stehe die wachsende Komplexität der Daten gegenüber. “Dabei gibt es zwei Strömungen bei den Diskontinuitäten, die wir heute bereits sehen und bewerten können: Einmal die Art der Diskontinuitäten und einmal den Effekt der Diskontinuitäten aufs Geschäft”, sagte Feinberg. Ersteres enthalte beispielsweise die Diversität der Daten, Informationsqualität, Unternehmenskultur, die unterschiedlichen Erwartungen an den Daten-Urwald und ähnliches. Zur zweiten Kategorie gehörten Überlegungen über: die Organiserung, Integration, Verwaltung, Klassifizierung, Priorisierung und Bereinigung der Daten, um den Wert einer Information im gesamten Lebenszklus des Datensatzes zu kennen.

Und das schließlich forme auch die Rolle des Information Worker völlig neu. Wie Feinberg sagte, werde er durch die Anforderungen aus den bürokratischen Arbeitsformen befreit und müsse 24 Stunden am Tag und 7 Tage die Woche selbständig und selbstverantwortlich in der Lage sein, sich zu orientieren und Entscheidungen zu treffen. Das sei der Preis für die “Überall-und-Immer-Philosophie”, die viele Firmen heute in ihren Geschäften leisten müssten. Sich selbst regulierende Systeme helfen dabei. So wie sich die Anforderungen der Fachabteilungen ändern, müssten auch die Systeme in der Lage sein, beispielsweise als ‘Informations-Buffet’ oder als ‘Entscheidungshilfe-Fabrik’ die Arbeit zu unterstützen.

Dies Umdenken finde auch beim Data Warehouse (DW) seinen Niederschlag: “Die alte DW-Welt kannte nur Ströme, die durch Batch Loading, hin und wieder Standard-Reports und die vielen, schnellen Anforderungen der Ad-hoc-Nutzer generiert wurden”, stellte Feinberg klar. “Doch es geht heute um ständiges Loading, Zehntausende Standard-Reports, pervasive Business Intelligence in den Händen von Tausenden Nutzern, die permanente und dynamische Interaktion des DW mit allen anderen Systemen und die Einbettung des Gedankens der Service Oriented Architecture in die Business Intelligence und die Analysefunktionen.” Das erfordere, auf einen Nenner gebracht: Storage-Optimierung, Management des zunehmend gemischten Workload und strikte Kontrolle des Datenaufkommens.

Mit der Reife des Data Management gehe eine Reife der Technik einher, die entsprechende Anpassungen in den wirklichen Arbeitsumgebungen nach sich ziehen müsse. “Also, was machen wir am kommenden Montag”, fragte er in die Runde. “Wir kümmern uns um die engere Einbindung des Data Warehouse in die Geschäftsprozesse, damit uns nicht in den kommenden Monaten und Jahren der ganze Laden um die Ohren fliegt. Das verhindert nur das wirklich geschäftskritische Data Warehouse.”

Silicon-Redaktion

Recent Posts

Studie: Rund ein Drittel der APIs sind ungeschützt

Angriffe auf APIs und Webanwendungen sind zwischen Januar 2023 und Juni 2024 von knapp 14…

17 Stunden ago

Universitätsmedizin Essen setzt für E-Mail-Sicherheit auf NoSpamProxy

Mit täglich über 45.000 eingehenden E-Mails ist die IT-Abteilung des Klinikums durch Anhänge und raffinierte…

17 Stunden ago

Bau-Spezialist Schöck: Migration von SAP ECC ERP auf S/4HANA

Bau- und Fertigungsspezialist investiert in die S/4HANA-Migration und geht mit RISE WITH SAP in die…

2 Tagen ago

Pure Storage: Cloud, KI und Energieeffizienz

Trends 2025: Rasante Entwicklungen bei Automatisierung, KI und in vielen anderen Bereichen lassen Unternehmen nicht…

3 Tagen ago

GenKI verbessert Datenmanagement und Angebotsgenauigkeit

DHL Supply Chain nutzt generative KI-Anwendungen für Datenbereinigung und präzisere Beantwortung von Angebotsanforderungen (RFQ).

5 Tagen ago

Rolls-Royce Power Systems nutzt industrielle KI aus der IFS Cloud​

Marke mtu will globale Serviceabläufe optimieren und strategische Ziele hinsichtlich Effizienz, Nachhaltigkeit und Wachstum unterstützen.

5 Tagen ago