Effizientere Nutzung Ihrer Investition in Business Intelligence (BI) mit Datenqualitätsverwaltung - Datenqualität mit fünf Arten von BI wirksam nutzen

Effizientere Nutzung Ihrer Investition in Business Intelligence (BI) mit Datenqualitätsverwaltung Datenqualität mit fünf Arten von BI wirksam nutzen W H I T E PA P E R Dieses Dokument enthält vertrauliche, unternehmenseigene und geheime Informationen („Vertrauliche Informationen“) der Informatica Corporation und darf ohne vorherige schriftliche Genehmigung von Informatica weder kopiert, verteilt, vervielfältigt noch auf andere Weise reproduziert werden. Es wurde alles unternommen, um die Genauigkeit und Vollständigkeit der in diesem Dokument enthaltenen Informationen sicherzustellen. Dennoch können Druckfehler oder technische Ungenauigkeiten nicht vollständig ausgeschlossen werden. Informatica übernimmt keine Verantwortung für Verluste, die aufgrund der in diesem Dokument enthaltenen Informationen entstehen können. Die hierin enthaltenen Informationen können sich ohne vorherige Ankündigung ändern. Die Berücksichtigung der in diesem Dokument besprochenen Produktmerkmale in neuen Versionen oder Upgrades von Informatica-Softwareprodukten sowie der Zeitpunkt der Veröffentlichung dieser Versionen oder Upgrades liegt im alleinigen Ermessen von Informatica. Geschützt durch mindestens eines der folgenden US-Patente: 6,032,158; 5,794,246; 6,014,670; 6,339,775; 6,044,374; 6,208,990; 6,208,990; 6,850,947; 6,895,471; oder durch folgende angemeldete US-Patente: 09/644,280, 10/966,046, 10/727,700. Diese Ausgabe wurde im Mai 2009 veröffentlicht. White Paper Inhalt Kurzbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Der Weg zu tiefgreifender BI: Herausforderungen und Chancen . . . . . . . . . . 3 Was ist Datenqualität und warum ist sie wichtig? . . . . . . . . . . . . . . . . . . . . 5 Datenqualität und fünf Arten von Business Intelligence . . . . . . . . . . . . . . . . 6 Übersichten und Dashboards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Unternehmens-Reporting. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 OLAP-Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Erweiterte/prognostische Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 Benachrichtigungen und Warnhinweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 Methoden zur Datenqualitätsverwaltung . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 Unternehmensweite Datenqualität für unternehmensweite BI . . . . . . . . . .10 Fallstudie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .10 Datenqualität wirksam nutzen 1 Kurzbeschreibung Für viele Unternehmen ist die Datenqualität einer der wichtigsten Faktoren, die sich auf Analyse und Entscheidungsfindung auswirken. Einerseits kann die Anhäufung von Business Intelligence (BI) aus Daten verschiedenartiger Systeme und Anwendungen zu einer schlechteren Datenqualität führen und dadurch das Vertrauen in die BI-Berichterstellung beeinträchtigen. Andererseits kann BI, die auf hochwertigen Daten basiert, einem Unternehmen durchaus zu einer Optimierung seiner Wettbewerbsfähigkeit und Entscheidungsfindung verhelfen. Anders ausgedrückt: Datenqualität kann Ihr Unternehmen in die Defensive oder in die Offensive drängen – je nachdem, wie gut Sie sie verwalten. Daher muss das Unternehmen genau wissen, wie sich die Qualität seiner Daten auf die gängigsten Arten von BI auswirkt. Und es muss über Methoden zur Überwachung und Steuerung der Datenqualität im gesamten Datenlebenszyklus Bescheid wissen. In diesem White Paper erhalten Führungskräfte und alle, die mit Business Intelligence zu tun haben, einen Überblick darüber, wie sie die Investition ihres Unternehmens in BI-Tools mit aktuellen und genauen Daten optimieren. Mitarbeiter, Entscheidungsträger und andere wichtige Interessensgruppen benötigen zeitgerechte und zuverlässige Informationen, um betriebliche Entscheidungen treffen zu können, die mit einer soliden Strategie in Einklang liegen. Die Themenpunkte im Einzelnen: • Der Weg zu tiefgreifender BI: Herausforderungen und Chancen • Was ist Datenqualität und warum ist sie wichtig? • Datenqualität und fünf Arten von Business Intelligence • Methoden zur Datenqualitätsverwaltung • Datenqualität im Unternehmen Zum Abschluss erfahren Sie in einer Fallstudie noch, wie ein führendes Finanzunternehmen einen soliden Prozess zur Datenqualitätsverwaltung sowie eine passende tiefgreifende BI-Lösung eingeführt hat und damit über 23 Millionen US-Dollar an Einsparungen erreichen konnte. 2 White Paper Der Weg zu tiefgreifender BI: Herausforderungen und Chancen Unternehmen stehen heutzutage unter enormem Druck, in Technologien zu investieren, die ihre Wettbewerbsvorteile und betrieblichen Leistungen immer weiter vorantreiben. Eine erfolgreiche Bereitstellung von Business Intelligence kann dabei helfen, die Gesundheit des Unternehmens zu bewerten, geeignete Leistungsindikatoren zu bestimmen und den täglichen Geschäftsbetrieb im Hinblick auf eine Steigerung von sowohl Netto- als auch Bruttoergebnis zu überwachen. Dementsprechend steigt nach wie vor die Nachfrage nach genauen Daten zur Ausführung von BI-Aufgaben – sowohl seitens derer, die die Informationen benötigen, als auch derer, die sie zur Verfügung stellen. Die stärkere Nachfrage nach mehr Daten beschleunigt die Verbreitung von BI-Funktionen für alle Benutzer von der Führungsebene bis zu den Anwendern, die damit arbeiten. Diese stärkere Verbreitung und Nutzung wiederum hat dazu geführt, dass BI mittlerweile weit über herkömmliche Funktionen für Abfragen, Analyseberichte und Online-Analytical-Processing (OLAP) hinausgeht und nun auch Bediener-Dashboards, anpassbare Übersichten und komplexe Darstellungsmethoden umfasst. Aus Sicht der Informations-Lieferkette bedeutet dies, dass die Ausgangsdaten jederzeit und ungeachtet ihres Formats verfügbar und so zusammengestellt und rationalisiert sein müssen, dass sie für BI-Tools nutzbar sind. Und die Anforderungen steigen mit jedem Tag. Im Gegensatz zu früheren BI-Anwendungen, bei denen es hauptsächlich um Abfragen und Analysen ging, dreht sich bei modernen BI-Tools alles um betriebliche Entscheidungen und daraus folgende Handlungen. Tiefgreifende BI, bei der es um die Versorgung von Mitarbeitern, Kunden und Geschäftspartnern mit Echtzeit-Informationen geht, bietet dem Unternehmen die nötige Transparenz, den Überblick und die Fakten, um stets und in allen Situationen eine bessere Entscheidungsfindung zu gewährleisten. Das heißt, dass jede Handlung, die auf Grundlage von Berichten und Warnungen durchgeführt wird, von der Genauigkeit der verwendeten Daten sowie dem Vertrauen der Anwender in diese Daten abhängt. Wie häufig kommt es vor, dass wir beim Blick auf einen BI-Bericht den Eindruck haben, bestimmte Daten wirken sonderbar oder unglaubwürdig? Dieser Eindruck – ganz gleich, ob berechtigt oder nicht – führt allzu oft zu Verzögerungen oder hält wichtige betriebliche Abläufe sogar an. Datenqualität wirksam nutzen 3 Gehen wir nun einen Schritt zurück und überlegen uns, was dies für unsere bestehende Umgebung bedeutet. Die Entwicklung hin zu tiefgreifender BI geschieht nicht über Nacht. Ein typisches Unternehmen befindet sich irgendwo in den fünf Stufen in Abbildung 1. Die vertikale Achse stellt die Verteilung der Unternehmen dar, die die jeweilige Art von BI nutzen. Die horizontale Achse zeigt, wie ausgereift das BI-System ist – Stufe 1 ist die am wenigsten ausgereifte Stufe, Stufe 5 die ausgereifteste. Die erste Stufe ist eine Ad-hoc-Lösung, in der sich Unternehmen noch auf Tabellen und manuelle Datenabgleiche verlassen. Die Fehlerquote ist hoch und oft sind Nacharbeiten erforderlich. Stufe 2 ist die strategische Stufe. Hier werden Data Marts auf Abteilungsebene verwendet. Stufe 3 geht bereits in Richtung eines formellen analytischen BI-Programms, in dem Data Warehouses auf Abteilungsebene verwendet werden. Auf Stufe 4 kann das Unternehmen BI mit ausreichend Transparenz und Datenführung für unternehmensweite Berichterstellungs- und Analysemöglichkeiten liefern. Auf Stufe 5 geht das Unternehmen schließlich vom traditionellen Analyse- und Berichterstellungsansatz zur betrieblichen Entscheidungsunterstützung in Kombination mit unternehmensweiter Analyse und Berichterstellung über. Abbildung 1: Reifemodell für tiefgreifende BI Wie heißt es so schön: „Vertrauen muss man sich verdienen“ – das ist beim Vertrauen in Daten nicht anders. Die Vertrauensbildung zwischen den BI-Teams und den Nutzern von BI-Berichten ist natürlich enorm wichtig. Sind Daten unvollständig, ungenau oder voller Dubletten, wird das ganze System geschwächt und die Benutzer verlieren das Vertrauen in ihre BI-Tools.