Data Warehouse für den Mittelstand

DATA WAREHOUSE R Analyse und Modellierung Die Anzahl von Unternehmen, die Data Warehouse Systeme einsetzen, ist in den letzten Jahren erheblich gestiegen. Inzwischen interessiert sich auch eine Vielzahl von mittelständischen Unterneh- men für Data Warehouse Systeme1. Dies liegt zum einen daran, dass unabhängig von der Unternehmensgröße die Erkenntnis gereift ist, dass das Unternehmen zwar über eine Vielzahl von Daten verfügt, ihnen aber nur einge- schränkte Mittel zur Verfügung stehen, um aus den Daten Informationen für gesicherte Entscheidungen zu gewin- nen. Zum zweiten haben Data Warehouse Systeme einen Reifegrad und ein Preisniveau Data Warehouse für den erreicht, das sie auch für mittelständische Unternehmen interessant und erschwinglich macht. Mittelstand Methodische Vorgehensweise zur Analyse und Modellierung der Daten Durch die genannten Entwicklun- Die Analyse der Daten sollte da- Daten eines Unternehmens oder gen erwachsen für Data Warehouse bei zielorientiert, systematisch und Unternehmensbereichs zu erfas- Systeme in mittelständischen Unter- vollständig erfolgen. Zielorientiert sen. Dies erfordert Methodiken in nehmen breite Einsatzfelder. Bevor bedeutet, zu ermitteln welcher In- der Erhebung, Dokumentation und jedoch mit der Auswahl und Imple- formationsbedarf besteht, um Un- Analyse, die einfach anzuwenden mentierung eines solchen Systems ternehmensentscheidungen besser sind und einen leichten Überblick begonnen wird, muss eine Analyse treffen zu können und welche Da- verschaffen, um eine Kontrolle über und fachliche Modellierung von Data ten dafür in einem Data Warehouse die Vollständigkeit zu ermöglichen. Warehouse Daten vorausgehen. notwendig sind. Das Ziel eines sys- Darauf aufbauend folgt die Pha- Dies ist ein wesentlicher Schritt für tematischen Vorgehens ist es, mög- se der fachlichen Modellierung eine erfolgreiche Einführung. lichst vollständig die wesentlichen von Data Marts oder Cubes. Diese dienen zur flexiblen Auswertung wirtschaftsrelevanter Kennzahlen 1) Business Application Research Center: Computer Reseller News, 24/2007 2) Kimball, Ralph; Ross, Margy: The Data Warehouse Toolkit, Second Edition, New York 2002 als Basis unternehmerischer Ent- (S. 395, 396) scheidungen. Die Modellierung wird 34 2/2008 der EDV-Leiter Prof. Dr. Siegbert Kern (FH Gelsenkir- Stefanie Detlefs (IOT GmbH): Eine chen): Die korrekte Analyse und fach- einheitliche Semantik und eine kla- liche Modellierung der Data Ware- re Definition der Bezeichnungen, house Daten ist wesentlicher Schritt Beschreibungen, Regeln und Bedin- für eine erfolgreiche Einführung. gungen von Kennzahlen und Merk- malen ist die Grundlage eines gelun- genen Data Warehouses. Data Marts genannt) durchgeführt. nikgestaltung entwickelte und er- Das bedeutet, dass Daten oder Be- probte methodische Vorgehenswei- ziehungen, die dort nicht vorhanden se zur Analyse und Modellierung von sind, auch nicht ausgewertet und Data Warehouse Daten (DW-Daten) analysiert werden können. Deshalb vorgestellt, die die genannten Eigen- ist es wichtig, aus fachlicher Sicht schaften erfüllt. die Struktur von Data Marts zu kon- zipieren. Diesem Schritt muss eine Methodische zielgerichtete und umfassende Ana- Vorgehensweise genutzt, um aus fachlicher Sicht lyse der entscheidungsrelevanten Ziel der Analyse und Modellie- festzulegen, wie ein Data Mart oder Informationen vorausgehen. Dazu rung von DW-Daten sollte es sein, Cube als Kern eines Data Ware- sollte eine geeignete Methode ge- ein ganzheitliches Bild über den houses aufgebaut sein sollte2. Sie nutzt werden, um den Aufbau und Informationsbedarf im gesamten kennzeichnen einen mehrdimensio- Inhalt von Data Marts übersichtlich Unternehmen oder eines Unterneh- nalen Datenbestand, der lediglich und eindeutig darstellen zu kön- mensbereichs zu bekommen. In Teile der gesamten Datenmenge nen. dieser Phase birgt ein ganzheitlicher eines unternehmensweiten Data Die Analyseergebnisse und die Ansatz verschiedene Vorteile: Warehouses enthält. Dabei kann ein aus fachlicher Sicht konzipierten ► Der Informationsbedarf einzelner Cube eine Untermenge eines Data mehrdimensionalen Data Marts bil- Bereiche wird deutlich. Marts sein. Die entscheidungsrele- den die Voraussetzungen für eine ► Die Überlappungen von Informa- vanten Auswertungen und Analy- erfolgreiche Einführung eines Data tionsbedarfen zwischen den Berei- sen werden in einem Data Ware- Warehouse Systems in Unterneh- chen werden erkennbar. house auf Basis von Data Marts men. Im Folgenden wird eine am ► Unternehmensweit kann ein ers- oder Cubes (im Weiteren nur noch Institut für Organisations- und Tech- ter Schritt zu einer gemeinsamen der EDV-Leiter 2/2008 35 DATA WAREHOUSE R Analyse und Modellierung und einheitlichen Sprachregelung Ermittlung der Informationsbedarfe erfolgen. ► Die Wiederverwendbarkeit von Analyse Befragung der Quelldaten wird deutlich. vorhandener Verantwortlichen in ► Die Wirtschaftlichkeit eines Data Auswertungen den Bereichen Warehouses kann besser ermittelt bzw. Berichte Analyse werden, da die Anforderungen und der Nutzen aller Bereiche einfließen können. Bestimmung von Für mittelständische Unterneh- Merkmalen und men ist die Betrachtung des Gesamt- Kennzahlen unternehmens immer zu empfehlen, da der Untersuchungsgegenstand einen Umfang hat, der eine Projekt- dauer von drei Monaten in der Re- Clusterbildung gel nicht übersteigen lässt. Natürlich sieht die Sachlage bei Großunter- nehmen anders aus. Einerseits geht Modellierung in Großunternehmen die Initiative Fachliche erfahrungsgemäß von einzelnen Be- Modellierung von reichen aus. Andererseits erreicht Data Marts oder die Analyse des Informationsbedarfs Cubes für das Gesamtunternehmen einen kritischen Umfang, der zu längeren Abb. 1: Vier Schritte zum fachlichen DW-Modell Projekten mit einem hohen Abstim- mungsbedarf führen kann. Dies soll- te möglichst vermieden werden, da denen betriebswirtschaftlichen und Vorgehen enthält die Gefahr, dass solche Projekte in den wenigsten auch technischen Fragestellungen keine qualitative Verbesserung des Fällen erfolgreich abgeschlossen bestehen. Diese Berichte und Aus- Prozesses zur Entscheidungsfin- werden. wertungen sollten systematisch je dung erreicht wird. Deshalb sollten Die methodische Vorgehenswei- Organisationseinheit und Bereich zusätzlich Interviews mit der Ge- se besteht aus vier Schritten, wie gesammelt werden. Gleichzeitig schäftsleitung und den potentiellen dies in Abbildung 1 dargestellt ist. sollten weitere Informationen zu die- Anwendern geführt werden.