DWH-Modernisierungen: Kleine Optimierung oder disruptive Strategie

27.02.20

Data Management

DWH-Modernisierungen dienen dazu, vorhandene Business Intelligence-Landschaften weiter zu entwickeln, zu erweitern oder zu aktualisieren. Ziel ist es, neue Business Anforderungen auf BI- oder Analytics-Plattformen wirksam und zur rechten Zeit umzusetzen.

Drucken

DWH-MODERNISIERUNGEN MÜSSEN UNTERNEHMENSZIELE UNTERSTÜTZEN.

Abhängig von den spezifischen Voraussetzungen und Anforderungen eines Unternehmens kann eine DWH-Modernisierung höchst unterschiedlich ausfallen und einen vielschichtigen, umfassenden Prozess darstellen. Die Skala reicht von kleinen Prozess-Optimierungen, die heute für viele IT-Abteilungen zum Standard zählen, oder dem Austausch veralteter Software bis zum Einsatz von NoSQL-Datenbanken, Machine Learning oder Big Data. Beobachtungen am Markt bestätigen, was verschiedene Studien zeigen: Damit Projekte zur DWH-Modernisierung erfolgreich sind, müssen sie darauf fokussieren, Unternehmensziele zu unterstützen. Fachliche Anforderungen sind die wesentlichen Treiber. Dazu zählt das Reduzieren von Komplexität ebenso, wie das Abbilden neuer Anwendungsfälle, die moderne Methoden und Tools unterstützen. Je nach Ausprägung der angestrebten Modernisierung können dabei erhebliche Herausforderungen auf Unternehmen zukommen. Das kann das Management hybrider Architekturen sein oder die Frage, ob die technische Expertise ausreichend im Unternehmen vorhanden ist, das kann die Notwendigkeit sein, herkömmliche, an Wasserfall-Konzepten orientierte Denkmuster zu überwinden und neue Zusammenarbeitsmodelle zwischen IT-Abteilungen und Fachbereichen zu etablieren.

DREI VERSCHIEDENE ANSÄTZE

Unter den zahlreichen Handlungsfeldern für eine DWH-Modernisierung lassen sich drei prioritäre Ansätze unterscheiden. Zum einen geht es um funktionelle Erweiterungen, wie den verstärkten Einsatz von Self-Services. Zweitens geht es um die in immer größerer Menge anfallenden Daten selbst, um die klare Sicht, welche Daten verfügbar sind bzw. verwendet werden können, wie es um die Datenqualität bestellt ist, welche neuen Nutzenaspekte in den Daten stecken. Ein drittes Handlungsfeld ist schließlich die DWH-Architektur, wie beispielsweise die Implementierung eines konzernweiten DWH's unter Berücksichtigung neuer Modellierungstechniken (z. B. Data Vault). Der häufigste Ansatz von Modernisierungsprojekten besteht darin, vorhandene, bewährte DWH-Architekturen zu erweitern. Die Spannweite solcher Projekte aber reicht viel weiter: von der klassischen Systemmodernisierung über den Einsatz neuer funktionaler Tools, wie etwa Data Analytics bis hin zu einem disruptiven Ansatz, wie dem Aufbau eines Data Lakes. Für Unternehmen unterscheiden sich die verschiedenen Ansätze damit erheblich nach Aufwand, Risiko und Nutzen. 

ERFOLGSFAKTOREN FÜR EINE DWH-MODERNISIERUNG

Welche Strategie Unternehmen auch immer verfolgen – für eine DWH-Modernisierung ist es wichtig, im Vorfeld verschiedene Aspekte zu klären. Neben einer klaren Prioritätensetzung geht es darum, ob man sich für das Projekt auf eine agile Vorgehensweise und smarte Entwicklungsansätze verständigt, ohne den Output vorab präzise festzuschreiben. So ergeben sich häufig dann erst Use Cases, wenn Big Data-Methoden eingesetzt oder wenn neue DWH-Anwendungen genutzt werden. Zudem sollten so weit wie möglich Standardisierung und Automatisierung umgesetzt werden. Das gilt etwa bei der Optimierung von Reports oder der Datenqualität, aber auch bei Testverfahren. Ein dritter wichtiger Aspekt ist schließlich die eingesetzte Technik. Die Software muss zukunftssicher sein und zweckgebunden genutzt werden. Das Implementieren einer DWH-Modernisierung führt nach aller Erfahrung dann zu einem positiven Resultat, wenn sie als Chance für umfassendere Veränderungen begriffen wird. Dafür müssen nicht allein die nötigen finanziellen Mittel bereitgestellt werden, sondern auch das erforderliche Know-how. Vor allem müssen in einem solchen Modernisierungsprojekt die Prioritäten klar an den Geschäftszielen ausgerichtet sein.

INFOMOTION Videocast: Data Warehouse Modernisierung

Episode 16: Data Warehouse Modernisierung

Weiterführende Informationen

Autor

Sascha Schmitz

Business Unit Manager

Sascha Schmitz studierte Wirtschaftsinformatik an der Fachhochschule Trier. Seine Laufbahn begann bei einem mittelständigen IT-Beratungsunternehmen als Consultant im Bereich Data Warehouse und anschließend bei einem französischen Softwarehersteller als Technical Consultant. Ab 2005 führte er seine Karriere als Berater bei INFOMOTION fort und leitet heute als Business Unit Manager ein Team im Bereich Data Management, insbesondere im Segment Financial Services.

E-Mail senden