masterzphotofo - Fotolia

Neue BI-Anforderungen erweitern Grenzen der Datenarchitektur

Der Aufbau von unterstützenden Informationssystemen für BI- sowie Analytik-Anwendungen ändert sich. Big Data setzt sich zunehmend durch.

Uns allen ist klar, dass der Wandel in der IT eine Konstante ist. Aber heute müssen wir auf das Erfordernis reagieren, Werte aus neuen Arten von Informationen – dem wichtigsten Gut einer wettbewerbsintensiven Geschäftswelt – zu schöpfen. Und in diesem Umfeld muss sich der Wandel zur Verwaltung deutlich höherer Datenmengen nicht nur konstant vollziehen, sondern auch schnell.

Verpassen Sie nicht den Anschluss: Big Data setzt sich zunehmend durch und die nächsten fünf Jahre werden eine Reihe größerer Umwälzungen mit sich bringen. Der Aufbau der Informationssysteme, die Anwendungen für Business Intelligence (BI) und Analytik unterstützen sollen, wird sich ändern. Und dabei wird es mehr um den Zugewinn an neuen Möglichkeiten gehen als um eine Entsorgung aktueller Technologieinvestitionen.

Das Ziel wird sein, Informationen konsequent für BI und Analytik zu nutzen, indem möglichst alle erreichbaren Daten ausgewertet werden. Dazu gehören auch Daten, deren schieres Volumen alles bis dahin dagewesene in den Schatten stellt. Der Nutzen pro Byte ist geringer und erfordert daher neue Methoden der Datenverwaltung. Es wird darum gehen, Daten zu einem früheren Zeitpunkt in ihrem Lebenszyklus auszuwerten – und zwar schnellstmöglich.

Der Reifegrad von Business Intelligence korreliert in dieser Hinsicht mit demjenigen des Geschäfts und dem Geschäftserfolg. Der BI-Reifegrad ist ein Verlauf, der es wert ist, sich genauer mit ihm auseinanderzusetzen. Und die Arbeit an seiner Erhöhung ist eine höchst empfehlenswerte Strategie für jedes BI-Team.

Die meisten Unternehmen beginnen ihre Reise in Sachen BI, weil ein Berichtswesen benötigt wird: In vielen Fällen überfordern die Anforderungen dabei die betrieblichen Systeme zur Abwicklung von Geschäftsvorgängen technisch oder politisch. Dies hat häufig die Entwicklung zusätzlicher Strukturen – Data Warehouses und Data Marts – zur Unterbringung von Transaktionsdaten für Berichtswesen und Analysen zur Folge. Eine Integration dieser Daten, ungeachtet ihrer Herkunft, wird ebenso unverzichtbar sein wie die Verbesserung der Informationsqualität.

Einen breiteren Blick auf BI entwickeln

Ein sporadisches, monatliches, wöchentliches, oder tägliches Berichtswesen wird nicht mehr ausreichen. Die Forderung nach dem Zugriff auf wertvolle Informationen, die im Tagesverlauf stetig in den Data Warehouses aktualisiert und konsolidiert werden, wird zur Regel werden. Eine Organisation kann dann Nägel mit Köpfen machen und alles Notwendige für eine operative Unterstützung der BI zu tun.

Bisher waren BI-Systeme dem operativen Betrieb nachgelagert und durch Extraktions-, Transformations- und Ladezyklen (ETL) gebunden. Im Gegensatz dazu bindet Echtzeit-BI die Datenanalyse direkt in die operativen Systeme ein. Business Intelligence wurde früher als das gesehen „was man mit Daten im Data Warehouse macht“. Aber inzwischen wurde der BI-Begriff ausgeweitet auf eine eigenständige Disziplin zur Verwendung und Erschließung von Daten – wo immer diese auch liegen mögen.

Für immer mehr Unternehmen betrifft ein weiterer Aspekt der BI-Reife den Umgang mit neuen Datentypen. Dies ist für gewöhnlich gleichbedeutend mit den „großen Drei“ Formen unstrukturierter oder semi-strukturierter großer Datenmengen (Big Data): Daten von Sensoren, aus sozialen Medien und Webaktivitäten. Es kann zudem bedeuten, dass eine Organisation sich eines Marktplatzes syndizierter Daten bedient und externe Informationen in die eigenen BI-Systeme holt.

Bevor Sie größere Investitionen in diese Richtung vornehmen, sollten Sie Ihre vorhandene Architektur zur Informationsverwaltung daraufhin bewerten, ob sie die zukünftigen BI-Anforderungen des Unternehmens erfüllen kann. Im Rahmen dieser Bewertung könnten unter anderem die folgenden Fragen gestellt werden:

  • Werden sämtliche Unternehmensdaten – einschließlich unstrukturierter und semi-strukturierter Daten – berücksichtigt?
  • Existiert ein solides Qualitäts-Management-Programm, das die Verteilung qualitativ hochwertiger Daten sicherstellt?
  • Werden gegenwärtig alle BI-Abfragen in nachgelagerten Batch-Systemen weiterverarbeitet? Könnten diese stattdessen direkt für Entscheidungen in den operationalen Systemen verwendet werden?
  • Bedingt die Bereitstellung einer neuen Abfrage automatisch, dass nur ein bestimmtes System oder eine bestimmte BI-Technik zum Einsatz kommen kann, wie zum Beispiel mehrdimensionale Data Cubes? Wird die Nutzung der BI-Systeme mit derselben Rate weiter zunehmen wie bisher?
  • Ist es an der Zeit, Alternativen in Betracht zu ziehen?
  • Können Data Marts, Data Warehouses und Data Cubes mit überlappender Funktionalität konsolidiert werden? Und wurden die daraus resultierenden Einsparpotenziale bereits berechnet?

BI-Herausforderungen – und wie man ihnen aus dem Weg geht

Das Gewährleisten eines ausreichenden Performance-Niveaus stellt eine der wichtigsten Herausforderungen in der heutigen BI dar. Dies gilt insbesondere vor dem Hintergrund weiter wachsenden Datenmengen. Technologiealternativen zur Verwaltung strukturierter Daten können zusätzliche Performance für die Verarbeitung spezifischer Workloads bieten. Zu nennen wären hier spaltenbasierte Datenbanken, In-Memory-Datenbanken und Data-Warehouse-Anwendungen (oder auch eine Kombination aus allem), deren Leistung über diejenige konventioneller Datenbanken hinausgeht.

Datenintegration bleibt auch weiterhin eine große Herausforderung. Für viele Organisationen kann die Antwort in der „immer währenden kurzfristigen“ Lösung einer Datenvirtualisierung liegen. Damit lassen sich Daten aus separaten, technisch unterschiedlichen Datenspeichern zusammenbringen, ohne dass eine echte Konsolidierung in einem Data Warehouse nötig ist.

Das Interesse an der Cloud als Platz zum Speichern von Daten hinter den BI-Systemen und zur Steuerung der Integrations- und Datenzugriffskomponenten ist hoch. Sicherheitsbedenken und die Integration zu Vor-Ort-Daten bieten jedoch in den Augen vieler potenzieller Anwender auch weiterhin Anlass zur Sorge. Nichtsdestotrotz werden Cloud- und virtuelle Umgebungen innerhalb der nächsten fünf Jahre zweifellos mehr als ein Drittel aller Unternehmensdatenbanken beherbergen.

Ein Zentralisieren der Verwaltung von Stammdaten ist auch für BI-Initiativen wertvoll. Denn es ersetzt Einzelbemühungen und bringt einen geführten Prozess für Master Data Management (MDM) sowie eine Infrastruktur für die Verteilung der Stammdaten in die verschiedenen Systeme. Aber es ergeben sich auch Architektur-Fragen, die zur Evaluierung eines MDM-Programms beantwortet werden müssen. Muss zum Beispiel jedes System unbedingt eigene Stammdaten halten? Können die Stammdaten eines bestimmten Systems auch an anderer Stelle verwendet werden? Sind die Eigentümer dieser Stammdaten bereit, die Verantwortung beziehungsweise Zuständigkeit dafür zu akzeptieren, diese jenseits ihrer eigenen Systeme zur Verfügung zu stellen?

Nur wenige Unternehmen sehen ein Budget für Innovation vor. Die gute Nachricht in diesem Zusammenhang ist, dass es bei fortschrittlicher Business Intelligence nicht unbedingt um Innovation geht. Sie hat – korrekt angewendet – direkte Auswirkungen auf das Geschäft, und liefert eine hohe Rendite, und zwar innerhalb der vergleichsweise kurzen Fristen, die bei IT-Investitionen verlangt werden. Unverzichtbar ist dafür natürlich, dass sie richtig angegangen wird.

Organisationen sollten sich daher gut für einen effektiven Umgang mit ihren Informationsassets vorbereiten, indem Sie eine Reihe entscheidender Fragen klären, bevor Sie zur Unterstützung von BI-Aktivitäten in Technologien für Informationsverwaltung investieren. Bemühungen, das BI-Reifeniveau des Unternehmens zu erhöhen, sollten dabei stets auf verbesserte Geschäftsergebnisse abzielen. Dann wird die Infrastruktur für Informations-Management auch in der Lage sein, die BI-Datenanforderungen auf absehbare Zukunft wirksam zu unterstützen.

Über den Autor:

William McKnight, President der McKnight Consulting Group, ist Stratege und Information Architect mit Spezialisierung auf Informationsverwaltung, Business Intelligence, Data Warehousing und Master Data Management. McKnight hat hunderte Artikel und Whitepaper geschrieben und tritt regelmäßig als Sprecher auf Konferenzen und in Seminaren auf. Sie erreichen ihn unter wmcknight@mcknightcg.com.

Nächste Schritte

Mobile Business Intelligence: Es kommt auf die Unternehmensgröße an.

Business Intelligence gerät in die Reichweite kleinerer Unternehmen.

Business Intelligence im Mittelstand: Mobile BI setzt sich durch.

Artikel wurde zuletzt im Juni 2013 aktualisiert

Pro+

Premium-Inhalte

Weitere Pro+ Premium-Inhalte und andere Mitglieder-Angebote, finden Sie hier.

Erfahren Sie mehr über BI-Management

Diskussion starten

Schicken Sie mir eine Nachricht bei Kommentaren anderer Mitglieder.

Mit dem Absenden dieser Daten erklären Sie sich bereit, E-Mails von TechTarget und seinen Partnern zu erhalten. Wenn Ihr Wohnsitz außerhalb der Vereinigten Staaten ist, geben Sie uns hiermit Ihre Erlaubnis, Ihre persönlichen Daten zu übertragen und in den Vereinigten Staaten zu verarbeiten. Datenschutz

Bitte erstellen Sie einen Usernamen, um einen Kommentar abzugeben.

- GOOGLE-ANZEIGEN

SearchSecurity.de

SearchStorage.de

SearchNetworking.de

SearchDataCenter.de

Close