Daten sind in keinem Unternehmen Mangelware. Und mit jedem Bestell- oder Liefervorgang, jeder Buchung, jeder Transaktion werden es mehr. Gigantische Datenbanken aufzubauen und zu füllen, ist schon lange keine Kunst mehr. Eine wahre Kunst ist es aber, die gesammelten Daten auch gewinnbringend zu nutzen: dazu gehört es, wichtige Informationen aus dem Datenberg zu filtern und sie zu unternehmensrelevantem Wissen anzureichern. und so eine Wissensgrundlage zu schaffen, auf der sich gesicherte strategische Entscheidungen fällen lassen.
Bevor es möglich ist, gesicherte strategische Entscheidungen aufgrund eines Data Warehouse zu fällen, müssen erst einmal zwei grundlegende Probleme aus dem Weg geräumt werden:
Häufig nicht eine sondern viele. Das Unternehmen hat nicht eine große Datensammlung, sondern viele kleine. Und die befinden sich an verschiedenen Orten. So wacht die Abteilung Marketing beispielsweise über die Daten der letzten Werbeaktion, der Verkauf über die Umsatzzahlen. Die Kundendaten dagegen lagern separat in einer dritten Datenbank. Eine Aufgabe des Data Warehouse ist es, diese Daten unter einen Hut zu bringen.
Unterschiedliches aus vielen Quellen. Die Daten liegen in verschiedenen Formaten vor – von unterschiedlichen Datenbanken bis zum Excel-Sheet oder einer Word-Datei und zum Zettelkasten auf dem Schreibtisch. Logisch, dass es hier unvollständige, fehlerhafte Eintragungen und Duplikate gibt.
Die Konsequenz: Wer aus Daten Informationen ziehen will, muss die unterschiedlichen Datenquellen zusammenfassen, in die für Datenanalyse geeignete Form aufbereiten und den Anwendern verfügbar machen. Das alles kann ein Data Warehouse. Als zentrale Datenbank sammelt es regelmäßig Einträge aus den operativen Systemen, ordnet und verdichtet sie und versieht sie mit beschreibenden Zusatzinformationen,
sogenannten Metadaten.
Bei der Übernahme der Daten ins Data Warehouse sorgen Transformationsprogramme für Einheitlichkeit. So entsteht eine konsistente Datengrundlage, bereinigt von Unstimmigkeiten, wie zum Beispiel eventuelle Fehler in der Datenstruktur, Falscheinträge, oder unterschiedliche Schlüssel für gleiche Kundengruppen. W.H. Immon, einer der Väter der Data Warehouse Idee schätzt, dass 80 Prozent der Anstrengung in die Datenextraktion, also beispielsweise Zugriff und Säuberung investiert werden müssen.
Planung
Die erste Frage muss lauten: „Wo stehen wir mit unserem ERP System und was können wir mit diesem erreichen?“
Sollte hier die Struktur nicht gegeben und ein Wechsel nicht geplant sein, kommt die Realisierung eines Data Warehouse Systems ins Spiel.
Ein Data Warehouse stellt die Ordnung her, die nötig ist, um in dem Datendickicht eines Unternehmens die Informationen zu finden, die man benötigt. Als schlüsselfertige Standardlösung ist es nicht zu kaufen. Größe und Konzept sind von Unternehmensstruktur und Anforderungen der Benutzer abhängig. Wer einsteigt, muss allerdings nicht sofort ein ganzes Einkaufszentrum planen. „Think big, start small“,
lautet der Ratschlag vieler Experten. So kann ein modularer Aufbau sinnvoll sein. Man startet mit sogenannten Data Marts, vergleichbar mit einzelnen Fachabteilungen innerhalb des Data Warehouses.
Und auch ein Unternehmen, dessen Datenvolumen sich im Vergleich mit einem Handelsriesen winzig ausnimmt, sollte über den Einsatz eines Data Warehouses nachdenken. Ab wann sich der Aufbau eines Data Warehouses lohnt, sollte man nicht an der Unternehmensgrösse fest machen sondern an zwei anderen Faktoren: der Zahl der Kunden in Kombination mit der Zahl der Transaktionen.
Nicht jedes Großunternehmen braucht ein Data Warehouse und wer eines braucht, muss nicht unbedingt ein Großunternehmen sein.