Datenarchitektur

Bewährte Praktiken im Data Warehouse

Teresa Wingfield

Oktober 26, 2021

Bewährte Praktiken im Data Warehouse

In jeder Branche besteht die Notwendigkeit, bewährte Verfahren zu befolgen. Data Warehouse Best Practices sind da keine Ausnahme. Best Practices sind Methoden oder Techniken, die als guter oder bester Weg zur Durchführung einer Aktivität, eines Prozesses oder einer Praxis anerkannt sind. Alle Praktiken entwickeln sich weiter, aber der beste Weg ist, mit einer Grundlage von Best Practices zu beginnen und diese Praktiken dann an kennenlernen spezifischen Bedürfnisse einer Organisation anzupassen. Unternehmen, die ihre Best Practices auf der Grundlage von Branchen-, Kunden- und internem Feedback kontinuierlich weiterentwickeln, schaffen einzigartige Best Practices, die ihnen einen strategischen, taktischen oder operativen Vorteil gegenüber ähnlichen Unternehmen verschaffen, die die gleichen Märkte bedienen.

Best Practices sorgen dafür, dass Anlagen, Funktionen und Ressourcen dem Unternehmen, den Beteiligten und den Kunden einen Mehrwert bieten. Ein Data Warehouse kann eine strategische Ressource für jede Organisation sein. Die Entwicklung einer Data-Warehouse-Praxis zu einer einzigartigen Fähigkeit erfordert, dass das Data Warehouse die organisatorischen Ziele, die die Data-Warehouse-Technologie unterstützt, am besten kennenlernen .

Bewährte Praktiken im Data Warehouse

Daten innerhalb eines Unternehmens werden manchmal nicht in dem Maße genutzt, wie es möglich wäre. Viele Unternehmen treffen ihre Entscheidungen in den meisten Fällen nach bestem Wissen und Gewissen oder auf der Grundlage von Expertenmeinungen. Diese Entscheidungen können leistungsfähiger und aussagekräftiger werden, wenn sie mit intelligenten Daten, Informationen und Kenntnissen in Bezug auf die Bedürfnisse der Datenkonsumenten untermauert werden. Um dies zu erreichen, müssen Unternehmen als Team arbeiten und so viele Silos wie möglich in Bezug auf die Dienstleistungen und Produkte, die sie anbieten und unterstützen, beseitigen. Der Datenaustausch zwischen den Kunden und allen funktionalen Einheiten des Unternehmens trägt dazu bei, dies zu erreichen.

Organisationen verlassen sich auf viele bewährte Verfahren in verschiedenen Funktionen, um so effizient wie möglich zu arbeiten. Es gibt Best Practices für die Verwaltung von Mitarbeitern, Methoden, Prozessen und Technologien. Nachfolgend sind einige Best Practices und Data Warehouse-Überlegungen aufgeführt, die in einem Unternehmen angewandt werden sollten, um die Wertschöpfung aus einem Data Warehouse zu unterstützen:

  • Ermitteln Sie, welche Entscheidungen in den einzelnen Funktionseinheiten der Organisation getroffen werden müssen und wie die Daten die Schlussfolgerungen unterstützen. Daten sollten einen Zweck haben. Erfasste Daten, die keinen Zweck haben, sind eine Verschwendung der wertvollen Ressourcen der Organisation. Die Organisation muss bei der Datenerfassung effizient und effektiv vorgehen, einschließlich des Datenaustauschs zwischen Funktionseinheiten, der Umwandlung von Daten in Informationen und der anschließenden Umwandlung in Wissen zur Entscheidungsunterstützung.
  • Erstellen Sie Modelle. Service-, Produkt-, Finanz- und Prozessmodelle helfen Unternehmen, den Datenaustausch und die von den verschiedenen Beteiligten benötigten Daten zu verstehen, um das Datenmodell für das Data Warehouse zu definieren und zu gestalten. Das Datenmodell hilft dem Unternehmen, die Wertschöpfungsketten zwischen den verschiedenen Datenkonsumenten zu verstehen und wie die Daten präsentiert werden sollen.
  • Verstehen der Entscheidungen, die von jedem Nutzer der Daten im Data Warehouse getroffen werden müssen. Analysieren und Verstehen des Datenbedarfs für jeden Datenkonsumenten.
  • Legen Sie Richtlinien, Prozesse und Verfahren für Governance, Risiko und Compliance (GRC) fest. Die Verwaltung von Daten ist für jedes Unternehmen sehr wichtig und sollte mit größter Sorgfalt und Verantwortung behandelt werden. Die Datenaktivitäten innerhalb des Unternehmens müssen effizient, effektiv und wirtschaftlich sein, um Risiken und Ressourcenverschwendung zu vermeiden.
  • Entscheiden Sie sich für die Art des anfänglichen Data Warehouse. Entscheiden Sie, ob eine 1-, 2- oder 3-stufige Architektur der beste Ansatz für Ihr Data Warehouse ist. Denken Sie daran, dass Data Warehouses die analytische Verarbeitung unterstützen und nicht für die Transaktionsverarbeitung geeignet sind.
  • Entscheiden Sie, ob das Data Warehouse On-Premises, Cloud oder als Hybridlösung betrieben werden soll. Dazu gehört auch das Verständnis des für das gesamte ursprüngliche Programm/Projekt verfügbaren Budgets und dessen Auswirkungen auf die Entscheidung.
  • Legen Sie die ersten Quellen für die Eingabe in ein Data Warehouse fest. Denken Sie daran, dass die Datenquellen im Laufe der Zeit wachsen können, wenn die Anforderungen des Unternehmens steigen. Es ist wichtig sicherzustellen, dass das Hinzufügen neuer Datenquellen einfach zu bewerkstelligen ist.
  • Erstellen Sie einen Projektplan, um den Lieferansatz in überschaubare Einheiten aufzuteilen, damit Sie mit dem Data Warehouse schnell einen Nutzen erzielen können. Versuchen Sie nicht, mit einem nicht enden wollenden Projekt perfekt zu sein oder einen Big-Bang-Ansatz zu verfolgen. Zeigen Sie den Wert so schnell wie möglich. Seien Sie agil, werden Sie gut genug und planen Sie eine kontinuierliche Verbesserung.
  • Bestimmen Sie die Anforderungen an das Data Warehouse hinsichtlich Verfügbarkeit, Kapazität, Sicherheit und Kontinuität. Das Data Warehouse muss bei Bedarf verfügbar sein, über genügend Kapazität verfügen, um die Nachfrage zu befriedigen, die Vertraulichkeit und Integrität gewährleisten und denjenigen zur Verfügung stehen, die es benötigen. Um die Kontinuität zu gewährleisten, sollte das Data Warehouse in die Analyse der Auswirkungen auf das Geschäft und die Planung der Risikobewertung einbezogen werden. Usability und Leistung sind ebenfalls wichtige Faktoren für die Gewährleistung des Data Warehouse gegenüber seinen Nutzern.
  • Entscheiden Sie, wie oft Daten aus Data-Warehouse-Quellen für Entscheidungen geladen und abgeglichen werden müssen, je nach Aktualität und Relevanz der Datenänderung. Verwenden Sie Extrahieren, Transformieren und Laden(ETL), um Daten zwischen Quellen und Zielen zu migrieren. Data-Warehouse-Staging ist eine bewährte Methode, um Daten nach einem regelmäßigen Zeitplan für Data-Warehouse-Entscheidungsanforderungen bereitzustellen.
  • Einrichten von Daten für Berichte, Analysen und business intelligence. Data-Warehouse-Berichtsverfahren müssen für eine einfache Nutzung durch die Datenkonsumenten ermöglicht werden. Der Verbraucher sollte in der Lage sein, schnell und einfach dynamische Berichte aus dem Data Warehouse zu erstellen.
  • Befolgen Sie agile Best Practices für Change-, Release- und Deployment , um Risiken zu verringern und den Wissenstransfer zu verbessern. Diese Best Practices sollten mit anderen Best Practices im Unternehmen integriert und abgestimmt werden.
  • Achten Sie darauf, dass Sie erfahrene Mitarbeiter einstellen, die Experten für die Planung, Entwicklung und Implementierung von Data Warehouses sind. Die Zusammenstellung des richtigen Teams ist eine der wichtigsten Best Practices für die Planung, Entwicklung und Implementierung von Data Warehouses. Egal wie gut die Technologie auch sein mag, ohne die richtigen Mitarbeiter werden die Gesamtergebnisse enttäuschend ausfallen. Projektmanager, Geschäftsanalysten, Datenanalysten, Dateningenieure, Datenarchitekten, Sicherheitsanalysten und Wissensmanager sind die Schlüsselpersonen, die zu einem erfolgreichen Data Warehouse beitragen können.

Bewährte Verfahren für business intelligence und Data Warehousing gehen Hand in Hand. Je besser die technische Infrastruktur des Data Warehouse ist, desto besser kann das Unternehmen die Daten für Consumer Intelligence sammeln, speichern, analysieren und präsentieren. Unternehmen müssen sich vor einer unzureichenden Datenqualität hüten, die zu schlechten Daten für business intelligence führt. Das Data Warehouse sollte die Tools oder Anwendungen, die die Daten für business intelligence benötigen, problemlos unterstützen. Reporting, data mining, Prozessanalyse, Leistungsbenchmarking und Analysetools unterstützen business intelligence und sollten schnell implementiert werden, ohne dass eigene Lösungen für das Data Warehouse entwickelt werden müssen.

Zusammenfassung

In diesem Blog wurden viele Best Practices für Data Warehouses erörtert. Je nach Unternehmen und den dortigen Herausforderungen können weitere Best Practices zu den oben aufgeführten hinzugefügt werden. Bewährte Verfahren können überall im Unternehmen auf der Grundlage von Erfahrungen, Herausforderungen und der allgemeinen Marktdynamik, mit der das Unternehmen konfrontiert ist, zum Einsatz kommen. Data Warehouses und Enterprise Data Hubs werden für viele Unternehmen immer mehr zu einer strategischen Komponente. Da es sich bei einem Data Warehouse um ein großes Projekt handelt, das im Laufe der Zeit reifen wird, sollte es zu einem wichtigen Programm im Unternehmen werden. Daten sind das Blut, das durch die Organisation fließt; das wird sich nicht ändern. Datenmanagement wird sich mit den neuen Technologien weiterentwickeln, aber der Zweck bleibt, dem Unternehmen zu helfen, besser informierte und schnellere Entscheidungen zu treffen. Machen Sie einen Plan für den Start oder die Verbesserung Ihrer Data Warehouse-Ergebnisse, indem Sie bewährte Verfahren anwenden und die richtigen Partner, Technologien und Software zur Unterstützung Ihrer Migration auswählen.

Actian kombiniert eines der branchenweit schnellsten Cloud mit Self-Service in der Cloud , um bessere Kundeneinblicke zu schaffen. Mit einer einfachen Drag-and-Drop-Benutzeroberfläche ermöglicht Actian Data Platform jedem im Unternehmen - vom Datenwissenschaftler bis zum Bürgerintegrator - die einfache Kombination, Bereinigung und Analyse von Kundendaten aus jeder Quelle und an jedem Ort.

teresa Nutzer avatar

Über Teresa Wingfield

Teresa Wingfield ist Director of Product Marketing bei Actian. Sie ist verantwortlich für die Kommunikation des einzigartigen Wertes, den die Actian Data Platform bietet, einschließlich bewährter Datenintegration, Datenmanagement und Data Analytics. Sie verfügt über eine 20-jährige Erfahrung Aufzeichnung der Steigerung von Umsatz und Bekanntheitsgrad von Analytik-, Sicherheits- und Cloud . Bevor sie zu Actian kam, leitete Teresa das Produktmarketing bei branchenführenden Unternehmen wie Cisco, McAfee und VMware.