Data Warehouse

Wie funktioniert ein Data Warehouse?

Die Speicherung und Zusammenführung von Daten in einem zentralen Data Warehouse (DWH) folgt einem Prozess mit mehreren Schritten. Dieser wird auch Data Warehousing genannt und stellt sich wie folgt dar:

Data Warehouse vs. Data Lake

Nicht zu verwechseln ist ein Data Warehouse mit einem Data Lake. Letzterer ist lediglich für die Aufnahme großer Mengen an Rohdaten (Big Data) zuständig, während die Informationen in einem Data Warehouse bereits mittels Data Mining aufbereitet sind.

Was versteht man unter ETL-Prozess?

Der ETL-Prozess ist dafür zuständig, Daten aus verschiedenen Quellen in Data Warehouses zu integrieren. Eingesetzt wird er insbesondere in Szenarien mit großen Datenmengen, wie sie z. B. im Big-Data- und im Business-Intelligence-Bereich vorkommen. ETL ist die Abkürzung für folgende Schritte:

• Extract: Extraktion der Daten aus Quellsystemen (z. B. aus operativen Systemen wie ERP oder externen Quellen)
• Transform: Umwandlung der Dateninhalte und -strukturen in das Schema und Format der Zieldatenbank
• Load: Laden der umgewandelten Daten in das Data Warehouse (oder ein anderes System)

Die Beladung erfolgte in der Vergangenheit aus Ressourcengründen oftmals turnusmäßig (z. B. monatlich). In jüngerer Vergangenheit geht der Trend jedoch klar in Richtung einer Echtzeitbeladung. Die Rede ist hierbei auch von Real-time Data Warehousing.

Wie werden Data Warehouses genutzt?

Data Warehousing bietet mehrere Anwendungsmöglichkeiten für Unternehmen. Im Wesentlichen sind die folgenden zu nennen:

• Schnelle und flexible Bereitstellung von Daten für Statistiken, Reports und Kennzahlen
• Ermittlung von Zusammenhängen und Mustern in Daten durch Data Mining oder Online Analytical Processing
• Schaffung von Transparenz zu betriebswirtschaftlichen Fragestellungen
• Bereitstellung umfangreicher Informationen zu Geschäftsobjekten
• Nutzung von Daten aus der Produktion im Rahmen von Industrie 4.0