Erst wenn einzelne Daten in einen sinnvollen Bezug zueinander gebracht werden, entstehen daraus Informationen, die für ein Unternehmen entscheidungsunterstützend sein können.

Die Aufgabe eines Data Warehouse ist es, solch große Datenmengen in einem System zu vereinigen und schnelle, komplexe und detaillierte Analysen zu erlauben.

Ein Data Warehouse ist ein nach inhaltlich fachlichen Überlegungen strukturierter Informationsbehälter, der als Basis für Decision Support Systeme (DSS) dient.

Es kann aus unterschiedlichen inhaltlichen Segmenten (data marts) bestehen, die mit unterschiedlicher Periodizität mit neuen Daten aufgefrischt werden. Dabei enthält es Daten über geschäftsrelevante Objekte (Kunden, Geschäftsfälle) in einer gegenüber dem operativen System vereinfachten Form (diese werden als Orthodaten bezeichnet), sowie Daten über die Semantik der Daten (Metadaten).

Ein Data Warehouse dient dazu, Daten einer Organisation, die in unterschiedlichen internen und externen Quellen (operativen Systemen) gespeichert werden, zusammenzuführen und inhaltlich neu zu strukturieren. Darüber hinaus hat es die Aufgabe, aus Daten nicht nur Informationen abzuleiten, sondern diese Informationen in Wissen weiterzuentwickeln und dann in Aktionen umzuwandeln. Dazu dienen die intelligenten, zueinander komplementären Analyseverfahren wie OLAP (on-line analysis processing) und Data Mining.

Die Experten von DATA TECHNOLOGY können Sie beim Aufbau von Data Warehouse-Lösungen unterstützen.
 

Eine umfassende Data Warehouse-Lösung muß verschiedene Aufgaben unterstützen:

• Zusammenführung von Daten aus unterschiedlichen Quellsystemen
• Design des Datenmodells
• effizientes Datenmanagement
• Auswertung der Daten

Die Effektivität einer Data Warehouse-Lösung hängt in hohem Maße davon ab, inwieweit es möglich ist, Informationen aus unterschiedlichen Geschäftsprozessen und damit auch aus unterschiedlichen Datenquellen zusammenzuführen. Wichtig dabei ist, daß nicht nur strukturelles Wissen über die Datenquelle erfaßt wird, sondern daß vor allem die Semantik der Daten betrachtet wird. Daten werden aus unterschiedlichen Quellen, gegebenenfalls unter Durchlaufen von Transformationsprozessen, im Data Warehouse zusammengefügt.
 

Um für einen umfangreichen Datenbestand ein Data Warehouse zu konzipieren, müssen folgende Datentransformationsprozesse durchgeführt werden:

• Extraktion der Daten aus dem Quellsystem
• Laden der Daten
• Transformieren der Daten, falls notwendig
• Plausibilisieren
• Integrieren der unterschiedlichen Datenfragmente
• Aggregieren der Datenhierarchien
• Fehlerbehandlung

Für die Experten von DATA TECHNOLOGY ist die Umsetzung dieser Transformationsprozesse durch jahrelange Erfahrung mit großen Datenbeständen schnell und effizient umsetzbar. Ziel sollte ein zentrales Data Warehouse sein. Dependent Data Marts sind physische oder logische Teilmengen (Teilsichten) auf das zentrale Warehouse, welches auf logischer Ebene durch ein gemeinsames Metadatenmodell manifestiert wird. Independent Data Marts sind mehrere unabhängig entwickelte z.B. abteilungsspezifische kleinere Informationsbehälter für spezifische Auswertungszwecke.

Data Based Marketing bedient sich zweier Werkzeuge - dem Data Warehousing und dem Data Mining.

Mittels unterschiedlicher Abfrage-, Analyse- und Auswertungsverfahren können mit Hilfe der kompetenten DATA TECHNOLOGY-Mitarbeiter neue Informationen als Basis für die Entscheidungsvorbereitung gewonnen werden. So wird es möglich, vorhandene aber verborgene Informationen zur Entscheidungsfindung zu nutzen. Data Based Marketing dient als Rückkoppelungssystem, um Unternehmensprozesse dynamisch und kontinuierlich an den Markt (Kunden, Lieferanten, Mitbewerber) anzupassen und zu optimieren.