Die Konsolidierung und Auswertung verteilter Unternehmensdaten sind hinsichtlich Prozessoptimierung, Wettbewerbsfähigkeit und strategischer Ausrichtung eines Unternehmensvon zentraler Bedeutung.
Die Praxis zeigt, dass der zweckgebundene Aufbau kleinerer Datenbestände (Data Marts), zum Beispiel für die bevorstehende Unternehmensplanung, durchaus sinnvoll ist.
Wird das Thema Performance Management auf eine breitere Basis im Unternehmen gestellt, ist der Ansatz ein anderer und deutliche umfangreicher.Um einen späteren Ausbau von "klein zu groß" problemlos zu meistern, sollte daher auch bei kleinen Lösungen immer eine solide inhaltliche und technische Architektur gegeben sein.
Ein "typisches" Data Warehouse integriert und verwaltet Daten aus verschiedenen Quellsystemen und stellt damit eine themenorientierte, historische und autonome Datenbank eines Unternehmens dar. Die Daten werden vor allem für die Datenanalyse und zur betriebswirtschaftlichen Entscheidungshilfe in Unternehmen sowie zum Data Mining langfristig gespeichert.
Es empfiehlt sich, für Business Intelligence-, Reporting- oder Advanced Analytics-Lösungen sowie für Unternehmensplanung und Konzernkonsolidierung, das Konzept des Data Warehouse zu einer Analytics Platform weiterzuentwickeln.
Als Bestandteil eines Data Lake bzw. eines Daten Repository kann ein Data Warehouse dadurch viele weitere Anforderungen an eine Business Intelligence-Lösung abdecken. In Abgrenzung zum Data Warehouse ist der Data Lake auf die Speicherung großer Datenmengen ausgelegt und sehr flexibel hinsichtlich der Verarbeitung verschiedener Formate.
Eine solche Analytics Platform bietet sowohl die Möglichkeit der parallelen Datenverarbeitung als auch extrem hohe Speicherkapazitäten. Heißt: In einem Data Lake lassen sich große Datenmengen zunächst ablegen, um sie bei Bedarf für den Aufbau von Prognose-Modellen u.ä. heranzuziehen. Der Nutzen einer Analytics Platform zeigt sich daher insbesondere dann, wenn Advanced Analytics zum Einsatz kommt.
Mehr zum Thema Data Lake