Tagetik und Data Warehouse – Entweder-Oder, Koexistenz, Integration?

Die Grenzen zwischen Performance Management und Data Warehouse sind häufig fließend. Wenn es wie zum Beispiel bei der multidimensionalen Analyse von Finanzdaten zu Überschneidungen kommt, muss die optimale Lösungsarchitektur wohldurchdacht sein. Im Rahmen der OneLab-Initiative hat sich ein pmOne-Team zum Ziel gesetzt, ein Konzept zum zielgerichteten Zusammenspiel von Tagetik und klassischem Data-Warehouse auszuarbeiten. Im Blog-Beitrag werden – in Abhängigkeit von Ausgangslage und Anforderungen – sinnvolle Lösungswege aufgezeigt.

Die Grenzen zwischen Performance Management und Data Warehouse sind häufig fließend. Wenn es wie zum Beispiel bei der multidimensionalen Analyse von Finanzdaten zu Überschneidungen kommt, muss die optimale Lösungsarchitektur wohldurchdacht sein. Im Rahmen der OneLab-Initiative hat sich ein pmOne-Team zum Ziel gesetzt, ein Konzept zum zielgerichteten Zusammenspiel von Tagetik und klassischem Data Warehouse auszuarbeiten. Im Blog-Beitrag werden – in Abhängigkeit von Ausgangslage und Anforderungen – sinnvolle Lösungswege aufgezeigt.

pmOne ist mit zwei Kernkompetenzen am Business Intelligence Markt vertreten: Mit der integrierten Corporate Performance Management-Lösung von Tagetik werden die fachlichen Anforderungen des Finanzbereichs abgedeckt (Konzernkonsolidierung, Planung, Disclosure Management und andere). Ein weiteres wichtiges Standbein von pmOne ist die Konzeption und Implementierung von Data Warehouse-Lösungen auf Basis des BI-Stacks von Microsoft.

 

Was haben Tagetik und Data Warehouse miteinander zu tun?

 

Zusätzlich zu seinen vielfältigen Funktionen bietet Tagetik im Finanz- und Controlling-Bereich auch multidimensionale Analyse und Reporting in Form von Tagetik Analytics (wiederum basierend auf dem Microsoft BI-Stack und cMORE/XL von pmOne). Dies lässt sich durchaus als Financial Data Mart bezeichnen.

In unseren Data Warehouse-Projekten wiederum sind meist Finanzdaten und die entsprechenden Kennzahlen mit im Scope. Doch gehen Data Warehouse-Projekte oft weit darüber hinaus und integrieren auch Daten aus vielen anderen Unternehmensbereichen wie Verkauf, Einkauf oder Produktion.

 

Wird auf die Integration dieser Daten verzichtet, können typische Datensilos entstehen. Eine gemeinsame Nutzung ist dann nicht mehr unmittelbar gegeben, sondern erfordert zusätzliche Schritte – was sich spätestens beim Reporting offenbart.

Die gemeinsame Verwendung von Daten (z.B. aus SAP-FI und CO), die Anforderung nach integrierter Analyse sowie die Nutzung von konsolidierten (Plan-)Daten aus Tagetik verlangen nach Konzepten zur Integration von Tagetik und klassischem Data Warehouse.

 

 

Zwei grundsätzliche Lösungsansätze stehen zur Verfügung:

 

  • Abhängig von Datenumfang und Komplexität können auch typische Data Warehouse-Daten in Tagetik geladen und im Tagetik-Datamart zur Verfügung gestellt werden.

 

 

  • Liegt der Schwerpunkt auf der Integration vieler Unternehmensbereiche, ist ein Data Warehouse als führendes System besser geeignet. Das Data Warehouse wird so zur Datenquelle, aber auch zum Single Point für die Beladung anderer Systeme, beispielsweise mit Plandaten.

 

 

Erste Möglichkeit: Alle auswertungsrelevanten Daten in Tagetik bereitstellen

Diese Variante ist dann angebracht, wenn die Finanz- und Planungsdaten im Fokus stehen und der Auswertungsbereich nur um zusätzliche Daten in nicht zu großem Umfang angereichert werden soll.

Im Tagetik Cube stehen diese Daten dann gemeinsam für Auswertungen zur Verfügung. Durch Anpassung des Cube-Templates bleibt der Tagetik Cube releasefähig. Die Praktikabilität dieses Ansatzes ist von Fall zu Fall zu prüfen.

 

Zweite Möglichkeit: Integrierte Architektur - Tagetik und Data Warehouse

Das Data Warehouse wird zum zentralen System für die Beladung und die Datenhaltung für Analysen und Reports. In Tagetik kann man sich auf die Funktionalitäten wie Konsolidierung, Planung usw. konzentrieren.

Beim diesem Ansatz lassen sich eine Reihe von Synergien nutzen:

  • Doppeltes Laden von Quelldaten wird vermieden
  • Für die Pflege zusätzlicher Stammdaten können die vorhandenen Funktionen von Tagetik auch für das Data Warehouse genutzt werden
  • Das manuelle Laden von Daten (zum Beispiel aus Excel) kann über die out-of-the-Box Funktionalität von Tagetik erfolgen
  • Tagetik hat nur eine Schnittstelle zu berücksichtigen, nämlich das Data Warehouse. Das Mapping, Cleansing und Zusammenführen von Daten aus unterschiedlichen Quellen erfolgt ausschließlich dort
  • In Tagetik werden nur die für Konsolidierung, Planung etc. relevanten Daten in der dafür notwendigen Granularität gehalten. Das vermeidet Komplexität und sichert eine gute Performance der Prozesse in Tagetik


Welche Faktoren sind für die Entscheidung zugunsten eines integrierten Lösungsansatzes relevant?

  • Nutzung gemeinsamer Quelldaten und optimierter Beladungslogik, zum Beispiel Delta-Beladung
  • Nutzung gemeinsamer Master-Daten
  • Integrierte Analyse der Daten aus allen Unternehmensbereichen
  • Große Datenmengen und hohe Granularität (beispielsweise auf Tages- oder Stunden/Minuten-Ebene)
  • Drill Through auf Detaildaten

Bei der Entscheidung sollte nicht nur das Initial-Projekt im Fokus stehen, sondern auch die mittel- und langfristige BI-Strategie mit in Betracht gezogen werden. Kurzfristige Kostenersparnisse können sich schnell ins Gegenteil drehen, wenn die Synergien und Vorteile des integrierten Ansatzes bei der Erweiterung der Lösung nicht zum Tragen kommen.

Ein Data Warehouse ist auf das schnelle Beladen aus unterschiedlichsten Datenquellen ausgelegt. Ein weiterer Vorteil besteht in der optimierten Datenhaltung, selbst wenn es sich um große Datenmengen handelt, die Analyse- und Auswertungszwecken dienen. Die Finanz- und Planungsdaten aus Tagetik zu integrieren, ist da nur ein logischer Schritt auf dem Weg in Richtung Enterprise Data Warehouse und Single Point of Truth.

Dr. Norman Bernhardt

Head of Digital Solution R&D

pmOne AG

Dr. Norman Bernhardt berät als Director Mobility & Travel Industry am Berliner Standort der pmOne Group Kunden der unterschiedlichsten Branchen zum Themengebiet Cloud, Data Warehouse / Business Intelligence. Darüber hinaus beschäftigt er sich intensiv mit der Erforschung der Potentiale des Cloud Computing für das Anwendungsfeld Business Intelligence. Im Rahmen seiner Promotion an der Steinbeis Hochschule Berlin erarbeitet Dr. Norman Bernhardt ein Entscheidungsmodell für den Einsatz von Business-Intelligence-Lösungen auf der Basis von Cloud-Computing-Technologien.

https://www.pmone.com •  Blog-Beiträge von diesem Autor