Dirk Müller

In dieser vierteiligen Reihe möchten wir Ihnen die Funktionsweise und Vorteile einer Analytics Platform näher bringen. Die Analytics Platform ist ein Modern Data Warehouse (MDWH) mit gezielter Ausrichtung auf Data Science Use Cases. Durch einen Data Lake als Datenfundament können hierbei sowohl strukturierte, als auch unstrukturierte Daten abgelegt werden. Die Aufbereitung dieser Daten erfolgt in der Regel durch ein Rechencluster (z.B. Apache Spark). Die aufbereiteten Daten werden dann den weiteren Nutzern zugeführt. Dies kann beispielsweise über eine relationale Datenbank, z.B. in Form eines DWHs, erfolgen, oder aber per Data Science Workspace, der es den Data Scientisten ermöglicht, Use Cases umzusetzen.

In dieser vierteiligen Reihe möchten wir Ihnen die Funktionsweise und Vorteile einer Analytics Platform näher bringen. Die Analytics Platform ist ein Modern Data Warehouse (MDWH) mit gezielter Ausrichtung auf Data Science Use Cases. Durch einen Data Lake als Datenfundament können hierbei sowohl strukturierte, als auch unstrukturierte Daten abgelegt werden. Die Aufbereitung dieser Daten erfolgt in der Regel durch ein Rechencluster (z.B. Apache Spark). Die aufbereiteten Daten werden dann den weiteren Nutzern zugeführt. Dies kann beispielsweise über eine relationale Datenbank, z.B. in Form eines DWHs, erfolgen, oder aber per Data Science Workspace, der es den Data Scientisten ermöglicht, Use Cases umzusetzen.

Das Potential, welches in den stetig wachsenden Datenvolumen von Unternehmen schlummert, war nie größer als heute. Vor allem Methoden aus dem Umfeld von Data Science und Machine Learning versprechen wahre Wunder, wenn man der häufigen Nutzung dieser Begriffe als Buzzwords Glauben schenken mag. Oft ist dies mit der Vorstellung verbunden, dass man lediglich eine Software installieren und einen Algorithmus laufen lassen muss, damit die Optimierung bestehender Prozesse erfolgen kann. Bevor das Optimierungspotenzial jedoch erschlossen werden kann, sind einige Hürden zu meistern. Aber was sind die erfolgsversprechenden Vorgehensweisen, damit Data Science Projekte gelingen und Erfolge langfristig gesichert werden können?

In diesem Artikel vergleicht Dirk Müller Power BI und Tableau - die beiden führenden Tools auf dem Markt für Self-Service BI.

Dirk Müller beschreibt in diesem Blogbeitrag was ein Modern Data Warehouse von einem traditionellen DWH unterscheidet und wie gelingt es, die unterschiedlichen Anforderungen miteinander zu verbinden.

Der Wettbewerb um Kunden, Umsätze und Marktanteile wird mit wachsender Intensität und Geschwindigkeit geführt. In sämtlichen Unternehmensbereichen werden Entscheidungen für eine effektive als auch effiziente Ausführung der Geschäftsprozesse erwartet, die zu greifbaren Vorteilen in der betrieblichen Leistungserbringung führen sollen. Obwohl für entsprechende gute Entscheidungen eine qualitativ hochwertige Datengrundlage sowie eine hohe Verfügbarkeit und Performanz der Systeme zur Verfügung stehen muss, klaffen diesbezüglich in heutigen Organisationen oftmals Anspruch und Wirklichkeit auseinander.

In den vergangenen Jahren wurde nicht nur aus diesem Grund das Ende eine zentralen Enterprise Data Warehouse immer wieder vorhergesagt. Zunehmend ist zu...