Was ist ein logisches Data-Warehouse?
Ein logisches Data-Warehouse (LDW) ist eine Datenverwaltungsarchitektur, in der sich eine Architekturschicht auf einem traditionellen Data Warehouse befindet und den Zugriff auf mehrere, verschiedene Datenquellen ermöglicht und Benutzern als „logische“ Datenquelle erscheint. Im Wesentlichen handelt es sich um eine analytische Datenarchitektur, die sowohl traditionelle Datenquellen (Datenbanken, Enterprise-Data-Warehouses, Data Lakes usw.) als auch andere Datenquellen (Anwendungen, Big Data-Dateien, Webservice und die Cloud) optimiert, um jedes Analyse-Anwendungsszenario zu erfüllen. Der Begriff wurde 2009 geprägt und gewinnt auf dem Markt weiter an Bedeutung, da die Datenkomplexität für viele Unternehmen zu einem wachsenden Problem wird.
Das logische Data Warehouse wird als die nächste Generation von Data Warehouse bezeichnet, mit der Möglichkeit, den wachsenden Datenverwaltungsanforderungen von Unternehmen gerecht zu werden. Durch die Kombination mehrerer Engines und verschiedener Datenquellen im gesamten Unternehmen können logische Data Warehouse-Komponenten logisch statt physisch an einem Ort kombiniert werden. Das moderne LDW hat sich entwickelt, um die heutige Vielfalt an verfügbaren Datenquellen, Datenplattformen und Geschäfts-Anwendungsszenarien zu unterstützen. Es hilft Unternehmen dabei, digital neu zu erfinden, Echtzeit-Streaming-Analytik zu ermöglichen und den Betrieb mit intelligenteren, datenbasierte Entscheidungsfindungen zu optimieren.
Was sind die Vorteile eines logischen Data-Warehouse?
Erfüllung der sich entwickelnden Datenanforderungen
Mit dem Ansatz des logischen Data-Warehouse können Unternehmen sich entwickelnde Datenanforderungen erfüllen und gleichzeitig bestehende Investitionen in physische Ansätze wie Data Warehouses, Data Marts, Sandboxen, Data Lakes und andere nutzen. Als Multi-Engine-Ansatz ermöglicht das logische Data-Warehouse den Unternehmen, all ihre unterschiedlichen Analytik-Anforderungen zu erfüllen. Es ist zu beachten, dass sich diese verschiedenen Komponenten (Enterprise-Data-Warehouses, Data Lakes, Data Marts usw.) sich nicht gegenseitig ausschließen und sich in einem strategischen Datenverwaltungsansatz tatsächlich ergänzen können. Das Enterprise- Data-Warehouse (EDW) zum Beispiel ist nicht verschwunden. Es ist immer noch nützlich, um die Daten eines Unternehmens zu verwalten, ist gerade ein Teil des größeren Ganzen — des logischen Data-Warehouse.
Das logische Data-Warehouse sorgt dafür, dass Ihre Analysestrategie für neue Datenanforderungen agil und flexibel ist. Es verhindert, dass Ihr Team in eine Technologie oder einen Ansatz gefangen wird, unabhängig davon, wie sich der Markt in Zukunft verändert. Dies führt auf das ergänzende Design der verschiedenen zuvor erwähnten Komponenten zurück. Unternehmen können Entscheidungen darüber treffen, welche Komponenten für verschiedene Datenverwaltungsaufgaben verwendet werden sollen, um ihre Anforderungen zu erfüllen. Wenn das Unternehmen wächst und neue Daten generiert werden, kann die Datenvirtualisierungsschicht diese neuen Datenquellen integrieren, ohne vorhandene Prozesse zu stören.
Modernisierung Ihres Datenansatz
Mit einem logischen Data-Warehouse können Unternehmen ihren Datenansatz und ihre Analysearchitektur modernisieren, indem sie eine gemeinsame analytische Datenverwaltungsarchitektur für alle ihre verschiedenen Datentypen, Technologien, Benutzer und Anwendungsfälle bereitstellen. Das logische Data-Warehouse ermöglicht es einem Unternehmen, Fragen zum Unternehmen zu beantworten, die Leistungen in der Vergangenheit zu analysieren und zukünftige Ergebnisse vorherzusagen, indem es alle seine Daten in verschiedenen Quellen integriert. Außerdem kann LDW einem Unternehmen dabei helfen, seine Datenverwaltungsstrategie zu skalieren, wenn es wächst, beginnend mit seinen aktuellen Daten und dem einfachen Hinzufügen oder Ändern von Design, wenn sich die Prioritäten ändern. Dieser dynamische Ansatz ist der Schlüssel für jede moderne Datenverwaltungslösung.
Befähigung der Datenanwender
Der LDW-Ansatz fördert Benutzer unterschiedlicher Qualifikationsstufen, indem Daten leichter zu finden und zu verstehen sind. Das logische Data-Warehouse kann die Produktivität aller Benutzer verbessern, indem es alle Datenquellen, einschließlich Streaming-Quellen, in eine umfassende, „logische“ Quelle integriert. Dies ermöglicht den gemeinsamen Zugriff auf Daten in einer gesamten Organisation, sodass verschiedene Geschäftsteams ihre eigenen Analysen durchführen können. Im Gegenzug sind Unternehmen in der Lage, bessere Entscheidungen zu treffen, die auf einem konsistenten Verständnis ihrer Daten in jeder Abteilung und jedem Team basieren.
Mit einer immer vielfältigeren Datenvielfalt ist das logische Data-Warehouse seit seiner Erstellung noch notwendiger geworden. Es bietet eine Technologie oder ein Tool, um alle Daten einer Organisation, einschließlich historischer Daten, zu erheben und zu konsolidieren und einheitliche Analysen durchzuführen, die kein System alleine machen könnte. LDW gewährt vielen verschiedenen Datenanwender die Möglichkeit, vertrauenswürdige und wiederverwendbare Datenservices zu nutzen. Durch die Demokratisierung des Zugriffs auf die Daten einer Organisation auf diese Weise werden Selfservice-Analysen ermöglicht und gewährleistet gleichzeitig die Konsistenz und Genauigkeit der vom Unternehmen verwendeten Daten.
Gemeinsame Merkmale eines logischen Data-Warehouse
Da sich das logische Data-Warehouse seit 2009 weiterentwickelt hat, hat sich sein grundlegender Zweck nicht geändert, aber seine wichtigsten Merkmale sind gewachsen und wurden an die Unternehmensanforderungen angepasst. Moderne LDW-Tools haben jetzt normalerweise die folgenden Eigenschaften:
- Anwendungszugriff über eine einzige Schnittstelle
- Bereits existierendes Enterprise-Data-Warehouse bleibt bestehen
- Enthält einen oder mehrere Data Lakes als Repositories
- Verwendet einen Operational Data Store (ODS)
- Sicherstellung der Konsistenz mit Data Marts
- Festlegung von Metadaten und Governance-Richtlinien
Anwendungsszenarien für logisches Data-Warehouse
Fast jedes Unternehmen oder jede Branche könnte davon profitieren, alle seine Daten zu verbinden und den Zugriff im gesamten Unternehmen für eine bessere Analyse und Entscheidungsfindung zu ermöglichen. Im Folgenden werden nur einige der Anwendungsfälle aufgeführt, in denen LDW angewendet werden kann:
- Risikomanagement
- Überwachung der KPIs
- IoT Edge-Analyse
- Prädiktive Analysen
- Data Mining
- Selfservice-Analysen