Datawarehouse

Bouw met datawarehousing één integraal klantbeeld op

Een datawarehouse of gegevenspakhuis gaat uiteindelijk al je bedrijfsdata bevatten. Die data maak je daarmee geschikt voor integrale analyse, rapportage, verantwoording, datamining en dashboarding. Waar nodig vul je deze bedrijfsdata aan met externe (open) data. Want je moet natuurlijk ook rekening houden met wat er in je omgeving gebeurt.

Organisaties die datawarehousing niet (juist) inzetten, missen een integraal beeld van hun klant. En hierdoor ontberen ze ook cruciale inzichten om continu te verbeteren, te innoveren en kansen in de markt te pakken. Als manager, controller of business analist moet je goed over een datawarehouse nadenken, want:

• Wat zijn de voordelen van een datawarehouse? Wanneer heb je er echt een nodig?
• Zijn er ook alternatieven voor een datawarehouse en zo ja welke zijn betaalbaar?
• Welke vraagstukken kun je beter het hoofd bieden mét een DWH dan zonder?
• Hoe kan je jouw senior management overtuigen van het nut en de noodzaak?
• Maakt een data lake een datawarehouse overbodig?
• Welke datawarehouse- en ETL-tooling kan je daarbij gebruiken?
• Welke gegevensmodellering past het beste bij jouw situatie en gebruikswensen?
• Hoe pak je nu zo’n traject succesvol aan? Wat moet je zeker wél en zeker níet doen?

De datawarehouse-specialisten van de Passionned Group helpen je graag bij het beantwoorden van deze vragen met onafhankelijk advies, opleidingen en implementatie.

Wat is een datawarehouse en wat is het nut?

Een datawarehouse zorgt voor een flexibele informatie-infrastructuur. We noemen een datawarehouse ook wel een gegevenspakhuis voor stuurinformatie. Gegevens uit verschillende bronnen (bedrijfsprocessen) ga je ophalen, opschonen, integreren, zorgvuldig op elkaar afstemmen en naar thema rangschikken. Zodat je medewerkers die data heel gemakkelijk met elkaar in verband kunnen brengen. Met als doel analyse, rapportage, dashboarding, datamining en performance sturing te vereenvoudigen. Hierdoor kunnen ze de data eenvoudig omzetten in financieel voordeel en kwaliteitsverbeteringen eenvoudiger doorvoeren.

Los complexere vragen op met de snelheid van het licht

In een datawarehouse (DWH) meng je al je bedrijfsgegevens en ook relevante externe gegevens. Je gaat ze ook gelijkschakelen. Hierdoor kunnen data analisten en beslissers razendsnel antwoord krijgen op tal van complexere vragen. Bijvoorbeeld:

• Aan welke klanten verdienen we het meest, hoe komt dat en hoe ziet de klantreis eruit?
• Waar bevinden zich de grootste werkvoorraden en langste doorlooptijden?
• In welke postcodegebieden wonen potentiële klanten voor ons nieuwe product?
• Welke declaraties zijn verdacht en hoe kun je daaruit een juiste selectie maken?
• Welke afdeling kent het hoogste ziekteverzuim en wat is de oorzaak?
• Welke klanten hebben een betalingsachterstand die groter is dan de norm?
• Enzovoorts.

Onderstaand schema maakt in grote lijnen duidelijk waarom een datawarehouse zo belangrijk is. Gebruikers kunnen allerlei dwarsverbanden maken over afdelingen en systemen heen. Met één druk op de knop.

Figuur: door data samen te brengen en gelijk te schakelen in een datawarehouse kun je eenvoudig een integraal klantbeeld opbouwen. En je kunt de data snel analyseren vanuit meerdere invalshoeken. Tot slot laat een datawarehouse je organisatie kantelen.

Versnel je leerprocessen met een factor 10

Met een datawarehouse krijg je niet alleen de antwoorden op complexere vragen snel boven tafel, maar ook die op recht-toe-recht-aan vragen. Hierdoor kunnen leerprocessen van je teams en medewerkers met minimaal een factor 10 versnellen. Mits uiteraard de performance van het datawarehouse snel genoeg is. Hierdoor kun je procesverbeteringen en innovaties sneller voor de juiste mensen zichtbaar maken. En je organisatie gaat veel winnen in wendbaarheid. En dat gaat je weer helpen bij de noodzakelijke transitie naar een intelligente organisatie. Onze ervaren data-architecten helpen je graag verder.

Overweeg alternatieven voor een datawarehouse

Er bestaan zeker wel zinvolle alternatieven voor het opzetten en inrichten van datawarehouses. Excel is in ieder geval geen goed alternatief. Maar zogenoemde appliances (“toestellen”) en datavirtualisatie tot op zekere hoogte wel.

• Een datawarehouse appliance is een combinatie van hardware, software en opslag. Het kan je data zeer snel verwerken en beschikbaar stellen aan gebruikers. Alles in één. Gezien het geringe onderhoud wat je eraan hebt en de goede performance, kan een appliance zeker van nut zijn in een datawarehouse omgeving. Vrijwel alle vooraanstaande BI tools/platforms kunnen tegenwoordig met deze toestellen werken. Onderdeel van een appliance is een in-memory database. Die laadt alle data in het interne geheugen van de server. Het resultaat? Razendsnelle responstijden. Echter, voor wat hoort wat en een dergelijke “data wasmachine” beperkt je wendbaarheid. Hij is grotendeels voorgeprogrammeerd.
• Datavirtualisatie software koppelt gegevensbronnen los van de applicaties en rapporten. Het biedt gebruikers een virtuele datalaag over verschillende gegevensbronnen. Die kun je dan realtime benaderen; de software gaat de gegevens onderweg transformeren, integreren en leveren. Hierdoor kan je een heterogene verzameling van gegevensbronnen voor alle rapporten als één logisch geheel presenteren. Traditionele integratie-oplossingen integreren de data fysiek in een datawarehouse. Met datavirtualisatie krijg je op aanvraag de gegevens integraal aangeleverd. Dit verhoogt natuurlijk de snelheid en flexibiliteit van levering. Echter, zo’n virtuele laag moet je wel eerst goed definiëren. En dat kost je doorgaans meer tijd dan bij een “normale” datawarehouse-laag. Bovendien is het de vraag of je IT-landschap hiervoor geschikt is. Ook hier geldt, het zal niet in alle gevallen de te prefereren aanpak zijn.

Wij kennen de plussen en minnen van de diverse alternatieven als geen ander. Door onze jarenlange ervaring binnen Passionned Group kunnen we je goed adviseren over de verschillende opties.

Welke DWH-oplossingen zijn voor jouw situatie geschikt?

Ons ETL Tools & Data Integration Survey 2018 is een 100% leveranciersonafhankelijke toolvergelijking en marktanalyse van de 22 belangrijkste data integratie tools. Wereldwijd gebruiken veel organisaties deze keuzegids om het beste ETL-gereedschap of de meest geschikte data-integratie oplossing voor hun bedrijf snel te selecteren. Daarmee besparen ze kostbare tijd en verkrijgen ze echt inzicht in de sterktes en zwaktes van de verschillende leveranciers en platforms. Lees verder…

Gegevensmodellering: regulier, dimensioneel of Data Vault?

Datawarehouses kun je op reguliere wijze of dimensioneel modelleren. Conform respectievelijk de scholen van Inmon en Kimball. Sinds enige jaren doet Data Vault modellering van Daniel Linstedt opgeld. Lees hier meer over de voor- en nadelen van deze modelleringstechniek. Deze methodiek is vooral geschikt voor zeer grote bedrijfsbrede gegevenspakhuizen, ofwel Enterprise Data Warehouses (EDW). Denk dan aan bijvoorbeeld banken en andere financiële instellingen die een zware compliance-verplichting kennen.

De ervaring leert dat het toepassen van Data Vault eerder leidt tot een datagedreven in plaats van een vraaggestuurd datawarehouse. Een oriëntatie die je het liefst niet tussen de oren ziet van je ontwikkelteam. Immers, het datawarehouse is ‘slechts’ een middel om tot kwalitatief goede, accurate en tijdige business intelligence te komen.

Wil je ook investeren in een datawarehouse?

Wil je ook investeren in een effectieve data infrastructuur zoals datawarehousing en vooral er de vruchten van plukken? Neem dan nu contact met ons op voor een oriënterende afspraak met een van onze datawarehouse-specialisten.

neem contact met ons op