Die Vorteile von Data Vault Data Vault: mehr Agilität im Data Warehouse (Teil 2)

0

Data Vault

Mehr Agilität durch Data Vault

Agile Unternehmen brauchen eine agile IT. Moderne Datenstrukturen sind aber mit bestehenden Data Warehouse-Architekturen nur umständlich (und teuer) zu erreichen. Data Vault ist ein Technologieansatz, mit dem sich Legacy Data Warehouses den Anforderungen der Digitalisierung anpassen lassen. Im zweiten Beitrag der Blogserie geht es um die Vorteile des Konzepts.

Dieser Beitrag ist dem Whitepaper Mit Data Vault zu mehr Agilität im Data Warehouse entnommen.

Was Sie als Anwender wissen sollten: Data Vault ist kein IT-Selbstzweck. Ziel ist es vielmehr, die Organisation bestmöglich zu unterstützen, wenn es darum geht, integrierte Daten für Analysen und das Berichtswesen schnell bereitzustellen. Wenn man daher die Vorteile von Data Vault bewertet, sollte man von verschiedenen Sichtweisen ausgehen.

Vorteile für Unternehmen

Ein wesentlicher Vorteil von Data Vault ist, dass sich die Entwicklungszeit stark reduzieren lässt, etwa, wenn es darum geht, Business-Anforderungen zu implementieren. Zudem erzielen Unternehmen einen höheren Return on Investment (ROI). Des Weiteren wird das DWH durch den Einsatz von Data Vault skalierbar. Mithilfe der Lösung können Unternehmen außerdem alle Daten bis zu ihrem Quellsystem nachverfolgen. Insbesondere Organisationen, die große Datenvolumina binnen kürzester Zeit laden müssen, profitieren von Data Vault. Ebenso Unternehmen, die ihre BI-Applikationen agil entwickeln wollen oder jene, die ein vorgelagertes Core Data Warehouse innerhalb einer bestehenden Silo-Architektur aufbauen möchten.

Vorteile in technischer Hinsicht

Neben klassischer Batch-Verarbeitung unterstützt Data Vault auch Near-Realtime-Loads. Dabei können Unternehmen auch unstrukturierte/NoSQL-Datenbanken anbinden. Im Vergleich zu klassischen DWH-Architekturen (Inmon oder Kimball) werden die Geschäftsregeln (Business Rules) im Business Data Vault sowie in der Information Mart Layer eingesetzt. Demnach sind sie so möglichst nah beim End-User implementiert.

Entsprechend werden Geschäftsregeln „spät“ abgebildet und das Data Warehouse exakt mit den Daten beladen, wie sie im Quellsystem vorliegen. Deshalb spricht man beim Data Warehouse auch von „Source of Facts“ und nicht von der „Source of Truth“.

Darüber hinaus lässt sich das Data Warehouse dank eines iterativen, agilen Entwicklungszyklus inkrementell ausbauen. Dadurch können Unternehmen das Datenmodell bedarfsgerecht für alle Themenbereiche erweitern. Ein weiterer Vorteil ist das sogenannte Time Traveling, also stichtagsbezogene Auswertungen bzw. Zeitreisen. Das bedeutet, dass sich Daten aus dem Altbestand zu einem bestimmten Stichtag darstellen oder auswerten lassen. Unternehmen können Berichtsstände direkt miteinander vergleichen. Dadurch, dass Organisationen Daten unverändert, vollständig und historisiert laden können, erfüllen sie Compliance- und Auditanforderungen.

Diese Artikel könnten Sie auch interessieren:

Tags: , ,

Stefan Müller - Director Big Data Analytics
Nach mehreren Jahren Tätigkeit im Bereich Governance & Controlling und Sourcing Management ist Stefan Müller bei it-novum gelandet, wo er den Bereich Big Data Analytics aufgebaut hat. Stefans Herz schlägt für die Möglichkeiten, die die BI-Suiten von Pentaho und Jedox bieten, er beschäftigt sich aber auch mit anderen Open Source BI-Lösungen. Seine Begeisterung für Business Open Source im Bereich Datenintelligenz gibt Stefan regelmäßig in Fachartikeln, Statements und Vorträgen weiter.
Webprofile von Stefan: Twitter, LinkedIn, XING