Speed up your DWH! Einbindung von Appliance Data Warehouses

Transkript

1 Speed up your DWH! Einbindung von Appliance Data Warehouses Business Apéro Exasol / SHS VIVEON, Zürich Zürich, 15. November 2011 Roland Pieringer Senior Manager SHS VIVEON Schweiz

2 Agenda 01 Kurzvorstellung SHS VIVEON 02 Warum Data Warehouse Appliance? 03 Was sind die wesentlichen Merkmale von Data Warehouse Appliances? 04 Wie wird eine DWH Appliance integriert? 2

3 Kurzprofil Dr. Roland Pieringer Position Senior Manager Data Warehouse / Business Intelligence Schweiz Ausbildung Informatik & Wirtschaftswissenschaften Berufserfahrung - 13 Jahre Berufserfahrung bei SHS VIVEON und anderen Beratungsgesellschaften sowie IT-Unternehmen mit Fokus Datenbanken und Data Warehousing - 7 Jahre Berufserfahrung bei einem Datenbanksystemhersteller in der Entwicklung und Beratung Aufgaben/ Verantwortung - Führung des Themenbereichs DWH und BI in der Schweiz - Entwicklung von Themen rund um DWH/BI - Business Development, Key-Account Management - Mitarbeiteraufbau und entwicklung Methodik/ Skills - Business Intelligence und Data Warehouse Architektur / Strategie - Closed Loop Kampagnenmanagement - Innovative DWH-Konzepte wie DWH Appliances - Umsetzung von DWH/BI Projekten - Projektmanagement 3

4 SHS VIVEON im Überblick Facts & Figures Ausgewählte Kunden Gründung: 1991, seit Mai 1999 börsennotiert, seit 12/2009 im m:access Langjährige Erfahrung im Customer Management: - Business Intelligence - Geschäfts- und Kundenprozesse Ganzheitlicher Beratungspartner Business Consulting Implementierung Eigenes Produkthaus GUARDEAN 8 Standorte (Hamburg, Kastl, Köln, München, Stuttgart, Wien, Wiesbaden, Zürich) 25 Mio. Euro Umsatz > 200 Mitarbeiter Über 150 Kunden weltweit - davon 30 % aus der Liste der Fortune 500 International Finanzdienstleistungen Telekommunikation Industrie & Handel Die SHS VIVEON AG gehört als Beratungshaus zu den führenden Businessund IT-Lösungsanbietern im Customer Management 4

5 Und was heisst Customer Management? Kundenzufriedenheitsbefragung Monitoring Kundenbindung Historie Wiedergutmachung Beschwerde Mgt. Self Service Sanierung / Hilfe Differenziertes, kundenprofiliertes Mahnen Zahlungsstörung Reklamation Service Cross/up selling Kündigung Inkasso Churn prevention Win back Beitreibung Interessent Anfrage Information Beratung Angebot Kundenhistorie Scoring Interessen Bonitätscoring Autom. Angebotserstellung Einwandbehandlung Intelligente Skripts Reporting Alternative Produktvorschläge Die 10 besten Tips zu... Up/ Cross-Selling (NBA) Live time value Limit Management Lieferung Status Proaktive Beratung bei Verzögerung Forderungsmgt. Bestellung Status zu Bestellungen Up/Cross-Selling Potentiale Umsatzentwicklung Antragsmanagement Mitbewerbsinfo Preisargumentation Forecasting Angebotsverfolgung 5

6 Leistungsspektrum entlang der Kundenwertschöpfungskette Customer Life Cycle Customer Value Lead / Sales Management Kundenentwicklung / Loyalisierung Cross- / Up-Selling Loyalty Management Service Management Retention Management Neukundengewinnung Abwanderungsprävention Kundenrückgewinnung Reactivation & Win-back Customer Risk Customer Insight Decision Engines Realtime Decisioning Campaign Management Multichannel Management Antragsmanagement Bonitätsbewertung Customer Analytics Data Mining Scorecard Development Decision Support Data Warehousing Data Integration Information Management Business Intelligence Reporting Limit / Credit Management Risk-based Pricing Fraud Management Mahnwesen / Forderungsmanagement Inkasso Management 6

7 Wir bieten unseren Kunden Best in Class BI & DWH Mehr als 20 Jahre DHW / BI-Erfahrung. Mehr als 50 erfolgreich abgeschlossene DWH / BI-Projekte bei namhaften Unternehmen unterschiedlichster Branchen, z.b.: - adidas, buch.de, Danone, FinanceScout24, GEK, Infineon, Loyalty Partner (Payback), Telefonica o2, Schweizer Post, Sparkassen Versicherung, T-Home, UBS Crad Center, XING Umfassende DWH / BI-Expertise: - Informationsbedarfsanalyse - DWH und BI Review - Data Warehouse Referenzarchitektur - OpenSource BI - Integration von Kundeninformationen aus externen und internen Quellen - Prozess- und Entscheidungsautomatisierung mit Business Intelligence - Aufbau komplexer Kennzahlensysteme und BI- Applikationen zur Messung und Steuerung des Unternehmens- und Geschäftsprozesserfolges. - Datenqualitätsmanagement - Metadatenmanagement - Konvergenz- und Konsolidierungsprojekte - BI Strategie 7

8 Warum Data Warehouse Appliance? 8

9 Ausgangssituation Gewachsene Data Warehouse Struktur - Komplexität in den Ladeprozessen - Ggf. aufgrund von Konsolidierungen im Unternehmen mehrere zusammengefasste Data Warehouses - Komplexes Datenmodell aufgrund von sukzessiven Erweiterungen - Aufweichung der ursprünglichen Architektur-Philosophie (z.b. Verwässerung von Designprinzipien mit Modellierungs-Wildwuchs) Datenwachstum - Grosse Tabellen - Datenbank-Hardware am Limit - Kosten für Hardware und Betrieb Komplexe Anforderungen an das Reporting - Druck von Time to Market führt zu Bastellösungen - Zusammenführung von Informationen aus unterschiedlichen Systemen führt zu komplexen Heuristiken mit entsprechenden Performance-Engpässen 9

10 Lösungsmöglichkeiten Big Bang: Redesign des kompletten DWH Vorteil: Strukturelle Bereinigung Nachteil: sehr hoher Aufwand, Risiko und Kosten DWH Accelerator: Einführung einer DWH Appliance zur Verbesserung der Performance ohne Redesign des DWH Vorteil: Quickwin, schnelle und nachhaltige Verbesserungen, Migrationspfad möglich zur mittel- und langfristigen Performanceverbesserung Nachteil: Grundlegende Strukturprobleme des DWH bleiben 10

11 Was sind die wesentlichen Merkmale von Data Warehouse Appliances? 11

12 Merkmale einer DWH-Appliance Optimiert für maximale Performance bei großen Datenmengen - Geschwindigkeit bei Schreiben und Lesen - Optimierung automatisch durch die Appliance Skalierbarkeit - Vergrößerung der Speichermenge soll nicht zur Lasten der Performance gehen. - Business User soll das Anwachsen der Datenmenge nicht spüren. Zuverlässigkeit - Durch geringe Benutzer-/ Admin-Zugriffe sinken Fehlerquellen. - Homogener Aufbau der Hardware, keine Integrationstests von Hardwarekomponenten. Einfache Bedienung / wenig Administrationsaufwand - Administratoraufgaben sind stark reduziert und vereinfacht. - Durch Verwendung von Standardschnittstellen kann Hersteller Kompatibilität mit Standard-BI- Software sicherstellen. Kostenreduktion Hochverfügbarkeit durch Komponentenredundanz 12

13 Wie wird eine DWH Appliance integriert? 14

14 Basis-Architektur Data Warehouse Meta Data Layer Referenzdaten / Workflow-Management / User- und Mandantenverwaltung Data Layer Intelligence Layer Business Layer Operatives Source System 1 ST 1 Ops 1 ST 2 Ops 1 ST 3 Ops 1 Dimension Table Fact Table Dimension Table Cube Cube Dashboard / Scorecards Standard Reporting Operatives Source System 2 ST 1 Ops 2 ST 2 Ops 2 Dimension Table Dimension Table Ad-hoc Analysen ST 3 Ops 2 Operatives Reporting 15

15 Übersicht DWH Architektur Operatives Source System 1 Operatives Source System 2 Meta Data Layer Referenzdaten / Workflow-Management / User- und Mandantenverwaltung Data Layer Intelligence Layer Business Layer ST 1 Cube Cube Ops 1 Dimen- Dimensiosion Table Table Dashboard / ST 2 Ops 1 Scorecards Fact Table Standard ST 3 Reporting Ops 1 Dimen- Dimensiosion Ad-hoc ST 1 Ops 2 Table Table Analysen ST 2 Ops 2 Operatives Reporting ST 3 Ops 2 DWH solutions Intelligence Layer: Enterprise Data Warehouse Modell Zentrale Plattform für Informationsversorgung (single version of truth) Businessorientierte Interpretation der Daten für analytische Nutzung Modellierung in Galaxies bzw. Star Schemata Basis für den Business Layer Data Layer: Speichert die Quelldaten in den Quellstrukturen, aber historisiert und versioniert Trennung der Historisierung und Versionierung von weiterer Verarbeitung (Cleansing, Integration etc.) Kapselung der Funktionalität möglich Reduktion der ETL-Komplexität, einfache Integration neuer Quellen Unterstützung von Journalfunktionalität Business Layer: End User Interface für Fachseite Aggregationen nach Business-Sicht (performanceoptimierte Strukturen) in Data Marts Modellierung: ROLAP, MOLAP Zugriffs-Schicht für Reporting Applikationen Basis für Reporting Quick-Wins Operatives Reporting greift direkt auf den Data Layer zu Unterstützung von Standard- und Adhoc-Reporting Ggf. zusätzlich Presentation Layer 16

16 Unterschiedliche Architekturvarianten mit Appliance (Überblick) 17

17 Beispiel für Variante 3 Architektur: - Intelligence Layer im konventionellen DBMS - Verwendung des Appliance Systems als Reporting-Basis für Business Layer - Parallel bzw. in Ergänzung zum konventionellen Business Layer für performance-kritische Abfragen Standard Reporting Ad hoc Reporting Vorteile: - Datenbasis: konsolidierte Sicht auf die Daten (Single Point of Truth) - Im Business Layer kann feinere Granularität bereit gestellt werden - Kein Integrationsaufwand - Weiterverwendung der BI-Tools - Schrittweise Migration möglich durch Parallelbetrieb Nachteile: - Ggf. redundante Datenhaltung - Bei Parallelbetrieb bestimmter Data Marts bzw. Reports: doppelter Pflegeaufwand bei Änderungen - Performance-Gewinn evtl. nicht so bedeutend im Vergleich zu konventionellen DBMS, da Business Layer häufig verdichtete Daten und für Reporting optimierte Strukturen enthält Herausforderung: - Abgrenzung der Data Marts für Appliance Business Layer - Anbindung der Reporting-Tools Bewertung: - Empfehlenswert für spezielle performancekritische Berichte, evtl. mit feinerer Granularität und schnellerer Ausführung / Vorberechnung 18

18 Kritische Erfolgsfaktoren für die Auswahl und erfolgreiche Einführung von Appliances (Migrationsprojekt) Wesentliche Voraussetzung für die Software-Auswahl ist die Harmonisierung der Datenbank- und DWH-Tools - ETL-Tool - Scheduler - BI-Tool etc. Bei einer Migration des bestehenden DWH auf eine Appliance gibt es je nach Migrationsszenario Abhängigkeiten zwischen den Tools - Einsatz der bisher verwendeten Tools Wiederverwendung (Datenmodell, ETL-Logiken) Quickwin vs. full optimized Accelerator (Migrationspfad möglich) Einheitliches Reporting (Akzeptanz, Redirection) - Neue Tools Ggf. optimiert für Zusammenarbeit mit Appliance Generell: Auswahl der Appliance auf Basis der verwendeten Tools und deren Compliance mit dem Appliance Datenbanksystem sinnvoll => Empfehlung: Nahtlose Einbindung der Appliance in bestehende Infrastruktur 19

19 Weitere Informationen Tagesseminar: Data Warehouse Appliances Inhalt (Auszug): - Einführung in Appliance Datenbanken (Konzept, Technologie) - Vorstellung und Vergleich von Exasol, Netezza, Exadata, Teradata - Data Warehouse Architekturvarianten mit Appliances - Migrationsszenarien - Projektvorgehen - DOs/DONTs - Projektvorstellungen Bei Interesse: - Dr. Roland Pieringer Roland.Pieringer@shs-viveon.com Tel:

20 HERZLICHEN DANK FÜR IHRE AUFMERKSAMKEIT Dr. Roland Pieringer Senior Manager SHS VIVEON Schweiz AG 21

21 04 KONTAKT HEADQUARTERS SHS VIVEON AG Clarita-Bernhard-Str München Germany T F info@shs-viveon.com SHS VIVEON Schweiz AG Geschäftsstelle Schweiz Badenerstraße Zürich SHS VIVEON AG Geschäftsstelle Köln Brügelmannstraße Köln SHS VIVEON AG Geschäftsstelle Stuttgart Max-Lang-Straße 54/ Leinfelden-Echterdingen SHS VIVEON AG Geschäftsstelle Kastl Rudolf-Diesel-Straße Kastl SHS VIVEON AG Geschäftstelle Hamburg Danziger Str. 35a Hamburg SHS VIVEON AG Geschäftsstelle Wien Kolingasse Wien SHS VIVEON AG Geschäftsstelle Wiesbaden Wilhelmstraße Wiesbaden GUARDEAN GmbH Clarita-Bernhard-Str München 22