BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

Transkript

1 BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon Welche Architektur ist denn die Richtige? Die Realität und deren Optimierung Wie kann man den Erfolg eines Konsoliderungsvorhabens sichern? Roadmap Zielsetzung, Rahmenbedingungen, Vorgehensweise 2 1

2 Wieviele BI Werkzeuge im Unternehmen? Kategorie Heute In 3 Jahren Veränderung OLAP 2,7 0,99-63% Production reporting 2,8 1,4-50% Scorecards 2,1 1,1-48% Query & Reporting Tools 2,1 1,2-43% Data Mining Tools 1,6 1,2-25% Planning/ Modeling Tools 1,5 1,3-13% In Summe 12,8 7,19 Organisationen/ Unternehmen planen am häufigsten, ihre OLAP Tools zu konsolidieren, gefolgt von Production Reporting und Scorecards. Die Tabelle basiert auf 594 Befragten. Quelle: TDWI Umfrage August 2005 bei 594 Teilnehmern 3 BI Konsolidierung im Unternehmen Bereits erledigt 17% Nein 17% Plant Ihr Unternehmen, Business Intelligence zu einer unternehmensweiten Initiative zu entwickeln? Basierend auf 594 Befragten. Ja 66% Bereits erfolgt 24% Keine Pläne 22% Plant Ihr Unternehmen, auf ein einziges BI Werkzeug Suite zu standardisieren? Basierend auf 594 Befragten. Sukzessive über mehrere Jahre 22% Innerhalb von 2 Jahren 32% 4 2

3 Treiber einer BI Konsolidierung Kostenreduktion Single version of truth Integration von Transaktionen und Analytik Unterstützung einer wachsenden Nutzeranzahl Reduktion der Lieferanten Sarbanes-Oxley Neue Anwendung Die Abbildung basiert auf 594 Befragten, die gebeten wurden, die drei wichtigsten Treiber ihrer BI Standardisierungsbemühungen zu benennen. Rang 1 Rang 2 Rang 3 Quelle: TDWI Umfrage August 2005 bei 594 Teilnehmern 5 Data Governance Wofür Data Governance = Steuerung der Datenpflegeund -Nutzung Regulatorische Vorgaben Basel II, Sarbanes Oxley, Gemeinsame Anforderungen Gespeicherte Daten Sichere Daten Integere Daten Verwaltete Daten Bei Bedarf verfügbare Daten Berücksichtigung dezentraler Anforderungen Prozesse und Kontrollenetabliert 6 3

4 Mögliche DWH Architekturen Systeme Unabhängige Unabhängige Marts (atomare / DataMarts aggregiertedaten) Systeme Normalisierte, relationale Daten (atomare Daten) Hub and Spoke Abhängige Data Martsn (meist aggr. Daten) Dimensionale DataMarts Systeme Dimensionen mittels konforme Data Mart Bus mit verlinkte Dimensionen (atomare / aggregiertedaten) System relationale Normalisierte, Zentrales Data Warehouse (atomare / aggregierte Daten Daten) Vorhandene Warehouses, Martsund Legacy Systeme Föderiertes Warehouse Integration Logishce von / physische Datenelementen verwandten 7 Erfolg von DWH Architekturen Unabhängige Data Marts Bus Architektur Hub and Spoke Zentralisiert Föderiert Informationsqualität 4,42 5,16 5,35 5,23 4,73 Systemqualität 4,59 5,60 5,56 5,41 4,69 Individuelle Auswirkungen 5,08 5,80 5,62 5,64 5,15 Organisatorische Auswirkungen 4,66 5,34 5,24 5,30 4,77 Anmerkungen: Informationsqualität: Genauigkeit, Vollständigkeit, Konsistenz Systemqualität: System Flexibilität, Skalierbarkeit, Integration Individuelle Auswirkungen: Positiv, wenn Anwender schnell und einfach auf Informationen zugreifen können, Fragen an das System stellen und explorativ tätig sein können, und die Entscheidungsprozesse verbessert werden Organisatorische Auswirkungen: Erfüllung der fachlichen Anforderungen, erleichtert die Nutzung von Business Intelligence, unterstützt bei dem Erreichen von strategischen Zielen, ermöglicht Verbesserungen in Geschäftsprozessen, führt zu hohem, messbaren ROI, verbessert Kommunikation and Kooperation über Organisationseinheiten hinweg Unterschiedliche Fragen wurden für die Bereiche Informationsqualität, Systemqualität, individuelle und organisatorische Auswirkungen verwendet. Quelle: TDWI / Hugh J. Watson, Chair of Business Administration, University of Georgia 8 4

5 Data Warehousing Referenz-Architektur Portal Dispositive Anwendungen Cockpit Reporting Konsolidierung Analyse Planung Data Mining Dispositive Datenspeicherung & Datenaufbereitung Metadaten Repository Data Warehouse Archiv Ca. 80% der Aufwendungen Datenintegration Metadaten Repository Broker Hub Stammdatenhub Operative Datenspeicherung & Datenverarbeitung OLTP-Systememit Stamm- und Bewegungsdaten 9 Datenintegration - Datenpflege Data Warehouse 10 5

6 Datenintegration - Migration kapseln Data Warehouse kapseln 11 Mögliche Roadmap Architektur Datenintegration Datenmanagement Analytische Applikationen Near-time BI berücksichtigen Werkzeugportfolio Kategorien Migrationspfad Differenzieren 12 6

7 Vielen Dank! Jacqueline Bloemen Analyst BARC GmbH Wiesenweg 31 D Würzburg Tel. +49 (0)931/ Fax +49 (0)931/ Mob. +49 (0)171/ Internet: