Erfolgsfaktor 1 beim Aufbau von DWH. Erik Purwins Unit Manager Business Intelligence

Transkript

1 Erfolgsfaktor beim Aufbau von DWH Erik Purwins Unit Manager Business Intelligence

2 Inhalt Das Unternehmen PPI Erfolgsfaktoren & Risiken Nutzeffekte durch DWH-/BI-Anwendungen Intuitive Bereitstellung von Informationen Fazit

3 Seit über 25 Jahren Spezialist für die Finanzbranche PPI Aktiengesellschaft Vorstand: Grundkapital: Standorte: Uwe Prieß (Vorsitz), Thomas Reher, Andreas Achner 2 Mio., Aktienbesitz: Familie Pape, Vorstand, Mitarbeiter Hamburg, Kiel, Frankfurt, Düsseldorf Stabilität und Kontinuität: Leistung [Mio ] 25,3 26,3 3,5 36, 27,* 37,5 42,9 Mitarbeiter Geschäftsfelder: Consulting Software Factory Produkte Banken Versicherungen * Rumpfgeschäftsjahr Januar bis September 29 Fluktuationsrate von unter 5 %: Kontinuität für unsere Kunden und wachsendes Know-how 2

4 Leistungsüberblick Business Intelligence und Performance Management BI Dienstleistungen Strategie Konzeption Entwicklung Betrieb Projektleitung Coaching Training Reviews interne Vermarktung Fachliche Expertise Methodische Expertise Plattformen und Partnerschaften Technische Expertise Ergebnistypen (Beispiele): Standardreports Abfragebasis für Adhoc Analysen Management Dashboards Fachliche und technische Datenmodelle Optimierung der Abfrage-Performance Konzepte für Sicherheit Historisierung Benutzerrechte Prototypen Informationsbedarfs- Analysen Produktevaluierung 3

5 Referenzen 4

6 Erfolgsfaktoren für erfolgreiche DWH Projekte Fachliche Expertise Technische Expertise Beratung in den Branchen Banken & Versicherungen Solvency, Basel III, IFRS/HGB Vertriebssteuerung Kreditgeschäft Architektur & Aufbau eines DWH Integration von Liefersystemen ETL Aufbau von Datamarts Reporting, Analysen, Erfolgreiches DWH Projekt mit dem Kunden Iterativ inkrementelles Vorgehensmodell von der Konzeption bis zum produktiven Einsatz Schrittweise Integration Idealerweise monatliche Auslieferungen Methodische Expertise 5

7 Risikomanagement bei DWH-Projekten Allgemeine Risiken Projektrisiken Datenqualität (lt. META Group 4%) Skalierbarkeit Kosten des laufenden Betriebs DWH- / BI-Prozess nicht durchgängig definiert Kennzahlen nicht definiert Lange Entscheidungswege Management Commitment, da bereichsübergreifendes Denken und Handeln notwendig ist! Qualität, Budget und Zeit Einbinden der internen Mitarbeiter Schnelle Implementierung einer ersten Version Aktives Risikomanagement 6

8 Fachliche Expertise Banken Übergreifend Versicherungen Kontoführung Bestand Meldewesen Online Banking Wertpapier- und Handelsgeschäft Unternehmenssteuerung Produktmanagement Risikomanagement Testmanagement Controlling Zahlungsverkehr Vertriebssteuerung Personalmanagement Schaden / Leistung Kapitalanlagen Rückversicherung Kreditgeschäft Verwaltung (Einkauf, Facility Mgmt. etc.) 7

9 Methodische Expertise Projektmanagement und Koordination Iterativ-inkrementelle Vorgehen von PPI zur schrittweisen Integration Analyse und Konzeption Fachliches und technisches Design Umsetzung Test Einsatz Bestehende oder durchzuführende Vorstudie Konkretisierung der Projektanforderungen Planung der Ausbaustufen Analyse der bestehenden Liefersysteme Erstellung Anforderungskatalog, Pflichtenheft und Fachkonzeption Festlegung auf bestehenden oder neue Technologien Prozess- Modellierung Entwicklung der Architektur für die Anwendung und Integration der Zuliefersysteme Einführung bzw. Entwicklung des DWH Individuelle Anpassung der Schnittstellen Ggf. Einbindung in eine Portallösung PPI ii-vorgehensmodell deckt alle erforderlichen Phasen ab Durchführung von applikationsindividuellen Systemtests Durchführung von Integrations- und Schnittstellentests Erstellung Testfälle Vorbereitung Testdaten Testdurchführung Testmanagement Dokumentation, wie z.b. Benutzerhandbücher Abnahme Einführungsunterstützung Erstellung von Schulungsunterlagen Durchführung von Schulungen Komplementäre Leistungen (Add-ons) 8

10 Technische Expertise Drei- bzw. vierschichtige DWH Architektur Staging Area (SA) Operational Datastore (ODS) Central Warehouse (CWH) ggfs. Reporting Area (RA) Datenmodell SA: normalisiert wie angeliefert ODS: weitgehend normalisiert CWH: Starschema RA: an Reportingstruktur orientiert Berichte Reporting Area Central Warehouse Analysen Datenbanken und Tools DBMS ETL Dashboards Reporting Analyse AdHoc-Query Operational Datastore Staging Area Angebundene Liefersysteme 9

11 Technische Expertise: ETL-Prozess - Ziele Datenbereitstellung im DWH unter den Prämissen Hohe Datenqualität Robustheit und Automatisation des Prozesses Skalierbarkeit bzgl. Zeitfenster, Datenmenge und Laderythmus Erweiterbarkeit und Wartbarkeit Backup & Recovery Backupsystem Fallback? Jobsteuerung Jobdefinition und -planung, Monitoring Extraktion Transformation Laden Kernbereich des ETL- Framework Metadatenverwaltung Datenmodelle, Steuerungsinformati onen usw.

12 2 Informationskonsumierung Data-Warehouse Ausgabekanäle Data Marts MS Office Search Web Mobile BI / Reporting Tools

13 Standardauswertungen Vorproduzierte Auswertungen (PDF) Interaktive Auswertungen (HTML) 3

14 OLAP-Analyse / Ad-hoc Auswertungen Jahr Quartal Dimension Kennzahlen Monat Risiko Eintrittswahrscheinlichkeit pot. Schadenhöhe Anzahl fehlerhafte Verträge Woche Subprozess Prozess Hierarchie Abteilung Gesellschaft Vertrag Antragsteller Abschlussdatum Deckungshöhe Sparte Merkmal Konzern 4

15 OLAP-Analyse / Ad-hoc Auswertungen Standardlayout und Farbschemata für eine einheitliche äußere Form Vorlagen definieren und gruppieren die Daten nach einheitlichen Vorgaben 5

16 Intuitive Bereitstellung der Informationen (Web) 6

17 Intuitive Bereitstellung der Informationen (Web) 7

18 Intuitive Bereitstellung der Informationen (Mobile) 8

19 Zusatznutzen durch DWH- / BI-Anwendungen Strukturierte Bereitstellung der Steuerungsinformationen Individuelle Analysen Ad hoc Vergleiche Aktualität Zentral verfügbare Status-Auswertungen Performance Cockpit Werkzeug Performance Auswertungen Controlling der IT Transparenz durch Repository/Dataflow 9

20 Fazit: Erfolgsfaktor beim Aufbau eines DWH DWH Projekte entstehen meist aufgrund fachlicher Anforderungen Hoher Auswertungsbedarf, wenig Automatisierung, hohe Kosten, nicht performant Lösungsansätze findet man nur mit Mischung aus fachlicher und technischer Expertise Fachlicher Auswertungsbedarf, technische Machbarkeit und Möglichkeit, fachliche und technische Definitionen, welche Systeme wie anbinden, Informationskonsumierung, Performance Die Umsetzungsplanung und Durchführung bedarf methodischer Expertise Vorgehensmodell, Ausbaustufen, Gewinnung weiterer Sponsoren, Projektmarketing Nur mit der Kombination aus fachlicher, technischer und methodischer Expertise In time, quality and budget 2

21 Kontakt Erik Purwins Unit Manager Business Intelligence PPI Aktiengesellschaft Peter-Müller-Straße 4468 Düsseldorf Telefon: Mobil: erik.purwins@ppi.de 2