Das generierte Data Warehouse

Transkript

1 Das generierte Data Warehouse DOAG BI Konferenz 2012 Gregor Zeiler BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1

2 Erwartungshaltungen und Hoffnungen an die Generator-Box Unterstützung bei der strukturierten Erarbeitung der Anforderungen Einfache Modellierung des DWHs Schnelle und effiziente Generierung der DWH-Komponenten Aktuelle Dokumentation ohne großen Aufwand Flexibilität bei Erweiterungen oder Änderungen Geregelter Umgang mit Fehlern bei der Beladung und der Datenqualität 2

3 In welchen Bereichen kann ein Generator unterstützen? Fachkonzept Techn. Konzept Entwicklung Test Deploy Hand-made Fach- Anforderungen Architekturvorgaben Log. Modelle Anlage der Datenbankobjekte Aufbau der Mappings Gesamtdatenfluss-Steuerung Cleansing Rules, Error-Handling Testing Data Mart DWH-Core Fachkonzept Techn. Konzept Entwicklung Test Deploy Cleansing Generator Staging Fach- Anforderungen Architekturvorgaben Log. Modelle Manuelle Anpassungen Tests Input Generator 3

4 Warum funktioniert ein Generator-Ansatz im DWH Bereich und in welchem Umfang kann er unterstützen Umfang der Unterstützung durch den Generator Data Mart DWH-Core Cleansing Staging Eigenschaften von DWH-Lösungen Klare und bewährte Architekturkomponenten Einige, aber wenige Modellierungsoptionen Große Anzahl an wiederkehrenden Aufgaben Einfaches Mapping Datenquelle in Staging bis zur Generierung von allen Ebenen im DWH Modellierungsoptionen (Dimensional, NF mit Versionstabellen) Historisierung Support der SCD Typen Konfigurierbare Load-Strategien (Initial, delta, reload, fix/sliding window, ) Cleansing rules, Singleton Support Multilingual Support Workflow/Scheduling Errorhandling/logging load process uvm. 4

5 Und nach der grünen Wiese beginnt das Änderungs/Changemanagement Fachkonzept Techn. Konzept Entwicklung Test Deploy DWH - Environment Generator Data Mart DWH-Core Cleansing Staging 5

6 Agilität und Effizienz durch DWH-Lifecyclemanagement Fachkonzept Techn. Konzept Entwicklung Test Deploy Hand-made Fachkonzept Techn. Konzept Entwicklung Test Deploy Generator Data Mart DWH-Core Cleansing RE, Modelling, Generation, Deployment Staging Simplify DWH Approach 6

7 Studienergebnisse: Data Management for BI Quelle: US-Marktforscher Aberdeen, 11/ Unternehmen Best in class 20 % Dauer für die Einbindung einer neuen Datenquelle Informationen stehen innerhalb der gewünschten Zeit zur Verfügung Nutzer Zufriedenheit (Anteil zufrieden bis sehr zufrieden) 12 Tage ½ Monat Mittelfeld 50% 60 Tage 2 Monate Trödler 30% 93 % 80% 34% 82% 37% 8% 143 Tage 5 Monate Einsatz Data Integration Tools 75% 66% 46% Data Modelling Software 66% 41% 30% 2/3 der Best in class geben an, die Nutzung von BI-Werkzeugen systematisch zu überprüfen. Jeder Zweite erklärt, die Erfordernisse der Anwender in formalisierten Prozessen zu erheben. 7

8 Wie viel kann ein Generatoreinsatz bringen Basis ist Hand-made Fachkonz. Tech. Konz. Implementierung, Test, Deployment Ʃ 100 Einsparungspotential aus reinen Generatoransätzen Ʃ 90 Ʃ 55 Einsparungspotential mit DWH-Lifecycleansatz Ʃ 85 Ʃ 45 Einsparungspotential mit Changemanagemet Support Grün x Anz. Änderungen/Releases Rechen-Exempel: 50 Dimensionen mit durchschnittlich 2 Ebenen (100 Entitäten), 25 Faktentabellen (25 Entitäten) Bei 4 Ebenen (Staging, Cleansing, Core, Data Mart) sind das 4x125=500 DB Objekte und 500 Mappings Wenn die Anlage eines DB Objektes ¼ Stunde dauert und ein Mapping in 2 Stunden erledigt ist, dann sind das ca. 140 Tage Implementierungsaufwand Hand-made. (Gesamt wären das ca. 230 Tage) 8

9 bigenius TM Data Warehousing Schnell Einfach Umfassend 9

10 Die Vision Mit 3 Grundsätzen zum Erfolg bigenius Schnell Einfach Umfassend Generator für DWH-Objekte Massive Zeiteinsparung Änderungsflexibilität Generierte Qualität Standardisierung Leichte Wartbarkeit Geringes Projektrisiko Simplify DWH Approach Einmaldefinition Best Practice Design Built-in BI-Expertise Versionsmanagement Lifecycle Management all-in-one Produkt Anforderungsanalyse Modellierung Data Integration Generierung Deployment Dokumentation Loadcontrol, Testing 10

11 bigenius Overview, Modules Business Department BRE Business Requirements Engineering MGD Modelling Generation Deployment BI-Architect technical Documentation Business Blueprints Data Mart DWH-Core LCM Load Control Monitoring BI-Admin Cleansing Staging DQT Data Quality Testing Data Steward 11

12 XML XSLT XSLT bigenius BRE/MGD+ORA OWB Plugin Business Department BI-Architect OWB/DB Spezialist BRE MGD Terms Terms/Entities ORA OWB Plug-in Meta Data Database bigenius Application DB SCRIPT OWB-Automation Framework Data Meta Data Integration OMB+ OWB Design Repository Entwicklung Repository Test Repository Produktiv Repository 12

13 bigenius Screens Modelling Start Screen Version Handling Integration 13

14 BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 14

15 BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 15

16 biinformed. bigenius trivadis STUTTGART 19 April FRANKFURT A.M. 02 Mai HAMBURG 03 Mai DÜSSELDORF 04 Mai LAUSANNE 09 Mai BERN 10 Mai BASEL 15 Mai ZÜRICH 21 Mai WIEN 22 Mai Trivadis Gregor Zeiler Business Development Manager BI Handelskai A-1200 Wien Tel Fax gregor.zeiler@trivadis.com BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 16