Moderne Datenplattformen-Archiv

Ein modernes Data Warehouse schafft eine zentrale und verlässliche Datenbasis für Reporting, Analytics und strategische Unternehmensentscheidungen.

Von Papierbergen zu Datensilos

Data Warehouse, Data Lakehouse oder auch Single Point of Truth – sie sind nichts anderes als digitale Speichersysteme. Ein riesiger Silo also. Ein Depot. Oder ein Warenlager. Dort werden alle Unternehmensdaten, die von Relevanz sind, abgelegt und zusammengeführt. Das heißt: Informationen, die etwa für die Management-Ebene wichtig sind, aber auch solche, die für operative Zwecke dienlich sind. Eben alles, was genutzt werden kann, um Erfolge zu erzielen und den Betrieb zu verbessern.

Während es für die robusten Data Warehouses strukturierte Daten braucht, also ein vorab entworfenes Schema, haben Data Lakes keine solchen Anforderungen. Sie sind unstrukturierte, aber dafür kostengünstige Speicher-Lösungen, die auch mit einem Data Warehouse kombiniert werden können. Dann entsteht ein Data Lakehouse. Hierbei werden die Silowände zwischen dem Data Lake und dem Data Warehouse entfernt, sodass Daten einfach zwischen dem soliden Data Warehouse und der flexiblen Speicherung in einem Data Lake verschoben werden können. Und um den Überblick nicht zu verlieren, gibt es on top passende Reporting-Möglichkeiten. Ein essenzielles Tool also, an dem heutzutage kein namhafter Software-Hersteller mehr vorbeikommt – daher hat auch SAP eine Lösung parat: die SAP Datasphere.

Vorteile moderner Data Warehouses

1

Zentrale Datenbasis

2

Höhere Datenqualität

3

Schnellere Analysen

4

Single Source of Truth

5

Skalierbare Cloud-Plattform

6

Bessere Entscheidungsgrundlagen

Warum benötigen Unternehmen eine moderne Datenplattform?

Unternehmensdaten entstehen heute in zahlreichen Anwendungen und Systemen. Eine moderne Datenplattform bündelt diese Informationen an einem zentralen Ort und schafft eine konsistente Grundlage für Berichte, Analysen und Unternehmenssteuerung.

Reporting ist nicht gleich Reporting

Doch an dieser Stelle sei auch gesagt: Es braucht nicht zwingend für jede Reporting-Anforderung ein Data Warehouse als Grundlage. Wovon unterscheidet sich also nun ein Reporting aus einem ERP-System von einem aus einem Data Warehouse?

1

Reporting aus
ERP-System:

Für operative Analysen wird eher auf das ERP-System zurückgegriffen, weil es auf Live-Daten basiert. Kurzfristigere Handlungen stehen im Fokus.

Beispiel: Mitarbeitende müssen Produktionsutensilien bestellen und haben viele Lieferantinnen und Lieferanten zur Auswahl. Um die beste Wahl zu treffen, analysieren sie die Zahlungsmoral dieser. So wechseln sie von einer operativen Tätigkeit, nämlich dem Anlegen der Bestellung, in eine Analyse, die ihnen verrät, welche Lieferantinnen und Lieferanten in der Vergangenheit etwa pünktlich geliefert haben oder wo es Probleme gab.

2

Reporting aus
Data Warehouse:

Für Strategisches – beispielsweise um die Unternehmensperformance zu steigern – eignet sich hingegen die Datenbasis eines Data Warehouses besser, denn diese Analysen sind meist langfristig angelegt und schließen auch Daten aus der Vergangenheit ein. Auch künstliche Intelligenz spielt in diesem Bereich eine größere Rolle, weil ein umfangreicherer Datenbestand vorhanden ist, den die KI unter die Lupe nehmen kann, um etwa Prognosen zu erstellen.

Beispiel: Damit lässt sich etwa die Umsatzentwicklung der letzten Jahre betrachten, wodurch Ausreißer sichtbar werden. In weiterer Folge kann so eruiert werden, was die Gründe hierfür waren und wie dies künftig verhindert werden kann.

Data Warehouse, Data Lake oder Data Lakehouse?

1

Data Warehouse

– Strukturierte Daten
– Reporting
– Business Intelligence

2

Data Lake

– Strukturierte und unstrukturierte Daten
– Flexible Speicherung

3

Data Lakehouse

– Kombination aus Warehouse und Data Lake
– Hohe Flexibilität

4

Single Source of Truth

– Einheitliche Datenbasis
– Konsistente Kennzahlen

Ein Ort für alle Daten

Eine große Stärke von Data Warehouses ist die Tatsache, dass hier Daten aus unterschiedlichsten Quellen gebündelt werden können. Und das wird in Zeiten der Digitalisierung immer bedeutender, schließlich greifen Unternehmen auf viele unterschiedliche Systeme und Plattformen zurück. Die meisten dieser Produkte verfügen zwar mittlerweile selbst über eine gute Auswertungsmöglichkeit der eigenen Datenbasis – aber eben nur der eigenen. Und das ist das Problem.

Das Data Warehouse ist hingegen ein zentraler Punkt, an dem alles zusammenläuft, gebündelt und verknüpft wird. Und in weiterer Folge eben ausgewertet werden kann. Wenn es also darum geht, das große Ganze abzubilden – und das wird heutzutage immer wichtiger – kommen Unternehmen nicht mehr um eine moderne Datenplattform bzw. ein Data Warehouse herum.

So entsteht eine moderne Datenplattform

1. Datenquellen analysieren
2. Daten zentral zusammenführen
3. Daten bereinigen und strukturieren
4. Reporting und Dashboards erstellen
5. Daten kontinuierlich optimieren

Schicht für Schicht zum Datengold

Und wie gelangen nun Informationen aus unterschiedlichen Datentöpfen in einen solchen einheitlichen Silo? Das Zauberwort lautet: Layer, also Schichten. Denn jedes moderne Data Warehouse – ob SAP Datasphere oder Microsoft Fabric – setzt auf ein Schichtenkonzept:

1

Quellsysteme anzapfen:

In der ersten Schicht geht es zunächst darum, alle Daten in das System zu bringen und damit alle verfügbaren Quellsysteme anzuzapfen.

2

Daten verfeinern:

In der nächsten Schicht folgt die Verfeinerung in Form von Anpassungen. Die Daten werden also gefiltert und zugeordnet – je nachdem, welche davon für einen bestimmten Bereich und ein bestimmtes Unternehmensziel relevant sind. So ergeben sich Datenscheiben, die beispielsweise für den Finanzbereich essenziell sind oder andere, die dem Einkauf dienlich sind.

Wichtige Aspekte:

Schließlich können Visualisierungs-Tools zum Einsatz kommen, um die Daten übersichtlich aufzubereiten. Das Ergebnis ist ein modernes Dashboard, das dem jeweiligen Fachbereich hilft, Entscheidungen zu treffen. Doch damit das gelingt, sind zusätzlich ein paar wichtige Aspekte zu berücksichtigen:

1

Klares Ziel:

Es ist unabdingbar, genau zu wissen, was der jeweilige Fachbereich erreichen will und wie die Ziele aussehen. Nur so können die passenden Daten ausgewählt werden.

2

Sauberes Fundament:

Je sauberer die Daten aufbereitet werden, desto einfacher ist später die Visualisierung. Hier kann auch KI bereits unterstützen – aber eben nur, wenn die Grundlage stimmt.

3

Faktor Zeit:

Eine solche Umstellung hin zu einem strukturierten Data Warehouse ist nicht in wenigen Tagen erledigt, sondern benötigt Zeit – doch der Aufwand zahlt sich aus.

Die Zukunft heißt: Business Data Fabric

Moderne Datenplattformen bilden auch die Grundlage für das Konzept „Business Data Fabric“. Es ermöglicht Unternehmen, allen Datennutzer:innen aussagekräftige Daten bereitzustellen, einschließlich des passenden Geschäftskontextes und der entsprechenden Logik. Vereinfacht gesagt: Relevante Daten sind für Mitarbeitende einfach, schnell und unkompliziert zugänglich. Denn der Trend geht dabei immer mehr in Richtung Self Service. Das heißt: Der jeweilige Fachbereich soll zum Großteil dazu imstande sein, Berichte selbst zu modifizieren, um nicht bei jeder Anpassung auf die IT-Abteilung zurückgreifen zu müssen. Die IT kümmert sich also zwar um die Grundlagen, die Verantwortung des Reportings wird allerdings mehr und mehr den Fachbereichen übergeben. Und hier sind mittlerweile auch situative Eingriffe möglich, etwa wenn Daten nachträglich hinzugefügt werden müssen.

Die SAP Datasphere

Deswegen investieren große Software-Hersteller kräftig in die Benutzerfreundlichkeit. So auch SAP. Das Cloud-Data-Warehouse-System des namhaften Herstellers heißt SAP Datasphere. Und punktet mit folgenden Vorzügen:

1

skalierbare Datenplattform mit Layer-Prinzip

2

Daten können optimal für verschiedene Abteilungen aufbereitet werden (Spaces)

3

benutzerfreundlich und im Web zugänglich

4

perfekte Integration mit SAP S/4HANA

SAP Datasphere oder Microsoft Fabric?

1

SAP Datasphere

– Optimale SAP-Integration
– Semantische Datenmodelle
– Business Data Fabric

2

Microsoft Fabric

– Power BI integriert
– Data Engineering
– OneLake
– KI-Unterstützung

SAP setzt auch verstärkt auf die Cloud-Technologie, genauso wie Microsoft und deren Datenplattform Microsoft Fabric. Die Tage der klassischen SQL-Datenbanktabellen sind also gezählt, die Ära der modernen Datenbündelung kann beginnen – auch in Ihrem Unternehmen.

Jetzt müssen Sie sich nur noch für ein System entscheiden.

Unsere ganzheitliche Beratung

Doch das ist nicht so leicht, oder? Wir wissen: Das Ganze hängt von vielen Faktoren ab. Es gilt, vor allem die bisherige Systemlandschaft und etwaige Anbindungsmöglichkeiten zu analysieren, um abwägen zu können, was sich besser eignet. Unser Vorteil? Das scc-Team verfügt sowohl über Expertise im SAP- als auch Microsoft-Umfeld. Bei uns steht also kein Hersteller im Mittelpunkt, sondern Sie. Und Ihre individuelle Situation.

Ein erfolgreiches Unternehmen kommt heutzutage aufgrund der Menge an unterschiedlichen Systemen bzw. Datenlieferanten – neben Systemen eben auch Geräte und Maschinen – nicht mehr ohne Datenplattform aus. Ob SAP oder Microsoft – unser Vorteil ist, dass wir in beiden Welten zu Hause sind und Sie daher optimal beraten können.

Clemens Stadler

LoB Manager Analytics & Planning

FAQs - Häufig gestellte Fragen

Was ist ein Data Warehouse?

Ein Data Warehouse ist eine zentrale Datenplattform, auf der Informationen aus verschiedenen Unternehmenssystemen zusammengeführt, strukturiert und für Analysen bereitgestellt werden. Es bildet die Grundlage für Reporting, Business Intelligence und datenbasierte Entscheidungen.

Was ist eine moderne Datenplattform?

Eine moderne Datenplattform verbindet Daten aus unterschiedlichen Quellen in einer zentralen Umgebung. Sie ermöglicht die Speicherung, Aufbereitung, Analyse und Bereitstellung von Daten für Reporting, Business Intelligence und Anwendungen mit künstlicher Intelligenz.

Was ist der Unterschied zwischen einem Data Warehouse und einem Data Lake?

Ein Data Warehouse speichert strukturierte und aufbereitete Daten für Berichte und Analysen. Ein Data Lake hingegen kann sowohl strukturierte als auch unstrukturierte Daten in ihrem ursprünglichen Format speichern und eignet sich besonders für große Datenmengen und flexible Analyseanforderungen.

Was ist ein Data Lakehouse?

Ein Data Lakehouse kombiniert die Vorteile eines Data Warehouses und eines Data Lakes. Unternehmen können sowohl strukturierte als auch unstrukturierte Daten auf einer Plattform verwalten und gleichzeitig leistungsfähige Analyse- und Reporting-Funktionen nutzen.

Was bedeutet Single Source of Truth?

Single Source of Truth bezeichnet eine zentrale und verlässliche Datenbasis, auf die alle Unternehmensbereiche zugreifen. Dadurch arbeiten alle Beteiligten mit denselben aktuellen Informationen und widersprüchliche Datenstände werden vermieden.

Welche Vorteile bietet ein Data Warehouse?

Ein Data Warehouse verbessert die Datenqualität, schafft Transparenz und ermöglicht schnelle Analysen auf einer einheitlichen Datenbasis. Unternehmen profitieren von fundierten Entscheidungen, konsistenten Kennzahlen und einer effizienteren Unternehmenssteuerung.

Was ist SAP Datasphere?

SAP Datasphere ist eine cloudbasierte Datenplattform von SAP, die Daten aus SAP- und Nicht-SAP-Systemen zusammenführt und für Analysen bereitstellt. Sie unterstützt Unternehmen dabei, eine konsistente Datenbasis für Business Intelligence und Reporting aufzubauen.

Was ist Microsoft Fabric?

Microsoft Fabric ist eine cloudbasierte Daten- und Analytics-Plattform von Microsoft. Sie vereint Datenintegration, Data Engineering, Data Science und Business Intelligence in einer gemeinsamen Umgebung und ermöglicht die Analyse großer Datenmengen.

Was ist der Unterschied zwischen SAP Datasphere und Microsoft Fabric?

SAP Datasphere ist speziell auf die Integration und Verwaltung von Daten in SAP-Systemlandschaften ausgerichtet und eignet sich besonders für Unternehmen mit einem starken SAP-Fokus. Microsoft Fabric ist eine umfassende Analytics-Plattform für Daten aus unterschiedlichsten Quellen und bietet eine enge Integration mit Microsoft Power BI und weiteren Microsoft-Diensten. Welche Lösung besser geeignet ist, hängt von der bestehenden IT-Landschaft und den individuellen Anforderungen des Unternehmens ab.

Für welche Unternehmen eignet sich eine moderne Datenplattform?

Eine moderne Datenplattform eignet sich für Unternehmen jeder Größe, die Daten aus verschiedenen Systemen zentral verwalten und für Analysen nutzen möchten. Besonders Unternehmen mit komplexen Geschäftsprozessen, großen Datenmengen oder einer datengetriebenen Unternehmenssteuerung profitieren von einer zentralen und skalierbaren Datenplattform.