Getty Images/iStockphoto
Die Leistung eines Data Warehouse bewerten und optimieren
Unternehmen integrieren Data-Warehouse-Systeme, um ihr Informationsmanagement zu verbessern. Das volle Potenzial schöpfen sie allerdings erst nach deren Optimierung aus.
Data Warehouses sind komplexe Architekturen. Sie erfordern ein breites Spektrum an Strategien, Technologien, Produkten, Arbeitsabläufen, Fähigkeiten und Best Practices. Wenn sie richtig implementiert und verwaltet werden, können sie kosteneffizient sein – sie bieten allerdings ein schlechtes Kosten-Nutzen-Verhältnis, wenn dies nicht der Fall ist.
Der Schlüssel für eine erfolgreiche Optimierung eines Data Warehouse liegt in der Auswahl der richtigen Kombination von Produkten und Prozessen. Auch die effektive Verwaltung von Data Warehouses unter Anwendung interner und branchenüblicher Best Practices ist wichtig. Die Herausforderung besteht darin, dass die meisten Data Warehouses ein hohes Maß an administrativer Aufmerksamkeit erfordern. Nur mit großer administrativer Sorgfalt können Unternehmen ihre täglichen Geschäftsziele erreichen.
Wenn dieses hohe Maß an Sorgfalt mit einer zunehmend eingeschränkten Personalausstattung kombiniert wird, bleibt nur wenig Zeit, um die Umgebung zu optimieren und ihr maximales Potenzial zu erreichen.
Ist das System schon längere Zeit in Betrieb und nehmen Datenmenge, Datenquellen, Verarbeitungskomplexität und Endanwender zu, sind die IT-Abteilungen nicht in der Lage, sich zurückzuziehen und die Umgebung zu analysieren. Je reifer das Data-Warehouse-System wird, desto schwieriger ist es, sicherzustellen, dass es weiterhin einen maximalen Geschäftswert liefert.
Einige Tipps können Unternehmen dabei unterstützen, ein Data Warehouse zu analysieren und es so zu optimieren, dass es den Anforderungen des Unternehmens entspricht. Viele der Prozesse sind ähnlich. Allerdings gibt es erhebliche Unterschiede zwischen der Bewertung des Potenzials einer Umgebung, die Geschäftsziele zu erreichen, und der Durchführung einer Problemanalyse, um etwa einen Fehler zu beheben.
Beginn der Data-Warehouse-Analyse
Die Besetzung eines Teams zur Data-Warehouse-Optimierung erfolgt in der Regel fließend. Ein Kernteam von Akteuren sollte allerdings während des gesamten Lebenszyklus des Optimierungsprojekts durchgängig konstant bleiben. Weiteres notwendiges Personal wird je nach Bedarf hinzugebeten oder scheidet bei Nicht-Bedarf aus. Die Rollen im Team sind mit denen anderer Analyseprojekte vergleichbar: Executive Sponsor, Projektsponsor, Projektmanager, Mitglieder des technischen Evaluierungsteams und ein Business Analyst sollten vorhanden sein.
Die Evaluierung beginnt mit der Identifizierung und Bestätigung der Ziele des Data Warehouse. Ähnlich wie das Leitbild einer Organisation erklärt ein handlungsorientiertes Konzept den Zweck des Data Warehouse, seine Aufgaben und seine Geschäftsziele.
Das Team überprüft oder dokumentiert die Datenquellen, Datenflüsse, Technologien, Mitarbeiter, Prozesse, Produkte und Kunden des Systems. Eine visuelle Darstellung der Data-Warehouse-Umgebung fördert die Diskussionen und verbessert den gesamten Analyseprozess.
Den Prozess optimieren
Analyseprojekte sind dann besonders erfolgreich, wenn der Prozess mit einem festgelegten Ziel beginnt. Von strategischen Bewertungen auf hoher Ebene bis hin zu detaillierteren Evaluierungen von konkreten Themen hilft ein Ziel dabei, die Teilnehmer, den Zeitplan und die Kosten eines Projekts zu definieren.
Das Projektteam sammelt dazu zunächst Informationen auf einer hohen Ebene und wertet die Ergebnisse aus, um den Umfang einzugrenzen. Dieser iterative Prozess wird fortgesetzt, bis das Team die Ergebnisse dokumentieren und den Projektbeteiligten vorstellen kann.
Ein weiteres bewährtes Verfahren besteht darin, nicht jedes einzelne Problem zu bewerten und zu optimieren, das die Analyse aufzeigt. Entscheiden Sie sich für die Optimierung und Modernisierung des Data Warehouse, indem Sie die Probleme nach Prioritäten ordnen.
Persönliche Treffen, Fokusgruppen und Umfragen
Von der Unternehmenszentrale bis zum technischen Support ist jeder, der das Warehouse nutzt oder verwaltet, eine Informationsquelle. Um herauszufinden, welche Bereiche ihr Potenzial nicht ausschöpfen, müssen Sie die Personen, die mit der Data Warehouse-Umgebung interagieren, identifizieren und befragen.
Hier eine offene Liste, um zu erfahren, wer mit dem Data Warehouse kommuniziert:
- Mitglieder des Data-Governance- und Security-Teams
- technische Architekten
- Systemadministratoren
- Datenbank- oder Datenadministratoren und Modellierer
- Daten- und Business-Analysten
- ETL-Entwickler
- Endbenutzer auf C-Ebene bis hin zur Basis
Es gibt eine Reihe gemeinsamer Fragen, die für alle Teilnehmer wichtig sind und von ihnen beantwortet werden sollten. Einige der offensichtlichsten Beispiele sind Fragen, was ihnen an dem Data Warehouse gefällt und was nicht und ob es seine Aufgabe erfüllt. Macht das Data Warehouse das, was sie erwarten? Wird ihre Arbeitsumgebung besser? Oder stagniert sie oder wird sie gar schlechter? Ein wichtiges Thema ist der Vergleich zwischen den aktuellen Anforderungen des Unternehmens und den ursprünglichen Zielen und Erfolgsfaktoren des Data Warehouse.
Formulieren Sie die Fragen so, dass es den Teilnehmern leichtfällt, so präzise wie möglich zu antworten. Wenn Sie fragen, inwieweit ein Data Warehouse ihre Bedürfnisse erfüllt, machen Sie das am besten in Form von Multiple-Choice-Antworten: Geben Sie als Antworten zum Beispiel eine vierstufige Skala vor:
Das Data Warehouse erfüllt
- meine Bedürfnisse vollständig
- die meisten meiner Bedürfnisse
- nur einige meiner Bedürfnisse
- keines meiner Bedürfnisse
Schließen Sie die Frage mit einem offenen Textfeld ab, in dem die Befragten aufgefordert werden, ihre Antwort weiter zu erläutern.
Passen Sie zusätzliche rollenbezogene Fragen an das Fachgebiet des Teilnehmers an. Techniker interessieren sich für andere Themen als Business-Analysten. Für Techniker beispielsweise sollten sich die Fragen auf die einfache Verwaltung, auf Überwachungsfunktionen, Leistung, Systemzuverlässigkeit und anderes mehr konzentrieren. Geschäftsanwender interessieren sich eher für Fragen wie: Liefert das System die benötigten Einblicke? Gewährt es einen einfachen Zugang? Bringt es die notwendige Systemleistung? Bietet es Visualisierung und Funktionen zur gemeinsamen Nutzung von Informationen? Der letzte Punkt sollte immer lauten: Was sollten wir noch fragen?
Einzelgespräche, Gruppendiskussionen und Umfragen eignen sich hervorragend für Feedback. Fast alle Fragen und Antworten sowie die Informationen aus den Umfragen führen in der Regel dazu, dass das Team zur Data-Warehouse-Optimierung Folgesitzungen anberaumen muss, um frühere Antworten zu klären und zusätzliche Fakten zu ermitteln.
Der Prozess der Ermittlung der Fakten und der Analyse ist iterativ und wird mit zunehmender Reife des Projekts detaillierter. Die Untersuchung beginnt zunächst auf globaler Ebene und die Fragen und technischen Statistiken werden immer detaillierter, bis das Optimierungsteam herausfindet, warum ein System seine Ziele nicht vollständig erfüllt. Während des gesamten Analyseprozesses setzt das Team die Identifizierung und den Austausch mit Fachleuten und Endbenutzern fort.
Durch den Untersuchungsprozess können Unternehmen besser verstehen, wie stark sich ein Problem auf die Fähigkeit des Data Warehouse auswirkt, die Geschäftsziele zu erreichen. Außerdem erhalten sie Einblicke in die Bedürfnisse und Probleme der betroffenen Mitarbeiter und die zur Behebung des Problems erforderlichen Maßnahmen. Das Team sollte die gesammelten Informationen nutzen, um die einzelnen Probleme zu priorisieren und ein Kosten-Nutzen-Verhältnis zu ermitteln. Dann sollte das Team damit beginnen, seine Erkenntnisse zu sortieren und Empfehlungen zu dokumentieren.
Präsentation der Ergebnisse
Durch formale Evaluierungsdokumente und visuelle Präsentationen können die Ergebnisse den Beteiligten mitgeteilt werden. Die Dokumentation, die der Geschäfts- und IT-Leitung zur Verfügung gestellt wird, sollte Folgendes enthalten:
- eine Zusammenfassung
- die Bereiche der Evaluation
- eine Tabelle mit einer Zusammenfassung der Ergebnisse
- eine Problembeschreibung
- den Grad der Auswirkung und die Priorität
- ein Kosten-Nutzen-Ranking
- eine Liste der Ergebnisse mit detaillierten Analysen und möglichen Lösungen
Die Lösungen können von zusätzlicher Benutzerschulung bis hin zu Systemumgestaltungen und der Implementierung neuer Plattformen reichen. Die Dokumentation kann Entscheidungsträger unterstützen, zu Lösungen zu kommen: Dazu sollte das Dokument Informationen bereitstellen, die die Auswirkungen eines Problems auf die Organisation sowie die Kosten und den Nutzen seiner Behebung erklären.
