Cloud Data 
Warehouse

Neue Datentypen und -formate einfach zu den wohlbekannten integrieren und in einem Arbeitsvorgang auswerten zu können, ist ein wichtiger Grund für ein modernes Data Warehouse. Hier wachsen das traditionelle Data Warehouse und die Flexibilität von Big Data Systemen zusammen.

Die Cloud bietet einen weiteren wichtigen Grund: In der Cloud kann die typische Ressourcen-Knappheit bzgl. Processing Workloads, Analysen und Storage im besten Fall durch DWaaS elastisch und damit zum Zeitpunkt des Bedarfs überwunden werden.

Wir sind ihr Beratungs- und Implementierungspartner auf dem Weg zum Cloud Data Warehouse

Strategie & Scoping: Beim Aufbau eines Cloud Data Warehouse muss ein klares Zielbild formuliert werden, statt in ziellosen Experimenten steckenzubleiben. Wir empfehlen, sich auf die Migration und den sukzessiven Ausbau zu konzentrieren und konkrete Werte bzgl. Technologie, Betrieb und Finanzen zu realisieren. Über einen Business Case lässt sich ein solches Projektvorhaben rechtfertigen. Der Scope der Phasen muss skizziert und sicherlich stetig überprüft werden – beginnend mit den tief hängenden Früchte, die einen überblickbaren Aufwand bei messbarem sehr guten Erfolg versprechen.  

Architektur: Die Komplexität des Datenhaushalts, der Aufbereitung der Daten und die Anforderungen und Schwächen der Bestandssysteme geben Aufschluss über die zukünftige Anwendung. Wir bilden uns permanent und mit einem signifikanten Investitionsbudget weiter und haben einen sehr fundierten Einblick in unsere Industrie. Das nutzen wir für die unabhängige Beratung unserer Kunden, um im Rahmen des Architekturentwurfs die geeignete Infrastruktur durch Auswahl des Hyperscalers und Software-Komponenten zu empfehlen. 

Metadatenanalyse: Das Fundament des modernen Cloud Data Warehouse sind die internen und externen Daten. Diese liegen in der erweiterten Systemlandschaft des Kunden vor und müssen analysiert werden, so dass die funktionalen und technische Zusammenhänge erkannt werden. Es entsteht ein Repository der relevanten Metadaten.

Design: Die Flexibilität eines modernen Data Warehouses zeigt sich in der Möglichkeit, einfach und effizient neue und neuartige Daten zu integrieren. Das bringt Anforderungen zum einen an die Zonierung eines Data Lakes und an das Datenmodell für die Reporting Architecture mit sich. Des Weiteren leiten sich Eigenschaften an die Datenintegrationskomponente hinsichtlich Historisierung, Versionierung und Datenqualität ab. Wir haben die Erfahrung gemacht, dass sich ein Großteil der Verarbeitungsprozesse durch Process Pattern idealtypisch und als Musterlösungen abbilden lässt. Dieser integration-factory Pattern Approach ist ein entscheidender Erfolgsfaktor und das Fundament für den sukzessiven, schnellen und flexiblen Ausbau des mordernen Data Warehouse. Ein Pattern ist dabei immer exakt auf die Kundenanforderungen zugeschnitten.

Realisierung: Hier laufen die Ergebnisse aus der Metadatenanalyse und dem Design zusammen: Wir nutzen die Hebelwirkung von Metadaten und die Manufaktur repetitiver Arbeit. Mit unseren ausgezeichneten Beratern, Ingenieurskunst und mittels des Einsatzes unseres cloudbasierten Service MetaKraftwerk erzielen wir präzise Umsetzungsergebnisse in sehr kurzer Zeit und hervorragender Qualität und sichern hier den Gesamterfolg des Projektes ab. Durch den integration-factory Pattern Approach erreichen wir das Implementierungsziel in homogener, reproduzierbarer Qualität mit kleinen Teams in kurzer Zeit. Der Vorteil gegenüber Tankerprojekten ist offensichtlich.