Data Warehouse

3 minute read

Ein Data Warehouse ist eine strukturierte Sammlung, Zusammenführung und Archivierung aller in einem Unternehmen oder Unternehmensbereich vorhandenen Daten, diese werden dann konsolidiert, verdichtet, analysiert und zur Entscheidungsfindung aufbereitet.

Hauptnutzen des Data Warehouse sind demnach die vielfältigen Auswertungsmöglichkeiten im Hinblick auf Unternehmenskennzahlen und spezielle Reports.

Data Warehousing kann in vier Teilprozesse untergliedert werden:

  • Datenbeschaffung - Beschaffung und Extraktion der Daten aus heterogenen Datenquellen
  • Datenhaltung - Speicherung und Archivierung der Daten
  • Datenversorgung - Bereitstellung der Daten für nachgelagerte Systeme
  • Datenauswertung - Analysen und Auswertungen der Daten

Das Data Warehouse stellt demzufolge ein zentrales Datenbanksystem dar, das zu Analysezwecken im Unternehmen einsetzbar ist. Die bereitgestellten Daten lassen sich nach bestimmten Mustern analysieren und zur Ermittlung von betrieblichen Kennzahlen einsetzen.

Vorteile des Data Warehouse im Unternehmen:

  • Globale Sicht auf die zentral abgelegten Daten
  • Schnelle und flexible Bereitstellung von Daten für Statistiken, Reports und Kennzahlen
  • Ermittlung von Zusammenhängen und Mustern
  • Schaffung von Transparenz für unternehmerische Entscheidungen
  • Bereitstellung umfangreicher Informationen zu Geschäftsobjekten

Beispiele aus der Praxis - STIWAs Lösung zur Anlagenüberwachung - Intelligente Analysesoftware mit Data Warehouse

STIWA, ein führender Hersteller im Bereich Hochleistungsautomation, hat eine passende Lösung für die Verarbeitung von großen Datenmengen (Big Data): Ein spezielles Datenanalysetool mit integriertem Data Warehouse, welches die Daten nicht nur erfasst und miteinander verknüpft, sondern auch visualisiert und auswertet. Dafür muss die Software in die Produktionsanlagen bis auf Komponentenebene hineinzoomen können.

Dies setzt eine automatische und lückenlose Erfassung von Maschinen-, Prozess- und Produktdaten voraus.

Ein Ziel ist die Gesamteffektivität der Anlage zu erhöhen, STIWA rechnet hier mit einer durchschnittlichen Steigerung um bis zu 15 Prozent.

Ferne können durch eine genaue Analyse und Auswertung von ungeplanten Stillständen und Fehlern auch die Gesamtlaufzeit der Anlage sowie Instandhaltungsintervalle optimiert werden.

7 Beispiele für erfolgreiche BI- und Big-Data-Projekte