BIG Data & Analytics:
BIG Data & Analytics
Datawarehouse, Business Intelligence
Die Bedeutung von Big-Data-Analysen Big Data steht für die riesigen Mengen an Daten, die uns täglich zur Verfügung stehen – Daten in der Größenordnung von Zettabytes, die von Computern, Mobilgeräten und elektronischen Sensoren produziert werden. Daten aus operativen Systemen extrahieren und intelligent ablegen, so dass der Anwender die Daten für eine optimale Endscheidungsfindung zur Verfügung gestellt bekommt. Big-Data-Analysesoftware wurde speziell entwickelt, um Ihrem Unternehmen dabei zu helfen, Erkenntnisse aus dem riesigen Datenmeer zu gewinnen, das Sie wahrscheinlich jeden Tag generieren.
Webdaten, App-Aktivitäten, Lieferzeiten und Tagesverkäufe sind nur einige der Datenquellen, die in kurzer Zeit Millionen von Datenpunkten generieren können. Geschäftsanalysen ohne spezialisierte Software sind bei kleinen bis mittleren Datensätzen schwierig genug; Ohne gute Software für Big-Data-Analysen können Sie die Skalierung Ihrer Analysen auf größere Datensätze komplett vergessen.
Die größten Business Intelligence Anbieter
Die größten Business Intelligence-Anbieter sind:
- Microsoft (Power BI)
- Tableau
- SAP (Analytics Cloud)
- IBM (Cognos Analytics)
- Oracle (BI)
- QlikView
- TIBCO Software (Spotfire)
- MicroStrategy
- Looker (Google Cloud)
- SAS (Business Intelligence)
Diese Liste ist nicht abschließend und kann je nach Marktlage und Nachfrage variieren.
Was ist ein Datawarehouse?
Ein Data Warehouse ist eine spezielle Art von Datenbank, die für die Analyse und Entscheidungsfindung von Geschäftsdaten entwickelt wurde. Es sammelt Daten aus verschiedenen Quellen und integriert sie in einer zentralen, sicheren und geschützten Umgebung. Diese Daten werden in einer Weise organisiert, die es Benutzern ermöglicht, mühelos Muster, Trends und Beziehungen zu erkennen und zu untersuchen.
Ein Data Warehouse unterscheidet sich von traditionellen Datenbanken durch seinen Fokus auf die Verarbeitung von Daten für Analysezwecke und seine Fähigkeit, sehr große Mengen an Daten effizient zu speichern und abzufragen. Es ermöglicht eine bessere Entscheidungsfindung, indem es Benutzern Zugang zu umfassenden und aktuellen Daten bietet.
Data Warehousing ist in vielen Branchen, einschließlich Finanzen, Einzelhandel, Gesundheitswesen und Verteidigung, von großem Nutzen. Es ist ein wichtiger Bestandteil des Geschäftsintelligenz-Prozesses, da es den Benutzern ermöglicht, Daten zu sammeln, zu integrieren und zu analysieren, um bessere Geschäftsentscheidungen zu treffen.
Was bedeutet BIG Data & Analytics in diesem Zuammenhang?
BIG Data
Die Datengrundlage aus den operativen Systemen und dem Internet sind oft zu groß, zu komplex, zu schnelllebig oder zu schwach strukturiert. Diese Daten sind auf Grund Ihrer Ablage nach einer anderen Logik strukturiert. Zum Beispiel sind die operativen Daten aus den SAP-ERP-Systemen zunächst mit der Zielrichtung des operativen Geschäftes abgelegt. Beispielsweise als Logistik- oder Finanz-Daten. So können viele Datenmengen entstehen die vom Hintergrund der Auswertung stark unstrukturiert sind.
technologische Herausforderungen sind :
- viele Datensätze müssen verarbeitet werden
- grosse Datenmengen müssen schnell verarbeitet werden
- Realtime Processing – meint sofortige Abfrage importierter Daten
- es werden kurze Antwortzeiten auch bei komplexen Abfragen angefordert
- Concurrent Queries – Die Möglichkeit zur Verarbeitung vieler gleichzeitiger Abfragen an die Datenbank
- Analyse verschiedenartiger Daten aus Internet und Unternehmen (Zahlen, Texte, Bilder, …)
Was bedeutet Analytics – Business Intelligence
Verfahren und Prozesse zur systematischen Analyse des eigenen Unternehmens. Ziel ist die Bereitstellung von Daten und Werzeugen die den Führungsebenen im Unternehmen bei der Analyse Ihren Entscheidungen mittels Datenanlyse die “elektronische”Unterstützungsmöglichkeit gibt. Hinter diesen zwei kleinen Wörtern steckt eine komplexe Vielfalt von Themen, Visionen und Herausforderungen. Viele Unternehmen erkennen die Chancen von Big Data und wollen Daten nutzen und in Werte verwandeln. Bei der konkreten Umsetzung stellen sie schnell fest, dass es kein Patentrezept, keine All-in-one-Lösung gibt. Vielmehr bedeutet die Umsetzung einer Big-Data-Strategie in einem Fall das eine und im anderen etwas ganz anderes.
In Summe ist Business Intelligence die Sammlung, Auswertung und Darstellung von Daten für ein Unternehmen. Dafür gibt es auch Standards die entsprechende Vorgaben für den Kunden einsetzten.
Es werden verschiedene Phasen zur Umsetzung einer Analytics-Business-Intelligence-Strategie angesetzt.
Die Wichtigsten Phasen im BI-Projekt
Strategiephase
Strategieentwicklungsprozesses berücksichtigt und entwickelt die Anforderungen und technischen Voraussetzungen für die Analytics-Business-Intelligence-Strategie.
Die Strategiephase im Business Intelligence (BI) Projekt umfasst die folgenden Schritte:
- Geschäftsanforderungen definieren: Dies beinhaltet die Analyse der Geschäftsanforderungen und die Festlegung der Ziele für das BI-Projekt.
- Datenanalyse und -bereitstellung: Dies beinhaltet die Überprüfung und Vereinheitlichung der Datenquellen, die für das Projekt benötigt werden.
- Tools und Technologien auswählen: Dies beinhaltet die Evaluierung und Auswahl geeigneter Tools und Technologien, die für die Umsetzung des Projekts erforderlich sind.
- Lösungsarchitektur entwickeln: Dies beinhaltet die Entwicklung einer Lösungsarchitektur, die die Geschäftsanforderungen und die gewählten Tools und Technologien berücksichtigt.
- Projektplanung und Ressourcenmanagement: Dies beinhaltet die Erstellung eines Projektplans und das Management der erforderlichen Ressourcen.
- Überprüfung und Genehmigung: Dies beinhaltet die Überprüfung der Strategie und den Entwurf der Lösung durch relevante Stakeholder und die Genehmigung zur Umsetzung.
Die Strategiephase bildet die Grundlage für den erfolgreichen Abschluss des BI-Projekts und sollte gründlich geplant und durchgeführt werden.
Konzeptionsphase
Auswahl passender System- und Daten-Architektur und Programme ( Anbieter-Auswahl ). Ein Projektteam wird ausgewählt und Anbieter selektiert.
Die Konzeptionsphase im Business Intelligence (BI) Projekt umfasst die folgenden Schritte:
- Anforderungen spezifizieren: Dies beinhaltet die Überprüfung und Spezifikation der Geschäftsanforderungen und Ziele, die im Rahmen der Strategiephase definiert wurden.
- Datenmodellierung: Dies beinhaltet die Erstellung eines Datenmodells, das die Datenstruktur, Beziehungen und Abhängigkeiten beschreibt.
- Dashboard-Design: Dies beinhaltet die Entwicklung eines Designs für die Dashboards, die für die Überwachung und Analyse der Daten erforderlich sind.
- Datenintegration: Dies beinhaltet die Integrierung der Daten aus verschiedenen Quellen und die Schaffung eines einheitlichen Datenbestands.
- Datenbereinigung und -bereitstellung: Dies beinhaltet die Bereinigung und Vereinheitlichung der Daten, um sicherzustellen, dass sie für die Analyse geeignet sind.
- Testplanung: Dies beinhaltet die Planung der Tests, die durchgeführt werden müssen, um sicherzustellen, dass die Konzeption den Geschäftsanforderungen entspricht.
Die Konzeptionsphase bildet die Grundlage für die Umsetzungsphase und sollte sorgfältig geplant und durchgeführt werden, um die Effizienz und Zuverlässigkeit des BI-Systems zu gewährleisten.
Implementierung
Umsetzung der Strategie und einsatz der Ausgewählten Software und Hardware. Hier eine Liste möglicher Anbieter :
IBM, Information Builders, Microsoft, MicroStrategy, Oracle, QlikTech, SAP, SAS Institute, Tableau Software.
Die Implementierungsphase im Business Intelligence (BI) Projekt umfasst die folgenden Schritte:
- Datenintegration: Dies beinhaltet die technische Umsetzung der Datenintegration, die in der Konzeptionsphase entwickelt wurde.
- Datenbereinigung und -bereitstellung: Dies beinhaltet die technische Umsetzung der Datenbereinigung und -bereitstellung, die in der Konzeptionsphase entwickelt wurde.
- Dashboard-Implementierung: Dies beinhaltet die technische Umsetzung des Dashboard-Designs, das in der Konzeptionsphase entwickelt wurde.
- Datenmodellierung: Dies beinhaltet die technische Umsetzung des Datenmodells, das in der Konzeptionsphase entwickelt wurde.
- Berichtsgenerierung: Dies beinhaltet die technische Umsetzung der Berichtsgenerierung, die für die Analyse der Daten erforderlich ist.
- Testdurchführung: Dies beinhaltet die Durchführung der Tests, die in der Konzeptionsphase geplant wurden, um sicherzustellen, dass das BI-System den Geschäftsanforderungen entspricht.
- Datenqualitätssicherung: Dies beinhaltet die Überwachung und Verwaltung der Datenqualität, um sicherzustellen, dass die Daten korrekt und aktuell sind.
Die Implementierungsphase ist ein wichtiger Teil des BI-Projekts und sollte sorgfältig durchgeführt werden, um sicherzustellen, dass das BI-System funktionstüchtig und benutzerfreundlich ist.
Jobs aus dem Bereich BIG Data & Analytics – Business Intelligence finden Sie in unserer Jobbörse IT.
