Data Warehousing

 

Das moderne Data Warehouse

„Now everything produces data: every click on the internet, every package on your doorstep, every bag on the airplane, every step on your health tracker. It’s not only inexpensive to store – disk storage on premise or in the cloud is exponentially cheaper than ever before – but processing power is also economical. It cannot keep up with how fast we produce data or how cheap it is to persist it indefinitely, but processing is powerful enough to handle these volumes using certain technologies while still being affordable.“ – Douglas McDowell CEO, North America

Traditionell diente ein strukturiertes relationales Data Warehouse als zentrales Lager alle Daten im Unternehmen. Unterschiedliche Daten aus transaktionalen Systemen, dem ERP, dem CRM und anderen Applikationen wurden dem ETL-Prozess (Extract-Transform-Load) unterworfen und so in ein Data Warehouse eingefügt. Heute wachsen die Datenmengen exponentiell an, die gleichzeitig (nahezu) in Echtzeit analysiert werden sollen. Das moderne Data Warehouse mit seinem Mix aus strukturierten und unstrukturierten Datentypen wird so zum Kern aktueller Big Data Lösungen.

 

 

ETL

Extraction, Transformation and Loading (ETL) ist die heikelste Komponente eines Data Warehouse-Projekts. Der Einsatz eines erprobten ETL-Frameworks, das sich auf standardisierte Entwicklung unterstützt seinen Wert und seine Beständigkeit und minimiert gleichzeitig Kopfschmerzen bei der Implementierung und später im operativen Gebrauch.

 

 

Kunden, für die SolidQ ein modernes Data Warehouse implementiert hat, haben sich ursprünglich u.a. folgenden Problemen gegenüber gesehen:

  1. Das Date Warehouse kommt mit der Fülle an Daten und Datenquellen nicht mehr mit.
  2. Die Performance des Data Warehouse schwächelt.
  3. Lange Amortisierungszeiten (time-to-value) beim Zugriff auf neue Datenquellen
  4. Die Kosten steigen ohne brauchbare Ergebnisse

SolidQ liefert eine moderne Data Warehousing Lösung,  die eine umfassende Datenanalyse ermöglicht, und auf erprobte und dennoch neueste Technologien aufbaut.

Data Management and Processing

In Abstimmung mit Management und IT-Abteilung implementieren wir relationale und nicht-relationale Datenquellen wie Hadoop. Unsere Kunden verarbeiten Daten in Echtzeit, verbinden interne mit externe Daten und nutzen eine Analytics Engine für Datenanalysen und Prognosen.

Data enrichment and ETL

Unsere Kunden genießen den höchsten Level an technischer Expertise, wenn es um ETL-Prozesse geht. Sie verlassen sich auf glaubwürdige und konsistente Daten, die Data Quality und Master Data Management Services durchlaufen haben.

f

Parallel Data Warehouse

SolidQ’s Parallel Data Warehouse Angebot unterstützt Sie dabei, ein PDW zu installieren, die Daten zu migrieren, die richtige Architektur zu finden und unterstützende Data Marts um Ihre PDW Installation herum zu deployer.

Architecture and Design

SolidQ Kunden bekommen das optimal auf ihre Bedürfnisse abgestimmte Data Warehouse in Hinblick auf Design, Architektur und Funktionalität.

Data Science

Wer neue Erkenntnisse für bessere Geschäftsentscheidungen will, muss bessere Fragen stellen. Data Mining bzw. SolidQ Data Science Services helfen unseren Kunden dabei Antworten auf Fragen zu finden, die niemand zuvor gestellt hat.

Die Mentoren von SolidQ unterstützen Sie gerne bei einer Stärken/Schwächen-Analyse Ihres Data Warehouse bzw. bei einer Soll/Ist-Analyse