Het datawarehouse is niet dood:het heeft alleen een automatiseringsrevisie nodig

Nu organisaties data op een veel grotere schaal dan ooit tevoren omarmen, zullen deze nieuwe vaardigheden en rollen zowel flexibiliteit als focus binnen bedrijven – ondersteuning van een meer datagedreven aanpak en uiteindelijk meer zakelijk succes

Datawarehouse-automatisering is een van die uitvindingen die zo vroeg en zo innovatief is dat alleen early adopters en visionairs de sprong in het diepe hebben gewaagd. De rest van de zakenwereld heeft ofwel nog nooit van automatisering gehoord of wantrouwt iets dat te mooi lijkt om waar te zijn. Maar alleen omdat het te mooi lijkt om waar te zijn, maakt het niet onwaar.

Een monnik die met zijn ganzenveer exemplaren van de bijbel aan het schrijven was, had misschien gedacht dat een typemachine te mooi was om waar te zijn, wie weet wat voor bedrog hij had kunnen bedenken bij de latere ontwikkeling van tekstverwerkers, computers en iPads?

De drukpers moderniseerde en zorgde voor een revolutie in de printwereld. Nu zorgt de automatisering van datawarehouses voor een revolutie in datawarehousing met vergelijkbare resultaten; financiële besparingen, winst in snelheid, efficiëntie en nauwkeurigheid. Maar voordat we naar de toekomst van datawarehousing kijken, gaan we terug naar de jaren tachtig toen datawarehouses werden gemaakt, om te zien waarom het tijd is om verder te gaan.

De problemen van traditionele datawarehouses

De traditionele manier om datawarehouses te bouwen is traag. ETL-codering wordt met de hand geschreven, dus het duurt maanden om het datawarehouse te bouwen, dat op het moment van implementatie vaak niet meer synchroon loopt met de vereisten. Het is alsof een man er jaren over doet om zijn tweezits cabriolet te restaureren om hem klaar te hebben, net op het moment dat zijn vrouw aankondigt dat ze zwanger is van een tweeling.

> Zie ook:Vijf redenen waarom automatisering samenwerking bevordert

Het trieste feit is dat de werkelijke waarde en mogelijkheden van de gegevens pas worden begrepen als het datawarehouse is gebouwd, maar tegen die tijd is het te laat. Het magazijn, als het niet wordt verlaten voordat het klaar is, is een dure, onbuigzame teleurstelling.

Misschien is dit de reden waarom veel technologen en opinieleiders klaar zijn om het datawarehouse dood te verklaren - niet langer relevant in het tijdperk van big data. Maar deze voorspellers vergissen zich. Big data kan een datawarehouse uitbreiden en verrijken, maar kan het niet vervangen. Het zijn geen datawarehouses die dood zijn, maar de traditionele manier om ze te ontwerpen en te bouwen.

Uw datawarehouse goed maken

In de kern integreert het datawarehouse kritieke en waardevolle bedrijfsgegevens die niet worden gevonden in big data-bronnen en die nog steeds de primaire gegevensbron zijn voor beschrijvende, prescriptieve en beslissingsanalyses. Het dient als bedrijfsgeheugen en verzamelt de geschiedenis die tijdreeksen en trendanalyse mogelijk maakt.

Het datawarehouse organiseert en structureert ook gegevens om het begrijpelijk en bruikbaar te maken voor gebruik door veel verschillende zakelijke belanghebbenden. Deze business intelligence geeft organisaties een voorsprong, waardoor ze concurrerender, klantgerichter en winstgevender worden.

Datawarehouse-automatisering, de toekomst van het datawarehouse

Datawarehouses zullen in de nabije toekomst nodig zijn, maar ze moeten sneller en tegen redelijke kosten kunnen worden gebouwd, zich gemakkelijk kunnen aanpassen aan veranderende vereisten en kunnen inspelen op zakelijke en technische veranderingen. En dit alles moet gebeuren zonder afbreuk te doen aan de kwaliteit van de oplossing.

Betreed datawarehouse-automatisering, de toekomst van het datawarehouse. Datawarehouse-automatisering levert kwaliteit en effectiviteit door de mogelijkheid om betere oplossingen te bouwen; oplossingen die voldoen aan echte zakelijke vereisten.

Met datawarehouse-automatisering kan het bedrijf veel later in het ontwikkelingsproces wijzigingen aanbrengen en kunnen wijzigingen vaker plaatsvinden met minder verstoring, verspilling en herwerk. Deze efficiëntie is niet alleen een genot, het bespaart tijd, middelen en geld. In een traditioneel datawarehouse-gebouw is het vooral moeilijk om volledige en correcte vereisten te krijgen vanwege het lineaire ontwikkelingsproces. Automatisering levert ook kwaliteitsvoordelen op door het afdwingen van normen en het standaardiseren van de ontwikkelingsprocessen.

> Zie ook:Automatiseringssoftware:de 'universele afstandsbediening' voor enterprise IT

De wendbaarheid van het geautomatiseerde datawarehouse is niet beperkt tot het vermogen om te veranderen in het magazijnontwikkelingsproces, het kan ook omgaan met veranderingen in zakelijke vereisten. In realtime en zonder vertraging van langdurige projecten reageren op veranderingen is de essentie van zakelijke wendbaarheid.

Bouw beter en sneller

Snelheid is de kritische factor die wendbaarheid mogelijk maakt. Het vermogen om snel te genereren en even snel te regenereren wanneer er veranderingen optreden, zijn fundamentele automatiseringsmogelijkheden. Het vermogen om snel te falen is ook belangrijk.

Soms kunnen magazijnteams niet leveren wat het bedrijf nodig heeft vanwege het niet beschikbaar zijn van gegevens, problemen met de gegevenskwaliteit of ongrijpbare en moeilijk te definiëren bedrijfsregels. Door deze problemen zo vroeg mogelijk te ontdekken, wordt er minder tijd en middelen verspild.

Uiteindelijk levert beter bouwen, sneller bouwen en snel veranderen wanneer nodig aanzienlijke kostenbesparingen op voor de ontwikkeling, exploitatie, het onderhoud en de evolutie van datawarehouses.

Naast het ontwikkelen en wijzigen van een datawarehouse, biedt automatisering vele technische voordelen die bijdragen aan een langere levensduur en bedieningsgemak voor het magazijn. De consistentie van componenten in een datawarehouse wordt verbeterd door de mogelijkheid om standaarden en conventies in te bouwen. Geautomatiseerde documentatiemogelijkheden zorgen voor uitgebreide documentatie die synchroon blijft met de implementatie.

Impactanalyse voor geplande wijzigingen wordt ondersteund met uitgebreide metadatamogelijkheden en testen wordt vereenvoudigd met testautomatisering tijdens de ontwikkeling en als validatiemogelijkheid van operationele processen. Onderhoud wordt eenvoudiger met verbeterde consistentie, betere documentatie, vereenvoudigd testen, versiebeheer, geautomatiseerde implementatie van wijzigingen en gestandaardiseerde implementatiemethodologie.

> Zie ook:CIO als maestro:hoe automatisering van de CIO een business visionair maakt

Dus, hoe werkt het allemaal? Hoe is het proces geautomatiseerd? Nou, het draait allemaal om patronen.

Ontwerppatronen zijn fundamenteel voor automatisering van datawarehouses. Het identificeren en hergebruiken van patronen staat centraal om tegelijkertijd consistentie, kwaliteit, snelheid, wendbaarheid en kostenbesparingen te realiseren.

Ontwerppatronen omvatten zowel architecturale standaarden als best practices voor gegevensontwerp, gegevensbeheer, gegevensintegratie en gegevensgebruik. Toegepaste patronen in een datawarehouse-automatiseringstool ondersteunen de doelstellingen van versneld ontwerp en ontwikkeling, maar even belangrijk is dat ze de naleving van normen en consistentie van datawarehousing-resultaten stimuleren.

De Business Intelligence waarmee datawarehouses bedrijven kunnen ontginnen, is van onschatbare waarde. Het houdt bedrijven concurrerend, winstgevend en een voorsprong op de massa. En nu zijn de trage, pijnlijke, verouderde machines die probeerden deze rapporten te leveren vernieuwd, gemoderniseerd en geautomatiseerd.

Afkomstig van Rob Mellor, algemeen directeur, WhereScape Mainland Europe