Aufrufe
vor 1 Jahr

02 | 2017 NEWS

  • Text
  • Continuous
  • Thinc
  • Msggillardon
  • Unternehmenssteuerung
  • Anforderungen
  • Integration
  • Sowohl
  • Meldewesen
  • Fachlichen
  • Deployment
Insight

u Unternehmenssteuerung

u Unternehmenssteuerung Idealerweise erlaubt das Metadaten-Repository dem Nutzer ein Browsen (Drill-down und Drill-through) durch die Datenarchitektur und erklärt die Zusammensetzung von Ergebnissen. Einer der wichtigsten Aspekte beim Selfservice-BI ist der Schutz der Nutzerdaten vor unberechtigtem Zugriff. Zum Einbringen der privaten Daten des Endanwenders ist eine persönliche Firewall, die diese Daten strikt von allen anderen Nutzern abschirmt, unabdingbar. Dazu werden vom Nutzer ausgewählte (Berechnungs-)Programme gemeinsam mit seinen privaten Daten und wiederum ausgewählten Daten des Zentraldatenhaushalts in eine eingeschränkte Umgebung gebracht, auf die nur der einzelne Endanwender Zugriff hat. Im Idealfall wählt der Nutzer die Bausteine für seine Berechnungen, die er aus der zentralen öffentlichen BI-Landschaft nutzen möchte, selbst aus. Dabei unterstützt ihn ein aussagekräftiges Metadaten-Repository, das die Abhängigkeiten zwischen den Elementen kennt. Anderenfalls stehen dem Benutzer alle Kennzahlenformeln und Rechenkerne zur Verfügung, was allerdings sehr unübersichtlich sein kann. Das Abschirmen von anderen Nutzern geschieht mittels ausgefeilter Techniken: vom „Umbiegen“ des Dateisystems bis zur Simulation eines kompletten Rechners – ergänzt um Grenzkontrollen, wie sie von den Internettechniken bekannt sind. Eine weitere wichtige Komponente sind geeignete Lademechanismen, um die privaten Daten des Nutzers in die Verarbeitung einzubringen. Im ungünstigen Fall werden diese Daten direkt in die Auswertungen (zum Beispiel einen Cube oder Report) eingebunden, wodurch zentrale Formeln oder Rechenkerne der darunterliegenden Businesslogikschicht des BI-Systems nur begrenzt genutzt werden können. Um diese Funktionalitäten auch für private Daten vollumfänglich nutzen zu können, müssen diese bereits an die darunterliegende Daten- und Verarbeitungsschicht angebunden werden. Es ist oft sinnvoll, dieselben Staging-Mechanismen und dieselbe Datenarchitektur zu nutzen wie für zentrale Daten. Die privaten Daten stellen dabei einfach ein weiteres Quellsystem dar. Ein weiterer Vorteil dieser Lösung ist die Nachvollziehbarkeit und Wiederaufsetzbarkeit von Auswertungen. Dashboards Private Sicht Data Marts selektieren Neu gestalten Rechenkerne und Anwendungen Zentraler, integrierter Datenpool Datenbewirtschaftung kombinieren strukturieren Staging Area Datenbewirtschaftung historisiertes DWH „klassische“ Daten pull Mobil/offline nutzen selektieren private Datensicht on Demand User-Daten on demandon Demand Metadaten- Repository Daten- Struktur- Mapping Metadaten-Management Data-Warehouse-Managemen DQ-Management Quellsysteme Abbildung 1: Sandboxing und Selfservice-BI auf einen Blick und völlig sicher: eigene Daten – zentrale Methoden – zentrale Daten – eigene Auswertungen 30 I NEWS 02/2017

Unternehmenssteuerung t Dashboards Reporting, Ad-hoc-Analysen Klassisch: Data Marts ? Metadaten- Repository Metadaten-Management Data-Warehouse-Management DQ-Management Quellsysteme Abbildung 2: Ist das klassische Data Warehouse eigentlich noch zeitgemäß? Wenn Rechenkerne oder granulare Berechnungen genutzt werden sollen, sollte es auch im Selfservice-BI eine (logische) Integrationssicht im DWH-Datenmodell geben. Zentrale Daten können selektiert und als Kopie oder View bereitgestellt werden. Die privaten Daten werden dann dazugemappt. Hier kommt wieder das Metadaten-Repository zum Einsatz, das durch seine Strukturkenntnis das Mappen erst ermöglicht. Auf Historisierung kann in der Regel verzichtet werden. Für einfachere Anwendungsfälle können die aufbereiteten Daten aber auch direkt in bestehende/ zentrale oder neue/eigene Auswertungen gezogen werden. Im Unterschied zum klassischen, zentralen Data Warehouse, wo in der Regel ein tägliches Laden im Batch stattfindet, müssen die Ladeprozesse für Selfservice-BI nach Bedarf (on Demand) ausgeführt werden können. Dies liegt in der Verantwortung der Data-Warehouse-Management-Komponente, die mit diesen Zusatzprozessen umgehen können muss. Außerdem muss die Datenstruktur der Fremddaten gescannt und gegebenenfalls bereits ein Mapping auf das zentrale Datenmodell vorgeschlagen werden können. Selfservice-BI ist ein prädestinierter Anwendungsfall für mobile Techniken. Beispiele sind die Bereitstellung von Rechenkernen als Webservice und der gesicherte Zugriff auf zentrale Daten über eine Enterprise Cloud. BI-Architektur ohne klassisches Data Warehouse? Bei der Auseinandersetzung mit dem Thema BI-Architekturen der Zukunft stellt sich die provokante Frage „Wird ein Data Warehouse (DWH) eigentlich noch gebraucht?" beziehungsweise „Ist das klassische DWH überhaupt noch zeitgemäß?“, wobei klassisches DWH eine zentrale Datenbank mit einer relationalen Tabellenstruktur meint, in der der integrierte Datenpool mit dem Gesamthaushalt an Entitäten abgelegt ist, der für die Versorgung der BI-Landschaft benötigt wird und das mittels ETL-Prozessen (im Batch) beladen wird. Ist solch ein Monstrum nicht viel zu träge? Mögliche Alternativen sind Design- und Architekturpattern, die ihren Ursprung außerhalb der BI-Welt haben. Könnten hier Mit- NEWS 02/2017 I 31

msg

01 | 2018 public
02 | 2017 public
01 | 2017 public
02 | 2016 public
01 | 2016 public
02 | 2015 public
01 | 2015 public
01 | 2014 public
01 | 2014 msg systems study
01 | 2015 msg systems Studienband
Future Utility 2030
Lünendonk® Trendstudie
Digitale Transformation | DE
Digital Transformation | EN
DE | inscom 2014 Report
EN | inscom 2014 Report

msgGillardon

03 | 2016 NEWS
02 | 2016 NEWS
01 | 2016 NEWS
03 | 2015 NEWS
02 | 2015 NEWS
01 | 2015 NEWS
02 | 2014 NEWS
01 | 2014 NEWS
02 | 2013 NEWS
01 | 2012 NEWS
02 | 2011 NEWS
01 | 2010 NEWS
MaRisk
01 | 2017 banking insight
01 | 2015 banking insight
01 | 2014 banking insight
01 | 2013 banking insight
01 | 2012 banking insight
02 | 2011 banking insight
01 | 2011 banking insight
01 | 2010 banking insight
2016 | Seminarkatalog | Finanzen

Über msg



msg ist eine unabhängige, international agierende Unternehmensgruppe mit weltweit mehr als 6.000 Mitarbeitern. Sie bietet ein ganzheitliches Leistungsspektrum aus einfallsreicher strategischer Beratung und intelligenten, nachhaltig wertschöpfenden IT-Lösungen für die Branchen Automotive, Banking, Food, Insurance, Life Science & Healthcare, Public Sector, Telecommunications, Travel & Logistics sowie Utilities und hat in über 35 Jahren einen ausgezeichneten Ruf als Branchenspezialist erworben.

Die Bandbreite unterschiedlicher Branchen- und Themenschwerpunkte decken im Unternehmensverbund eigenständige Gesellschaften ab: Dabei bildet die msg systems ag den zentralen Kern der Unternehmensgruppe und arbeitet mit den Gesellschaften fachlich und organisatorisch eng zusammen. So werden die Kompetenzen, Erfahrungen und das Know-how aller Mitglieder zu einem ganzheitlichen Lösungsportfolio mit messbarem Mehrwert für die Kunden gebündelt. msg nimmt im Ranking der IT-Beratungs- und Systemintegrationsunternehmen in Deutschland Platz 7 ein.


© 2018 by msg systems ag - powered by yumpu Datenschutz | Impressum