Home

Einige Unternehmen, die uns ausgewählt haben

Privacy Officer und Privacy Consultant
CDP-Schema gemäß ISO/IEC 17024:2012
European Privacy Auditor
ISDP©10003 Zertifizierungsschema gemäß ISO/IEC 17065:2012
Auditor
Gemäß UNI 11697:2017
Lead Auditor ISO/IEC 27001:2022
Gemäß ISO/IEC 17024:2012
Dateschutzbeauftragter
Gemäß ISO/IEC 17024:2012
Anti-Bribery Lead Auditor Expert
Gemäß ISO/IEC 17024:2012
ICT Security Manager
Gemäß UNI 11506:2017
IT Service Management (ITSM)
Gemäß der ITIL Foundation
Ethical Hacker (CEH)
Gemäß EC-Council
Network Defender (CND)
Gemäß EC-Council
Computer Hacking Forensics Investigator (CHFI)
Gemäß EC-Council
Penetration Testing Professional (CPENT)
Gemäß EC-Council

Berufsqualifikationen

Bleiben Sie mit den Weltnachrichten auf dem Laufenden!

Markieren Sie Themen, die Sie interessieren:
GOVERNANCE & AWARENESS
Home / GOVERNANCE & AWARENESS
/
Data Warehousing und Business Intelligence
Data Governance

Ziele:

Das Konzept des Data Warehouse entstand in den 1980er Jahren, als die Technologie es Unternehmen ermöglichte, Daten aus einer Vielzahl von Quellen in ein gemeinsames Datenmodell zu integrieren. Die integrierten Daten versprachen einen Einblick in die betrieblichen Abläufe und eröffneten neue Möglichkeiten zur Nutzung von Daten für die Entscheidungsfindung und die Schaffung von Unternehmenswert. Darüber hinaus wurden Data Warehouses als Mittel gesehen, um die Verbreitung von Entscheidungsunterstützungssystemen (DSS) zu verringern, die meist auf denselben grundlegenden Geschäftsdaten basierten. Das Konzept eines „Enterprise Warehouse“ bot eine Möglichkeit, die Datenredundanz zu verringern, die Informationskonsistenz zu verbessern und ein Unternehmen in die Lage zu versetzen, seine Daten zu nutzen, um bessere Entscheidungen zu treffen.


Von unserem Team durchgeführte Aktivitäten:

Verstehen der Anforderungen

Die Entwicklung eines Data Warehouse unterscheidet sich von der Entwicklung eines operativen Systems. Operative Systeme hängen von spezifischen und präzisen Anforderungen ab. Data Warehouses führen Daten zusammen, die auf unterschiedliche Weise genutzt werden. Darüber hinaus wird sich die Nutzung im Laufe der Zeit ändern, wenn die Benutzer die Daten analysieren und erforschen.

Definition und Pflege der DW/BI-Architektur

Die DW/BI-Architektur sollte beschreiben, woher die Daten kommen, wo, wann, warum und wie sie in ein Warehouse gelangen. Das „Wie“ umfasst die Hardware- und Software-Details und den organisatorischen Rahmen, um alle Aktivitäten zusammenzuführen. Zu den technischen Anforderungen sollten die Anforderungen an Leistung, Verfügbarkeit und Zeit gehören.

Entwicklung von Data Warehouse und Data Marts

Typischerweise gibt es bei DW/BI-Projekten drei gleichzeitige Entwicklungspfade:

  • Daten: Die Daten, die zur Unterstützung der vom Unternehmen gewünschten Analyse benötigt werden. In dieser Phase werden die besten Datenquellen ermittelt und Regeln dafür aufgestellt, wie die Daten korrigiert, umgewandelt, integriert, gespeichert und für die Nutzung durch Anwendungen verfügbar gemacht werden. In dieser Phase wird auch entschieden, wie mit Daten umgegangen werden soll, die nicht den Erwartungen entsprechen.
  • Technologie: Die Back-End-Systeme und -Prozesse, die die Speicherung und Bewegung von Daten unterstützen. Die Integration in das bestehende Unternehmen ist von entscheidender Bedeutung, da das Lager keine Insel für sich ist. Die Unternehmensarchitekturen, insbesondere die Technologie- und Anwendungsspezialitäten, sind in der Regel für diesen Weg zuständig.
  • Business-Intelligence-Tools: Die Anwendungssuite, die von den Datenkonsumenten benötigt wird, um aussagekräftige Informationen aus verteilten Datenprodukten zu erhalten.

Befüllung des Data Warehouse

Der wichtigste Teil der Arbeit in jedem DW/BI-Projekt ist die Aufbereitung und Verarbeitung der Daten. Design-Entscheidungen und Prinzipien für die Detaillierung der im DW enthaltenen Daten sind eine der wichtigsten Prioritäten für die DW/BI-Architektur. Die Veröffentlichung klarer Regeln, welche Daten nur über operative Berichte verfügbar sein werden (wie im Falle von Nicht-DW-Daten), ist für den Erfolg der DW/BI-Bemühungen entscheidend.

Implementierung des Business Intelligence-Portfolios

Die Implementierung des BI-Portfolios bedeutet, dass die richtigen Tools für die richtigen Benutzergruppen innerhalb oder zwischen den Geschäftsbereichen identifiziert werden müssen. Gemeinsamkeiten zu finden, indem gemeinsame Geschäftsprozesse, Leistungsanalysen, Managementstile und Anforderungen aufeinander abgestimmt werden.

Schutz von Produktdaten

Ein implementiertes Warehouse und seine kundenorientierten BI-Tools sind als Datenprodukt zu betrachten. Erweiterungen (Verlängerungen, Erweiterungen oder Änderungen) an einer bestehenden DW-Plattform sollten schrittweise implementiert werden. In einer dynamischen Arbeitsumgebung kann es eine Herausforderung sein, den Umfang eines Inkrements beizubehalten und einen kritischen Pfad für wichtige Arbeitselemente festzulegen. Legen Sie gemeinsam mit den Geschäftspartnern Prioritäten fest und konzentrieren Sie die Arbeit auf zwingend erforderliche Erweiterungen.

Vorgeschlagen für Sie

Big Data und Data Science Data Quality Metadaten-Management Data Warehousing und Business Intelligence Referenz- und Stammdaten Dokument- und Content-Management Informationsintegration und Interoperabilität Datensicherheit Datenspeicherung und Datenoperationen Datenmodellierung und Design Datenarchitektur Data Governance