Voor veel bedrijven is een goed data warehouse een sleutelelement voor hun analytics-strategie. Door data uit meerdere bronnen te integreren, ontstaat er een centraal punt dat gebruikt kan worden voor business intelligence (BI). Dit met als doel om meer waarde te halen uit data, zodat er verstandige besluiten genomen kunnen worden. Maar waar moet je eigenlijk op letten bij data warehouse design?
Een goed data warehouse zal voor een deel afhankelijk zijn van de gehanteerde strategie. Je wilt een real time-karakter realiseren, zodat er ook up-to-date analyses toegepast worden. Om dit te realiseren kun je het best bepalen welke data relevant is voor real-time analyse. Als je bijvoorbeeld de prestaties van sales-medewerkers wil vergelijken, dan is real time-data niet nodig. Bij call center-analyse wil je echter wel direct werknemers ondersteunen en dus over actuele data beschikken.
Nadat je de data domains voor real time-doeleinden in beeld hebt, kan je de volgende stap zetten. Hierbij ga je nadenken over real time ETL (extract, transform, load)- en transformatieprocessen. Bij verschillende bedrijven kan het op dit vlak nog wel eens fout gaan, aangezien er complexe ETL-routines nodig zijn om echt real time-processen te ondersteunen.
Een automatiseringsoplossing voor data warehouses kan hier enorm in helpen. Het houdt standaard rekening met verschillende stappen in de lifecycle van een data warehouse, zoals het design, creëren en beheren van data warehouses.
In een video, die je kunt downloaden door onderstaand formulier in te vullen, wordt verder ingegaan op hoe je een modern data warehouse realiseert.
15 uur geleden
Expert bijdrage
