Historie

Transcription

Historie

BARC T1: Das BI Ökosystem: Analytische
Landschaften optimal gestalten
München, 18. Juni 2013
Timm Grosser, Patrick Keller
© BARC 2013
Business Application Research Center
Historie
• 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl
Wirtschaftsinformatik der Universität Würzburg (Prof. Thome)
• 1999: Spin-Off als eigenständiges Analystenhaus (BARC GmbH)
• 2005: Internationalisierung
• 2011: Fusion mit CXP zu einer Unternehmensgruppe (80 Mitarbeiter, davon 40
Analysten)
BARC Heute
• 35 Mitarbeiter, davon 15 Analysten & Berater
• über 1200 Kunden jährlich
• Themen: Business Intelligence, Datenmanagement, Enterprise Content
Management, IT Service Management, ERP, CRM, HR
• Standorte: Würzburg, Zürich, Wien, London, Paris
18.06.2013
© BARC 2013
2
Business Application Research Center
Marktforschung
Studien und
Marktübersichten
Unabhängige Unterstützung für
Software-Projekte
Tagungen, Seminare
Workshops
18.06.2013
Beratung
© BARC 2013
4
Trends im Data Warehousing und Datenmanagement
Agenda
Erfolgsfaktoren für BI
BI-Lösungsarchitekturen
Übersicht Top-5 Anbieter für BI und Datenmanagement
Übersicht wachstumsstärkste Anbieter 2011
18.06.2013
© BARC 2013
6
Status quo Datenmanagement:
Häufig genannte Probleme analytischer Systeme
Komplexität:
Wartung, Weiterentwicklung, Nutzung
Fehlende Flexibilität:
neue Daten, neue Analysen
Unzureichende Abfragezeiten
Unbefriedigende Aktualisierung:
Zyklen und Zeiten
Kostenintensiv
18.06.2013
© BARC 2013
7
IT Meta und BI-Trends verschärfen den Druck auf die BILandschaft
Big Data
Consumerization
Agilität und Kosteneffizienz
Heiße Diskussion
Breite Marktrelevanz
Wachsendes Interesse
Early Mover Akzeptanz
•
•
•
•
Data Governance
Collaborative BI
Predictive Analytics
Prozesorientierte BI /
Embedded BI
• Localization BI / GeoIntelligence
• Public Cloud BI /
BI/DM as a Service
• Hadoop und NoSQL
Datenbanken
18.06.2013
•
•
•
•
Big Data Analytics
Self-Service BI
Mobile BI
Visuelle Analyse &
Data Discovery
• Information Design
• Analytische
Datenbanken
Laufende Diskussion
Nicht neu, aber relevant
• Integrierte Plattformen für
BI/CPM
• BI Organisation
• Planung und Forecasting
• Stammdaten- und
Datenqualitätsmgt.
• Dashboarding
• Referenz-Datenmodelle
• Real-Time Data
Warehouse
• (Open Source BI)
© BARC 2013
8
BI braucht heute ein besonderes Datenmanagement
…
Festlegung des
Architekturrahmen und
Bebauung
BI-Organisation
Roadmap: Technologie,
Standards und
Methoden
…
Auszug BARC Vorgehensweise BI-Strategie
18.06.2013
© BARC 2013
9
Agenda
18.06.2013
© BARC 2013
10
Traditionelle BI-Referenzarchitektur
Business Intelligence
Services
Monitoring
Planning
Reporting
Ad-hoc Analysis
Legal Consolidation
Advanced Analysis
Visualization
Management
Services
Collaboration
System & Process
Monitoring
Semantic Layer
Data Provisioning
Services
Data Modeling
Caching
Relational Data
Storage
Dimensional
Data Storage
Federation/
Virtual Data Stores
Meta Data Mgt.
Security
Integration &
Quality Services
Automation
Data Quality
Data Integration
Enrichment
Master Data
11
12
Status Quo Daten-Architektur für BI
Unterschiedliche Ebenen prägen die Komplexität
•
Referenzarchitecktur
•
•
•






Datenarchitektur relevant für alle Ebenen
Logische und physische Ebenen schwierig zu
unterscheiden
Data Provisioning (Datenbereitstellung)
•
•
•
•
•
•
Unabhängige Data Marts
Zentrales DWH
Hub & Spoke
Data Mart Hub (konforme Dimensionen)
Föderation
Hybride Varianten
Services
Monitoring
Reporting
Ad-hoc Analysis
Planning
Legal Consolidation
Advanced Analysis
Visualization



Management
Services
Semantic Layer
Caching
Relational Data
Storage
Dimensional
Data Storage



System & Process
Monitoring
Federation/
Virtual Data Stores
Abteilungsdaten (SAS, Microsoft, …)
Semantische Schichten
MDBMS
Caching – auf verschiedenste Ebenen
Individuelle Datenquellen (MS Office, email,
externe Daten, …)
Direktzugriff und Föderation
Hybride Varianten
Integration & Qualität





Collaboration
Data Provisioning
Services
Staging Area
Operational Data Store (ODS)
System of Record (Aufzeichnungssytem)
MDM (Stammdatenmanagement)
Ergebnisse aus DQ (Profilierung,
Bereinigung)
Ergebnisse aus Kalkulationen (z.B. RisikoBewertungen)
Föderation
Hybride Varianten
Data Modeling
Integration &
Quality Services
Meta Data Mgt.
Data Quality
Data Integration
Enrichment
Master Data
Security

Quellsysteme

…
Automation
Operational and
other source
systems
14
BI Services
Data
Mart
IQ Services
OLTP
BI Services
Data
Mart
IQ Services

OLTP
 Schwerpunkt Prozessautomatisierung
 Transaktionsorientiert
 Direkter Datensatzzugriff
 Real-time
 Hohe Anforderungen an Security und
Verfügbarkeit
 Datenpflege
 Detaildatensätze

Trennung der OLTP und
entscheidungsunterstützenden Systeme
sinnvoll aus fachlicher und technischer
Sicht

Entscheidungsunterstützung basiert auf
unabhängigen Data Marts
 Über die Zeit gewachsen
 Problem übergreifender
Datenintegration
 Inkonsistenzen in den Abfragen
 Großer Integrationsaufwand wegen
Redundanzen
BI Services
Data
Mart
IQ Services
15
Zentrales Data Warehouse – 80‘s
BI Services

Data Warehouse
 Integriert
 Quellsystemunabhängige Sicht auf die
Unternehmensdaten
 Geschäftsobjekt-orientierte Sicht
 Nicht flüchtige Daten
 Aktuell und historisiert
 Roh- und angereicherte Daten
 Detaildaten und Aggregationen
 Optimiert für
Entscheidungsunterstützung und
mengen-orientierten Datenzugriff
 Selbst-beschreibend und dokumentierend (Metadaten)
 Single point of truth” (SPoT)

Bedeutet
 Verschobene Aktualisierung
 Niedrigere Anforderungen an Security
und Verfügbarkeit
 Read-only
 Reduzierung der
Integrationskomplexität
Data
Warehouse
DP Services
IQ Services
OLTP
16
Hub & Spoke – 90‘s
 Einschränkungen des zentralen DW





BI Services
Data
Mart
Data
Mart
Data
Mart
Data
Warehouse
DP Services
Data
Mart

Unterschiedliche Expertenmeinungen



OLTP
ERM versus dimensionale Modellierung
Inmon versus Kimball
RDBMS versus MDBMS
 Hybride Datenarchitekturen für das
Data Warehousing

IQ Services
Komplexität und Dauer der DI-Prozesse
Projektgröße und -prioritäten
ETL- versus Query Performance
Leistungsumfang der DBMS
Heterogene BI-Anforderungen

Hub & Spoke für die zentrale Wahrheit und
zur Kontrolle der Würfelwucherung
Wachsende Komplexität
 Erweiterungen der Data Warehouse
Architektur





Staging areas
Virtual Data Warehouse (Federation)
Direkter Zugriff auf Quellsysteme
Heterogene Datenspeichertechnologien
17
Data Mart Bus (IQ Service Variation)
BI Services
Data
Mart
BI Services
Data
Mart
Data
Mart
Data
Mart
Data
Mart
Data
Mart
Conformed
Dimensions
Data
Mart
Data
Mart
Conformed
Dimensions
DP Services
DP Services
IQ Services
IQ Services (KPIs)
OLTP
OLTP
IQ Services (MDM)
18
Data Warehouse Virtualization (Federation)
 Integration verschiedener
Datenquellen via “semantischer
Schicht”
BI Services
 1:1 Abbild oder einfache
Mapping Regeln
 Datenbereitstellung zur
Laufzeit, nicht persistent
Virtualization
DP Services
IQ Services
OLTP
 Technologie




Separate Produkte
DBMS-basiert
BI Tools
Middleware
 Gut geeignet für Szenarien mit
geringer Integrationslogik
19
Datenarchitekturen – SWOT-Analyse (1/2)
DatenArchitekturtyp
Stärken
Schwächen
Chancen
Risiken
Unabhängige
Data Marts
. Flexibilität
. Projekt-spez.
Unabhängige MartEntwicklung
. Verwaltbarkeit
. Projekt-übergr. Wiederverwendbarkeit
. Nicht für SoR geeignet
. Sukzessive
Konsolidierung zu Data
Mart Bus
. Kurzfristige Kosten
. Datenintegrität
. Glaubwürdigkeit von
Analyseergebnissen
. Langfristige Kosten
Zentrales EDW
. schlanke
Datenarchitektur
. Ein Modellierungsparadigma
. Als SoR geeignet
. Datenbewegung
. Fehlendes Konzept für
isolierte,
Applikationsspezifische
Daten
. Erfordert ein
leistungsstarkes DBMS
und Plattform
. Wiederverwendbarkeit
aufgrund normalisierter
Modellierung
Analyseergebnissen
. Datenintegrität
. Geeignet für ad hoc
Zugriff
. Modellierungsparadigma weniger für
Fachanwender geeignet
. Modellierungsparadigma nicht für alle
Analysetypen geeignet
. Handhabung
abgeleiteter Daten
20
Datenarchitekturen – SWOT-Analyse (2/2)
DatenArchitekturtyp
Stärken
Schwächen
Chancen
Risiken
Hub & Spoke
. Hub geeignet als SoR
. Hub optimiert für
Datenpflege
. Spokes optimiert für
spezifische analytische
Anforderungen
. Trennung von atomare
und abgeleitete Daten
. Komplexität
. Implementierungszeit
. Implementierungskosten
. Datenbewegung
. Direktzugriff auf Hub
. Sukzessive Integration
von unabhängigen Data
Marts
. Wiederverwendbarkeit
aufgrund Normalisierung
Analyseergebnissen
. Eignung der Spokes für
ad hoc Zugriffe
. Datenintegrität
. Flexibilität
. ModellierungsParadigma des Hubs
weniger gut für
. Abgrenzung zwischen
Hub und Spokes
. Kosten
Data Mart Bus
. Optimiert für
Datenanalysen
. Ein ModellierungsParadigma
. Suboptimal für
Datenpflege
. Begrenzte Eignung als
SoR
. Granularität nach Bedarf
. Modellierungsparadigma eher für
. Kosteneffizient sofern
Datenintegration nicht
der zentrale Fokus
. Projektübergreifende
Wiederverwendbarkeit
. Datenintegrität, wobei
wenig Risiko als
unabhängige Data Marts
Föderiertes
(virtuelles)
EDW
. Absolut schlanke
Datenarchitektur
. Null Datenbewegung
. Implementierungszeit
. Implementierungskosten
. Wiederholte
Durchführung von
Integrationslogik zur
Laufzeit
. Grenzen der
Integrationslogik
. Near-time
Datenintegration
. Wiederverwendung der
BI Infrastruktur für OpBI
. PerformanceAuswirkungen auf
Quelldaten
21
Datenarchitekturen
– Beispiele für Anwendungsfälle
Individuelle Data Marts
Zentrales EDW
•Gut integrierte OLTP/ERP-Systeme
•Kein Bedarf an einer gesonderten, integrierten SoR
•Selektive Erweiterung zu anderen Datenarchitekturen
•Umfassende Datenintegrationsanforderungen
•Bedarf an einer integrierten SoR
•Entweder sehr leistungsstarke EDW Plattform oder weniger komplexe
Analyseanforderungen (oder beides)
Hub & Spoke
•Sehr heterogene Analyseanforderungen
•Anwendung unterschiedlicher/proprietärer BI Technologie
Data Mart Bus
•Weniger umfassende Datenintegrationsanforderungen
•Keine/niedriger Bedarf an einer integrierten SoR
•Vornehmlich dimensionale Sicht auf Daten in der Analyse
Föderiertes EDW
•Wenige, gut integrierte OLTP/ERP-Systeme
•Weniger komplexe Analyseanforderungen, niedrige Daten-/Anwender-Volumen
•Operationales/Echt-Zeit BI
•Vor allem bei KMUs
22
Auszug: spezielle Herausforderungen im Datenmanagement
Self Service BI
Big Data
Real-Time Data Warehousing
23
Dezentrale Flexibilität durch Self Service BI
Self Service BI
Modifikation von
Berichten und
Dashboards
Erzeugung von
Berichten und
Dashboards ad-hoc
Integration
privater, lokaler
Daten
Modifikation und
Erzeugung von
Datenmodellen
Data Stewardship
(Verbesserung
Datenqualität)
Data Governance
24
Architekturvariante: Self Service BI
EDWH Portal
Reports
1
2
BI Suite
1
Semantic Layer
Local Data
SSBI
Player
SSBI
Data Marts
SSBI Data Marts
2
3
3
SSBI Data Marts
3
Local Data
Distribution Area
Dezentrale Flexibilität durch Sandboxing
BI Services
Data
Mart
BI Sandbox
Data
Mart
Data
Warehouse
Data
Mart
Ind.
copy
DP Services
DP Sandbox
IQ Services
IQ Sandbox
OLTP
18.06.2013
© BARC 2013
26
Anwendungsgebiet Big Data
Analytische Datenbanken
Reporting & Analyse
•
•
•
•
•
•
Analytische
Datenbanken
Optimiert auf analytische Aufgaben
Massiv parallele Architektur (MPP)
Columnar oder hybrid row/columnar
In-Memory, SSD, Disk
Häufig Appliances
Reduktion physischer Data Marts
Streaming Cache
Datenaufbereitung
& Event Processing
Staging Area
Streaming
Cache
ERP
SCM
CRM
Strukturierte Geschäftsdaten
Externe
Systeme
• Schnelle Aufnahme großer
Datenmengen, z.B. Event-Streams,
Sensor-Daten, …
• Monitoring auf Auffälligkeiten
• Keine dauerhafte Speicherung
Analytische Infrastruktur für „Big Data“
Reporting & Analyse
Visuelle Analyse
Komplexe Analyse
SuchIndex
NoSQL
DB
Analytische
Datenbanken
Suche
Discovery
Datenaufbereitung
Staging Area
Streaming
Cache
ERP
SCM
File System
CRM
Strukturierte Geschäftsdaten
Externe
Systeme
Sensor-Daten
Web Logs
Maschinengeneriert (strukt.)
Social Media
Dokumente
Menschgeneriert (polystr.)
Beispiele zur Umsetzung von Real-Time Data Warehousing
18.06.2013
Föderation
SAP HANA
Datenarchitektur /
ODS
Streaming
© BARC 2013
30
Agenda
18.06.2013
© BARC 2013
31
Marktstrukturmodell
BI Gesamtmarkt
Anwenderwerkzeuge (Frontend)
Dashboard
Reporting
Analysewerkzeuge inkl.
MDBs
Planung
Datenmanagement (Backend)
MDM
Datenqualität
Datenintegration
Data Mining/ Predictive
Konsolidierung
Datenspeicherung
GRC
Strategiemanagement
Analytische DB
Traditionelle
RDBMS
© BARC 2013
32
Aufteilung Frontend zu Backend
Lizenz- und Wartungsumsätze in Mio. €
Datenmanagement-Werkzeuge
427
(41%)
619
(59%)
Anwenderwerkzeuge
Quelle: BARC-Studie BI-Software-Markt Deutschland 2011
© BARC 2013
33
Top 10 Anbieter erzielen 76% aber Konzentrationstendenz gestoppt
100%
90%
80%
70%
60%
Top 10 Anbieter
Top 5 Anbieter
50%
40%
30%
20%
10%
0%
2006
2007
2008
2009
2010
2011
© BARC 2013
34
Top 5/10 BI Gesamtmarkt Umsatz 2011
Rang Hersteller
Software-Umsatz
2011
(in Mio. Euro)
Veränderung zu
Marktanteil in
2010
Prozent
1
SAP
171
8%
16%
2
Oracle
140
6%
13%
3
IBM
135
14%
13%
4
SAS
115
8%
11%
5
Microsoft
81
12%
8%
6
Informatica
43
5%
4%
7
QlikTech
36
40%
3%
8
MicroStrategy
33
25%
3%
9
Teradata
Software AG/
IDS Scheer
29
-8%
3%
17
6%
2%
10
© BARC 2013
35
SAP
• Historie





1998 Einführung von SAP BW
2006 SAP NetWeaver BI (BW)
2007 Übernahme von OutlookSoft und Business Objects
2010 Übernahme von Sybase
2011/2012 Neue BI-Frontends im Portfolio
• Strategie und Positionierung





18.06.2013
Einer der größten Anbieter für Business Software
Überlappungen in kombinierten Portfolien von SAP und BO
Klare Roadmap für die Zukunft
BO und Self Service BI spielt eine führende Rolle im kombinierten
Produktportfolio
HANA extrem stark im Fokus
© BARC 2013
36
SAP Portfolioübersicht - Frontend
Anbieter
Dashboards
Reporting
Analyse
Planung
Legale
Konsolidierung
Data Mining
SAP BO Web
Intelligence
SAP BO Dashboards
SAP Crystal Reports
SAP BO Analysis
(Office/OLAP)
SAP BO Explorer
SAP BO Design
Studio
SAP Lumira (Visual
Intelligence)
SAP Predictive
Analysis
SAP Planning and
Consolidation
SAP Financial
Consolidation
Schwerpunkt der Lösung
Abgedeckte Funktionalität
© BARC 2013
37
SAP BO BI Suite zweite Generation
BI Portal (BI Launchpad, bzw. InfoView)
SAP
Crystal
Reports f.
Enterprise
SAP BO
Web
Intelligence
SAP BO
Explorer
Maintenance/Merge
with other tools
„Traditionelle BI“:
Berichtswesen
SAP
SAP Lumira
Predictive
(Visual
Intelligence) Analysis
SAP BO
Design
Studio
SAP BO
Dashboards
SAP BO
Analysis
OLAP
SAP BO
Analysis
Office
SAP
HANA
Self Service BI
(bedingt in Kombination mit BW)
Dashboarding/BI-Applikationsentwicklung,
OLAP-Analyse für BW/HANA-Kunden
© BARC 2013
38
SAP Portfolioübersicht Backendwerkzeuge
ADB
ETL/ELT
MDBMS
EAI
NoSQL
EII
Sonstige
DQ
MDM
Werkzeugklasse
Auszug relevante Produkte
HANA, Sybase IQ
Multidimensionale DB
-
Sonstige
BW, BWA
Datenintegration (ETL/ELT)
Data Integrator, Data Services
Datenqualität
Data Quality
Master Data Management
Master Data Governance, Netweaver Master Data
Management
18.06.2013
© BARC 2013
39
Oracle
• Historie
•
•
1977 Gründung Oracle
Seit 1995 zahlreiche Übernahmen zur Erweiterung des Portfolio
für BI & Datenmanagement (u.a. Times Ten, Siebel, Hyperion,
Sunopsis, Sun Microsystems, SilverCreek, Endeca)





18.06.2013
Gehört zu den großen Softwaregeneralisten
Breites Portfolio für BI, Planung und Datenmanagement
Marktführend hinsichtlich Installationszahl für Data-WarehouseDatenbanken
Neben Standardwerkzeugen eine Vielzahl von vorentwickelten
Applikationen im Portfolio
Fokus auf Exadata und Exalytics (DWH-Appliances)
© BARC 2013
40
Oracle Portfolioübersicht Anwenderwerkzeuge
Anbieter
Dashboards
Reporting
Analyse
Planung
Legale
Konsolidierung
Data Mining
Oracle BIEE
Oracle Essbase
Oracle Hyperion
Planning
Oracle Hyperion
Financial
Management
Oracle Endeca
Oracle Data Mining
(Option)
18.06.2013
© BARC 2013
41
Oracle Portfolioübersicht Backendwerkzeuge
ADB
ETL/ELT
MDBMS
EAI
NoSQL
EII
DQ
Sonstige
MDM
Werkzeugklasse
Exadata, Exalytics, Oracle DB
Essbase
Sonstige
Times Ten
Warehouse Builder, Data Integration Suite, Data Integrator
Datenqualität
Data Profiling, Enterprise Data Quality, Watchlist Screening
Master Data Management Suite (Customer, Product, Site,
Supplier), Hyperion Data Relationship Management
18.06.2013
© BARC 2013
42
Oracle Portfolioübersicht Backendwerkzeuge
ADB
ETL/ELT
MDBMS
EAI
NoSQL
EII
DQ
Sonstige
MDM
Werkzeugklasse
Exadata, Exalytics, Oracle DB
Essbase
Sonstige
Times Ten
Warehouse Builder, Data Integration Suite, Data Integrator
Datenqualität
Data Profiling, Enterprise Data Quality, Watchlist Screening
Master Data Management Suite (Customer, Product, Site,
Supplier), Hyperion Data Relationship Management
18.06.2013
© BARC 2013
43
IBM
• Historie



1969 Gründung Cognos, Ottawa (CAN)
Zahlreiche Übernahmen seit 2001 zur Erweiterung des Portfolio
für BI & Datenmanagement (u.a. Acential, Unicorn, Data Mirror,
Cognos BI, Exeros, SPSS, Netezza, uvm.)
2012 Veröffentlichung SSBI-Werkzeug IBM Cognos Insight



18.06.2013
IBM: Breites Portfolio neben BI, Planung und Datenmanagement
Eigene Beratung für Kunden (auch für BI Beratung)
Partnergeschäft für Klein- und Mittelständler
© BARC 2013
45
IBM Portfolioübersicht Backendwerkzeuge
ADB
ETL/ELT
MDBMS
EAI
NoSQL
EII
Sonstige
DQ
MDM
Werkzeugklasse
DB2, BLU, InfoSphere Warehouse, InfoSphere Smart
Analytics System, PureData for Analytics
Cognos TM1
Sonstige
Big Insights, Streams
InfoSphere Information Server
Datenqualität
InfoSphere Information Server, InfoSphere Information
Analyzer, InfoSphere Discovery
InfoSphere MDM Server
18.06.2013
© BARC 2013
46
IBM Portfolioübersicht Anwenderwerkzeuge
Anbieter
Dashboards
Reporting
Analyse
Planung
Legale
Konsolidierung
Data Mining
IBM Cognos 10 BI
IBM Cognos TM1
IBM Cognos
Insight
IBM Cognos
Controller
IBM SPSS
18.06.2013
© BARC 2013
47
SAS
• Historie





1976 Gründung SAS
1999 Umsatz größer 1 Mrd. US$ (als erster BI-Anbieter)
2000 Übernahme Data Flux
2010 Analytische Algorithmen im Grid, Aufbau Cloud Computing
Center
2012 SAS Visual Analytics als neue BI-Lösung
•
•
•
•
•
•
18.06.2013
Privat gehaltenes Software-Haus
Größter verbleibender BI-Spezialist
Fokussierung auf Analyse und Data Management
Software wird vermietet
Zahlreiche umfangreiche vordefinierte analytische Applikationen
SSBI mit neuem Werkzeugportfolio adressiert
© BARC 2013
48
SAS Portfolioübersicht Anwenderwerkzeuge
Anbieter
Dashboards
Reporting
Analyse
Planung
Legale
Konsolidierung
Data Mining
SAS Enterprise
Guide
SAS Web Report
Studio
SAS Visual
Analytics
SAS Financial
Management
SAS Enterprise
Miner
18.06.2013
© BARC 2013
49
SAS Portfolioübersicht Backendwerkzeuge
ADB
ETL/ELT
MDBMS
EAI
NoSQL
EII
DQ
Sonstige
MDM
Werkzeugklasse
(Visual Analytics)
SAS OLAP
Sonstige
SPDS
Enterprise Data Integration Server
Datenqualität
DataFlux Data Management Platform
qMDM
18.06.2013
© BARC 2013
50
Microsoft
• Historie
•
•
•
•
•
Übernahme 1998: OLAP Datenbank von Panorama Software
Übernahme 2006 ProClarity
2009 Abkündigung Planung (Performance Point Server)
2010 SQL Server 2008 R2 mit Parallel Edition
2012 SQL Server 2012 mit weiterem Frontend – auch für SSBI
•
•
•
•
•
Kernprodukte SQL Server, Office und Sharepoint
Breites Portfolio für BI und DWH, keine Planung
Wenige eigene BI-Berater
Sehr starkes Partnergeschäft
BI als Zusatzfunktion zu anderen Komponenten, wenig spezielle BIWerkzeuge
• Power View und Power Pivot erlauben SSBI Anwendungsszenarien
18.06.2013
© BARC 2013
51
Microsoft Portfolioübersicht Anwenderwerkzeuge
Anbieter
Dashboards
Reporting
Analyse
Planung
Legale
Konsolidierung
Data Mining
Microsoft SQL
Server Reporting
Services
Microsoft SQL
Server Analysis
Services Data
Mining
Microsoft
Excel/PowerPivot
Microsoft
Sharepoint
18.06.2013
© BARC 2013
52
Microsoft Portfolioübersicht Backendwerkzeuge
ADB
ETL/ELT
MDBMS
EAI
NoSQL
EII
DQ
Sonstige
MDM
Werkzeugklasse
Parallel Data Warehouse, SQL Server
SQL Analysis Services
Sonstige
PowerPivot
SQL Integration Services
Datenqualität
SQL Data Quality Services
SQL Master Data Services
18.06.2013
© BARC 2013
53
Agenda
18.06.2013
© BARC 2013
54
Top-10 wachstumsstärkste BI- und DM-Anbieter 2011
Hersteller
Umsatz in Wachstum
Mio. €
2010 – 2011
Marktanteil
Segment
Talend
3,5
100%
0,3%
Backend, ETL, DQ, …
Prevero
6,7
76%
0,6%
Frontend, BI, Planung
Jaspersoft
1,9
73%
0,2%
Frontend & Backend
BOARD
2,4
62%
0,2%
Exasol
2,6
60%
0,2%
Backend, ADB
Theobald
1,6
60%
0,1%
Backend, ETL
Tibco Spotfire
13
58%
1,2%
Frontend, BI
Infor
11
55%
1,0%
Jedox
2,1
55%
0,2%
Blue Yonder
1,2
50%
0,1%
Frontend, Data Mining
Q: BI-Software-Markt Deutschland, Marktanteil bezogen auf den Gesamtmarkt.
18.06.2013
© BARC 2013
55
Talend
• Historie
• 2005 Gründung Talend (VC)
• Ausbau zur Datenmanagementplattform vorwiegend durch
Eigenentwicklung aber auch Übernahmen
• Marktführender Anbieter für Open Source
Datenintegrationssoftware
• Breites Produktportfolio für Datenmanagement mit Ausnahme der
Datenspeicherung
• Starke Marktpräsenz, vorwiegend Positionierung gegen
Informatica (BARC Sicht)
18.06.2013
© BARC 2013
56
Talend Portfolioübersicht
BI
Planung
Komplexe
Analyse
Suche/
Discovery
ADB
MDBMS
NoSQL
Sonstige
ETL/ELT
18.06.2013
EAI
EII
DQ
MDM
© BARC 2013
57
Prevero
• Historie
• 1994 Gründung Prevero als Beratungshaus
• 1998 Einführung des ersten Planungsprodukts Infoplan Classic
• 2011 Prevero kauft Winterheller
• Deutscher Planungsanbieter – besonders im EVU-Sektor vertreten
• Im Angebot drei Werkzeuge: Gesamtlösung für Planung,
Berichtswesen und Analyse, Lösung für integrierte Finanzplanung
und eine Weitere für Konsolidierung
• Starker Fokus auf Fachanwender
• Vordefinierte betriebswirtschaftliche Applikationen (z. B.
Risikomanagement, Managementkonsolidierung,
Personalcontrolling sowie Multiprojektcontrolling) ergänzen die
Softwareprodukte
18.06.2013
© BARC 2013
59
Jaspersoft
• Historie



2001 Umsetzung von JasperReports durch Teodor Diancu
2004 Rechteerwerb von Panscopic an JasperReports –
Umbenennung von Panscopic in Jaspersoft
2008/2009 Eintritt in den deutschen Markt
• Anbieter aus dem Open-Source-Segment mit relativ günstigen
Listenpreisen
• Kundenfreundliche Serverlizenzen, vor allem für größere
Anwenderzahlen
• Abdeckung von Datenintegrations-, Reporting-, Analyse- und
Dashboarding-Anforderungen
• Marktzugang vor allem durch Partner, auch im OEM-Geschäft
• In Deutschland noch mit sehr niedrigen Marktanteil
18.06.2013
© BARC 2013
60
Board
• Historie
• 1995 Gründung Orenburg in Lugano
• 2000 Markteintritt in Deutschland
• 2012 Neue hybride In-Memory-Datenbank HDMP (Hybrid Bitwise
Memory Pattern), eine multidimensionale Datenbank
• Ein-Produkt Unternehmen mit Bündel aus Frontend und
multidimensionaler Datenbank
• Gute Planungsunterstützung, einfache Bedienung auch für
Reporting/Dashboards
• Excel Add-In ergänzt den Web Client
• Adressiert Mittelstand und zunehmend größere Unternehmen
• Partnerlösungen verfügbar, die teilweise bestimmte Branchen oder
Applikationen abdecken
• Partnerschaft mit Theobald Software für SAP- (BW, ERP) Anbindung
18.06.2013
© BARC 2013
61
Exasol
• Historie
• 2000 Gründung Exasol, seit 2006 Exasol AG
• Produkteinführung ExaSolution 2006 – basiert auf einem
Forschungsprojekt der Uni Jena
• Im Raum DACH sehr erfolgreicher Anbieter Analytischer
Datenbanken
• Datenbank ist eine reine spalten-orientierte in-memory Datenbank
• Exasol wird als Beschleuniger für bestehende DWH Umgebungen
aber auch als umfassendere DHW-Technologie angeboten.
• Um den Datenbank-Kern vervollständigen EXAAppliance und
EXACloud das Produktangebot.
18.06.2013
© BARC 2013
62
Theobald Software
• Historie
• 2004 Gründung Theobald Software
• Seitdem Weiterentwicklung von Konnektoren für SAP Systeme
vorwiegend für Microsoft Technologien
• Seit 2011 SAP Konnektoren auch für Nicht-Microsoft BI- und
Datenbanklösungen verfügbar
• Reiner Schnittstellen-Spezialist für die Integration von SAP Daten
(SAP zertifiziert)
• Weiterentwicklung und Ausbau hin zu einer allgemein
zugänglichen Zugriffsschicht für SAP Systeme, die von
Fachbereichen ohne SAP oder Programmier-Know-how bedient
können werden soll.
18.06.2013
© BARC 2013
64
Tibco
• Historie


2007 Übernahme von Spotfire durch TIBCO
2012 Release von TIBCO Spotfire 5




18.06.2013
Tibco als Unternehmen vor allem für seine SOA-Technologie
bekannt
Nach Übernahme von Spotfire Weiterführung und
Weiterentwicklung der Tibco Spotfire Lösung
„Self Service Discovery“-Lösung für den Fachbereich mit Fokus
auf Ad-hoc-Reporting, Analyse & Dashboarding
Starke Analysemöglichkeiten: von einfachen visuellen bis hin zur
fortgeschrittenen statistischen Analyse (beispielsweise
Ergänzende Nutzung von R)
© BARC 2013
66
Infor
• Historie




1989 Gründung MIS in Deutschland
2003 Kauf durch Systems Union, 2006 Übernahme durch Infor
2010 Neue BI-Strategie und Zusammenführung der BI-Produkte
2012 Umbenennung in Infor10 ION BI






18.06.2013
Neben verschiedenen ERP-Produkten sind die BI-Produkte
„strategisch“ für Infor – aber nur eines von insgesamt 80 Produkten
Nach einer Fokussierung auf Infor-ERP-Kunden ist auch der „offene“
Markt wieder im Fokus
Angebot besteht aus einer BI-Suite für den Aufbau von Dashboards,
Ad-hoc Reporting, Analyse, Planung und Konsolidierung
Ergänzt wird die Lösung durch eine eigene multidimensionale
Datenbank
Partnerschaften mit Cubeware für Importer (Datenintegration) und
Bissantz (Analyse/Mining)
Relativ breite Know-How Basis in Deutschland
© BARC 2013
67
Jedox
• Historie



2002 Gründung in Freiburg
2008 Umwandlung in AG
2013 Erscheint Jedox 5 mit geändertem Preismodell


Bietet neben einer multidimensionalen Datenbank Web- und ExcelFrontends für Reporting und Planungsapplikationen an
„Commercial Open Source“ Modell:





18.06.2013
Basisversion kostenfrei (12 bis 18 Monate nachlaufend, einige Funktionen
fehlen)
Kostenpflichtige Enterprise Version mit mehr Funktionen für Skalierbarkeit,
Konnektivität, Security
Relativ hohe Entwicklungsgeschwindigkeit, aber noch nicht so weit wie
etablierte Systeme wie TM1, Essbase, MS SSAS, etc.
Nutzt in kommerzieller Version alternativ Grafikkarten zur
Beschleunigung
Fokus sind mittelständische Kunden/Fachabteilungen
© BARC 2013
68
Blue Yonder
• Historie
• 2008 Gründung Blue Yonder
• Deutscher Anbieter von Prognosesoftware (Predictive Analysis)
für die vorausschauende Analyse großer Datenmengen
• keine eigenen Komponenten für Datenintegration, Datenqualität,
Stammdatenmanagement
18.06.2013
© BARC 2013
69
Ihr Kontakt
Patrick Keller
Senior Analyst
BARC GmbH
Steinbachtal 2b
D-97082 Würzburg
Tel. +49 (0)931/880651-0
Fax +49 (0)931/880651-28
pkeller@barc.de
www.barc.de
Timm Grosser
Senior Analyst
BARC GmbH
Steinbachtal 2b
D-97082 Würzburg
18.06.2013
Tel. +49 (0)931/880651-0
Fax +49 (0)931/880651-28
tgrosser@barc.de
www.barc.de
© BARC 2013
71
Blue Yonder
• Historie
• 2008 Gründung Blue Yonder
• Deutscher Anbieter von Prognosesoftware (Predictive Analysis)
für die vorausschauende Analyse großer Datenmengen
• keine eigenen Komponenten für Datenintegration, Datenqualität,
Stammdatenmanagement
18.06.2013
© BARC 2013
72
Blue Yonder Portfolioübersicht
BI
Planung
Komplexe
Analyse
Suche/
Discovery
ADB
MDBMS
NoSQL
Sonstige
ETL/ELT
18.06.2013
EAI
EII
DQ
MDM
© BARC 2013
73
Exasol
• Historie
• 2000 Gründung Exasol, seit 2006 Exasol AG
• Produkteinführung ExaSolution 2006 – basiert auf einem
Forschungsprojekt der Uni Jeni
• Im Raum DACH sehr erfolgreicher Anbieter Analytischer
Datenbanken
• Datenbank ist eine reine spalten-orientierte in-memory Datenbank
• Exasol wird als Beschleuniger für bestehende DWH Umgebungen
aber auch als umfassendere DHW-Technologie angeboten.
• Um den Datenbank-Kern vervollständigen EXAAppliance und
EXACloud das Produktangebot.
18.06.2013
© BARC 2013
74
Exasol Portfolioübersicht
BI
Planung
Komplexe
Analyse
Suche/
Discovery
ADB
MDBMS
NoSQL
Sonstige
ETL/ELT
EAI
EII
DQ
MDM
Datenbank-Angebot EXASolution auch als Cloud EXACloud oder als Appliance EXAAppliance
18.06.2013
© BARC 2013
75
Talend
• Historie
• 2005 Gründung Talend (VC)
• Ausbau zur Datenmanagementplattformen durch vorwiegend
Eigenentwicklung aber auch Übernahmen
• Marktführender Anbieter für Open Source
Datenintegrationssoftware
• Breites Produktportfolio für Datenmanagement mit Ausnahme der
Datenspeicherung
• Starke Marktpräsenz, vorwiegend Positionierung gegen
Informatica (BARC Sicht)
18.06.2013
© BARC 2013
79
Talend Portfolioübersicht
BI
Planung
Komplexe
Analyse
Suche/
Discovery
ADB
MDBMS
NoSQL
Sonstige
ETL/ELT
18.06.2013
EAI
EII
DQ
MDM
© BARC 2013
80
Übersicht Talend Produkte
Produktname
Kurzbeschreibung
Enterprise Data Integration
Erweiterung der Talend Open Studio for Data
Integration um professionellen Support und
zusätzliche Funktionen
Erweiterung des Talend Open Studio for Data
Quality um professionellen Support und
zusätzliche Funktionen
Erweiterung des Talend Open Studio for MDM
um professionellen Support und zusätzliche
Funktionen
Lösung zur Implementierung von Talend
Komponenten in Form einer Private, Public
oder Hybrid Cloud Umgebung
Entwicklungsumgebung zur Code Generierung
für marktbekannte Big Data Technologien
Enterprise Data Quality
Enterprise MDM
Hybrid Cloud Computing
Open Studio for Big Data
Open Studio for Data
Open Source Datenintegrationswerkzeug
Integration
Open Studio for Data Quality Werkzeug für die Datenbereinigung und
Datenanalyse, Open Source
Open Studio for MDM
Werkzeug für MDM, Open Source
Unified Platform
Integrative Plattform der einzelnen gelisteten
Komponenten sowie Technologien für
Enterprise Service Bus als auch Business
Process Management (Modellierung und
Optimierung prozessorientierter Lösungen)
18.06.2013
DI
DQ
MDM
MeDM
EII
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
© BARC 2013
81
Theobald Software
• Historie
• 2004 Gründung Theobald Software
• Seitdem Weiterentwicklung von Konnektoren für SAP Systeme
vorwiegend für Microsoft Technologien
• Seit 2011 SAP Konnektoren auch für Nicht-Microsoft BI- und
Datenbanklösungen verfügbar
• Reiner Schnittstellen-Spezialist für die Integration von SAP Daten
(SAP zertifiziert)
• Weiterentwicklung und Ausbau hin zu einer allgemein
zugänglichen Zugriffsschicht für SAP Systeme, die von
Fachbereichen ohne SAP oder Programmier-Know-how bedient
können werden soll.
18.06.2013
© BARC 2013
82
Theobald Software Portfolioübersicht
BI
Planung
Komplexe
Analyse
Suche/
Discovery
ADB
MDBMS
NoSQL
Sonstige
ETL/ELT
Konnektor
EAI
EII
DQ
MDM
Konnektor
Xtract - Komponentensuite für die Integration von SAP ERP/BW Daten in die Microsoft-Welt
(SSIS, MS Reporting Services, SharePoint, PowerPivot) sowie QlikView, BOARD und EXASOL
18.06.2013
© BARC 2013
83
BARC-Coaching-Paket: SAP HANA
Erhalten sie einen realistischen Einblick in die Chancen und Herausforderungen des
Einsatzes von SAP HANA und der Alternativen für Ihr Unternehmen!
Bestandteile:
- Workshop
-
-
BARC-Studie Analytische Datenbanken
-
-
Übersicht BI mit SAP
Vergleich Leistungsfähigkeit
Positionierung in der BI-Landschaft – Herausforderungen und Potentiale
Projekterfahrungen und Fallbeispiele
Technik, Markttrend, Benchmarks, Best Practices
Individuelle Gestaltung nach Ihren Wünschen
Unabhängige Bewertung aller marktführenden Produkte und interessante Neueinsteiger
Ein einheitlicher Kriterienkatalog sorgt für Transparenz und Vergleichbarkeit
Research Service „BI Manager“
-
18.06.2013
6 Monate Zugriff auf weitere wertvolle Informationsquellen
Monatliche Research Notes zu aktuellen Themen
Marktanalysen und Hintergrundbeiträge
Kostenfreie Teilnahme an BARC-Tagungen
© BARC 2013
84
BARC-Bundle: Analytische Datenbanken
Schnelle Analysen, einfacher Betrieb, niedrige Kosten –
noch Wunsch oder schon Wirklichkeit?
Bestandteile:
- Aktuelle Markttrends, -übersicht und –klassifizierung der ADB-Technologien
- Analystenkommentare zu Einsatz, Nutzen und Potential von ADBs
- Vergleichende funktionale Bewertung relevanter ADBS anhand StärkenSchwächen-Analysen
- Beschreibung der Datenbank-Leistungsfähigkeit anhand von bestmöglichen
Einsatzszenarien für jede analysierte Datenbank
- PPT-Grafiken für Ihre Präsentationen
- Eintägiges Seminar zur Vertiefung und Beantwortung individueller Fragen und
Beschleunigung der Umsetzung des Themas in Ihrem Unternehmen
18.06.2013
© BARC 2013
85
Big Data Survey Europe
Anwender-Umfrage zur Nutzung, Technologie und Budgets
und den zentralen Fragen:
- Status quo und geplante Weiterentwicklung
- Treiber von Big Data aus Unternehmenssicht?
- Organisation von Big Data?
- Nutzung und Herausforderungen
-
Exklusive Ergebnisse aus der BARC-Umfrage an
Best Practice Unternehmen in DACH, Frankreich
und GB
 Weitere Informationen und Download unter:
www.barc.de/big-data
18.06.2013
© BARC 2013
86
BI Leaders´ Circle
Netzwerk, Wissen und Kontakte für BI-Verantwortliche
18.06.2013
© BARC 2013
87
BI Leaders´ Circle - Themenplanung
BI Manager –
Research Service
•
Mobile BI
•
Big Data Analytics
•
Big Data Datenmanagement
• Self-Service-BI
BARC-Tagungen
•
Planungs- und ControllingSysteme für den Mittelstand
Marktanalysen und
Produktvergleiche
•
Automatische Rechnungs- und
Posteingangsbearbeitung
•
Big Data Survey
•
Datenmanagement
•
Performance
Management
•
The BI Verdict
•
The BI Survey
•
ÖCI-BARC-Tagung Business
Intelligence
• Data Governance
•
BARC-Update: Self Service BI
• BI-Organisation
•
BARC@TDWI Track –
Europäische TDWI-Konferenz
•
Berichtswesen, Analyse,
Planung und Konsolidierung
auf der Microsoft Business
Intelligence-Plattform
•
BI Congress
• Analytische Datenbanken
• BI mit SAP
• Information Design
• Social Media BI
• ……..
18.06.2013
BARC-Studien
•
…..
© BARC 2013
88
BARC Business Intelligence Congress 2013
• 19.-20. November 2013 im Abenteuermuseum „Odysseum“ in Köln
• Highlights:
•
•
•
•
•
18.06.2013
Best Practices
Case Studies
Analystenvorträge
LIVE-Demos und „Hot Seats“
Verleihung des Best Practice Awards in den beiden Kategorien
„Mittelstand“ und „Konzern“
© BARC 2013
89
BI Referenzarchitektur <> Datenarchitektur
Services
Monitoring
Reporting
Ad - hoc Analysis
Planning
Legal Consolidation
Advanced Analysis
Visualization
Management
Services
Collaboration
Data Provisioning
Services
Semantic Layer
Caching
Relational Data
Storage
Dimensional
Data Storage
System & Process
Monitoring
Federation/
Virtual Data Stores
Data Modeling
Integration &
Quality Services
Meta Data Mgt.
Data Quality
Data Integration
Enrichment
Master Data
Security
Automation
Operational and
other source
systems
90
Marktsegmentierung Datenintegration
Datenintegrationswerkzeuge
Replikation (CDC, real-time)
Migration & Konsolidierung
Schnittstelle
Databases
SQL
RDBMS
Non-SQL DBMS
Messaging Systems
Datensynchronisierung
Master
Datenqualität & MDM
Data Services / SOA
Virtuelle Integration
ETL
Slave
Slave/
Master
Metadatenmanagement
SQL
Virtual
91
Operational
Systems
Data Warehouse
Data Mart
Marktsegmentierung Analytische Datenbanken
Einige analytische Speichertechnologien zeigen ihre Stärken vor allem in speziellen
Anwendungsgebieten:
• multidimensionale Datenbanken,
• gekapselte analytische Datenbank innerhalb einer BI-Anwendung,
• Streaming-Datenbanken,
• Not-only-SQL (NoSQL) Datenbanken sowie
• File-Systeme insbesondere im Rahmen Hadoop-Architekturen
(Hadoop File System HDFS, IBM GDFS, …).
18.06.2013
© BARC 2013
93
Marktsegmentierung Datenqualität
Datenqualität
Data Profiling
Data Cleansing
Match & Merge, Dedublication
Golden Record
Data Validation
Enrichment
Business/Quality Rules Engine
BRE
Others: Data integration,
Masterdata Management, Data
discovery, Quality Services,
GeoCoding, DQ KPI, Identity
Resolution
DQ Measurement
Data Reference
Risk
Product
Geo
Customer
…
Status Quo Daten-Architektur für BI
Unterschiedliche Ebenen prägen die Komplexität
•
Referenzarchitektur
•
•
•






Datenarchitektur relevant für alle Ebenen
Logische und physische Ebenen schwierig zu
unterscheiden
Data Provisioning (Datenbereitstellung)
•
•
•
•
•
•
Zentrales DWH
Hub & Spoke
Data Mart Hub (konforme Dimensionen)
Föderation
Hybride Varianten
Services
Monitoring
Reporting
Ad-hoc Analysis
Planning
Legal Consolidation
Advanced Analysis
Visualization



Management
Services
Semantic Layer
Caching
Relational Data
Storage
Dimensional
Data Storage



System & Process
Monitoring
Federation/
Virtual Data Stores
Abteilungsdaten (SAS, Microsoft, …)
Semantische Schichten
MDBMS
Caching – auf verschiedenste Ebenen
Individuelle Datenquellen (MS Office, email,
externe Daten, …)
Direktzugriff und Föderation
Hybride Varianten
Integration & Qualität





Collaboration
Data Provisioning
Services
Staging Area
System of Record (Aufzeichnungssytem)
MDM (Stammdatenmanagement)
Ergebnisse aus DQ (Profilierung,
Bereinigung)
Ergebnisse aus Kalkulationen (z.B. RisikoBewertungen)
Föderation
Hybride Varianten
Data Modeling
Integration &
Quality Services
Meta Data Mgt.
Data Quality
Data Integration
Enrichment
Master Data
Security

Quellsysteme

…
Automation
Operational and
other source
systems
97
Architekturvariante
Business Intelligence Services
 Charakteristika
Data Provisioning Services
- Voneinander unabhängige, analytische Datenhaltungen mit eigenem
Datenmodell und autonomer Datenintegration für zweckgebundene
Auswertungen. Zugriff von BI-Applikationen auf spezialisierte Data Marts mit
unterschiedlichen
Daten
und Strukturen. Dimensional
Dimensional
Dimensional
Dimensional
Data Storage
Data Storage
Data Storage
Data Storage
 Einsatz
- als eine autonome, fachbereichsspezifische Datenhaltung ohne
Überschneidungen zu anderen Abteilungen (bsp. Datenmodell,
Kennzahlenbildung)
- zu bedenken sind Kontrollverlust über das Datenmodell sowie zusätzliche
Administrationskosten des Systems
Integration & Quality Services
98
Architekturvariante
 Vorteil
- schnelle Implementierung
- dezentrale Kontrolle
- Isolation von Sicherheits- und Performanceanforderungen
Dimensional
Dimensional
Dimensional
Data Storage
Data Storage
 Nachteil Data Storage
- Mehrere „versions of the truth“
- Konsistenz von Auswertungen (Datenredundanzen)
- redundante Integrationslogik
- höhere Systemkosten
99
Dimensional
Data Storage
Architekturvariante
Data Marts mit konformen Dimensionen
 Charakteristika
- Voneinander unabhängige Datenhaltung mit konformen Dimensionen für
zweckgebundene Auswertungen. Konforme Dimensionen werden zentral
verwaltet und definieren unternehmensweit einheitliche Strukturen der
Datenmodelle.
Zugriff von
BI-Applikationen
auf unterschiedliche
Data Marts.
Dimensional
Dimensional
Dimensional
Dimensional
Data Storage
Data Storage
Data Storage
Data Storage
 Einsatz
- in autonomen Fachabteilungen zur Schaffung struktureller Vergleichbarkeit bei
weiterhin autonomen Fachabteilungen
- wenn wenig IT Resourcen verfügbar
Analytisches MDM
100
Architekturvariante
Data Marts mit konformen Dimensionen
 Vorteil
- Bessere Qualität und Wartbarkeit als bei unabhängigen Marts
- Einheitliche Strukturen (Dimensionen)
 Nachteil Dimensional
Dimensional
Dimensional
Dimensional
Data
Storage
Data
Storage
Data
Storage
Data
Storage
- Pflege dimensionaler Daten schwieriger als bei ERM-modellierten
Daten
Analytisches MDM
101
Architekturvariante
Zentrales Data Warehouse
 Charakteristika
- Zentrale Datenhaltung mit normalisiertem und dimensionalen Datenmodellen.
Zugriff sämtlicher BI-Applikationen auf einheitliche Strukturen und Daten.
 Einsatz
- bei großen Überscheidungen der Anforderungen an die Daten in den
unterschiedlichen Fachabteilungen
- wenn Resourcen durch zentrale IT verfügbar sind
- in der Regel nicht bei stark wachsenden Datenvolumen, da SLA schwierig
Relational
eingehalten werden können (Ausnahme
Data Storage bspw. Teradata)
102
Architekturvariante
Zentrales Data Warehouse
 Vorteil
- Single version of the truth
- Integrierte Daten
- Gut geeignet für die Datenpflege
- Niedrige Verwaltungskosten aufgrund einfacher Architektur
 Nachteil
- Komplexität in der Administration
- Abfragegeschwindigkeit eingeschränkt – SLA müssen eingehalten werden
Relational
- Daten nicht auswertungsorientiert
Dataabgelegt
Storage
103
Architekturvariante
Hub and Spoke
 Charakteristika
- Zentrale Datenhaltung in einem zentralen Modell. Normalisiertes sowie dimensionales
Modell liegen zentral vor. Marts beinhalten Teilausschnitte aus einheitlichem
Gesamtdatenmodell. Verteilung bereinigter Daten aus dem zentralen Modell in
aufgabenspezifische Marts. Zugriff von BI-Applikationen auf Marts sowie „CoreDimensional
Dimensional
Dimensional
Dimensional
“Warehouse
möglich. Erweiterung
um eigene Daten
Data Storage
Data Storageder Mart-Modelle
Data Storage
Data möglich.
Storage
 Einsatz
- Flexible Architektur die Vorteile aus Marts mit konformen Dimensionen und zentralem
Data Warehouse vereint
- in großen Umgebungen nach Prinzipien des Enterprise Data Warehouse
Relational Data Storage
104
Architekturvariante
Hub and Spoke
 Vorteil
- Verknüpfung der Vorteile der Varianten „zentrales Data Warehouse“
und „Data Marts mit konformen Dimensionen“
Dimensional
Data Storage
Dimensional
Data Storage
Dimensional
Data Storage
 Nachteil
- Gefahr durch Würfelwucherung
Relational Data Storage
105
Dimensional
Data Storage
Architekturvariante
Virtuelles Data Warehouse
 Charakteristika
- Enterprise Information Integration: Lediglich Vorhalten eines Datenmodells.
Die Befüllung des Modells mit Daten geschieht zum Zeitpunkt der Abfrage.
Daten können auf Anfrage aus unterschiedlichen Systemen extrahiert,
transformiert und verdichtet werden.
 Einsatz
- EII ist eine Ergänzung – keine Alternative für ein Data Warehouse
Virtual
Data Storage
106
Architekturvariante
Virtuelles Data Warehouse
 Vorteil
- Schnelle Implementierungsmöglichkeit ohne weiteren Hard- oder
Softwarebedarf
- Prozessorientierung der dispositiven Systeme durch Integration zeitnaher
Prozesse
EII ist eine Ergänzung - Niedriger Administrationsaufwand
keine Alternative für ein Data Warehouse
 Nachteil
- Kein Entkoppelung der physichen Abfragelast von den operativen Systemen
Virtual
oder DI-Prozessen
Data Storage
- Performance ist zu überprüfen
107
Datenarchitekturen
– Beispiele für Anwendungsfälle
Individuelle Data Marts
Zentrales EDW
•Gut integrierte OLTP/ERP-Systeme
•Kein Bedarf an einer gesonderten, integrierten SoR
•Selektive Erweiterung zu anderen Datenarchitekturen
•Entweder sehr leistungsstarke EDW Plattform oder weniger komplexe
Analyseanforderungen (oder beides)
Hub & Spoke
•Sehr heterogene Analyseanforderungen
•Anwendung unterschiedlicher/proprietärer BI Technologie
Data Mart Bus
•Weniger umfassende Datenintegrationsanforderungen
•Keine/niedriger Bedarf an einer integrierten SoR
•Vornehmlich dimensionale Sicht auf Daten in der Analyse
Föderiertes EDW
•Wenige, gut integrierte OLTP/ERP-Systeme
•Weniger komplexe Analyseanforderungen, niedrige Daten-/Anwender-Volumen
•Operationales/Echt-Zeit BI
•Vor allem bei KMUs
110

Historie

Transcription

Similar documents

Gesamtausgabe - BFH: Wirtschaft

GeODin 7: Smart data management

toad data modeler

Business Intelligence als Kernkompetenz - Lünendonk-Shop

Business Trends 2006

BusinessCRM Intelligence

Microsoft Business Intelligence

Informatica steigert Lizenzumsatz um 31 Prozent

FRESH VIEW Kunststoffe, Nr 152/2013