Data Management

Logical Data Warehouse, Data Lake oder klassische Data Warehouses: Wir bauen Datenarchitekturen für verschiedene Anforderungen. Je nach Datenlage und Verwendungszweck Ihrer Analyse und immer in Relation zu verfügbaren oder ausbaubaren Serverstrukturen.

Die richtige Datenarchitektur

Das Handling von Daten aus verschiedenen Datenbanken und Systemen war schon immer eine Herausforderung – mit der wachsenden Zahl an unterschiedlichsten Datentypen lässt sich dieses Problem aber kaum mehr bewältigen. Wer einen effektiven Nutzen aus seinen Unternehmensdaten gewinnen möchte, muss das korrekte Management seiner Daten beherrschen. Oftmals wird in diesem Zusammenhang auch der Begriff Data Governance verwendet. Es geht also um die Planung, Kontrolle und Bereitstellung der relevanten Daten.

Der erste Schritt in diesem Prozess ist das Aufbauen einer Datenarchitektur, die genau an die Anforderung und den Verwendungszweck der Analysen angepasst ist und darüber hinaus zur Serverstruktur des Unternehmens passt. Dafür gibt es heutzutage verschiedenste Systeme: Traditionelle Data & Logical Data Warehouses, Data Lakes, oder Multidimensionale & Analytische Datenbanken.

Ihr Ansprechpartner

Dr. Peter Hanisch
Data Engineer
Telefon: 0221 – 975 849-70
E-Mail: peter.hanisch@taod.de

Die gängigsten Datenarchitekturen

Wir finden die passende Architektur für Ihren Anwendungsfall. Egal ob Data Warehouse, Data Lake oder Data Cubes. Für jede Datenmodellierung können wir skalierbare Modelle bauen und verwalten.

Das traditionelle Data Warehouse

Traditionelle Data Warehouses speichern Daten in der Regel im Rahmen eines Extraktions-, Transformations- und Ladeprozesses (ETL). Solche ETL-Jobs verschieben große Datenmengen in einer Batch-orientieren Arbeitsweise und das in der Regel jeden Tag.

Logical Data Warehouse (DWH)

Im Gegensatz zu Data Lakes stützt sich diese neue Architektur auf ein verteiltes Konzept und richtet die Datenspeicherauswahl an der Datennutzung aus. Das Logical DWH ist ein System mehrerer zweckgebundener Datenbanken, Technologien und Tools. Sie arbeiten synergetisch zusammen, um die Datenspeicherung zu verwalten und leistungsfähige Business-Analysefunktionen bereitzustellen.

Analytische Datenbanken

Einige Softwarehersteller sind angetreten, die Grenzen traditioneller Data Warehouses und Cubes zu überwinden. Diese analytischen oder spaltenorientierten Datenbanken stellten den nächsten Evolutionsschritt auf dem Weg zu einer Lösung für anspruchsvolle Business-Analysen dar.

Multidimensionale Datenbanken (Cubes)

Online Analytics Processing (OLAP) und Cubes stehen für multidimensionale Datenbestände, die im Wesentlichen als Zwischenspeicherbereich für die Analyse dienen. OLAP-Systeme beziehen ihre Daten entweder aus den operationalen Datenbeständen eines Unternehmens oder aus einem Data Warehouse. Diese Art der Darstellung ist für die Analyse von Daten von Vorteil, da auf verschiedene Aspekte (Dimensionen) der Daten auf gleiche Weise zugegriffen wird.

Data Lakes

Data Lakes sind Datenbanken, in denen riesige Mengen an Rohdaten solange in ihrem nativen Format gehalten werden, bis man sie benötigt. Der vermehrte Einsatz von Data Lakes ermöglicht den Wechsel von ETL zu ETL (Extrahiern, Laden, Transformieren).

Sie haben Fragen zu unseren Data Management Lösungen?
Nehmen Sie gerne jederzeit Kontakt mit uns auf!

Folgende Unternehmen vertrauen bereits unserer Expertise:

Mehr zu diesem Thema