Datavarehus

Hva er moderne datavarehus og hvilke verktøy kan vi tilby for å realisere et datavarehus på best mulig måte?

Hva er et datavarehus (DWH)?

Et datavarehus er et sentralt datalager, der man samler alle relevante data virksomheten trenger for å få et helhetlig blikk. Typisk vil datavarehuset inneholde sammenstilte data fra mange kildesystemer og en viktig oppgave er å sikre tilstrekkelig datakvalitet slik at man får et pålitelig underlag for analyser, rapporter og beslutninger.

Fordi mange fagsystem ikke tar vare på historikk er dette ofte datavarehusets oppgave. Skal man finne trender og bygge prognoser/scenarier er god historikk en forutsetning.

Det finnes mange typer datavarehus, både virtuelle (kun logisk definerte, der informasjonen befinner seg i respektive kilder) og fysiske. Noen ganger ønsker man å ivareta organisasjonens totale kunnskap, uten å vurdere det analytiske behovet – dette vil jo forandres over tid uansett. Andre ganger bygger man mer målrettede datavarehus for å kunne betjene et bestemt formål – for eksempel Kundefrafall, Prosjekteffektivitet eller Lønnsomhet/ABC.

  
Statistikk .Ikon.
 
 
 

                                                                               

Hva er et datavarehus?

Et datavarehus er et sentralt datalager, der man samler alle relevante data virksomheten trenger for å få et helhetlig blikk. Typisk vil datavarehuset inneholde sammenstilte data fra mange kildesystemer og en viktig oppgave er å sikre tilstrekkelig datakvalitet slik at man får et pålitelig underlag for analyser, rapporter og beslutninger.

Fordi mange fagsystem ikke tar vare på historikk er dette ofte datavarehusets oppgave. Skal man finne trender og bygge prognoser/scenarier er god historikk en forutsetning.

Det finnes mange typer datavarehus, både virtuelle (kun logisk definerte, der informasjonen befinner seg i respektive kilder) og fysiske. Noen ganger ønsker man å ivareta organisasjonens totale kunnskap, uten å vurdere det analytiske behovet – dette vil jo forandres over tid uansett. Andre ganger bygger man mer målrettede datavarehus for å kunne betjene et bestemt formål – for eksempel Kundefrafall, Prosjekteffektivitet eller Lønnsomhet/ABC.

De toneangivende ETL-verktøyene ( Extract Transform og Load) for å sikre datafangst, sammenstilling og ajourhold er er Informatica, IBM, Oracle, Microsoft og SAP – og verktøyene er modne etter mange år i markedet. En nyvinning innen datavarehusteknologi er såkalt datavarehus automasjon. Det er ikke til å legge skjul på at mange har gått seg bort i kostbare prosjekter med ovennevnte teknologier, uten at det har gitt de ønskede resultatene.  Det kan være mange grunner til dette, men en av dem er at verktøyene ikke passer for alle, og det er vanskelig å opprettholde egen kompetanse.

BI og Self Service verktøy som Qlik, Tableau og andre er i vinden, og ofte klarer man ikke følge like bra opp på «datarommet» Vi har derfor valgt å bygge kompetanse på TimeXtender i tillegg til teknologiene nevnt over.  TimeXtender en ledende aktør innen datavarehusautomasjon, som passer mange bedrifter godt. Denne løsningen forenkler og effektiviserer arbeidet med ETL.

 
 
ETL-stegene. Extract, transform og load.

 

 

Datavarehusautomasjon

De toneangivende ETL-verktøyene (Extract Transform og Load) for å sikre datafangst, sammenstilling og ajourhold er Informatica, IBM, Oracle, Microsoft og SAP – og verktøyene er modne etter mange år i markedet. En nyvinning innen datavarehusteknologi er såkalt datavarehusautomasjon. Det er ikke til å legge skjul på at mange har gått seg bort i kostbare prosjekter med ovennevnte teknologier, uten at det har gitt de ønskede resultatene. Det kan være mange grunner til dette, men en av dem er at verktøyene ikke passer for alle, og det er vanskelig å opprettholde egen kompetanse.

BI og Self Service-verktøy som Qlik, Tableau og andre er i vinden, og ofte klarer man ikke å følge like bra opp på «datarommet». Vi har derfor valgt å bygge kompetanse på TimeXtender i tillegg til teknologiene nevnt over. TimeXtender er en ledende aktør innen datavarehusautomasjon, som passer mange bedrifter godt. Denne løsningen forenkler og effektiviserer arbeidet med ETL.

 




Hvorfor Visma bWise?

Det er viktig å å sikre rask og pålitelig lagring og gjenfinning. Utviklingen innen egne «datavarehusdatabaser» den siste tiden med Netezza og Vertica, InMemory-teknologier som SAP Hana og Qlik, og ikke minst nye løsninger som Hadoop eller Spark og NoSql og MongoDB, er spennende.

I Visma bWise kjenner vi disse teknologiene godt, og har lang prosjekterfaring å vise til. Vi tilbyr rådgivning for å vurdere om og kanskje hvordan man angriper datavarehusområdet, og vi tilbyr hjelp til å realisere et datavarehus på beste måte.

Hvorfor Visma bWise?

Det er viktig å å sikre rask og pålitelig lagring og gjenfinning. Utviklingen innen egne «datavarehusdatabaser» den siste tiden med Netezza og Vertica, InMemory-teknologier som SAP Hana og Qlik, og ikke minst nye løsninger som Hadoop eller Spark og NoSql og MongoDB, er spennende. 

I Visma bWise kjenner vi disse teknologiene godt, og har lang prosjekterfaring å vise til. Vi tilbyr rådgivning for å vurdere om og kanskje hvordan man angriper datavarehusområdet, og vi tilbyr hjelp til å realisere et datavarehus på beste måte.

Våre verktøy innen datavarehus


Open filter options

TimeXtender

Talend

 
<
>

    Kontakt oss 

    JA, jeg gir samtykke til behandling av mine personopplysninger for å kartlegge mine interesser som beskrevet her og er kjent med at samtykket kan trekkes tilbake når som helst. 

    JA, jeg vil motta relevant informasjon basert på mine interesseområder fra Visma på e-post. Jeg kan når som helst melde meg av eller oppdatere mine interesser på Vismas abonnementsside.

    Vi trenger ditt samtykke.

    Portrett av en Visma konsulent

    Vi bruker cookies for å registrere din aktivitet på våre nettsider. Denne informasjonen kombinerer vi med opplysningene du oppgir for å danne en profil, slik at vi kan vise deg innhold tilpasset dine interesser. Ved å akseptere, tillater du oss å registrere og behandle din persondata som beskrevet her.