bWise logo

Datavarehus

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 (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.
 
 

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.

 

 

                                                                  

 

 

ETL-stegene. Extract, transform og load.

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.

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 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.

      
To personer, hvor den ene har en snakkeboble over seg

Våre datavarehus-verktøy


Kontakt oss i bWise

Send oss en beskjed så tar vi kontakt med deg.

Portrett av en bWise konsulent