Das Data Warehouse Konzept beginnt sich nun auch in Deutschland durchzusetzen. In anderen Ländern, vor allem in den USA und England, wird bereits seit Jahren wertvolle Erfahrung in diesem Bereich gesammelt. Die Data Warehouse Technologie wird bis Ende 1996 von 95 Prozent der Fortune 1.000 Unternehmen in Amerika eingesetzt. Eine kürzliche Umfrage des "Data Warehouse Institute" in Bethesda (USA) bei Firmen, die ein größeres Data Warehouse implementiert haben, ergab folgende zehn Regeln, die zu befolgen sich lohnt:

(1)

Du sollst nicht den falschen Sponsor wählen Um ein Data Warehouse Projekt erfolgreich durchzusetzen, sind außer dem Data Warehouse Manager zwei Schlüssel-Personen unabdingbar: Einerseits der "Executive Sponsor", vielfach aus einer wichtigen Linien-Funktion kommend, mit den für das Projekt notwendigen finanziellen Mitteln, andererseits ein "Projekt-Driver", also einer, der das Projekt im Fluß hält und in die vereinbarte Richtung steuert. Persönliche Attribute umfassen dabei: Er oder sie sollte sich den Respekt der Geschäftsleitung bereits mit anderen erfolgreichen Projekten verdient haben. Eine gesunde Skepsis gegenüber Technologie. Durchsetzungsvermögen und Flexibilität.
 

Abstracts

Experiences in the Data Warehouse field were made especially in the USA and U.K. in the past years. The 'Data Warehouse Institute' in Bethesda (USA) has set up 10 commandments based on a questionnaire in the States which should be considered in order to avoid a flop with Data Warehouse.

(2)

Du sollst keine unrealistischen Erwartungen wecken Bei einem Data Warehouse-Projekt werden typischerweise zwei Phasen unterschieden. Die Verkaufsphase: Hier wird dem Kunden aufgezeigt, wie einfach er Daten extrahieren kann, die dann graphisch aufbereitet auf jedem Arbeitsplatz-PC zur Verfügung stehen. Die Umsetzungsphase – der "Moment der Wahrheit": Hier kämpft das Projektteam darum, die in der Verkaufsphase geweckte, hohe Erwartungshaltung des Kunden zu erfüllen. Das Data Warehouse liefert dem Endbenutzer selten alle gewünschten Informationen. Data Warehousing ist notwendigerweise sehr geschäftsbereichsorientiert. Schlimmer noch: Viele Fragen, die von Executives gestellt werden, benötigen nicht nur konsolidierte, respektive verdichtete, sondern eben auch Detail-Daten. Die Antwort des Projektleiters lautet dann oft: "Leider haben wir im Moment keine Detailtransaktionsdaten geladen. Wir können dies jedoch für einen (nicht unerheblichen) Einsatz von Ressourcen (Zeit und Geld) jederzeit nachholen…". Entscheider werden ihre Frustration an derjenigen Person abreagieren, die diese hohe Erwartungshaltung geweckt hat.

(3)

Du sollst nicht das Data Warehouse Datenbank Design mit OLTP verwechseln Data Warehousing unterscheidet sich fundamental von On-Line Transaction Processing (OLTP). Eines der Data Warehousing Ziele ist es, dem Benutzer verdichtete Information (z.B. Verdichtung über verschiedene Detaillierungsebenen bis hinunter zur Einzeltransaktion) zur Verfügung zu stellen. OLTP kümmert sich bloß um die Einzeltransaktion. Auch im Benutzerbereich gibt es enorme Unterschiede. Im Data Warehouse werden Queries abgearbeitet, die vielleicht nur ein einziges Mal in dieser spezifischen Art durch den Benutzer formuliert werden. OLTP benutzt Queries, durch Programmierer vorbereitet, hundert-, ja tausendfach. Bessere Leistungseigenschaften (weniger JOINS) und einfachere Bedienung führen dazu, daß im Data Warehouse die Datenbank vielfach nicht normalisiert wird. Im OLTP werden die Daten zweidimensional à la SQL-Tabelle gespeichert. Im Data Warehouse wird die Information durch multidimensionales Design so aufbereitet, daß auch die komplexesten Queries rasch und effizient bearbeitet werden können.
 

(4)

Du sollst Dich nicht politisch "naiv" verhalten "Naiv" bedeutet in diesem Zusammenhang, daß das Data Warehouse den Entscheidern manchmal als Instrument verkauft wird, "um bessere Entscheidungen zu treffen". Impliziert dadurch wird, daß bis heute diese Manager "eher weniger gute Entscheidungen" getroffen haben. So gewinnt man keine Freunde!
 

(5)

Du sollst Dein Data Warehouse nicht mit Daten überschwemmen W.H. Inmon schreibt in seinen Büchern, daß bis zu 80 Prozent des Aufwandes ein Data Warehouse zu bauen, im Lokalisieren, Bereinigen, Transferieren und Laden von Daten liegt. Es gibt nichts Mühsameres für einen Benutzer, als sich durch endlose, manchmal redundante, Feldnamen mit ellenlangen Feldbeschreibungen kämpfen zu müssen.
 

(6)

Du sollst keine Daten mit unklaren Definitionen liefern Die Notwendigkeit, Konsens über die Datendefinition zu erreichen, wird oft zur Achilles-Ferse des Data Warehouses. Einfache Begriffe wie z.B. "Umsatz" können grundlegend verschieden definiert werden. Dabei geht es nicht nur um "Brutto" oder "Netto" Diskussionen, inkl./exkl. MwSt., sondern auch über die Perspektive des Benutzers, sei er Verkäufer, Buchhalter, Logistiker oder Geschäftsleiter. Ein Unternehmen schaffte es tatsächlich, den Umsatz auf 27 verschiedene Arten zu definieren. Dadurch leidet die Glaubwürdigkeit der Information – und Schuld daran ist dann oft das Data Warehouse.
 

(7)

Du sollst nicht alle "Skalierbarkeit-Märchen" glauben Drei Benutzer aus dem Bereich Handel, Produktion und Dienstleistung stellten kürzlich auf einer Konferenz ihre Erfahrungen mit dem Data Warehouse vor. Obwohl die drei Unternehmen sehr unterschiedliche Konzepte verfolgten, erlebten sie alle dasselbe Problem. Innerhalb der ersten vier Monate nach Beginn des Projektes mußte jeweils mindestens noch einmal soviel in Hardware investiert werden als vorgesehen war. Die Leistungsgrenzen wurden im Schnellzugstempo überschritten.
 

Abstracts

Vor allem in den USA und England werden im Bereich Data Warehouse bereits seit Jahren Erfahrungen gesammelt. Das "Data Warehouse Institute" in Bethesda (USA) hat, basierend auf einer Umfrage in Amerika, hierzu 10 Gebote aufgestellt (11 um ehrlich zu sein), die beachtet werden sollten um mit Data Warehouse keinen Reinfall zu erleben.

(8)

Du sollst keinen "Techno"- Data Warehouse Manager einsetzen "Der Einsatz eines "Technokraten" als Leiter unseres Data Warehouse Projektes war der größte Fehler, den wir bei der Implementierung begingen" waren die Worte des Geschäftsführers eines großen Ölunternehmens. Das benutzerfeindliche Verhalten dieses Projektleiters führte beinahe zum Absturz des gesamten Vorhabens. Ein Data Warehouse ist eine Dienstleistung und kein Techno-Exzess für Wissenschaftler!
 

(9)

Du sollst nicht nur Deine internen Datenquellen begehren In den USA hat eine Studie des Weißen Hauses ergeben, daß Geschäftsleitungsmitglieder ihre Entscheidungen zu mehr als 95 Prozent auf externe Informationsquellen stützen (Nachrichten, telefonische Informationen usw.). Deshalb ist es manchmal nicht ganz einfach, den Nutzen eines Data Warehouses an dieses Gremium zu verkaufen. Also sollten externe Datenquellen im Lösungskonzept bereits sehr früh enthalten sein. Dabei geht es nicht bloß um konventionelle Daten in externen Datenbanken, sondern auch um Bild- (z.B. Vertragskopie) und um Audio- oder Videoinformation (z.B. Videoclip der Produkteankündigung des Mitbewerbers).
 

(10)

Du sollst nicht glauben, daß der produktive Start des Data Warehouses das Ende Deiner Probleme ist …denn zufriedene Benutzer begeistern neue potentielle Data Warehouse-Benutzer. Und so entstehen neue Anforderungen sowie neue Anwendergruppen. Data Warehousing ist eine Reise – und kein Ziel.
 

(11)

Du sollst Deine Benutzer nicht mit Reports überschwemmen Manager leben oft in einer Welt von meterhohen, verstaubten Papierreports. Mit der Einführung des Data Warehouses stehen nun augenblicklich neueste Informationen in Technicolor zur Verfügung. Es gilt nun der Versuchung zu widerstehen, die Manager anstatt mit Papierreports mit einer Flut von elektronischen, Berichten zu erschlagen. Auch hier gilt "weniger ist oft mehr" – bzw. Management by Exception.

… ja, Sie haben richtig gelesen: es sind 11 Regeln zum erfolgreichen Data Warehousing aufgelistet. Halten Sie die Augen offen, vielleicht gibt es noch mehr!