Das Enterprise Data Warehouse (EDW) beschr\u00e4nkt sich l\u00e4ngst nicht mehr nur auf Reporting und Dashboarding; es ist ein leistungsf\u00e4higes Instrument zur F\u00f6rderung der Gesch\u00e4ftsprozessautomatisierung und der operativen Effizienz. Aufbauend auf den ersten Teil unserer Artikelserie zu Data Vault Use Cases untersucht dieser Artikel, wie Data Vault 2.0 eine nahtlose Integration mit Automatisierungsframeworks und externen Schnittstellen erm\u00f6glicht, um das Wissensmanagement zu verbessern, operative Abl\u00e4ufe zu optimieren und den manuellen Aufwand zu reduzieren. Von der Nutzung von Interface Marts zur Ausl\u00f6sung automatisierter Prozesse bis hin zur Anreicherung von Dokumentationssystemen mit dynamischen Updates zeigen wir das transformative Potenzial des EDW in modernen Unternehmensumgebungen auf.[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“ el_class=“webinar-box“]\n
Reporting und Dashboarding haben sich im Unternehmensalltag als Standards etabliert, wenn es um die Ermittlung von KPIs und weiteren Kennzahlen geht. Dementsprechend wurden Enterprise Data Warehouses prim\u00e4r entwickelt, um diesen Reporting-Prozess zu unterst\u00fctzen. Aufgrund der gro\u00dfen Menge und Vielfalt an Daten ist jedoch der Bedarf an einer Methode entstanden, vorhandene Daten so zu nutzen, dass sie einen zus\u00e4tzlichen operativen Mehrwert schaffen. Data Vault 2.0 bietet ein breites Spektrum an Methoden, um Entscheidungshilfen \u00fcber das Standard-Reporting hinaus sowie zukunftsgerichtete Informationen bereitzustellen. \u00dcberzeugen Sie sich selbst: Wir stellen Ihnen verschiedene Ans\u00e4tze und L\u00f6sungen vor, mit denen Sie das volle Potenzial Ihrer Daten aussch\u00f6pfen k\u00f6nnen.[\/vc_column_text][divider line_type=“No Line“][nectar_btn size=“jumbo“ open_new_tab=“true“ button_style=“regular“ button_color_2=“Accent-Color“ icon_family=“none“ el_class=“ctaBtn“ text=“Watch webinar recording“ url=“https:\/\/us02web.zoom.us\/webinar\/register\/WN_AKKNh_sLS4GJWoRYZh3Z1g#\/registration“][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]
In this article:<\/p>
Zuvor haben wir untersucht, wie das EDW durch die Implementierung von Datenbereinigungsregeln zur nachhaltigen Verbesserung der Datenqualit\u00e4t beitragen kann.<\/span><\/p>\n Dies l\u00e4sst sich durch Write-Back-Operationen umsetzen, die sich direkt auf die Quellsysteme auswirken. Dabei handelte es sich jedoch nur um ein Beispiel daf\u00fcr, wie mit dem EDW zus\u00e4tzlicher Mehrwert generiert werden kann. <\/span>Die Skalierbarkeit und Flexibilit\u00e4t von Data Vault 2.0 er\u00f6ffnet eine Vielzahl an m\u00f6glichen Use Cases wie beispielsweise die Optimierung und Automatisierung operativer Prozesse, Zukunftsprognosen, die R\u00fcckf\u00fchrung von Daten in operative Systeme als neuer Input oder das Ausl\u00f6sen von Events au\u00dferhalb des Data Warehouse, um nur einige zu nennen.<\/span><\/p>\n [\/vc_column_text][divider line_type=“No Line“ custom_height=“50″][image_with_animation image_url=“29598″ image_size=“full“ animation_type=“entrance“ animation=“None“ animation_movement_type=“transform_y“ hover_animation=“none“ alignment=“center“ img_link_large=“yes“ border_radius=“none“ box_shadow=“none“ image_loading=“default“ max_width=“100%“ max_width_mobile=“default“][vc_column_text]\n Abbildung 1: Data Vault Use Cases<\/p>\n[\/vc_column_text][divider line_type=“No Line“][vc_column_text]\n Im laufenden Gesch\u00e4ftsbetrieb werden in den operativen Systemen kontinuierlich Inhalte erstellt, ge\u00e4ndert oder gel\u00f6scht<\/span>. Sobald diese \u00c4nderungen im EDW eintreffen, kann ein automatisierter Prozess direkt darauf reagieren. Dies kann beispielsweise \u00fcber Frameworks zur Gesch\u00e4ftsprozessautomatisierung, einen Enterprise Service Bus in einer serviceorientierten Architektur oder ein einfaches Shell-Skript erfolgen.<\/span> In solchen Use Cases bietet das EDW einen erheblichen Mehrwert, indem es Dokumentationsseiten bereitstellt, die automatisch gepflegt werden, wodurch eine signifikante Anzahl an Arbeitsstunden eingespart wird.<\/span>[\/vc_column_text][\/vc_column][\/vc_row]\n","protected":false},"excerpt":{"rendered":" [vc_row type=“in_container“ full_screen_row_position=“middle“ column_margin=“default“ column_direction=“default“ column_direction_tablet=“default“ column_direction_phone=“default“ scene_position=“center“ text_color=“dark“ text_align=“left“ row_border_radius=“none“ row_border_radius_applies=“bg“ overflow=“visible“ overlay_strength=“0.3″ gradient_direction=“left_to_right“ shape_divider_position=“bottom“ bg_image_animation=“none“][vc_column column_padding=“no-extra-padding“ column_padding_tablet=“inherit“ column_padding_phone=“inherit“ column_padding_position=“all“ column_element_direction_desktop=“default“ column_element_spacing=“default“ desktop_text_alignment=“default“ tablet_text_alignment=“default“ phone_text_alignment=“default“ background_color_opacity=“1″ background_hover_color_opacity=“1″ column_backdrop_filter=“none“ column_shadow=“none“…<\/p>\n","protected":false},"author":91,"featured_media":60407,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3948,3994],"tags":[],"class_list":["post-60406","post","type-post","status-publish","format-standard","has-post-thumbnail","category-data-vault","category-fortgeschrittene"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\tEine externe Schnittstelle f\u00fcr die Gesch\u00e4ftsprozessautomatisierung<\/h1>\n[\/vc_column_text][vc_column_text text_direction=“default“]Der n\u00e4chste Use Case, der in dieser Serie vorgestellt wird, ist ein ganzheitliches Konzept zur Gesch\u00e4ftsprozessautomatisierung<\/a>.<\/span> Das EDW <\/a>kann dabei nicht nur als zentraler Speicherort f\u00fcr Regeln zur Datenbereinigung dienen, sondern auch als verl\u00e4ssliche Datenbasis f\u00fcr ein Framework zur Gesch\u00e4ftsprozessautomatisierung fungieren.<\/span> <\/p>\n
\n<\/span>Um gezielt nach bestimmten Events zu filtern, werden Business Rules definiert und als Business-Vault-Entit\u00e4ten implementiert. <\/span>F\u00fcr die Initialisierung der Gesch\u00e4ftsprozessanwendung sind Informationen in einer spezifischen Struktur erforderlich, insbesondere jene, die die Triggerkriterien enthalten. <\/span>
\n<\/span>Hierf\u00fcr k\u00f6nnen Information Marts<\/a> als Schnittstellen genutzt werden<\/span>, ankn\u00fcpfend an ihre Einf\u00fchrung als Interface Marts in<\/span> Teil 1 unserer Serie<\/a><\/span>. Der Einsatz von virtualisierten Tabellen (Views) ist in diesem Fall eine Best Practice, da keine erneute Datenverschiebung erforderlich ist und \u00c4nderungen sehr schnell umgesetzt werden k\u00f6nnen.<\/span>
\n<\/span>Ein Beispiel hierf\u00fcr ist die Nutzung neuer Eintr\u00e4ge in einer View als Trigger-Event, gefolgt von einer Aktion in operativen Systemen, im EDW selbst oder in Drittsystemen.<\/span>[\/vc_column_text][divider line_type=“No Line“][vc_column_text]Ein konkretes Beispiel verdeutlicht, wie ein solcher Prozess genutzt werden kann, um ein Wissensmanagementsystem (Knowledge Management System, KMS) mit kombinierten Informationen aus verschiedenen Quellen zu speisen:
\nDie operativen Systeme fungieren als Kurzzeitged\u00e4chtnis des Unternehmens mit den aktuellsten verf\u00fcgbaren Daten, w\u00e4hrend das EDW als Langzeitged\u00e4chtnis dient, in dem alle bereinigten und historischen Daten vorgehalten werden<\/span>. Sobald die Integration in das EDW abgeschlossen ist, wenden virtualisierte Tabellen im Business Vault die definierten Business Rules an, um die Daten zu bereinigen und mit KPIs anzureichern. Der Interface Mart, ebenfalls virtualisiert, selektiert Daten aus dem Business Vault anhand<\/span> definierter Filterkriterien.<\/span> <\/span>
\nDas Ergebnis ist genau die gew\u00fcnschte Datenmenge, die automatisiert an das KMS \u00fcbergeben wird.<\/span> Die folgende Abbildung bietet einen \u00dcberblick \u00fcber die Architektur:<\/span><\/span>[\/vc_column_text][image_with_animation image_url=“29615″ image_size=“full“ animation_type=“entrance“ animation=“None“ animation_movement_type=“transform_y“ hover_animation=“none“ alignment=“center“ img_link_large=“yes“ border_radius=“none“ box_shadow=“none“ image_loading=“default“ max_width=“100%“ max_width_mobile=“default“][vc_column_text]Das Knowledge Management System (KMS) wird genutzt, um Tausende von Seiten mit Gesch\u00e4ftsprozessen, Entwicklungsdokumentationen, Projekterfahrungsberichten, Schulungsmaterialien, Data-Vault-Wissen und vielem mehr zu verwalten. <\/span>
\n<\/span>Um dieses Wissen manuell zu erstellen und zu pflegen, ist ein erheblicher Aufwand erforderlich. <\/span>Daher liegt der Fokus darauf, diesen Prozess weitestgehend zu automatisieren. <\/span>
\n<\/span>Aus diesem Grund wenden wir die Gesch\u00e4ftsprozessautomatisierung auf Dokumentationsaufgaben an: <\/span>
\n<\/span>Sobald bestimmte Objekte in einem Quellsystem einen vordefinierten Status erreichen, wird dies vom Interface Mart erfasst, an dem das Automatisierungsframework auf neue Datens\u00e4tze wartet. <\/span>Dieses reagiert auf Events zu neu erstellten Datens\u00e4tzen und generiert eine neue Seite mit einem musterbasierten SQL-Statement, das von einem Datenbank-Plugin im KMS ausgef\u00fchrt wird. <\/span>
\n<\/span>Aus Sicherheitsgr\u00fcnden wurde ein dediziertes Benutzerkonto eingerichtet, das ausschlie\u00dflich Lesezugriff auf den KMS-Interface-Mart besitzt und keine Zugriffsrechte auf andere Bereiche des Data Warehouse hat. <\/span><\/p>\n