Ein Anwender, der sich mit dem Thema Data-Warehouse auseinandersetzen muß oder will, sollte sich früh ein paar Fragen stellen, deren Beantwortung nicht immer leicht ist:
Was will ich mit dem Einsatz eines Data-Warehouse erreichen? Welche Daten habe ich zur Verfügung? Welche externen Daten möchte (brauche) ich zusätzlich? Wie groß wird das Datenvolumen? Wer kann und soll das Data-Warehouse benutzen? Welche Hardware habe ich, und welche brauche ich zusätzlich? Welche Software habe ich, und welche brauche ich zusätzlich? Welche Tools soll ich einsetzen? Welche Anbieter soll ich heranziehen? Brauche ich externe Beratung? Was kostet die Implementierung eines Data-Warehouse? Welche laufenden Kosten entstehen? Welchen Nutzen bringt mir ein Data-Warehouse? Was macht der Mitbewerb (Benchmarking)?
Data-Warehouses gelten als kundenspezifische, kundenorientierte Systeme. Als solche sollen sie unter anderem dem Anwender eine bessere Analyse des Kunden und seines Verbraucherverhaltens liefern.
Den Anwenderkreis genau analysieren
Wenn aber ein Data-Warehouse als ein solches Tool zu sehen ist, warum nicht bei der Implementierung, beim Bau eines solchen diesen Gedanken übernehmen? Wer ist also der Kunde? Was will er? Was braucht er? Was hat er? Was macht er? Was kann er?
Als Kunde bei der Entwicklung eines Data-Warehouse ist jeder zu sehen, der im Unternehmen mit der Entscheidungsfindung zu tun hat oder sie zumindest vorbereitet. Dieser Personenkreis muß als erstes bekannt sein, will man Antworten auf obige Fragen finden.
Daraus ergibt sich ein Anforderungskatalog, den es zunächst einmal mit einer Pilotanwendung und Data-Marts - zu verstehen als Untermenge eines Data-Warehouse - in möglichst kurzer Zeit zu realisieren gilt. Darauf kann man dann aufbauen und Schritt für Schritt die gesteckten Ziele erreichen.
Es hat keinen Sinn, von seiten der DV beziehungsweise der IT-, IS-, MIS-Abteilung vorzupreschen. Schon ganz und gar falsch ist es, Hard- und Software schon mal "auf Verdacht" zu kaufen oder ein selbst erdachtes Pilotprojekt aufzubauen, dem Anwender aufs Auge zu drücken und zu sagen: "Probier das mal und sag mir, was Du davon hältst."
Auch wenn man zu wissen glaubt, was der Anwender braucht - denn vielleicht hat er ja in der Vergangenheit bereits mit Entscheidungsunterstützungs- beziehungsweise Führungsinformations-Systemen gearbeitet, mit Sicherheit aber jede Menge Listen und Berichte bekommen -, so ist doch eines ganz klar herauszustellen: Die überwiegende Mehrheit dieser Anwendungen wurde um bestehende Datenbanken und Transaktionssysteme herumentwickelt. Darüber hinaus war in fast allen Fällen der Zugriff nur auf einen kleinen Teil der im Unternehmen zur Verfügung stehenden Daten möglich.
In einem Data-Warehouse jedoch ist der Ansatz ein anderer: Alle zur Analyse erforderlichen Daten aus den Transaktionssystemen, aus der eigenen oder aus anderen Abteilungen und unter Umständen auch noch externe Daten werden einschließlich historischer Daten in eine Form gebracht, in der sie sich unternehmensweit vereinheitlicht darstellen lassen und reproduzierbar sind.
Damit kann der Anwender entscheiden, was er braucht und was er damit anfängt. Dazu ist es allerdings unabdingbar, daß man sich über die Bedeutung der Variablen unter allen Anwendern auf eine einheitliche Definition einigt. Man muß sich darüber im klaren sein, was ein Brutto- oder Nettoumsatz ist, wie der Deckungsbeitrag oder wie Kennzahlen zu berechnen sind.
Die Kosten und versteckter Nutzen
Es muß bekannt sein, welche Informationen es gibt und in welcher Form sie erfaßt werden, also auch mit welchen Merkmalen und Attributen sie ausgestaltet sind. Wie diese dann technisch in das Data-Warehouse einfließen, spielt für den Anwender keine Rolle.
Eine häufige Behauptung lautet, daß Data-Warehouse-Anwendungen, so sie richtig eingesetzt und genutzt werden, zwar auf Dauer einen großen Nutzen haben und zusätzliche Umsätze oder Gewinne bringen können, zunächst einmal jedoch nur eine Investition sind und damit Kosten verursachen. In der Tat können diese laut Marktuntersuchungen zehn bis 80 (im Durchschnitt 18) Prozent des IT-Budgets ausmachen.
Man darf dabei jedoch nicht übersehen, daß durch einen vernünftigen Data-Warehouse-Ansatz oft eine ganze Reihe wenig genutzter, um nicht zu sagen sinnloser Anwendungen wegfallen kann. Die Datenerfassung und -haltung läßt sich bereinigen.
Die Anwender sollten alle Insellösungen, wie sie in vielen Abteilungen oder sogar bei einzelnen Anwendern für die unterschiedlichsten Zwecke entstanden sind, durchforsten. Einige davon können wegfallen, andere werden in einen Data-Warehouse-Ansatz eingegliedert. So lassen sich durch nicht mehr benötigte Hard- und Software, durch entfallendes Kopieren von Datenbeständen und Übernahme in andere Applikationen etc. Kosten sparen.
Die gesamte Organisation wird transparenter. Somit wird effizienter analysiert und kommuniziert - insbesondere durch Nutzung von Lotus Notes, E-Mail und Internet-Techniken.
Auch lassen sich Arbeitsabläufe beschleunigen, da durch Multiuser-Zugriff auf den gleichen Datenbestand eine Abteilung nicht mehr warten muß, bis eine andere Abteilung fertig ist. All dies führt nicht zuletzt auch zu einer höheren Motivation der Mitarbeiter, da jeder einzelne mehr Verantwortung für das Geschehen im Unternehmen übernehmen kann.
Produktvergleiche kaum möglich
Ein Benchmarking im klassischen Sinn ist bei einem Data-Warehouse kaum möglich. Die Tools, die zahlreiche Softwarehäuser heute anbieten, sind in ihrer Funktionalität und in ihrer Performance kaum noch zu unterscheiden.
Welche Tools, welche Softwarehäuser letztendlich geeignet sind, ist somit mehr eine Frage der Umgebung (Hardware, Betriebssysteme) und der Erfahrung, die der Anwender mit einzelnen Anbietern schon gemacht hat. Dabei ist insbesondere auf Support, Helpline, Training, Präsenz sowie finanzielle Stärke des Anbieters und damit seine Fähigkeit zur Weiterentwicklung der Produkte zu achten. Natürlich darf auch die Meinung der Endanwender nicht unberücksichtigt bleiben, wenn diese mit einem oder mehreren Produkten bereits Erfahrungen sammeln konnten. Unter Umständen kann eine andere Hardware die Performance verbessern.
Wesentlich interessanter sind aber "Best-in-Class"-Untersuchungen. Dabei handelt es sich um nach Branchen differenzierte Analysen des Marktes. Welche Anwendungen sind bei Handel, Banken, Verkehr, Telekommunikation, Produktionsbetrieben etc. bereits realisiert oder geplant? In welchem Maße sind diese Anwendungen für das eigene Unternehmen von Bedeutung? Ist es sinnvoll, den gleichen Weg einzuschlagen oder aber eigene Wege zu gehen, um nicht nur mit dem Mitbewerb gleichzuziehen, sondern den gewünschten Wettbewerbsvorsprung zu erzielen?
Hier können Analysten helfen, die Marktforschung betreiben und dabei typische, sinnvolle Anwendungen herauskristallisieren, aber auch Fehlschläge aufdecken. So ist es möglich, die in anderen Märkten wie etwa den USA als führendem Data-Warehouse-Markt gemachten Erfahrungen in geplante Projekte einzubringen.
Häufig wissen interessierte Unternehmen gar nicht so richtig, wie sie es anfangen sollen, die Idee für ein Data-Warehouse zu realisieren. Sehr häufig bremsen politische Einflüsse, also Gerangel um Zuständigkeiten zwischen Abteilungen sowie Widerstand gegen unter Umständen notwendige oder sinnvolle Organisationsänderungen etc., ein solches Vorhaben. Daher ist es um so wichtiger, einen "Sponsor" zu haben, der in der Organisation hoch genug angesiedelt ist, um kraft seines Amtes politische und finanzielle Fragen entscheiden zu können.
Die DV-Spezialisten und die Anwender sprechen in vielen Fällen nicht die gleiche Sprache. Auch hinterlassen viele schwer verständliche Veröffentlichungen zum Thema Data-Warehouse in Fachabteilungen und insbesondere bei den Sponsoren, die meistens nicht aus der DV kommen, große Fragezeichen.
Häufig spüren die Topmanager nur diffus, daß ihr Unternehmen ein Data-Warehouse braucht, und sei es nur, weil der Mitbewerb bereits dabei ist, sich durch den Einsatz dieses Mittels einen Wettbewerbsvorsprung zu erarbeiten. Die neue Technologie muß also her! Aber wie?
Einer der sicher sinnvollsten Ansätze besteht darin, zunächst einmal alle Beteiligten an einen Tisch zu setzen, also die Fachabteilungen, die DV, aber auch einen externen Berater, der das möglicherweise fehlende Bindeglied zwischen den Erbauern, den Anwendern auf der einen Seite und den Hard- und Softwarehäusern auf der anderen Seite bilden kann. Dieser sollte analysieren, was zu tun ist, um einen möglichst praktikablen Ansatz zu finden.
Die Anforderungen werden zusammengetragen, die Voraussetzungen überprüft, die Umgebung untersucht, um dann Vorschläge machen zu können für ein geeignetes Pilotprojekt, notwendige und in Frage kommende Tools, eine Abschätzung des Aufwandes und der daraus resultierenden Kosten. Wichtig ist vor allen Dingen aber, daß man dabei nicht das Ganze aus den Augen verliert.
Es ist also wichtig, sich um eine Qualitätskontrolle zu bemühen, die gewährleistet, daß das Unternehmen von dem gemeinsam erarbeiteten Weg nicht abkommt. Wenn sich dies dennoch als notwendig erweisen sollte, so muß man zumindest den Einfluß auf das Gesamtprojekt abschätzen können.
Für eine solche Analyse sollte man etwa eine bis zwei Wochen ansetzen, bevor das Pilotprojekt anläuft. Wie lange dieses dann dauert, ist von einer Vielzahl von Voraussetzungen abhängig. Ist ein Großteil davon bereits erfüllt, ist schon nach wenigen Wochen mit ersten Ergebnissen zu rechnen.
Sind aber erst große Anstrengungen zu unternehmen, bis man sich zum Beispiel auf gemeinsame Definitionen geeinigt hat, oder liegen die Daten doch nicht in der erhofften Form vor, stimmt eventuell sogar die Systemumgebung nicht, kann es zu großen Verzögerungen kommen. Auch in diesen Fällen kann es ratsam sein, auf externe Berater zurückzugreifen, die genügend Erfahrung haben, die Anwendung zu verstehen, zwischen der Fachabteilung, der DV und den Anbietern zu vermitteln und auch das Projekt unter dem Gesichtspunkt der bereits erwähnten Qualitätskontrolle zu betreuen.
Angeklickt
Ob ein Data-Warehouse so ausfällt, wie es sich die Anwender ausgemalt haben, ist zu einem erheblichen Teil davon abhängig, wie gründlich die Vorbereitung ist und wie energisch sie das Projekt angehen und konsequent verfolgen. Doch viele Entscheider sind unsicher, da sie sich auf ein ihnen unbekanntes Terrain voller Minen und Fallen begeben. Dabei gibt es reichlich Erfahrungen anderer Anwender aus derselben Branche wie der Interessent. Externe Berater und Analysten können in der schwierigen Anfangsphase eines Data-Warehouse-Projekts diese Erfahrungen einbringen und den Prozeß moderierend begleiten.
*Rolf Hollmann ist Senior Consultant der Meta Group in Gummersbach.