Datenanalyse im Wandel
Vom Data Warehouse zu Big Data
von
Hartmut
Wiehr - 24.11.2015
Foto: Foto: shutterstock / Bakhtiar Zein
Klassische Data Warehouses gelten als altmodisch, Big-Data-Analysen als hip. Doch Data-Warehousing-Veteranen können darüber nur müde lächeln.
Bereits lange vor dem derzeit grassierenden Big-Data-Hype erfasste ein Ansatz mit ähnlicher Zielsetzung das Management und die IT-Abteilungen zahlreicher Branchen, das Data Warehousing.
Diese Technologie stand für die Überführung von Daten aus verschiedenen, strukturierten Quellen in einen gemeinsamen Speicher-Pool, in dem sie dann nach verschiedenen Kriterien analysiert und anschließend für die Entscheider auf den Management-Ebenen grafisch aufbereitet wurden.
Data Warehousing mit seinen aufwendigen Prozessen war zum Beispiel bei Airlines wie der Lufthansa beliebt, wo man regelmäßig die verschiedenen Kundentypen – Economy, Business oder First Class – daraufhin untersuchte, worauf sich das Marketing konzentrieren sollte. Überraschendes Ergebnis: Mit den wenigen exklusiv Reisenden verdienten die Fluggesellschaften am meisten.
Gartner definiert Data Warehouse als eine Sammlung von Daten, die aus zwei oder mehr Quellen stammen können und die für eine gemeinsame, zeitunabhängige Strategie durchsucht und ausgewertet werden.
Das logische Design eines Data Warehouse erlaubt es laut Gartner, weitere unterschiedliche Datenquellen hinzuzufügen, ohne dass die bestehende Architektur entscheidend verändert wird.
Es ging also schon damals um Entscheidungsgrundlagen für die Umsetzung der Geschäftsziele, um Markt- und Kundenanalysen, um die Einführung neuer, zielgruppenspezifischer Produkte – also eigentlich um all das, was heute unter „social“ oder „kundenorientiert“ läuft und als letzter Schrei gehandelt wird. Data-Warehousing-Veteranen können da nur müde lächeln.
