Vom Data Warehouse zu Big Data

Die zwei Varianten des neuen Data Warehouse

von - 24.11.2015
Angesichts dieser Entwicklung hat Gartner auch die Definition von Data Warehouse erweitert. Data Warehouse beschreibe man nicht mehr nur als relationales, integriertes Repository wie es in der Vergangenheit der Fall gewesen sei. Die neuen Service Level Agreements gingen vielmehr davon aus, dass die Daten manchmal vorintegriert seien und manchmal eben nicht. Daraus zieht Gartner den Schluss: „Dieser neue Markt braucht eine viel breiter aufgestellte Managementlösung zur Analyse der verschiedenen Datentypen.“
Vorteile der Datennutzung: Die meisten Führungskräfte fällen auf Basis von Daten treffendere und schnellere Entscheidungen.
Vorteile der Datennutzung: Die meisten Führungskräfte fällen auf Basis von Daten treffendere und schnellere Entscheidungen.
Gartner unterscheidet zwei Varianten des neuen Data Warehouse. Zum einen gibt es das Enterprise Data Warehouse (EDW), das aus einem integrierten, themenorientierten, zeitlich nicht festgelegten und physikalisch zentralen Data-Management-System besteht, das fest an eine Hardware-Basis gebunden ist. Zum anderen gibt es das Logical Data Warehouse (LDW), das aus einer angepassten Kombination von Software und Hardware (Appliances) besteht, die einen logisch konsistenten, themenorientierten und zeitlich nicht festgelegten Datenzugang bietet und Repositories, Virtualisierung und verteilte Prozesse benutzt.
Das Aufkommen von Big Data und entsprechenden Analysemethoden funktioniere, so Gartner, als Katalysator für einschneidende Veränderungen in der Data-Warehouse-Technologie. Sie liefen darauf hinaus, Datenansammlungen auch aus dem Data Warehouse herauszunehmen und für besondere Auswertungen auf anderen Plattformen und für Data Science zur Verfügung zu stellen und die Ergebnisse zur weiteren Auswertung wieder in ein Data Warehouse zu laden. Dabei gebe es offenere Ansätze als früher, die verschiedene Methoden nach der Best-of-Breed-Strategie (BOB) miteinander mischten.
Viele  Hersteller auf diesem Feld kooperieren miteinander. So arbeitet Teradata zum Beispiel mit dem jungen Konkurrenten Hortonworks zusammen.
An dem Unternehmen Teradata lässt sich beispielhaft zeigen, wie die etablierten Data-Warehouse-Anbieter auf die Herausforderung durch Big-Data-Unternehmen reagiert haben und wie sich diese Anpassung auf das Produktportfolio ausgewirkt hat.
Verwandte Themen