Enterprise Data Warehousing: Architektur, Typen, beste Tools und Auswahltipps

Der Hauptunterschied liegt im Datenvolumen, das im Data Warehouse gespeichert wird, und in der Komplexität der zugrunde liegenden Logik, einschließlich der Anzahl der Datenmodelle. Im Allgemeinen beherbergt ein Enterprise Data Warehouse funktionsübergreifende Geschäftsdaten und dient den Bedürfnissen aller Geschäftsabteilungen, während ein traditionelles Data Warehouse den Bedürfnissen einer bestimmten Abteilung/Abteilungen dient (ähnlich wie Data Marts). Es ist jedoch erwähnenswert, dass diese Begriffe auch austauschbar verwendet werden können.

Data Marts (manchmal auch als "traditionelle" oder "gewöhnliche" Data Warehouses bezeichnet) sind eigentlich Teilmengen eines Enterprise Data Warehouses. Sie haben dieselbe Funktionalität wie Unternehmens-Data-Warehouses - sie sammeln Daten aus verschiedenen Quellen und stellen sie für Analysen zur Verfügung. Data Marts haben jedoch einen engeren Anwendungsbereich, da sie auf die Bedürfnisse bestimmter Abteilungen oder Geschäftszweige zugeschnitten sind. Das bedeutet, dass sie nur die Daten sammeln, die ihre Nutzer (Vertrieb, Marketing, HR usw.) benötigen. Alles in allem werden Data Marts in der Regel aus Gründen der Schnelligkeit erstellt, da ihre Anforderungen spezifischer sind und ihre Abfragen eine geringere Menge an Informationen betreffen.

Betriebliche Datenspeicher enthalten aktuelle Informationen in ihrem ursprünglichen Format, die aus unterschiedlichen betrieblichen Quellen konsolidiert werden, und ermöglichen Echtzeitberichte. ODS sind kein Ersatz für ein Data Warehouse, sondern ergänzen vielmehr die gesamte Data-Warehousing-Umgebung eines Unternehmens. Sie weisen auch einige wesentliche Unterschiede zu EDW auf:

• Datenaktualität
  Enterprise Data Warehouses speichern sowohl historische als auch aktuelle Daten, während sich die Speichermöglichkeiten von ODS auf die aktuellsten Datensätze beschränken, was sie zu einem taktischen Werkzeug macht.
• Datenverdichtung
  In Unternehmens-Data-Warehouses werden die Informationen nach bestimmten Transformationen (Bereinigung, Anreicherung, Neuformatierung usw.) gespeichert, während ODS die Informationen in ihrem Rohzustand aufbewahrt, was eine höhere Geschwindigkeit bei Analysen und Berichten gewährleistet.
• Abfragekomplexität
  Unternehmens-Data-Warehouses sind für die Durchführung komplexer analytischer Abfragen auf riesigen Datenmengen ausgelegt, während ODS für relativ einfache Abfragen auf Echtzeitdaten verwendet wird - zum Beispiel, um schnell den Grund für eine fehlgeschlagene Transaktion zu ermitteln.

Ein Data Lake ist ein zentraler Speicher, der alle Arten von Daten in ihrem rohen oder vorverarbeiteten Format vorhält, während Unternehmens-Data-Warehouses nur hochstrukturierte Daten nach vordefinierten Datenmodellen speichern. Aus diesem Grund können Data Lakes eine nahezu unbegrenzte Menge an Daten zu einem relativ niedrigen Preis speichern, bis diese Informationen verwendet werden. Auch die Anwendungsfälle dieser beiden Repositories unterscheiden sich - während das Enterprise Data Warehouse als zentrale BI-Komponente dient, sind die Daten im Data Lake für Datenwissenschaftler und Ingenieure bestimmt, die damit ML trainieren und Predictive- und Big-Data-Analysen durchführen.

Ein Data Lakehouse ist eine hybride Speicherlösung, die alle Datentypen beherbergt und über starke Metadatenverwaltungsfunktionen verfügt, wodurch sie sowohl BI-Anwendungsfälle (wie jedes DWH) als auch Big Data-Analysen und ML-Workloads (wie ein Data Lake) abdecken kann. Data Lakehouses sind kostengünstiger als DWHs, da die Daten in kostengünstigeren Repositories verwaltet werden, was sie in vielen Szenarien und für verschiedene Datenmengen zu einer bevorzugten Option macht.

Ein virtuelles Data Warehouse ist eine Alternative zu einem herkömmlichen Data Warehouse für Unternehmen, bei dem eine virtuelle Schicht über mehreren Datenbanken geschaffen wird, in der die Daten gespeichert werden, so dass keine Daten physisch bewegt werden. Ein virtuelles Data Warehouse ist eine gute Option für Unternehmen, die ihre Daten in einer standardisierten Form speichern, die keine komplexen Transformationen erfordert.