Archiv für die Kategorie Business Intelligence

Die Data & Analytics Zukunft mit SAP liegt in der Cloud

Erstellt am: Freitag, 20. Januar 2023 von Monika Düsterhöft

In der SAP-Strategie ist seit einiger Zeit ein klarer Trend zu Cloud-only festzustellen. SAP Datasphere kommt dabei eine zentrale Rolle zu.

Zusammen mit der SAP HANA Cloud, der SAP Analytics Cloud (SAC) und der SAP Data Intelligence Cloud bildet SAP Datasphere das Data-to-Value-Portfolio von SAP. Die SaaS-Applikation Datasphere ermöglicht es Unternehmen, sich dabei ganz auf ihre Analytics-Aktivitäten zu konzentrieren.

Mit SAP Datasphere können sowohl Cloud- als auch On-Premise-Datenquellen integriert werden. Die Komponente Data Flow bietet zudem ETL-Funktionalitäten, um Daten aus unterschiedlichsten Quellen zu extrahieren, zu transformieren und schließlich in lokalen Tabellen Datasphere zu speichern. Darüber hinaus gibt es mit dem Data Builder und dem Business Builder zwei separate Bereiche zur Datenmodellierung in Datasphere, und sie stellt einige Business-Content-Datenmodelle bereit, die mit wenigen Klicks für Standardanwendungsfälle verfügbar gemacht werden können.

Komfortabel zum „Data-Shopping“

Mit Dataspehre versucht SAP zudem, einen entscheidenden Schritt in Richtung Self-Service Data Warehousing zu gehen. Hierbei hat die IT weiterhin die Hoheit und Verantwortung für einheitliche, standardisierte Datenmodelle. Zugleich bekommt sie aber Unterstützung im Datenmanagement, denn der Fachbereich kann den letzten Schritt in Richtung Reporting allein und selbstständig machen.

Richtig umgesetzt erhöht dies die Agilität und beschleunigt die Analytics-Entwicklungen in den Unternehmen. Im Sinne eines „Data-Shopping“-Erlebnisses stehen den Endanwendern die Daten in einer einfachen, geführten Form zur Verfügung: Wiederverwendbare analytische Datenmodelle können verschiedene Geschäftsfragen beantworten.

Datasphere und SAC in kraftvoller Verbindung

Die Offenheit der Applikation basiert auf der Kombination mit der SAC als sogenanntem First-Class Consuming Citizen. Mit wenigen Klicks ist die Verbindung zwischen Datasphere und der SAC eingerichtet, dadurch lassen sich nachfolgend die Daten der freigeschalteten analytischen Datenmodelle von Datasphere per Live-Verbindung nutzen.

Ebenso können die Anwender aber auch mit Third-Party-Tools wie Tableau oder Microsoft Power BI auf die Daten zugreifen. Nicht zuletzt soll Datasphere künftig als zentrale Datendrehscheibe für Planungsszenarien in Kombination mit der SAC inklusive einer Retraktion von Forecast und Plan-Daten Richtung Dataspehre etabliert werden. Langfristig soll außerdem die Datasphere Verwendung auf allen gängigen Hyperscalern möglich sein.

Perfekte Symbiose

Da SAP den Service Datasphere als SaaS zur Verfügung stellt, müssen sich Kunden nicht mehr selbst um Produkt-Updates und neue Releases kümmern – gleichzeitig gewährleistet das automatische und zentrale Updaten durch SAP eine permanente Verbesserung und Optimierung des Produkts. Das neue Space-as-a-Service-Konstrukt macht zudem isolierte Einheiten oder auch separierte logische Layer in der Datasphere möglich.

Ein weiterer interessanter Aspekt: End-User können mithilfe des Business Builders selbstständig Business Entities für das Reporting erstellen. Über die Verknüpfung mit der SAC schafft die Einheitlichkeit von User Interface und Usability der beiden Applikationen eine perfekte Symbiose. Daher stellt sich die SAC zum Konsumieren von Datasphere-Datenmodellen als Frontend-Tool der Wahl dar.

Mein Tipp: Einen detaillierten Tool-Steckbrief zur SAP Analytics Cloud (SAC) und zu Microsoft Power BI sowie weitere spannende Learnings rund um das Thema Self Service BI und wie Sie damit Agilität im Fachbereich realisieren, finden Sie in der aktuellen Studie von the factlights.  STUDIE KOSTENFREI HOLEN

Murrelektronik: Umstellung der BI-Landschaft auf SAP Datasphere

Erstellt am: Donnerstag, 12. Januar 2023 von Anja Gorbach

Murrelektronik ist ein global tätiger Spezialist für dezentrale Automatisierungstechnik. Das Controlling der Unternehmensgruppe hat in Zusammenarbeit mit QUNIS seine BI-Landschaft auf die SAP-Cloud umgestellt. Ein spannendes Projekt, weil das Tool SAP Datasphere zum Einführungszeitpunkt noch neu auf dem Markt war und selbst bei SAP kaum Praxiserfahrung vorlag.

In der komplett neuen Produktumgebung war ein fester Projektplan kaum einzuhalten. QUNIS hat sehr flexibel und agil mit uns zusammengearbeitet und die Datasphere Implementierung Schritt für Schritt mit uns umgesetzt.


Rafael Theiss,
Business Data Analyst,
Murrelektronik GmbH

SAP Datasphere-Implementierung als Pilotprojekt

Murrelektronik ist mit Niederlassungen, Produktions- und Logistik-Standorten sowie Vertriebspartnern in 50 Ländern weltweit vertreten. Die vorhandene BI-Lösung, die von einem externen Beratungshaus betreut wurde, konnte das Reporting für den agilen Konzern nicht mehr abdecken. Vor allem die fehlende Flexibilität bei nötigen Anpassungen war problematisch; die erforderliche Umsetzungsgeschwindigkeit neuer Anforderungen war in dieser Konstellation nicht mehr zu gewährleisten.

Das zentrale Controlling wollte daher seine BI-Plattform modernisieren und im eigenen Haus ansiedeln, um die Datenmodelle selbst nach Bedarf anpassen zu können. Im Konzern mit starker SAP-Strategie lag der Umstieg auf SAP-Tools für die neue BI-Umgebung nahe.

Besonders das noch relativ neu am Markt eingeführte SAP Datasphere bot für die Controller ein interessantes Konzept: Als Cloud-Technologie ist es kosteneffizient einzuführen und einfach skalierbar. Ein wichtiger Vorteil ist zudem die anwenderorientierte Entwicklung: Mit den sogenannten Spaces stellt SAP Datasphere einen Business Layer für die Datenmodellierung zur Verfügung, über den Fachbereiche ihre eigenen Datensichten erstellen können. Das vereinfacht die Steuerung des DWH im Controlling und schafft die Voraussetzung für Self-Service-Szenarien im gesamten Unternehmen.

Die Entscheidung für SAP Datasphere stand zu Projektbeginn fest. Als mögliche Frontends schauten sich die Controller auch Tools außerhalb der SAP-Welt an. SAP Analytics Cloud (SAC) in Kombination mit Datasphere stellte sich dabei als die beste Lösung für Murrelektronik heraus.

Mit QUNIS gemeinsam DWH-Neuland betreten

Bei der Suche nach einem Realisierungspartner war dem Projektleiter Rafael Theiss klar, dass es so kurz nach Markteinführung von SAP Datasphere keinen Dienstleister mit großer Implementierungserfahrung für dieses Tool geben konnte.

Im Auswahlverfahren überzeugte QUNIS durch seine umfangreiche Erfahrung in den Bereichen Data Warehousing, BI und Analytics mit Cloud- und On-Premise-Technologien, gepaart mit sehr hohem Engagement und Interesse an der Datasphere-Umgebung. Rafael Theiss, Business Data Analyst bei Murrelektronik, sah darin die besten Voraussetzungen für eine erfolgreiches gemeinsames Implementierungsprojekt im DWH-Neuland.

Agile Zusammenarbeit im Team

Nach ersten Vorarbeiten Ende 2020 startete die Implementierung mit Systemzugriff für das Projektteam auf die Datenquellen und das Altsystem im März 2021. Zunächst arbeiteten hauptsächlich Rafael Theiss und die QUNIS-Beraterin an der Umsetzung.

Rafael Theiss hebt besonders den Einsatz der QUNIS-Beraterin hervor, die mit hohem Engagement und lösungsorientiertem Vorgehen wesentlich zum Projekterfolg beitrug. Bei der Schnittstellen-Definition wurde das Kernteam durch die IT-Abteilung unterstützt. Auch die Key User der Anwendung wurden zunehmend einbezogen. Erst in späteren Projektphasen kam dann ein „SAP Development Angel“ dazu, der hilfreiches Produktwissen einbringen konnte.

Wichtig für das Gelingen des Projekts war die flexible Reaktion von QUNIS auf den Projektstatus. Durch vielfältige Herausforderungen im Pilotprojekt verzögerte sich der geplante Rollout-Termin um sechs Monate. QUNIS begleitete das Team von Murrelektronik auch über die ursprüngliche Projektplanung hinaus bis zum erfolgreichen Go live und steht auch weiterhin als Ansprechpartner für die Controller bereit.

Weltweite Datenplattform für über 600 Anwender

Seit Februar 2022 ist die Berichtsplattform weltweit bei Murrelektronik verfügbar. Nach einer kurzen Übergangsphase, in der Neu- und Altsystem parallel liefen, erfolgte der konsequente Umstieg in die SAP Cloud, die seitdem als zentrale Berichtsumgebung mit einheitlicher Datenbasis im Konzern etabliert ist.

Fachlich hat das Projektteam das umfangreiche Reporting aus dem Altsystem übernommen und optimiert. Das neue Data Warehouse ist als ganzheitliche Lösung für derzeit 600 Anwender konzipiert. Kernthemen sind das Finanz- und Vertriebscontrolling, wobei auch vielfältige Analysen im operativen Bereich zur Verfügung stehen. Hauptsächliche Datenquelle für die Auswertungen ist SAP ERP. Um das Analysespektrum zu erweitern, wird derzeit auch Salesforce als Quellsystem integriert.

Ein wesentlicher Anspruch des zentralen Controllings ist dabei die Anwenderfreundlichkeit: Jeder soll das System einfach nutzen und verstehen können. Dazu trägt auch das Frontend SAP Analytics Cloud (SAC) bei, über das die Anwender komfortabel per Web auf ihre Berichte und Analysen zugreifen können.

Neue fachliche Anforderungen schnell umsetzen

Mit dem erfolgreich abgeschlossenen Projekt gehört Murrelektronik zu den Vorreitern beim Einsatz von SAP Datasphere mit SAP SAC. Die Projektziele sind erreicht: der Wechsel der Plattform, die Verlagerung der Systemsteuerung ins eigene Haus und der Aufbau der entsprechenden internen Kompetenzen sind gelungen. Auch der Plan, mit dem anwenderorientierten Datasphere die Taktzahl im Anforderungsmanagement zu erhöhen, ist aufgegangen.

Rafael Theiss bestätigt: „Mit SAP Datasphere haben wir die Datenmodelle im Controlling selbst in der Hand und können unser Data Warehouse jederzeit an neue Anforderungen anpassen.“ 

Die Anwender profitieren von übersichtlich visualisierten Daten im modernen Frontend. Anstelle der vorigen Excel-Tabellen stehen nun Berichte mit dynamischen Grafiken bereit. Die Berichtempfänger haben zudem deutlich mehr Auswertungen zur Verfügung und können selbst Analysen fahren.

Das zentrale Controlling verfolgt hier ein Self-Service-BI-Konzept (SSBI), das über die jeweiligen Key User konzernweit etabliert wird. Auch hinsichtlich der SSBI-Strategie hat sich SAC zwischenzeitlich als das passende Frontend für Murrelektronik erwiesen.

Nachdem im Rahmen der Implementierung vielfältige neue Anforderungen umgesetzt wurden, wird die Applikation derzeit mit Blick auf die Anwenderorientierung nachgeschärft. Wichtige Anliegen sind Rafael Theiss auch der Know-how-Aufbau im Umgang mit der Datenplattform in der gesamten Nutzergemeinde und die Sicherung der Datenqualität. Im nächsten Ausbauschritt soll das Data Warehouse dann um ein Planungstool ergänzt werden.

Mehr zur Murrelektronik GmbH: Murrelektronik ist ein führendes Unternehmen in der Entwicklung und Herstellung hochmoderner dezentraler Automatisierungstechnik für Maschinen und Anlagen. Das Unternehmen konzentriert sich dabei auf vier Kernbereiche: Stromversorgung, Schnittstellen, Anschlussleitungen und IO-Systeme. Innovative Produkte in herausragender Qualität, eine ausgeprägte Markt- und Kundenorientierung machen Murrelektronik einzigartig und verbessern die Maschinen und Anlagen der Kunden.

Mehr zu QUNIS Strategieberatung:  QUNIS Strategie

AT&S: Aufbau einer unternehmensweiten Data & Analytics-Plattform

Erstellt am: Montag, 12. Dezember 2022 von Anja Gorbach

Der weltweit tätige Hersteller von Leiterplatten AT&S baut schrittweise eine unternehmensweite Data & Analytics-Plattform auf. Grundlage ist eine ausgefeilte Datenstrategie, die den nachhaltigen Ausbau und Betrieb des zentralen Datenpools entsprechend den fachlichen
Anforderungen im Konzern sicherstellt.

QUNIS unterstützt uns auf allen Ebenen: Von der strategischen
und technologischen Beratung über die fachliche Konzeption
bis zur Implementierung samt Coaching und Koordination aller Stakeholder.


Ulrike Klein,
Manager Enterprise Data Management IT,
AT&S Austria Technologie & Systemtechnik

Strategische Analyseplattform, die systematisch mit ihren Use Cases mitwächst

Das High-Tech-Unternehmen AT&S will den Wert seiner weltweit anfallenden Daten besser ausschöpfen. Erklärtes Ziel der Unternehmensleitung ist es, dass AT&S sich zum konsequent datengetriebenen Unternehmen entwickelt. Nach einer internen Bestandsaufnahme der bereits vorhandenen BI-Lösungen, Dashboards und Kennzahlen kam man zum Schluss, dass es sich durchweg um Insellösungen und Datensilos mit begrenztem Ausbaupotenzial handelt.

Daher sollte eine von Grund auf neue Data & Analytics-Plattform für alle Standorte und Fachbereiche mit moderner Architektur und unternehmensweiter Organisation aufgesetzt werden. Den Projektverantwortlichen war klar: Der nachhaltige Aufbau und Betrieb in konzernweiten Standards erforderte eine umfassende Data & Analytics-Strategie.

Als Beratungs- und Implementierungspartner wurde QUNIS ausgewählt. Neben der herausragenden Kompetenz und Erfahrung fand die Projektleitung auch die individuelle Ansprache und pragmatische Vorgehensweise von QUNIS wichtig für die erfolgreiche Zusammenarbeit. Im Juni 2020 startete das Projekt mit einem gemeinsamen Analyseworkshop. Sehr konkret wurden hier bereits die wesentlichen Ziele und Anforderungen herausgearbeitet, die das weitere Vorgehen bestimmen:

  • In einer Konzeptphase sollten die Datenarchitektur, Technologien, Data Governance und die entsprechende Organisation mit Rollen und Verantwortlichkeiten in der IT und den Fachbereichen geklärt werden.
  • Ein neues Data Warehouse soll entstehen. Zur Integration von Datenquellen und Aufbau der Kennzahlen wurde eine Use-Case-getriebene Datenstrategie beschlossen; d.h. das strukturierte Datenmodell wächst systematisch mit den jeweiligen Data Marts der schrittweise umgesetzten Anwendungen.
  • Der erste Use Case ist der Bereich Yield im Rahmen des Qualitätsmanagements, der Schlüsselkennzahlen für die Produktionssteuerung liefert. Hierfür ist das neue Data Warehouse in der vorhandenen On-Premises-Umgebung des Microsoft SQL Servers die geeignete Lösung.
  • Das DWH soll später mit Cloud-basierten Technologien zum Data Lake erweitert werden können, um Advanced Analytics und operative Lösungen wie Predictive Maintenance mit Produktions- und Sensordaten umsetzen zu können.
  • Wichtig für die unternehmensweite Initiative ist ein Priorisierungs- und Eskalationskonzept, das die sichere Einordnung von Anforderungen und Kommunikation mit den Fachbereichen gewährleistet.
  • Als Best Practice für das neue DWH dient die QUNIS Automation Engine (QAE), ein toolgestützter Ansatz, der den Aufbau und Betrieb von Data-Warehouse-Lösungen inklusive BI- und Datenmanagement-Prozessen standardisiert und automatisiert.

Den Anfang macht das Qualitätsmanagement

Die Strategie wurde innerhalb von drei Monaten entwickelt und ausformuliert. Auf dieser Grundlage wurde das Fachkonzept der Yield-Kennzahlen samt technischer Anforderungen als erste Anwendung aufgesetzt. Die Yield-Werte, die in der Leiterplattenanfertigung den aus einem Fertigungsnutzen generierten Ertrag (brauchbarer Leiterplatten) angeben, sind für AT&S eine zentrale Performance-Stellschraube. Höhere Yield-Werte bedeuten eine höhere Produktionsausbeute bei geringeren Kosten. Durch ein NCC-Reporting (Non Conformance Costs) wurde zudem die Betrachtung der Kostenseite noch weiter verfeinert.

Die Implementierung nach dem QAE-Ansatz startete im November 2020 als Proof of Concept für das Data Warehouse. Der umfangreiche Yield-Bereich ist inzwischen als Beta-Version auf der Proof-of-Concept-Umgebung verfügbar, während das überschaubarere NCC-Reporting bereits im Live-Betrieb ist.

Als Frontend für das Rollout der Datenplattform ist Microsoft Power BI im Einsatz. QUNIS hatte das Projektteam hier bei der Auswahl einer geeigneten Frontend-Technologie unterstützt. Das Qualitätsmanagementreporting wurde inzwischen um ein Modul für das Supply Chain Management und eine operative BI-Anwendung mit Produktions- und Maschinendaten ergänzt.

Auch alle künftigen Module werden mithilfe eines strukturierten Anforderungsmanagements realisiert. Über ein Ticketing-System in der IT werden dazu Requests nach Aufwand und Nutzen gesichtet und priorisiert.

Agile Entwicklung und Rollout über die BI-Organisation

Die anfangs definierte Organisationsstruktur bewährt sich im Projektmanagement. Federführend ist das in der IT angesiedelte EDM-Team (Enterprise Data Management Team), das im Rahmen der unternehmensweiten Data Governance auch standardisierte Stamm-, Referenz und Metadaten etabliert. Zum EDM-Team gehören u.a. Rollen wie der Data Engineer, Solution Architect und Data Architects. Ansprechpartner in den Fachbereichen sind die Key- und Power User.

Als großer Vorteil erweist sich die agile Vorgehensweise. Im umfassenden Projekt ist die Realisierung in überschaubaren Sprints motivierend für das Team. Außerdem lässt sich die parallele Arbeit an mehreren Teilprojekten gut organisieren. Auch die Zusammenarbeit mit den Fachbereichen verläuft durch sprintweise Entwicklungsfortschritte und die gezielte Aufgabenverteilung an die jeweiligen Key User transparent und sicher.

Das EDM-Team berichtet direkt an die IT-Leitung und kann sich im konzernweiten Projekt auf den Rückhalt des Vorstands verlassen. QUNIS unterstützt von der strategischen und technologischen Beratung über die fachliche Konzeption bis zur Implementierung samt Coaching und Koordination aller Stakeholder.

Self-Service erfordert ein durchdachtes Backend

Mit den ersten Anwendungen werden bereits handfeste Vorteile sichtbar. Das Yield Management schafft Transparenz über Ausschussquoten, granular und konsolidiert über verschiedene Werke. Die NCC-Zahlen sind komplett neue Steuerungsinformationen für die Fachbereiche.

Erstmals ist zudem eine Self-Service-Informationsversorgung möglich, die Unabhängigkeit in die Fachbereiche bringt. Ulrike Klein hat jedoch vor allem das Gesamtbild im Blick. Ihr Team fokussiert sich auf den nachhaltigen Aufbau von Data Marts im Rahmen des unternehmensweiten Datenmanagements:

„Wir wollen gut dokumentierte Daten in Top-Qualität zur Verfügung stellen. Mit Zugriff auf ihre jeweiligen Data Marts und den Data Catalog können die Fachbereiche dann ihre eigenen Applikationen auf standardisierter Datengrundlage selbst aufbauen.“  

Skalierung auf Basis der tragfähigen Strategie

Die Data & Analytics-Plattform von AT&S befindet sich noch in der Anfangsphase. Mit der Umsetzung weiterer Use Cases entsteht Schritt für Schritt eine breite, verlässliche Datenbasis, mit Informationen zu ihrer Herkunft, Bedeutung und dem jeweiligen Data Owner im zentral verfügbaren Data Catalog.

Schon jetzt können auf dieser Basis kleinere Applikationen wie eine Balanced Scorecard sehr schnell nach Nutzerbedarf abgebildet werden. Diese „Quick Wins“ sind aber nicht das Ziel des EDM-Teams, das sich vornehmlich auf den systematischen Ausbau des Datenpools konzentriert. Jeder Use Case erfordert dabei eine sorgfältige Vorbereitung und auch eine kontinuierliche Weiterentwicklung der Datenkompetenz im Team.

Für dieses langfristig angelegte Datenprojekt sieht sich Ulrike Klein durch die umfassende Data & Analytics-Strategie gut gerüstet: „Die definierte Strategie gibt uns den Plan für den weiteren Ausbau vor. Wir müssen nicht jedes Mal neu entscheiden und können Fragen der Fachbereiche jederzeit beantworten.“

Die Architektur, die Infrastruktur, die Entwicklung auf Basis des strukturiertem Anforderungsmanagements und die professionelle Organisation sind gesetzte Grundpfeiler. Einzelne Bausteine wie Anwendungen, die Organisation oder die Governance können in diesem Grundgerüst durch einfache Skalierung wachsen. Auch Details wie beispielsweise das Staffing des EDM-Teams lassen sich auf dieser Grundlage gut planen.

Spätere Ausbaustufen wie der Einbezug neuer Cloud-Technologien sind durch die Strategie ebenfalls abgedeckt. Ulrike Klein sieht diese sichere Planungsgrundlage als zentralen Erfolgsfaktor für die nachhaltige Entwicklung von AT&S hin zum datengetriebenen Unternehmen.

Mehr zur AT & S Austria Technologie & Systemtechnik AG: AT&S ist einer der weltweit führenden Hersteller von hochwertigen Leiterplatten und IC-Substraten. AT&S industrialisiert zukunftsweisende Technologien für seine Kerngeschäfte Mobile Devices, Automotive, Industrial, Medical und Advanced Packaging. Als internationales Wachstumsunternehmen verfügt AT&S über eine globale Präsenz mit Produktionsstandorten in Österreich (Leoben, Fehring) sowie Werken in Indien (Nanjangud), China (Shanghai, Chongqing) und Korea (Ansan nahe Seoul).

Mehr zu QUNIS Strategieberatung:  QUNIS Strategie

Zusammenspiel von Self Service- und Enterprise BI

Erstellt am: Freitag, 9. September 2022 von Monika Düsterhöft

BI-Werkzeuge punkten mit Benutzerfreundlichkeit im Frontend und Funktionalitäten für das Datenmanagement 

Der Siegeszug der Self Service-BI (SSBI), der in den letzten fünf Jahren verstärkt zu beobachten ist, lässt sich nicht zuletzt mit den in dieser Zeit auf den Markt drängenden neuen benutzerfreundlichen und skalierbaren BI-Werkzeugen in Verbindung bringen.

Diese umfassen in der Regel nicht nur ein schickes Frontend sondern auch Funktionen zur Erledigung einfacher Datenmanagementaufgaben. Sie erlauben es Nutzern selbstständig verschiedene Datenquellen zu verbinden, lokale Daten aus Excel-Dokumenten im Visualisierungstool zu integrieren oder Daten direkt aus dem Internet heraus anzuzapfen und so Unternehmensdaten einfach und schnell sowie weitgehend unabhängig von der IT-Abteilung auszuwerten.

Wenig verwunderlich nennen die Teilnehmer der aktuellen Studie von the factlights als ihre Top-3-Anwendungsfälle von SSBI die schnelle und individuelle Anpassung von Visualisierungen, die Abdeckung von zusätzlichen Informationen aufgrund von Individualbedarfen sowie die Zusammenführung von Daten aus mehreren Quellen.

Dabei wird SSBI von den Befragten nicht als eine ausschließliche Lösung, sondern vielmehr als integraler Bestandteil einer modernen Datenarchitektur verstanden. 9 von 10 der Befragten gaben an, ein Data Warehouse im Einsatz zu haben.

Clevere Kombination aus SSBI und Data Warehouse

Im Hinblick auf den verwendeten Technologie-Stack und das damit realisierte Zusammenspiel von SSBI und einem Data Warehouse lassen sich bei den Befragten vor allem drei verschiedene Architekturen identifizieren:

1. SSBI eigenständig, mit anderem Technologie-Stack als Enterprise BI

SSBI wird als eigenständige Lösung parallel zum Data Warehouse / Lakehouse betrieben. Als Datenbasis dienen vom Fachbereich erstellte und verwaltete Datenbanken. Das BI-Frontend-Tool orientiert sich nicht an den unternehmensweiten Vorgaben. Die SSBI Lösung läuft damit autark vom zentralen und qualitätsgesicherten Data Warehouse / Lakehouse sowie weitestgehend unkoordiniert.

2. SSBI eigenständig, mit gleichem Technologie-Stack wie Enterprise BI

SSBI wird als eigenständige Lösung parallel zum Data Warehouse / Lakehouse betrieben. Als Datenbasis dienen vom Fachbereich erstellte und verwaltete Datenbanken. Als Technologie wird das unternehmensweit verabschiedete BI-Frontend-Tool verwendet. Obwohl die SSBI Lösung nicht auf dem zentralen und qualitätsgesicherten Data Warehouse / Lakehouse aufsetzt, werden möglichst viele Synergien verwendet und SSBI in koordinierter Art und Weise betrieben.

3. SSBI aufbauend auf dem Data Warehouse / Lakehouse

Architektonisch und technologisch ist SSBI vollständig in die Architektur integriert. SSBI baut auf dem vorhandenen Data Warehouse / Lakehouse auf und verwendet dessen qualitätsgesicherte Datenbasis. Zusätzlich besteht die Möglichkeit, externe Daten zu ergänzen und diese zusammen mit den Daten des Data Warehouse / Lakehouse zu verwenden. Als Technologie wird das unternehmensweit verabschiedete BI-Frontend-Tool verwendet.

Nachhaltigen Erfolg bringt SSBI, wenn es nicht als Silo aufgebaut wird 

Die drittgenannte Architektur-Variante versteht die SSBI-Lösung nicht als technologisch eigenständig, sondern setzt diese sozusagen als „Disziplin“ auf ein bestehendes Data Warehouse auf. Sie verwendet Technologien, die sich in die Gesamtarchitektur einfügen. Diese Architektur ist vor allem beim Reifegrad der Frontrunner verbreitet und gilt damit als am erfolgreichsten. Zudem stellt the factlights fest, dass Anwender zufriedener sind, je integrativer SSBI in der Gesamtarchitektur umgesetzt ist.

Als probates Beispiel, wie mit einer SSBI-Lösung gestartet und diese zu einer integrierten Lösung weiterentwickelt werden kann, gilt der QUNIS-Ansatz der Scalable Self-Service BI.

Mein Tipp: Noch mehr Learnings, Extra Notes zu Organisation und Rollen sowie viele spannende Info-Grafiken und Tool-Steckbriefe zu Microsoft Power BI und zur SAP Analytics Cloud (SAC) finden Sie in der the factlights Studie „ Self Service BI – Agilität für den Fachbereich“.  STUDIE KOSTENFREI HOLEN

Digital Workplaces, Data Literacy, Cloud, Data Catalogs und mehr – das bewegt die Data & Analytics-Welt

Erstellt am: Dienstag, 31. Mai 2022 von Monika Düsterhöft

Das Thema Data & Analytics hat deutlich an Fahrt aufgenommen: Die Initiale für Projekte und Initiativen sind dabei so vielfältig wie nie zuvor. Die Herausforderungen und Antworten darauf ebenso.

Viele Organisationen stellen sich aktuell IT-seitig komplett neu auf

Aus selbst definierten strategischen Gründen oder auch weil technische Erweiterungen von Softwareherstellern eine komplett neue Ausrichtung erfordern. Dabei wird kaum noch monolithisch alles einer einzigen, zentralen Strategie unter­geordnet. Stattdessen eröffnen sich heterogene Welten beispielsweise mit Cloud-Angeboten, Spezialapplikationen unter anderem für Product-Lifecycle-Management oder Firmendatenbanken wie etwa Produktinformationssysteme.

Diese Entwicklung erfordert angesichts der Vielfalt und Komplexität der Aufgaben im Kontext von Data & Analytics umso mehr feste Konzepte für das Stamm- und Metadaten-Management. Schließlich gilt es, jederzeit den Überblick zu bewahren und Transparenz zu gewährleisten.

Ebenso geht nicht erst seit, aber forciert durch Corona der Trend hin zum verteilten Arbeiten. Sogar Unternehmen, die sich vor nicht allzu langer Zeit noch dagegen gesperrt haben, stellen mittlerweile Digital Workplaces bereit. Auch hier spielt die Cloud eine zunehmend wichtige Rolle, um den mobilen Zugriff auf die Systeme etablieren und von der Infrastruktur her überhaupt ausrollen zu können. Über die Technologie hinaus erfordert dies vielfach neue Konzepte und Handlungsweisen.

Zudem betrifft die Digitalisierung die unterschiedlichsten Bereiche in einem Unternehmen – ob in der Kommunikation, im Vertrieb, dem Kundenservice oder der HR-Abteilung. Neben dem elementaren Organisationsmanagement, das die Struktur des „Gesamtkonstrukts Digitalisierung“ steuern und optimieren soll, benötigen diese Transformations- oder vielmehr Veränderungsprozesse immer auch ein gutes Change Management. Denn nicht nur die Prozesse müssen stimmen, sondern die Menschen dahinter müssen abgeholt und mitgenommen werden, um die veränderten Prozesse dauerhaft und erfolgreich im Unternehmen zu etablieren.

Damit einher geht auch der steigende Bedarf an Kompetenzen, dem sogenannten Upskilling. Die zunehmend digitalisierte Arbeitswelt erfordert abteilungsübergreifende Kompetenzerweiterungen; das gilt für den IT- und Technik-Bereich, aber auch in Marketing & Kommunikation und erstreckt sich ebenso über Anforderungen wie Mitarbeiterentwicklung, Problemlösungskompetenzen oder Konfliktmanagement bzw. Teamwork. Das alles muss bedacht und umgesetzt werden, da sonst Digitalisierungsinseln entstehen und ein Scheitern des ganzheitlichen Ansatzes vorprogrammiert ist.

Datenlandschaften gehören erweitert, sichere Zugänge gewährleistet

Immer bedeutender werden die sogenannten Digitalen Zwillinge oder auch Digital Twins. Dabei handelt es sich um digitale Nachbauten von physischen Objekten, Produkten und Services. Diese müssen in die Prozesslandschaften integriert werden, damit Simulationen und Forecasts rein digital stattfinden können – interessant ist dies beispielsweise für Produktentwicklung oder Qualitäts­management.

Die Daten als erfolgsentscheidendes Asset zu begreifen und entsprechend zu nutzen, bedeutet in der Konsequenz: Alle Mitarbeiter müssen im Sinne von Data Literacy (ein neu aufge­kommenes Buzzword) möglichst einfachen Zugang zu den Daten haben – und dies umso mehr an den Stellen, an denen sie Potenzial zu einem echten Mehrwert mitbringen. Das zu ermöglichen, zeigt sich als weiterer Treiber für Data & Analytics-Projekte.

Durch all dies zieht sich der effiziente und nachhaltige Schutz der Daten wie ein roter Faden. Dabei geht es sowohl um alltägliche Dinge wie Zugriffsrechte als auch um heikle Themen, Stichwort Cyber-Kriminalität. Hier stellt der Gesetzgeber teils klare Forderungen. Vor diesem Hintergrund sind deutlich strukturiertere Vorgehensweisen erforderlich, als sie bislang vielerorts praktiziert wurden.

Das gilt ganz speziell für das Umfeld von Data & Analytics, wo aus bloßen Daten wahre Daten­schätze entstehen und zu schützen sind. Gerade in Cloud-Umgebungen muss man genau hinsehen, wo genau und wie die Daten gespeichert werden und wer Zugriff darauf hat.

Datengetriebene Produkte und Services schüren Innovationskraft

Sah es noch vor einem Jahr n ganz anders aus, so werden heute bei uns viel mehr Add-Ons zu den Bestands­produkten, Erweiterungen zu bestehenden Devices oder auch Zusatzservices und Dienstleistungen nachgefragt. Dieser Trend zur Anbindung von Geräten zeigt sich auch im privaten Umfeld, wo sich mittlerweile der Kühlschrank, die Heizung, das Auto und anderes mehr problemlos mit dem Internet verbinden lassen.

Viele Unternehmen wollen darüber ihr bisheriges Business-Modell von Verkaufen auf Vermieten umstellen, um so neuen Marktanforderungen gerecht zu werden. Auch hier entstehen große Mengen an hochwertigen Daten, die in der Analytics-Welt gewinnbringend genutzt werden können. Ein Beispiel von vielen: In unseren Kundenprojekten nehmen wir verstärkt einen Trend zur Produktindividualisierung wahr.

Hierfür stehen die Organisationen jedoch vor der Herausforderung, möglichst genau zu wissen, an welcher Stelle sie mit der Individualisierung ansetzen können und inwieweit dies überhaupt lohnenswert ist. Die notwendigen Daten dafür liefern Data & Analytics.

Technologie wird zum Service

Es zeichnet sich ganz allgemein eine Entwicklung dahingehend ab, dass die technologischen Konzepte, die in den vergangenen zehn bis fünfzehn Jahren gut funktioniert haben, in unseren zunehmend dynamischen Zeiten an ihr Limit stoßen: Aktuelle Herausforderungen erfordern moderne und innovative Methoden und Werkzeuge. Unternehmen müssen daher konkrete Über­legungen über ihre künftige Ausrichtung anstellen.

In diesem Kontext wird Technologie zum Service. So gehen derzeit zwischen 70 und 80 Prozent aller neu begonnenen Projekte von QUNIS in Richtung Cloud-orientierter Nutzung von Services. Die Organisationen bauen nicht mehr inhouse Technologien auf, sondern verwenden teils komplette Softwarelösungen verschiedener Cloud-Anbieter als Managed Services. Dabei wird je nach Anwendungsfall sehr häufig auch auf hybride Architekturen gesetzt, bestehend aus der Kombination von Cloud- und On-Premise-Systemen.

Generell jedoch ist festzustellen, dass Cloud-Architekturen nicht mehr nur auf dem Vormarsch sind, sondern speziell in der Data & Analytics-Welt sogar überwiegen.

Oft nämlich könnten die Unternehmen die angebotenen Services gar nicht eigenständig betreiben, weil ihnen die erforder­lichen Ressourcen und das entsprechende Know-how für die teils sehr komplexen Technologien fehlen. War es beispielsweise in früheren Zeiten noch mit dem Aufbau eines kleinen Data Ware­houses getan, sind heute deutlich mehr Spezialtechnologien notwendig wie etwa Machine-Learning-Algorithmen.

Immer mehr Daten werden in zunehmend mehr Anwendungsfällen verarbeitet. Aufgrund dessen wird eine nochmals verbessere Usability für die Nutzer mit möglichst niedrigen Eintritts­hürden schlichtweg erfolgsentscheidend bei der Anwendung der unterschiedlichen Technologie­produkte.

Hier bewähren sich Business-Glossars und Data Catalogs, mit denen sich die zunehmenden Datenvolumina automatisiert ordnen und vereinheitlichen lassen. Metadaten-Management-Lösungen können dabei helfen, mit den Daten und modellierten Inhalten besser und unkomplizierter zu arbeiten.

Data & Analytics wächst und weitet sich aus

Branchenübergreifend zeigt sich, dass Organisationen fachlich gesehen mit immer heterogeneren Datenformaten umzugehen haben, um daraus ihre Erkenntnisse zu gewinnen. Dazu zählen im Kontext von Data & Analytics beispielsweise Sensordaten und Texte, aber auch Bild- und Audio-Material.

Gleichzeitig werden die Anwendungsfälle tendenziell businesskritischer. Bislang beispielsweise war ein kurzfristiger Ausfall des BI-Systems nicht sonderlich problematisch, weil es nicht direkt relevant für die operative Ebene war, sondern lediglich steuernd und informativ. Heute hingegen greifen wir hierüber in Echtzeit tief in die Prozesse hinein und generieren Erkenntnis­gewinne für die operative Steuerung etwa von Produktions- oder Logistikprozessen oder hinsichtlich der Up- und Cross-Selling-Potenziale von Webshops.

Zudem verzeichnen wir stetig komplexere Self-Service-Anforderungen. Die Nutzer möchten etwa nicht mehr nur schnell ein einfaches Dashboard selbst bauen. Sie fordern vielmehr techno­logische Strukturen, um über den Self-Service-Ansatz beispielsweise Massendaten selbstständig auswerten zu können. Da es ihnen hierbei jedoch an der jahrelangen Erfahrung echter Experten mangelt, entsteht entsprechender Anleitungsbedarf – dabei müssen Standardisierung und Harmoni­sierung natürlich jederzeit gewährleistet bleiben.

Wahl der Plattform wird zweitrangig

Bei der Wahl der Infrastruktur gibt es für Unternehmen verschiedene Optionen: On-Premise, Public Cloud in Form von PaaS und SaaS oder Container-Strategien. Häufig nutzen Unternehmen auch eine Multi-Cloud-Strategie mit mehr als nur einem Hyperscaler. Eine wichtige Rolle spielt hier die Portierbarkeit, damit zu jeder Zeit die Flexibilität erhalten bleibt, den Cloud-Anbieter gegebenenfalls problemlos wechseln zu können. Alternativ entscheiden Organisationen sich von vornherein für eine hybride Lösung aus Cloud und On-Premise.

Nicht zuletzt wird die Rolle von Open-Source-Technologie zunehmend bedeutender. In der klassischen BI-Welt weniger eingesetzt, kommt sie im Umfeld von Streaming, Big Data, Machine Learning sowie bei Prozessen auf Basis von Massendaten jetzt verstärkter zum Einsatz – mit dem Potenzial, den Markt nahezu zu dominieren.

Data Management Units zur Umsetzung Ihrer Datenarchitektur 

Das Thema Architektur und wie sich Architekturen verändern kann man derzeit als klaren Trend am Markt erkennen. In diesem Zusammenhang bieten wir bei QUNIS je nach der Zielsetzung, die Unternehmen mit ihrer jeweiligen Data & Analytics-Strategie verfolgen, sogenannte Data Management Units (DM Units) an. Diese bilden das Herzstück der Datenverarbeitung und -speicherung bei Data & Analytics-Initiativen.

Mit Self-Service-BI, Data Warehouse, Data Warehouse & Data Lake, Lakehouse und Streaming stehen insgesamt fünf DM Units mit einem jeweils unterschiedlichen Leistungsspektrum zur Verfügung.

Welche DM Unit für ein Unternehmen infrage kommt, hängt dabei immer von der Ausrichtung der künftigen Architektur ab. Die Entscheidung darüber sollte stets vorab getroffen werden, weil sich etwa die eher pragmatische Variante Self-Service-BI im Nachhinein nicht so schnell in ein komplexeres Lakehouse umwandeln lässt. Mit verschiedenen Add-Ons lassen sich die zentrale Datenspeicherung und -verarbeitung der DM Units modular um zusätzliche Funktionen erweitern. In jedem Fall notwendig sind Visualization & Reporting, Monitoring und Process Control, hinzu kommen optionale, teils kombinierbare Add-Ons wie beispielsweise für API, Virtualisierung oder Metadaten-Management wählbar.

Ihr Thema ist mit dabei? Sie haben sich und Ihre aktuellen Herausforderungen widererkannt und wünschen sich dafür Beratung und Begleitung von QUNIS und unseren Experten?

Sprechen Sie einfach Ihren QUNIS-Berater*in an oder schreiben Sie direkt eine E-Mail an team@qunis.de und verraten Sie uns ein wenig mehr zu Ihrer Motivation, Ihren Zielen und Vorhaben. Wir freuen uns auf den Austausch und die Diskussion mit Ihnen.

Vetter: Umfassende BI & Analytics-Strategie

Erstellt am: Donnerstag, 19. Mai 2022 von Monika Düsterhöft

Der Pharma-Dienstleister Vetter hat seine BI-Lösung für die Unternehmenssteuerung bereits im Jahr 1998 eingeführt und entwickelt diese beständig weiter. QUNIS begleitet die BI-Experten von Vetter mit effektiver Strategieberatung, die eine sichere Basis für die interne Umsetzung bildet.

QUNIS berät uns ganzheitlich und nachhaltig zu den Themen Organisation, Prozessen, Tools, zur Systemarchitektur und Datenplattform. Bei der Entwicklung unserer Produktstrategie bringt QUNIS den Analysten-Blick auf Marktrends zusammen mit Technologie Know-how und langjähriger Projekterfahrung in die Beratung ein. Ein Partner, auf den ich nicht verzichten möchte.


Armin Rauch,
Vice President Controlling Systeme & BI bei Vetter 

Eine BI-Lösung, die mitwächst

Als global führender CDMO (Contract Development and Manufacturing Organization) bietet Vetter seinen Kunden umfassende Fill & Finish-Services, von der klinischen Entwicklung bis zur weltweiten Markteinführung der Kundenprodukte. Mit modernsten Produktionsstätten in Deutschland, den USA und Österreich sowie wachsender Präsenz in Asien besteht jahrzehntelange Erfahrung in der Zusammenarbeit mit großen wie kleinen Pharma- und Biotechnologieunternehmen und im Umgang mit einer breiten Palette an komplexen Wirkstoffen.

Eine langjährig betriebene BI-Lösung auf Basis von IBM Planning Analytics ist beständig mit dem Unternehmen mitgewachsen. Insbesondere für die Themen Financial Reporting, integrierte Unternehmensplanung und Konzernkonsolidierung wird die Lösung konzernweit eingesetzt. Ein Meilenstein war die Einführung von SAP und die Einrichtung von SAP BW als zentrales Data Warehouse in 2009, das seitdem auch als Datenquelle für die Data Marts der IBM-Umgebung dient.

Der Blick von außen ist wichtig 

Im mittelständischen Familienunternehmen setzt man auf die eigenen Ressourcen und packt selbst an. Bei Vetter gibt es folglich sowohl im Controlling als auch in der IT viel interne BI-Erfahrung. Um den Betrieb und Ausbau der BI- und Berichtslandschaft kümmert sich der Vice President Controlling Systeme & BI Armin Rauch, in enger Zusammenarbeit mit den IT-Kollegen.

Der Controllingleiter ist jedoch auch überzeugt: Eine kluge Entwicklungsstrategie, die für das Unternehmen sinnvolle Innovation anvisiert und zugleich nachhaltig sein soll, benötigt ab und zu einen Blick von außen. Den richtigen Beratungspartner hat Armin Rauch mit QUNIS gefunden. Seit 2015 trifft sich das BI- & Analytics Team von Vetter regelmäßig mit QUNIS zur Review der BI-Strategie und zur Weiterentwicklung der Data & Analytics-Aktivitäten, meist in Form kurzer Workshops zu den jeweils anstehenden Themen.

Eine der ersten Maßnahmen, die besprochen wurden, war die Einrichtung eines virtuellen BICC, in dem ein Kernteam aus Controlling und IT zusammenarbeitet. Zusätzlich wurden in den einzelnen Fachbereichen Key- bzw. Power User als Ansprechpartner und Multiplikatoren für das BI-Thema benannt, die je nach fachspezifischer Anforderung im BICC crossfunktional mitarbeiten.

Modernisierung mit Augenmaß

Seit der Zusammenarbeit mit QUNIS hat sich die klassische BI-Welt schrittweise hin zu einem modernen, zukunftsorientierten BI & Analytics-Bereich gewandelt. Wesentliche Ansatzpunkte waren dabei die organisatorische Weiterentwicklung, die Erarbeitung technologischer Herausforderungen sowie die kontinuierliche Verbreitung von Self-Service BI (SSBI) in den Fachbereichen.

Bei der Weiterentwicklung der BI-Landschaft verfolgt Vetter einen durchgängigen Steuerungsansatz, der die operativen Einheiten wie Vertrieb, Einkauf, Produktion oder Technik bis hin zur Unternehmensleitung in der standardisierten Berichtswelt verbindet. Die Ravensburger Zentrale agiert dabei auch für die Bereiche Controlling und BI im Sinne eines Shared Service Center.

Praxisnah und lösungsorientiert

Armin Rauch sieht die Zusammenarbeit mit QUNIS als äußerst effektiv. In wenigen Tagen wurden dabei klare Handlungsempfehlungen erarbeitet und konkrete Maßnahmen zur Umsetzung initiiert. Definierte Best Practices und Frameworks von QUNIS helfen bei der schnellen und sicheren Realisierung. So sind heute die Organisationsstrukturen und Prozesse auf Basis eines standardisierten Governance Frameworks von QUNIS klar geregelt.

Das QUNIS Rollenmodell für die BI-Organisation konnte Vetter übernehmen und einfach an die unternehmensspezifischen Anforderungen anpassen. Für die Erweiterung um Analytics-Anwendungen hat das BI & Analytics-Team Data Science Use Cases mit QUNIS gesammelt und zur Erarbeitung einer Referenzarchitektur herangezogen. Aber auch der Prozess zur Bewertung und Priorisierung von Advanced Analytics Use Cases basiert auf dem Erfahrungsaustausch mit QUNIS. 

Nachhaltig verankerte Governance und zukunftsfähige Tool-Strategie

Der aktuelle Entwicklungsschwerpunkt liegt in der Verankerung der Governance im Unternehmen. Dem Unternehmen als zentrale Instanz für Trusted Data Informationen zur Entscheidungsfindung zur Verfügung zu stellen und gleichzeitig Agilität und Flexibilität zu ermöglichen, ist kein Widerspruch. Die Voraussetzungen dafür schafft die richtige Organisation, eingebettet in eine unternehmensweite Governance. Daneben sind Entscheidungen in ein zukunftsfähiges BI & Analytics- Tool Portfolio wesentlich für Vetter – auch im Hinblick auf die unternehmensweite Cloud-Strategie.

Armin Rauch setzt hier auf den Marktüberblick von QUNIS und hebt zudem die fachliche Kompetenz und persönliche Integrität der QUNIS-Berater hervor.

Das schafft Vertrauen im gesamten Unternehmen und hilft auch, interne Diskussionen offen und konstruktiv zu führen – ein nicht zu unterschätzender Pluspunkt im oft politischen Umfeld unternehmensweiter BI- und Analytics-Projekte.

Mehr zu Vetter: Vetter ist ein internationaler Spezialist in der Fertigung von aseptisch vorgefüllten Injektionssystemen wie Spritzen, Karpulen und Vials. Das Familienunternehmen bietet umfassendes Know-how und hochmoderne Fertigungsanlagen für die frühen Phasen der klinischen Entwicklung bis hin zur behördlichen Zulassung und Markteinführung. Gegründet am Hauptsitz in Ravensburg, hat das Unternehmen heute 5.700 Mitarbeitende und Produktionsstätten in Deutschland, Österreich und den USA sowie Büros in Südkorea, Japan, China und Singapur..

Mehr zu QUNIS Strategieberatung:  QUNIS Strategie

Modern Data Worker: Wer sie sind, wie sie sich unterscheiden, was sie antreibt?

Erstellt am: Montag, 17. Januar 2022 von Monika Düsterhöft

Nicht nur die Menge und Verfügbarkeit von Daten, auch das Thema Datenarbeit und die Aufgaben, die sich drumherum ranken, haben sich in den letzten Jahren rasant verändert und weiterentwickelt.

Zu den Experten und Spezialistinnen für Business Intelligence (BI), die vor allem in den Finance & Controlling-Abteilungen, bei Software-Anbietern und Beratungshäusern zu finden waren und die von jeher das Thema Data Management besetzt hatten, sind mit dem unternehmensweiten Einzug von Digitalisierung, Big Data, Cloud-Services sowie der Demokratisierung von Daten neue Anforderungen und Bedarfe hinzugekommen.

Neue Aufgaben, Rollen und Berufsbilder haben sich herausgebildet und die Data Scientisten, Data Architekten und Data Engineers sind auf der Bildfläche erschienen.

Allen gemein ist zunächst das Interesse an und die Arbeit mit Daten – aber was genau ist ihr Ziel, was macht sie speziell, was macht sie glücklich und mit welchen Technologien und Methoden arbeiten sie? Wie funktionieren sie zusammen und wo unterscheiden sie sich? Nachfolgend haben wir eine kleine Einordnung für Sie zusammengestellt. Diese soll helfen, die verschiedenen Disziplinen der Modern Data Worker ein wenig besser zu verstehen:

1. BI & Data Manager

BI steht für Business Intelligence und das wiederum steht für Geschäftsanalytik. Kurzum: die systematische Analyse von verfügbaren, meist in strukturierter Form vorliegender Unternehmensdaten. Ziel dabei ist es, möglichst optimale Entscheidungen für das Unternehmen treffen zu können bzw. die Entscheidungsprozesse bestmöglich mit Erkenntnissen aus Daten zu unterstützen sowie Geschäftsabläufe, Kunden- und Lieferantenbeziehungen zu verbessern.

Ein BI & Data Manager legt die Grundlage dafür, in dem verschiedenste Datenquellen angebunden und die relevanten Daten in ein Data Warehouse bzw. einen Data Lake integriert werden. Dafür müssen Schnittstellen zu den unterschiedlichen Datenquellsystemen geschaffen, Daten miteinander verknüpft und formatiert sowie schrittweise veredelt werden.

Ein weiterer zentraler Aspekt ist die Umsetzung der übergreifenden Geschäftslogik, damit die Daten am Ende auch in einer einheitlichen und vergleichbaren Form vorliegen. Dies können unterschiedlichste Logiken sein wie z. B. die Historisierung von Daten, Datenqualitätsprüfungen oder eine einheitliche Währungsumrechnung. Ein Data Manager liefert mit dem Aufbau und der Bereitstellung von logischen Datenmodellen das zentrale Fundament für darauf aufbauende Reports, Dashboards oder weiterführende Analysen.

Im Bereich des Information Designs werden die bereitgestellten Daten mit einem geeigneten Frontend-Werkzeug wie beispielsweise Excel, Power BI, Pyramid Analytics oder vergleichbaren Tools visualisiert und je nach Zielgruppe entsprechend aufbereitet. Hier spielt die Art und Weise der Darstellung eine zentrale Rolle, Standards für die Visualisierung und fokussiertes Data Storytelling sind in dieser Disziplin entscheidende Erfolgsfaktoren.

Ein BI & Data Manager liebt Daten und deren Aufbereitung bis zur passenden Visualisierung. In diesen Bereichen fühlt er sich wohl und löst so manche Knobelaufgabe, wenn es darum geht, wie man bestmöglich die Daten für Endanwender, Power User oder Analysten vorbereiten und bereitstellen kann.

2. Data Scientists

Während die BI-Welt auf sauber aufbereiteten, tabellarisch strukturierten Daten fußt, geht es in der Data-Science-Disziplin etwas wilder zu. Hier werden analytische Applikationen entwickelt, indem entsprechende Technologien wie u. a. Machine Learning oder Data-Science-Plattformen eingesetzt werden. Zudem ist ein tiefes Prozessverständnis erforderlich, damit die Anforderungen der Fachanwender an die Analyseergebnisse auch interpretiert werden können.

Vor einem Data Scientist sind auch unaufbereitete, untabellarische, unstrukturierte Daten nicht sicher: Data Scientists werten nicht nur strukturierte Tabellen aus, sondern auch Fotos, Texte, Videos und Sprachnachrichten. Dafür ist es häufig erforderlich, diese heterogenen Datenbestände vor- bzw. aufzubereiten. Um eine grundlegende Struktur in die Daten zu bekommen, nutzen sie mathematische bzw. statistische Algorithmen, Verfahren zum Clustern der Daten und zum Erkennen von Anomalien.

Data Scientists adaptieren die neuesten Verfahren zur Datenauswertung, sie arbeiten in Python und R und bauen dabei vor allem auf die Open-Source-Welt; Docker, Kubernetes, Tensorflow und github sind aus ihrem Arbeitsalltag nicht wegzudenken. Data Scientists arbeiten sehr eng mit Data Engineers zusammen. Diese kümmern sich um die gesamte Dateninfrastruktur, damit die Data Scientists ihre komplizierten Berechnungen und Datenauswertungen realisieren können.

3. Data Architects

Bevor ein Data Engineer die Dateninfrastruktur jedoch erstellen kann, sollte ein Data Architect sie konzipieren. Das kann man sich so vorstellen wie beim Hausbau: Architekten planen hier zunächst, wie ein Haus gebaut oder umgebaut werden soll. Sie berücksichtigen dabei technische, wirtschaftliche, funktionale und gestalterische Aspekte und sind dafür zuständig, dass am Ende alles zusammenpasst und das Haus nicht einstürzt. Data Architects sind ihre Pendants in der IT-Landschaft.

Ein Data Architect ist für die Gesamtarchitektur einer Datenplattform verantwortlich – insbesondere dann, wenn komplexere Strukturen aufgebaut werden müssen. Dazu gehören die Definition und Anwendung von Architekturrichtlinien und Methoden sowie der Aufbau von Leitlinien für die Systemarchitektur und die damit verbundenen Einsatzbereiche von entsprechenden Technologien.

Diese komplexeren Strukturen fangen meist da an, wo die klassische BI-Welt aufhört – wo Big Data anfängt: dort, wo Daten in Echtzeit verarbeitet werden müssen, dort, wo unstrukturierte Daten verarbeitet werden und dort, wo hoch frequentierte Daten in kurzer Zeit verarbeitet werden. Beim Einsatz von Sensoren, die in Sekundenabständen Daten erzeugen, entstehen beispielsweise hochfrequentierte Daten. Müssen diese Daten noch in real-time – also sofort, in Echtzeit verarbeitet werden, dann erhöht sich die Komplexität zusätzlich.

Der Einsatz von Algorithmen oder anderer Analyseverfahren, wie etwa im Data-Science-Bereich, erfordert beispielsweise punktuell sehr hohe Rechenpower über einen begrenzten Zeitraum. Hier kommt dann auch die Infrastruktur mit ins Spiel, die den unterschiedlichen Anforderungen der verschiedenen Disziplinen gerecht werden muss. Die Vielfalt der technologischen Möglichkeiten, insbesondere im Cloud-Umfeld, stellen hohe Anforderungen an die Datenarchitektur. Ein Data Architect stellt sicher, dass die geforderten Anwendungsszenarien mit der angedachten Architektur und den dafür vorgesehenen Technologien umgesetzt werden können.

4. Data Engineers

Ein Data Engineer ist ein Spezialist für Datenmanagement insbesondere im Big-Data-Umfeld. Seine Arbeit umfasst die Konzeption und Implementierung von Datenintegrations- und Transformationsprozessen zur Unterstützung datengetriebener Use Cases und Data-Science-Projekte, damit eine bestmögliche Datenvorbereitung ermöglicht wird. In diesem Zusammenhang legen Data Engineers den Fokus auf die Entwicklung von analyseoptimierten Datenarchitekturen.

Data Engineers und Data Scientists arbeiten oft eng zusammen, wobei der Fokus des Data Engineers darauf liegt, Daten aus unterschiedlichsten Quellen und Formaten aufzubereiten, zu organisieren und die erforderlichen Datenpipelines aufzubauen sowie diese zu betreiben. Data Engineers arbeiten somit an der Schnittstelle zwischen Infrastruktur und Datenmanagement, überwachen Datenquellen und steuern Integrationsprozesse sowie die Instanzen, die für die Analyse und Weiterverwendung der generierten Daten zuständig sind.

In dem Sinne ist ein Data Engineer für alle Prozesse rund um das Generieren, Speichern, Pflegen, Aufbereiten, Anreichern und Weitergeben von Daten verantwortlich. Zudem ist für einen Data Engineer von hoher Bedeutung, dass die bereitgestellten Lösungen performant laufen und kontinuierlich optimiert werden. Über ein entsprechendes Monitoring hat ein Data Engineer alles im Blick.

Eng verknüpft mit Big Data, ist die Disziplin des Data Engineering noch vergleichsweise jung und stetig in der Weiterentwicklung. Data Engineers müssen sich daher stets am technischen Fortschritt orientieren, um der Entwicklung nicht hinterherzuhängen und sich in neue Frameworks, Konzepte und Technologien einarbeiten.

Mit Strategie, Roadmap, klaren Visualisierungskonzepten sowie der bewussten Verankerung in der Organisation ans Ziel

Damit datengetriebene Lösungen entstehen und nachhaltig funktionieren, sind weitere Rollen und Disziplinen gefordert und arbeiten mit den Modern Data Workern Hand in Hand. Gerne erzählen wir Ihnen auch dazu mehr. Sprechen Sie einfach Ihren QUNIS-Berater*in an oder schreiben Sie direkt eine E-Mail an team@qunis.de und verraten Sie uns ein wenig mehr zu Ihrer Motivation, Ihren Zielen und Vorhaben. Wir freuen uns auf den Austausch mit Ihnen.

Neues Start-up ergänzt das QUNIS-Firmennetzwerk

Erstellt am: Mittwoch, 24. November 2021 von Monika Düsterhöft

Sein Name ist TEQWERK – sein Programm ist Cloud Computing

TEQWERK, von Hermann Hebben und Steffen Vierkorn gemeinsam mit Christopher Heid gegründet, ergänzt das Netzwerk rund um QUNIS ab sofort mit einem auf Cloud Computing fokussierten Expertenhaus. Für Christopher Heid, der zuvor als Cloud Solution Architect bei QUNIS tätig war und dort vor allem das Cloud-Infrastruktur-Geschäftsfeld mit entwickelt und aufgebaut hat, erfüllt sich mit TEQWERK ein Traum und die Vision, Cloud Computing nicht als Nische, sondern als Gesamtauftrag zu leben.

 Ich bin davon überzeugt, dass die Cloud mehr kann, als sie momentan in vielen Unternehmen darf. Denn die Cloud ist das Fundament für die Digitalisierung von Unternehmensprozessen und Produkten. Bei richtigem Einsatz erhöht sie – entgegen weit verbreiteter Gerüchte – die Sicherheit und den Datenschutz und kann gleichzeitig zu signifikanten Kosteneinsparungen führen. 

Christoper Heid,
bekennender Cloud-Native-Verfechter
und Geschäftsführer von TEQWERK


Vom Mittelständler bis hin zum Konzern: TEQWERK begleitet Unternehmen auf ihrer Reise in eine moderne IT-Infrastruktur

Vom kurzfristigen Helfer bis zur langfristigen Cloud-Strategie, der Applikationsmigration und dem digitalen Arbeitsplatz, sprich Lösungen für eine digitale und vernetzte Zusammenarbeit innerhalb des Unternehmens: Das TEQWERK-Team unterstützt seine Kunden ganzheitlich bei allen Cloud-Initiativen unter anderem mit folgenden Services:

  • Cloud-Strategie-Entwicklung unter Einbezug aller relevanten, technischen und organisatorischen Aspekte.
  • Cloud-native-Lösungen für bestehende und neue Anwendungen.
  • Effektiver Schutz vor Cyber-Angriffen mit Zero Trust und künstlicher Intelligenz.
  • Digitale Arbeitsplätze aus der Cloud für ein modernes und vernetztes Arbeiten.
  • Training & Coaching für langfristige Projekterfolge und die Verankerung des Betriebsmodells in der Organisation.
  • Managed-Cloud-Lösungen für maximalen Komfort und bestmögliche Sicherheit zu kalkulierbaren Kosten.

 

Konkrete Unterstützung für ganzheitliche Cloud-Initiativen

Viele Unternehmen sind die letzten Jahre mehr oder weniger planlos in die Cloud gestartet. Dadurch sind oftmals Insellösungen mit verschiedensten Zugängen und ohne standardisierte Sicherheitsrichtlinien oder Transparenz über die Datenspeicherorte entstanden. Die Lösungen skalieren entgegen der Erwartung nicht und sind verwaltungstechnisch oftmals ein Chaos. Anstelle weniger ist die Verwaltung sogar oftmals aufwändiger geworden. TEQWERK fängt diese Inseln basierend auf seinem Cloud Adoption Framework ein und etabliert ein Cloud-Betriebsmodell. So kann die Cloud ihre Stärken entwickeln und wirklich Spaß machen.

Oftmals können IT-Organisationen auch einfach mit ihrer On-Premise-Welt nicht mit der Geschwindigkeit mithalten, die die Fachbereiche fordern. In der Folge wird die Enterprise-IT per Kreditkarte umgangen und der Fachbereich bezieht seine Cloud-Dienste selbst. TEQWERK setzt hier ein den Bedürfnissen entsprechendes Cloud-Fundament auf und coacht IT-Organisation Schritt für Schritt in die Cloud.

Zudem wird in den Unternehmen nicht selten schwarz-weiß gedacht: Entweder die Cloud ist toll oder schrecklich, dazwischen gibt es häufig nicht viel. TEQWERK entwickelt mit seinen Kunden eine Cloud-Strategie, die den individuellen Anforderungen Rechnung trägt, damit sich für vertrauenswürdige Anbieter die Tür öffnet und unsichere Cloud-Angebote ausgeschlossen werden können.

Unternehmen, die sich der Cloud in Gänze verschließen, schneiden sich damit auch den Zugang zu Innovationen ab. Mit dem Cloud Discovery Workshop zeigt TEQWERK auf, welches Potenzial in der Cloud schlummert und wie ein Wandel von No-Cloud zu Cloud-ready gelingen kann.

Welcher Hyperscaler, ob Amazon, Google oder Microsoft, schlussendlich zum Einsatz kommt, ist für den Projekterfolg nicht entscheidend

Für eine erfolgreiche Cloud-Initiative stehen bei TEQWERK die sonst leider noch viel zu oft außen vor gelassenen Fragestellungen zu Nutzen, Aufwand und Zielen an erster Stelle. Hat man hier ein klares Bild entwickelt, wird die zweite Stufe gezündet und die operative Cloud-Journey mit TEQWERK gestartet. Basis dafür bilden Blueprints, erprobte Cloud-Architekturen sowie Best-Practises im Umgang mit der Cloud. Das Ziel ist die Schaffung einer werthaltigen Lösung, damit IT-Organisationen das Cloud-Potenzial erkennen und nachhaltig für ihr Unternehmen heben.

Lust auf mehr Cloud?

Mehr zu TEQWERK, den  Angeboten und Kompetenzen finden Sie auf der TEQWERK HOMEPAGE

BOGNER: E-Commerce-Reporting in wenigen Wochen implementiert

Erstellt am: Dienstag, 22. Juni 2021 von Monika Düsterhöft

Die Sports Fashion Brand BOGNER setzt seit 1932 Maßstäbe für exklusive Sportmode. Neben dem globalen stationären Handel nimmt der Online-Shop bogner.com einen immer größeren Stellenwert ein. Für den E-Commerce-Bereich hat BOGNER mithilfe eines kompakten Projektmodells von QUNIS in kürzester Zeit ein individuelles, skalierbares Reporting aufgesetzt.

Mit dem Ansatz der Scalable Self Service BI von QUNIS konnten wir zügig und mit wenig Aufwand unser individuelles, jederzeit erweiterbares Reportingsystem implementieren. Power BI ermöglicht es uns dabei, sehr schnell aus verschiedenen Quellen Zahlen zusammenzuführen und direkt einen Look & Feel für Berichte zu generieren.


Florian Felber,
Director Head of Analytics & BI Systems
im Group Accounting bei BOGNER 

Ablöse des Excel-basierten Reportings gewünscht

BOGNER ist mit den Marken BOGNER Sport, BOGNER Fashion, FIRE+ICE sowie BOGNER Kids und Lizenzen weltweit vertreten. Für den wachsenden E-Commerce Bereich hat das BOGNER Headquarter in München ein neues OMS (Order Management System) eingeführt. In diesem Zuge sollte auch das Excel-basierte Reporting durch eine moderne BI-Lösung ersetzt werden, die neben den klassischen Umsatzkontrollen auch branchenspezifische Channel-Analysen unterstützt.

Der Finanzbereich von BOGNER wünschte sich eine schnell umsetzbare Lösung, die intern gesteuert und nach Bedarf ausgebaut werden kann. Dieser Vorstellung kam das Vorgehensmodell der Scalable Self Service BI für Microsoft Power BI von QUNIS sowohl technologisch als auch konzeptionell optimal entgegen. Mit dem Konzept von QUNIS sahen die Projektverantwortlichen die Möglichkeit, ihre Applikation sicher und zügig zu implementieren und selbstständig weiter zu entwickeln.

Kompaktes Coaching-Projekt

Gemäß des standardisierten Vorgehensmodells von QUNIS startete das Projekt mit einem halbtägigen Analyseworkshop zur Klärung von Anforderungen und Aufwand. Für BOGNER stand fest, dass der Projekttyp mit Coaching-Ansatz und möglichst viel Eigenleistung die richtige Wahl ist.

Die Entwicklung in Power BI startete Anfang Oktober 2020 auf einem separaten Testserver. Mit der Hilfe eines QUNIS-Beraters arbeitete das Team von BOGNER sich in die Anbindung von Datenquellen, die Datenmodellierung und die Erstellung von Reports ein. Bereits im Dezember 2020 konnte das Reporting in Betrieb genommen werden, und zwischen Januar und April 2021 wurden weitere Detailfragen mit dem QUNIS-Berater geklärt.

Bis April 2021 waren sieben der angesetzten zehn Beratertage in Anspruch genommen und zugleich bereits 90 Prozent der BI-Entwicklung bei BOGNER intern angesiedelt. Florian Felber, Head of Analytics & BI Systems im Group Accounting bei BOGNER, hält fest: „Wir haben hervorragend mit QUNIS zusammengearbeitet. Der Wissenstransfer hat bestens funktioniert und wir hatten sehr interessante und fruchtbare Workshop-Tage“

Als wesentlichen Erfolgsfaktor sehen die Entwicklungspartner die Teamzusammenstellung: Bei BOGNER standen ein Projektleiter, zwei BI-Experten für die Entwicklung von Datenmodellen und Reports sowie zwei Fachanwenderinnen aus den Bereichen Controlling und E-Commerce für das Projekt bereit. Auch die Terminierung der Workshops, die jeweils ausreichend Zeit für interne Vorbereitung und Abstimmung ließ, war aus Sicht des Projektteams zielgenau.

Individuelles Sales-Reporting

Die Anbindung von Datenquellen und der Entwurf von Berichten wurden direkt in Power BI umgesetzt. Power BI enthält zahlreiche Konnektoren zur Einbindung von On-Premises- oder Cloud-Datenquellen. Über den firmenweiten Data Lake von BOGNER hat das Team u.a. Vertriebsinformationen aus dem E-Commerce-System, historische Werte aus Microsoft AX, tagesaktuelle Währungskurse aus SAP, Plandaten aus Excel sowie Stammdaten aus dem CRM-System integriert und damit eine konsistente Core Access Ebene aufgebaut. Florian Felber erklärt: „Power BI ermöglicht es, sehr schnell aus verschiedenen Quellen Zahlen zusammenzuführen und direkt einen Look & Feel für Berichte zu generieren.“

Mit dem flexiblen BI-Frontend konnte das Team auch die gewünschten Reports und Dashboards in kurzer Zeit selbst erstellen. Fachlich stehen die Verkaufszahlen aus dem E-Commerce-Bereich im Fokus. Das Monatsreporting zeigt Umsatz- und Bestandsinformationen im E-Commerce-Bereich, gegliedert nach Divisions, inklusive Vorjahres- und Planabgleichen sowie Finanzkennzahlen.

Wichtige Auswertungen sind beispielsweise eine Bestenliste, Nachfrage-, Retouren- und Stornoraten, Warenkorbanalysen und die Ermittlung von Margen und Benchmarks. Als branchenspezifische Besonderheit sind bei den Auswertungen saisonale Logiken bzw. die regelmäßigen Erscheinungstermine neuer Kollektionen berücksichtigt. Das internationale Reporting ist in Englisch gehalten und wird jeweils auf Basis aktueller Währungskurse kalkuliert

Mobile Self-Service-BI

Die Nutzer in den USA und Europa greifen über die Power BI App auf die Cloud-Berichte zu. Die Datensicherheit wird dabei über das Power BI Gateway gewährleistet. Das Modul ermöglicht u.a. die zentrale Definition eines firmenweiten Berechtigungskonzepts und die einfache Verwaltung von Rollen und Zugriffsrechten. Derzeit sind das Group Accounting und Controlling, das Digital-Team und der Logistik-Partner von BOGNER als Nutzer eingebunden.

Die Anwender rufen die Reports je nach Vorlieben beispielsweise auf dem Smartphone oder Tablet, als App in Microsoft Teams oder als Excel Export ab. Das Nutzerszenario lässt sich über das Cloud-basierte Frontend schnell und kostengünstig anpassen und erweitern. Das internationale Rollout des Reportings war somit einfach umzusetzen, und auch neue Anwender können jederzeit nach Bedarf hinzugefügt werden.

Enterprise Data Warehouse

Ein wichtiger Aspekt der Scalable Self Service BI ist das strukturierte Datenmanagement. Die an den Enterprise Data Warehouse-Projekten von QUNIS ausgerichtete Datenmodellierung sorgt für klar definierte, skalierbare Datenmodelle und automatisierte Backend-Prozesse. Die standardisierte Reporting-Applikation kann im Nachgang jederzeit in eine vorhandene oder anvisierte Data-Warehouse-Architektur eingegliedert werden.

Hier liegt für das Projektteam von BOGNER einer der zentralen Vorteile des QUNIS-Konzepts: Der Finanzbereich plant sukzessive ein umfassendes Data Warehouse aufzubauen, um damit die heterogene IT-Landschaft verschiedener Geschäftsbereiche zu vereinheitlichen und eine Konzernsicht im hohen Detailgrad zu erstellen.

Bei BOGNER war das Reporting-Projekt Teil einer umfangreichen E-Commerce-Initiative samt Wechsel des Order Management Systems. Prozesse, Kennzahlen, Reports und das Datenmanagement wurden auch vor diesem Hintergrund stets bereichsübergreifend definiert und gut dokumentiert. Eine unternehmensweite Data Governance und eine übergreifende Datenkultur bilden hier beste Voraussetzungen für den sukzessiven Ausbau des E-Commerce-Reportings hin zu einem umfassenden Konzernreporting

Nachhaltige Berichtsplattform

Mit der einfach zu bedienenden Self-Service-BI-Applikation steht den Berichtsempfänger bei BOGNER nun ein dynamisches Reporting für die E-Commerce-Umsätze zur Verfügung. Der Scalable Self-Service BI-Ansatz hat sich dabei als ideale Projektmethode bewährt. Florian Felber sieht diese Vorgehensweise als guten Weg, sehr schnell und ohne großen Aufwand neue Projekte anzugehen.

Standardisierte Strukturen wie Datenmodelle und Logiken werden dann im zweiten Schritt in das Enterprise Data Warehouse übertragen, falls sie sich in der Praxis bewährt haben bzw. entsprechend angepasst wurden.

BOGNER will künftig Schritt für Schritt sein komplettes Konzernreporting in Power BI abbilden und in diesem Zuge ein nachhaltiges und gut zu pflegendes Financial Data Warehouse aufbauen. Die selbstständige Systemadministration und Entwicklung ist dabei für BOGNER ein wesentlicher Pluspunkt der Scalable Self Service BI

Mehr zu BOGNER: Die Willy Bogner GmbH & Co. KGaA mit Hauptsitz in München ist ein international erfolgreiches Lifestyle-Unternehmen und führende Anbieter von exklusiver Sportmode, luxuriöser Sportswear und Designermode. Das Unternehmen tritt in über 50 Ländern mit den Marken BOGNER (Woman, Man, Sport, Kids) und FIRE+ICE sowie Lizenzen auf. Das seit 1932 bestehende Unternehmen wird von Gerrit Schneider und Heinz Hackl geführt, Eigentümer ist Willy Bogner, vertreten durch den Treuhänder Arndt Geiwitz.

Mehr zu QUNIS Scalable Self Service BI: Steffen Vierkorn, Geschäftsführer QUNIS GmbH erklärt, was hinter dem QUNIS-Vorgehensmodell steckt, eine kostenfreie Checkliste steht zudem zum Download bereit. QUNIS Scalable Self Service BI

Moderne Data & Analytics-Vorhaben fordern Cloud-Basis-Know-how beim Kunden

Erstellt am: Donnerstag, 13. Mai 2021 von Monika Düsterhöft

Die Cloud bietet umfassende Vorteile für BI und Advanced Analytics

Die Cloud gewinnt immer mehr an Bedeutung. Nicht nur als Möglichkeit für den generellen Aufbau von IT-Architekturen und Business-Modellen, sondern auch ganz konkret bei der Umsetzung von BI- und Advanced-Analytics-Projekten. Denn die Cloud bietet viele unschlagbare Vorteile. Diese liegen zum einen im Bereich der Kostenersparnis und Kostenkontrolle: Bezahlt wird nur, was tatsächlich an Leistung verbraucht wird, die Abrechnung erfolgt nach dem “Pay as you go”-Prinzip, es fallen keine Vorabkosten an und Investitionsausgaben für längerfristige Anlagegüter (CapEx) werden reduziert.

Zum anderen – und dies ist auch besonders für die Abbildung von Advanced-Analytics-Szenarien interessant – erlauben Cloud-Architekturen eine bedarfsgerechte Skalierung und damit die schnelle Bereitstellung passgenauer Infrastrukturen. Dank tiefer Integration in DevOps-Prozesse lassen sich zudem Entwicklungszyklen verkürzen, darüber hinaus können robuste Architekturen mit zum Beispiel Redundanzen in mehreren Regionen und Rechenzentren auf einfache Art und Weise sowie mit äußerst überschaubarem Administrationsaufwand realisiert werden. Zunehmend mehr Unternehmen erkennen diese Vorteile und sehen, was mit Cloud-Architekturen gerade auch für BI- und Analytics-Vorhaben möglich ist.

Die Stimmung ist positiv, birgt jedoch auch Herausforderungen 

Wir bei QUNIS erleben es täglich in unseren Projekten. So gut wie all unsere Kunden haben sich bereits mit dem Thema Cloud beschäftigt – und sei es nur gedanklich. Sie sind offener denn je für den Einsatz der neuen Technologien und Use Cases, bei denen Big Data oder Streaming Data in die Analysen miteinbezogen werden, sind in der Zwischenzeit zur Realität geworden. Hinzu kommt, dass BI- und Analytics-Projekte oftmals aufgrund ihrer Spezifika als „Leuchtturm“-Initiativen gelten. Und nicht selten handelt es sich dabei auch um das erste Projekt im Unternehmen, das ganz bewusst in der Cloud umgesetzt werden soll.

Eine Herausforderung, die sich daraus ergibt und die wir aktuell beobachten: Fragen zum Cloud-Konzept und damit zu Aspekten wie Networking, Monitoring, Deployment, Governance und Compliance, aber auch zur Technologie selbst, werden in BI- und Analytics-Projekten oft zum allerersten Mal gestellt und müssen erst grundlegend geklärt werden. Ein großer Teil der Projektaufwände entfällt also auf Themen, die nicht Kern des eigentlichen Projektes sind. Und Aspekte wie Cloud-Einarbeitung, -Know-how-Transfer und -Konzept-Erstellung wirken sich bemerkbar auf Timeline, Budget und Qualität des eigentlichen Projektes aus, da sich  „Nebenkriegsschauplätze“ ausbilden, die nicht originär mit den fachlichen Anforderungen in Zusammenhang stehen.

Wir versorgen Projekt-Teams mit notwendigem Cloud-Know-how

Die Erkenntnis, dass das notwendige Cloud-Basis-Know-how in Unternehmen oft nicht ausreichend vorhanden ist, aber für die zielgerichtete Umsetzung von BI- und Analytics-Projekten immer essenzieller und dringender notwendig wird, hat uns dazu bewogen, ein entsprechend fokussiertes Schulungsprogramm zu entwickeln:

Mit der dreitägigen und aus sechs Modulen bestehenden Schulung „Modern Data Management & Analytics on Microsoft Azure“ wollen wir Unternehmen, die eine Lösung in der Cloud planen, dabei unterstützen, sich das geforderte Cloud-Know-how bereits vor Projektbeginn anzueignen. Zugleich regen wir im Rahmen der Schulung dazu an, sich Gedanken über den Cloud-Reifegrad des eigenen Unternehmens zu machen. So möchten wir unsere Teilnehmer dazu befähigen, die notwendigen Themen zu identifizieren und intern zu adressieren.

Denn eine moderne, ganzheitliche BI-Lösung in der Cloud besteht aus deutlich mehr Komponenten als ein klassisches Data Warehouse (DWH) On-Premise. Die Auswahl der richtigen Komponenten und der Aufbau einer ganzheitlichen Architektur stellen dabei eine besondere Herausforderung dar. In unserer Schulung stellen wir dafür Azure-Komponenten aus verschiedenen Bereichen vor, vergleichen ähnliche Angebote miteinander und ordnen die einzelnen Komponenten den diversen Bereichen einer BI-Lösung zu.

Facettenreiche Schulungsinhalte geben fundierten Überblick zu Azure

Im Rahmen der Schulung gehen wir auf Komponenten für eine relationale DWH-Architektur in der Cloud genauso ein wie auf die Komponenten für Big-Data- und Streaming-Use-Cases und zeigen auf, wie sie in eine klassische DWH-Architektur integriert werden können, um diese sinnvoll zu ergänzen.

Wir befassen uns einerseits mit Möglichkeiten des „Lift & Shift“, bei denen bestehende Applikationen und Pipelines direkt in die Cloud übertragen werden können. Andererseits diskutieren wir auch Cloud-optimierte, also „Cloud-Optimized“-Konzepte, die verstärkt Cloud-native Funktionen wie “Serverless Computing“ und „Platform as a Service“ verwenden. Teilnehmer erhalten eine Übersicht der skalierbaren Cloud-Komponenten zur Umsetzung des Modern DWH in Azure. Die Schwerpunkte liegen auf

  • Extraktion und Datenflusssteuerung (Azure Data Factory, Event Hub – Kafka der Cloud)
  • Transformation und Compute (Azure Databricks – Apache Spark, Azure Functions – Serverless Computing, “Code First”, Azure Logic Apps – Serveless Computing, “Design First”, Azure SSIS integration runtime)
  • Speicherung und Storage (Blob und File-Storage, Azure Data Lake Storage Gen2, Azure Synapse Analytics)
  • Analyse und Bereitstellung der Daten (Polybase – „Logical Data Warehouse“) und Azure Analysis Services (Power BI).

Reine Data-Science-Anforderungen und -Projekte lassen sich zudem in jeder Größenordnung sehr gut und auch vollständig in der Cloud abbilden. Gerade die einfache und bedarfsgenaue Skalierbarkeit von Rechnerressourcen ist dabei ein immenser Vorteil gegenüber einer On-Premise-Lösung. In unserer Schulung stellen wir die verschiedenen Möglichkeiten zur Durchführung von Advanced-Analytics-Use-Cases vor.

  • So erlaubt die umfassende grafische Analytics-Umgebung „Azure Machine Learning Studio“, komplexeste Algorithmen vollständig ohne eigene Programmierung zur Anwendung zu bringen. Die gute Integration der mächtigen und skalierbaren Databricks-Umgebung ermöglicht es, analytische Modelle auf Big Data mit Apache Spark anzuwenden. Deshalb wird das System oft als Schweizer Taschenmesser der Big-Data-Datenverarbeitung bezeichnet.
  • Bei Apache Spark handelt es sich um ein einheitliches In-Memory-Big-Data-System, das bestens für die performante und parallele Verarbeitung von enormen Datenmengen geeignet ist. Apache Spark verarbeitet die Daten im Arbeitsspeicher und versucht das Schreiben auf eine Festplatte zu vermeiden. Databricks basiert auf den in Apache Spark verfügbaren Funktionen und übernimmt die komplette Verwaltung des Spark-Clusters.
  • Daneben lernen Sie die „Cognitive Services“ kennen mit fertig trainierten Anwendungen von Bild- über Sprach- oder Formularerkennung, die als Komponente in Ihre Use-Cases integriert werden können. Und wir stellen Ihnen die vorkonfigurierte „Data Science Virtual Machine“ bereit als Allzweckwerkzeug für eine kurzfristig verfügbare Entwicklungsumgebung.

Auch für die Operationalisierung von Use-Cases bietet Ihnen die Cloud vielfältige Möglichkeiten, um mit bereits geringem Konfigurationsaufwand zum produktiven Setup zu gelangen ¬– egal, ob Sie trainierte Modelle als Pipeline im Azure Machine Learning Studio anwenden und per API bereitstellen oder eigene containerbasierte Anwendungen im Kubernetes Cluster orchestrieren.

Kompaktes Wissen und Use Cases aus der Praxis

Mit dem QUNIS-Schulungsangebot „Modern Data Management & Analytics on Microsoft Azure“ ist es unser Ziel, unsere Teilnehmer bestmöglich auf die ersten Schritte mit der Cloud-Technologie Microsoft Azure im eigenen Unternehmen vorzubereiten. Wir veranschaulichen alle Themen durch Use Cases aus der Praxis und vermitteln in Live-Demos einen tieferen Einblick in die verschiedenen Technologien.

Nach der Schulung sind Sie ausgestattet mit einer breiten Wissensgrundlage und fähig, fundierte Cloud-Entscheidungen für Ihr Projekt treffen.

Mein Tipp: Hier finden Sie eine detaillierte Beschreibung der Schulung und aktuelle Termine. Sollten Sie eine individuelle Schulung für Ihr Unternehmen wünschen, sprechen Sie uns einfach an, wir beraten Sie gerne und unterbreiten Ihnen ein entsprechend auf Ihre Bedarfe zugeschnittenes Angebot. KONTAKT