Nachricht

Nov 14, 2023

Logisches Data Warehousing und die Lieferkette

Logisches Data Warehousing ermöglicht es Unternehmen, den größtmöglichen Nutzen daraus zu ziehen

Logisches Data Warehousing ermöglicht es Unternehmen, den größtmöglichen Nutzen aus ihren Unternehmensdaten zu ziehen, und kann das fehlende Bindeglied sein, um Liefer- und Fertigungsunternehmen dabei zu helfen, die Erkenntnisse zu gewinnen, die für die Datenentscheidungsfindung erforderlich sind.

Da wir die Pandemie nun vollständig im Rückspiegel haben, nimmt das Datenvolumen und die Komplexität schneller zu, als dies noch vor COVID der Fall war. Infolgedessen stellen Chief Procurement Officers (CPOs) und andere Supply-Chain-Experten fest, dass sie effektive, durchgängige Datenverwaltungsfunktionen benötigen, die nahtlose und zeitnahe Ansichten der Daten aus zahlreichen verschiedenen Arten von Quellen bieten können. Tatsächlich ergab eine Deloitte-Umfrage aus dem Jahr 2018, dass mehr als drei von fünf CPOs (65 %) nur begrenzte oder keine Sichtbarkeit über Tier-1-Lieferanten hinaus hatten. Ein Jahr später stellte Deloitte fest, dass CPOs die Datenqualität als großes Hindernis für die Beschaffung anführten.

Während sich Unternehmen weiterhin mit Datenmanagementproblemen innerhalb ihrer Lieferkette auseinandersetzen und nach der richtigen Lösung für ihr Unternehmen suchen, schleicht sich im Hintergrund seit Jahren eine starke Alternative ein; ein logisches Data Warehouse (LDW), das eine agile Grundlage für die Transformation und Bereitstellung von Daten darstellt. Mark Breyer von Gartner schlug den Begriff bereits 2008 als nächste Weiterentwicklung des Data Warehouse vor, da er „sich auf die Logik der Informationen und nicht auf die Mechanik konzentriert“. Seitdem werden logische Data Warehouses von Tausenden von Unternehmen erfolgreich eingesetzt und haben an Komplexität und Zuverlässigkeit zugenommen. Im Gegensatz zu herkömmlichen Data Warehouses ermöglichen logische Data Warehouses Echtzeit-Datenansichten über mehrere unterschiedliche Systeme hinweg, einschließlich Cloud-basierter Repositorys und Streaming-Datenquellen.

Kürzlich hat Gartner dargelegt, wie logisches Data Warehousing für die Lieferkette genutzt werden kann. Darin entwarfen sie eine Architektur, in der das logische Data Warehouse im Verhältnis zu anderen Schlüsselkomponenten einer Dateninfrastruktur, zu denen operative Datenspeicher, Data Warehouses, Data Marts und Data Lakes gehören, eine zentrale Rolle spielt, um den spezifischen Anforderungen gerecht zu werden Verschiedene Benutzer wie Geschäftsanalysten, Dateningenieure und Datenwissenschaftler, die sich mit einer Reihe von Analysen befassen, die operative Intelligenz, Geschäftsberichte und -informationen, fortgeschrittene Analysen und Datenwissenschaft umfassen.

Gartner empfiehlt Supply-Chain-Führungskräften, ihren Ansatz für Analysen und Informationen anhand des Data and Analytics Infrastructure Model (DAIM) von Gartner zu strukturieren, einem Vier-Quadranten-Modell, das die meisten Anwendungsfälle für Daten und Analysen gemäß den folgenden zwei Dimensionen abdeckt:

Der Bericht von Gartner zeigt, wie die fünf Schlüsselkomponenten einer Dateninfrastruktur (logische Data Warehouses, Operational Intelligence-Komponenten, Data Warehouses, Data Lakes und Data Science-Komponenten) auf das DAIM abgebildet werden und welche Rollen und Fähigkeiten jeweils tendenziell zutreffen.

Zwei Beobachtungen sind klar: Erstens ordnen sich neben dem logischen Data Warehouse die vier anderen Infrastrukturkomponenten mit ihren zugehörigen Rollen und Fähigkeiten in etwa wie folgt in die vier Kategorien von DAIM-Daten- und Analyseanwendungsfällen ein:

Zweitens umfasst das logische Data Warehouse alle vier Kategorien im DAIM, denn es kann über der bestehenden Infrastruktur eines Unternehmens implementiert werden, einschließlich Operational Intelligence-Komponenten, Data Warehouses, Data Lakes und Data Science-Komponenten, und ermöglicht so einen nahtlosen Echtzeitzugriff darauf alle verschiedenen Arten von Daten, die in den verschiedenen Komponenten gespeichert sind.

Datenvirtualisierung ermöglicht modernes Datenmanagement, da ihr logischer Ansatz zur Datenintegration und -verwaltung Echtzeitansichten über unterschiedliche Datenquellen hinweg bietet, ohne dass Daten zunächst physisch in ein konsolidiertes Repository repliziert werden müssen. Die Datenvirtualisierung fungiert als Abstraktions- und semantische Ebene über allen verschiedenen zugrunde liegenden Datenquellen, aus denen das logische Data Warehouse besteht, einschließlich lokaler und Cloud-Quellen, strukturierter und unstrukturierter Quellen, statischer und Streaming-Quellen sowie veralteter und moderner Quellen.

Viele Unternehmen nutzen die Datenvirtualisierung, um logische Data Warehouses zur Lösung ihrer Lieferkettenprobleme einzurichten. Hastings Deering Pty Ltd (ein Unternehmen von Sime Darby Industrial) ist ein solches Beispiel. Ab 2022 befand sich Hastings Deering zwei Jahre in einer fünfjährigen digitalen Transformation, die Roboterautomatisierung, Digitalisierung papierbasierter Formulare, digitale Anwendungsentwicklung sowie Daten und Analysen umfasste, um Verbesserungen der Mitarbeiter- und Kundenerfahrung zu unterstützen. Durch die Nutzung der Datenvirtualisierung hat Hastings Deering seine Analysefunktionen beschleunigt, seine Self-Service-Analysefunktionen erweitert und die Datenbereitstellung für seinen Teilestrom optimiert. Angesichts der sich ständig ändernden Wirtschafts- und Marktbedingungen traten immer wieder Herausforderungen in Bezug auf Daten auf. Nichtsdestotrotz hat Hastings Deering mit der Einführung eines logischen Data Warehouse und der richtigen Methoden den ersten Schritt unternommen, um die Grundlagen richtig zu machen. Das logische Data Warehouse stellte die erforderliche Architektur bereit, damit Hastings Deering über seinen neuen Datenmarktplatz Berichte, Informationen, Datenaustausch und digitale Programme bereitstellen und die Plattform einrichten konnte, die für die Einrichtung fortlaufender Datenkompetenz- und Data Governance-Programme erforderlich ist.

Logische Data Warehouses, die durch Datenvirtualisierung unterstützt werden, sind für die Lieferkette von entscheidender Bedeutung, da sie es Unternehmen ermöglichen, in einer Vielzahl von Anwendungsfällen Echtzeittransparenz und leistungsstarke Analysefunktionen zu erlangen. Wie das obige Beispiel zeigt, konnte Hastings Deering durch die neuen Technologie- und Methodeninitiativen des Unternehmens die Erfassung wichtiger Datensätze beschleunigen, mehr Wert schaffen und die Prognosefähigkeiten weiter verbessern, um den Geschäftsanforderungen gerecht zu werden. Wie Gartner vorschlägt, ermöglicht logisches Data Warehousing Unternehmen, den größtmöglichen Nutzen aus ihren Unternehmensdaten zu ziehen, und kann das fehlende Bindeglied sein, um Zuliefer- und Fertigungsunternehmen bei der Generierung der für die Datenerstellung erforderlichen Erkenntnisse zu unterstützen.