Thank you for subscribing!

It's great to feel loved.

Lösungen für die Daten Integration

Jun 17, 2020 6 min read

Data Integration ist heutzutage unerlässlich. Datenintegration heißt, dass Daten aus diversen Quellen kombiniert werden. Die Wirtschaft ist datengesteuert. Alles hängt miteinander zusammen und ist verknüpft.

Data Integration ist heutzutage unerlässlich. Datenintegration heißt, dass Daten aus diversen Quellen kombiniert werden. Die Wirtschaft ist datengesteuert. Alles hängt miteinander zusammen und ist verknüpft. Kundencenter, Prozesse in einem Unternehmen - alles hängt von Daten ab und bedingt sich oft gegenseitig. Vor allem in der Zeit nach Corona wird die Digitalisierung weiter voranschreiten. Das gilt vor allem für Unternehmen. Es wird also immer wichtiger, Daten zu integrieren. Das geschieht in der Regel mit Data Integration Tools. Aber wie genau funktioniert eigentlich Datenintegration?

So funktioniert Datenintegration

Datenintegration bedeutet, dass Daten kombiniert werden. Das führt dazu, dass in dieser Bündelung mehr Wert aus dem Konglomerat aus Daten gewonnen werden kann. Big Data bezeichnet den Umgang mit riesigen Datenmengen. Diese stehen heute ohne Frage zur Verfügung. Wo es früher eine Herausforderung war, überhaupt an Daten zu kommen, besteht diese heutzutage darin, Daten zu filtern, Brauchbares herauszuziehen - und eben zu kombinieren und zu integrieren. Datensätze also zu kombinieren ermöglicht es, Schlussfolgerungen zu ziehen und ein big picture zu erlangen, was früher nicht möglich war.

Teilweise war es das, aber mit einem Aufwand - sowohl zeitlich als auch finanziell - das dies nicht gemacht wurde. Die riesigen Datenmengen lagern in sogenannten Data Warehouses. Alternativ kann dies auch in einer Cloud stattfinden. Dort wird die Datenintegration implementiert. Hier handelt es sich um interne Daten, hinzu können aber auch externe kommen. Möglicherweise wird auch ein Data Warehouse erschaffen, wenn es darum geht, Daten aus mehreren Quellen zu kombinieren. Das können verschiedene Abteilungen, Firmen oder andere Entitäten sein. Das Zusammenführen erlaubt dem Nutzer, Informationen effizienter zu nutzen.

Werkzeuge zur Datenintegration

Es gibt also spezielle Plattformen, um Daten zu integrieren. Das kann an einem bestimmten Firmensitz passieren, virtuell in der Cloud, oder auch eben beides kombiniert. Diese Kombination hat den Vorteil, dass man eine einheitliche Sicht hat. Zusammengeführte Daten geben als ein Ganzes einen besseren Überblick und eine einheitliche Sicht. So können Daten besser verstanden und Rückschlüsse gezogen werden. Neben dem verbesserten Überblick gibt es aber auch noch andere Vorteile. Funktionen wie die Unterstützung für Legacy Systeme oder Echtzeitverarbeitung bieten ebenfalls Vorteile. Datenintegrationsplattformen sind eine komplexe Sache. Allerdings geht der Trend dahin, es dem Anwender zu erleichtern.

Gewisse Tools benötigen keine Programmierkenntnisse. Wer also kein Datenexperte, Fachmann für Datenintegration oder Programmier ist, ist trotzdem noch im Rennen. Die Vorteile einer Datenintegrationsplattform ist es also, Daten kombinieren zu können. Strukturierte Daten werden in einer relationalen Datenbank abgelegt. Unstrukturierte Daten sind zum Beispiel Videos oder Grafiken. Strukturierte und unstruktierte Daten aus dem eigenen Umfeld können können zusammengeführt werden. Zusätzlich besteht die Option, auch externe Daten zu integrieren und diese mit den internen zusammen zu betrachten. Datenintegrationsplattformen sind aber nicht nur dazu da, Daten zusammenzuführen. Teilweise bieten sie noch andere Funktionen. Dazu zählt zum Beispiel, dass man Daten bereinigen kann. Andere bieten auch ein Überwachen oder Transformieren an. Ziel kann es sien, einen Pool an vertrauenswürdigen Daten herzustellen.

Arten von Werkzeugen der Datenintegration

Es gibt ganz verschiedene Arten von Werkzeugen zur Datenintegration. Diese beinhalten unter anderem ETL-Plattformen. ETL-Plattformen sind im Prinzip Datenintegrationsplattformen. Diese extrahieren Daten aus einer Datenquelle. Dann werden sie in ein gemeinsames Format extrahiert, um schließlich auf ein Ziel geladen zu werden. Dann gibt es auch Datenkataloge. Diese haben zur Aufgabe, es einfacher zu machen, Information zu finden, zu verstehen und zu analysieren.

Des weiteren gibt es Data Governance-Tools. Deren Aufgabe ist die Gewährleistung von Datensicherheit, Datenverfügbarkeit und Datennutzbarkeit. Datenreinigungstools fokussieren sich auf die kaputten Teile von Daten. Sie finden fehlerhafte oder irrelevante Teile von Daten und bearbeiten diese. Heißt also, dass sie diese korrigieren oder entfernen. Zudem gibt es Datenreplikationstools. Wie der Name schon sagt, können somit Daten repliziert werden. Das geschieht über SQL und NoSQl Datenbanken. Ziel ist es, Transaktionen zu verbessern. Data Warehouses sind zentrale Speicher. Diese dienen dazu, zu berichten und Daten zu analysieren.

Datenmigrationswerkzeuge transportieren Daten zwischen Computern,. Möglich ist auch der Transport zwischen Speichergeräten oder Formaten. Ein weiteres Werkzeug sind Verwaltungstools für Metadaten. Sie haben zur Aufgabe, dass Richtlinien und Prozesse ermöglicht werden. Und zwar solche, dass Informationen unternehmensweit zur Verfügung stehen und zur Weiterverarbeitung zur Verfügung stehen. Stammdatenverwaltungstools sind dazu da, gemeinsame Datendefinitionen und eine einheitliche Datenverwaltung zu ermöglichen. Dann gibt es auch noch Datenkonnektoren. Diese sind für den Import oder Export von Daten zuständig, bzw. das Konvertieren von Daten.

Datenintegration - weitere Wege

Das Thema Datenintegration gibt es seit knapp vierzig Jahren. Grundidee war, Daten zwischen Systemen austauschen zu können. Wenn also verschiedene Systeme auf die Daten zugreifen können, ist es nicht notwendig, dass sie auf jedem System getrennt abgelegt werden. In der heutigen Zeiten muss nicht alles vor ort auf einem System abgelegt werden. Dank der Cloud-Lösungen können Daten an einem virtuellen Ort hinterlegt und von überall zugegriffen werden. Die Grundidee des Datenaustauschs war geboren. Es ist jedoch eine Herausforderung, Daten über Systeme hinweg zu nutzen. Verschiedene Systeme haben eigene Formate und Typen von Daten. Die Art der Daten, aber auch deren Aufbau und Organisation können grundverschieden sein. Das macht es herausfordernd, diese Daten auf verschiedenen Systemen zu nutzen. Damit Daten effektiver genutzt werden können, gibt es neue Technologien und Techniken.

Daten werden in Data Warehouses geladen. Sie kamen aus verschiedene Quellen, wurden dort extrahiert. Um sie dann im Warehouse abzulegen, musste man sie in ein gemeinsamen Format bringen. Die Herausforderung war, dass es schnell immer mehr Daten gab. Diese wurden auch immer verschiedener und komplexer. Data Warehouses kamen an ein Limit. Eine Lösung, die auch finanziell attraktiver ist, sind Cloud-Lösungen. Diese sind skalierbar, das heißt, dass man sie nach Belieben hoch- und wieder bei Bedarf zurückfahren kann, ohne selbst in teure Hardware investieren zu müssen. Das erlaubte ein viel schnelleres Reagieren und ein kostengünstigeres Wirtschaften, so dass auch Entscheidungen schneller gefällt werden konnten, weil sich die Investitionen gegenüber früher in Grenzen hielten.

Data Mapping beschreibt, dass die Beziehungen zwischen Datensätzen einfacher erkannt werden konnte. Das wurde benötigt, als Daten und Datentypen immer unterschiedlicher wurden. Verschiedene Datensätze aus verschiedenen Systemen konnte sich leicht unterscheiden, aber doch den gleichen Satz, zum Beispiel Kunden, darstellen.

Die Entwicklung der Datenmodellierung kam auch zustande, weil Informationssilos kontraproduktiv waren und sie verhindert werden mussten. So nutzen Datenmodelle Metadaten. Das Ergebnis waren stadardisierte Entitäten. Diese können von mehreren Datenmodellen genutzt werden. Das ermöglicht dann integrierte Datenmodelle.

Data Lakes sind übersetzt Seen von Daten. Big Data ist das Stichwort, das beschreibt, welche Unmengen an Daten vorhanden sind und verarbeitet werden müssen. Diese Seen dienen der Speicherung von gigantischen Mengen an Daten.

Beispiele für Datenintegration

In einem Unternehmen gibt es seit vielen Jahren einen enormen Anstieg an Daten. An diese zu gelangen ist heute deutlich einfach als noch früher. Zusätzlich sind nicht nur interne Daten verfügbar, sondern auch die von Dritten. Diese Daten können kombinierten werden. Das Resultat ist die Möglichkeit für Vorhersagen, die vorher nicht möglich waren. Wenn sie es waren, waren sie teuer und zeitaufwändig.

Customer Journeys beschreibt die Reise eines Kunden im Umfeld eines Unternehmens. Es kann zum Beispiel sein, dass ein Kunde zum ersten Mal von Firma x im Radio hört. Er interessiert sich für das, was in der Werbung genannt wird, und sucht im Netz nach der Firma. Nach etwas Recherche ruft er bei der Firma an und informiert sich weiter. Das Ganze gerät dann doch in Vergessenheit, bis er Wochen später einen Werbebanner im Internet sieht und an diese Firma erinnert wird. Nun geht er in deren Onlineshop und kauft ein Produkt. Das ist eine Reise des Kunden. Diese zu verstehen hilft dem Unternehmen, ihn auf dieser Reise zu begleiten, diese zu verschönern bzw. die zu verkürzen, damit der Kauf eines Produkts oder einer Dienstleistung schneller passiert.

Nun ist es möglich, Datensätze aus verschiedenen Abteilungen einer Firma zu kombinieren. Kundenservice, Buchhaltung, Marketing und Vertrieb - all das gibt es klareres Bild eines Kunden X, das es erlaubt, effizienter mit diesem umzugehen und den Kontakt mit ihm zu maximieren. So kann es sein, dass durch das bessere Verständnis gezieltere Marketingmaßnahmen speziell auf diesen Kunden projiziert werden können. Der Vertrieb kann auch mit seinen Mitteln die Arbeit spezifizieren, um diesen Kunden zu bearbeiten, ganz abgestimmt auf dessen Bedürfnisse, die man durch seine Customer Journey nun kennen gelernt hat.

Außerdem können verschiedene Daten aus der Vergangenheit kombiniert werden, um Planungen für die Zukunft zu machen. Wenn ein Eisverkäufer genau Buch führt, was er jeden Tag verkauft, kann er das mit dem Wetter abgleichen. So entsteht möglicherweise ein Bild: Temperatur x bedeutet Verkauf y. So kann er seine Geschäfte in der Zukunft besser planen und Ressourcen geschickter einsetzen, um wirtschaftlicher zu arbeiten.

Wissen ist Macht. Das zeigen die obigen Beispiele. Auch andere Dienstleister können genauer planen und Gewinne maximieren, indem sie wissen, was in ihrem Umfeld in der Zukunft passiert. Preise sind nicht unbedingt in allen Branchen und Gewerken starr. Eine hohe Nachfrage kann also den Preis steigen lassen. Hohe Nachfrage muss aber nicht unbedingt im eigenen Geschäft stattfinden, sondern kann auch andere Branchen im Umland betreffen, von dessen Boom man profitieren kann. Daten aus der Vergangenheit, sowohl externe als auch diese kombiniert mit internen, können als dazu führen, dass wirtschaftlicher geplant und ressourcenoptimierter gearbeitet werden kann.

Wendy
Written by Wendy

Wendy is a data-oriented marketing geek who loves to read detective fiction or try new baking recipes. She writes articles on the latest industry updates or trends.

Data-driven, oder Daten getrieben zu sein, kann auf ganz verschiedene Bereiche zutreffen. Vornehmlich redet man darüber im beruflichen Umfeld in Unternehmen. Zum Beispiel ist das ein Thema im Bereich Marketing.
Read more...
Mike
Jun 17, 2020 5 min read
Es war in früheren Zeiten schwierig, an Daten zu kommen, mit denen man arbeiten konnte. Heutzutage ist Big Data der Begriff dafür, dass wir eine Datenflut erleben.
Read more...
Wendy
Jun 04, 2020 4 min read