Data Warehousing ja Business Intelligence ovat tietotekniikan kuumia alueita. Määritelkäämme hieman: Data Warehousing (tietovarastointi) pitää sisällään tietovaraston infraratkaisut, DW-tietokannat ja ETL-asiat (lataus). Business Intelligence (liiketoimintatiedon hallinta) taas tarkoittaa varastoitujen tietojen analysointia ja hyväksikäyttöä, kuten esimerkiksi raportointia, kyselyjä, OLAP-käyttöliittymiä, portaaleja ja louhintaa. Termien käyttö ei ole vakiintunutta ja niitä käytetään myös osittain päällekkäin.

Operatiiviset järjestelmät eivät sovi tietojen analysointiin ja raportointiin mm. seuraavista syistä:

• on liian hidasta yhdistellä tietoja erillisistä järjestelmistä, lisäksi tulee integroinnin ongelmia


• operatiivisissa järjestelmissä ei ole riittävästi historiatietoa trendianalyysejä varten
• operatiivisia järjestelmiä ei voi kuormittaa kyselyillä, analysoinneilla ja raportoinnilla
• operatiivisten järjestelmien tietokannat ovat rakenteensa puolesta hankalia käyttää
• käyttäjät eivät pääse omaehtoisesti ilman ammattilaisen apua tietoihin kiinni

Monissa yrityksissä on vuosien varrella rakennettu erillisiä datamartteja ja infokantoja liiketoiminnan tarpeisiin. Nämä ovat aikanaan palvelleet hyvin, mutta ajan mittaan huomataan, että

• datamartit eivät ole yhteensopivia tiedoiltaan
• niitä ei voi kysellä yhdessä
• erillisten datamarttien kysely ei teknisesti onnistu tai on liian hidasta
• on päällekkäisiä ja ylimääräisiä ohjelmistojen lisenssikustannuksia
• erillisissä datamarteisssa on päällekkäistä tietoa, jonka ylläpitäminen on kallista
• datamarteissa on samasta asioista erilaisia tietoja

Datamarteista ei siis löydy ”yhtä totuutta” liiketoiminnan tarpeisiin. Tilanne on monessa yrityksessä johtamassa siihen, että on rakennettava tietovarastoympäristön toinen sukupolvi. On useita erilaisia etenemispolkuja ratkaista yllä mainittuja, erillisten datamarttien ongelmia.

Data Warehouse -ratkaisut on aina tehtävä räätälöidysti. Seuraavat kolme aluetta ovat ratkaisevia: käyttäjien liiketoimintatarpeet, laite- ja ohjelmistoympäristö sekä mahdollisesti jo olemassa olevat tietovarastotyyppiset ratkaisut.

Tietovarastohankkeiden onnistumisen kannalta on hyvin tärkeää mallintaa ensin kokonaisuus, ns. asemakaavataso. Olemme viime vuosina monissa hankkeissa olleet vetämässä näitä ylätason mallinnuksia. Asemakaavamallin avulla saadaan kokonaiskuva, nähdään tietojen integrointitarpeet ja voidaan rajata totetutettavia kokonaisuuksia. Suuri hyöty on myös nähdä samankaltaisuudet tietojoukoissa, joka ratkaisevasti auttaa kokonaiskuvan luomisessa (kokonaiskuvaa ei yleensä ole ollut kenelläkään). Menetelmän avulla päästään nopeasti suunnittelemaan tarkempia tasoja ja päästään ensimmäiseen toteutukseen, tuottamaan liiketoiminnalle tuloksia.

Arkkitehtuurimielessä voidaan soveltaa ns. Inmonlaista EDW -ajattelua tai Kimball-tyylistä tähtimallimenetelmää, usein myös hybridiä. Data Vault on uusi menetelmä erityisen muutosjoustaviin ratkaisuihin; opetamme menetelmää erikoiskurssilla EDW-suunnittelu ja Data Vault. Esittelemme Data Vault -menetelmää myös kurssilla Data Warehouse -mallinnuspäivä (1pv).

Usein tietovarastohankkeita hidastaa tiedon puute. Tuotteiden toimittajat kyllä tarjoavat tietoa, mutta vain omista tuotteistaan. Tarjoamme puolueetonta, kokemukseen perustuvaa koulutusta, kuten yksipäiväiset DW / BI -tietoisku (johdanto), DW-hankkeen läpivienti ja ETL-kurssi (1pv) sekä syvälle menevä kaksipäiväinen Data Warehouse –kannan suunnittelukoulutus.

Tarjoamme joustavaa, puolueetonta konsultointia yrityksenne tilanteeseen, oli sitten kyseessä nopean tarpeen hoitaminen tai pitkän tähtäimen tietovarastoympäristön rakentaminen. Usein pyritään kestävään kokonaisratkaisuun kuitenkin edeten nopeasti ensimmäiseen hankkeeseen. josta saadaan tuloksia, näyttöä ja kokemuksia. Olemme myös erikoistuneet usein hyvin vaativaan Data Warehouse –kantojen suunnitteluun sekä tähtimallimenetelmällä etta keskitetyissä EDW-ympäristöissä. Lisäksi olemme osallistuneet lukuisiin toteutushankkeisiin asiantuntijana.