Datenanalyse und Reporting mit einem Data Warehouse
Die Digitalisierung ist von zentraler Bedeutung, um im Wettbewerb Vorteile zu erlangen. Für fundierte Entscheidungen innerhalb eines Unternehmens ist es wichitg, dass Daten transparent, zugänglich und analysierbar sind. AMS verfügt über zahlreiche statistische Daten, die wertvolle Einblicke in die Aufträge, Chargen und Reklamationen bieten.
Tiefere Analysen, die Sicherung der Daten über einen längeren Zeitraum und ein optimierter Zugriff sind jedoch erst nach einer Neustrukturierung der Daten möglich. Eine umfassende Lösung bietet die Implementierung eines Data Warehouse* in Kombination mit einem ETL-Prozess* (Extract-Transform-Load).
Ihre Vorteile
Zentralisierte und einheitliche Datenhaltung
Ein gemeinsamer Speicherort für AMS-Daten und externe Datensätze erleichtert den Zugriff.
Strategische Planungen verbessern
Dauerhafte Speicherung von Daten ermöglicht Analysen über längere Zeiträume.
Analysen und Berichte in Echtzeit
Schnellere Entscheidungsfindung durch standardisierten Datenabruf
Optimierte Analysen & Reporting
Anbindung an Business Intelligence Tools mit Dashboard Ansicht jederzeit möglich
Was ist ein Data Warehouse?
Ein Data Warehouse ist ein zentrales System zur Speicherung und Verwaltung von Daten, das speziell für den Datenabruf zu Analyse- und Reporting-Zwecken konzipiert ist.Es speichert Daten aus verschiedenen Quellen (z.B. AMS) und ermöglicht umfassende Einblicke in historische Daten, um z.B. Trends über längere Zeiträume hinweg zu analysieren. Die Struktur eines DWH ist so optimiert, dass sie schnelle Abfragen (unter Verwendung eines Snowflake-Schemas) unterstützt.
Warum wird ein ETL-Prozess benötigt?
Data Warehouses dienen als Grundlage für Business Intelligence Tools, die es Unternehmen ermöglichen, Daten zu visualisieren, Reportings zu erstellen und tiefere Analysen ihrer Geschäftsprozesse durchzuführen. Der ETL-Prozess (Extract, Transform, Load) ist entscheidend für die Datenintegration. Er stellt sicher, dass die Daten aus allen Quellsystemen (AMS usw.) in ein geeignetes Format gebracht und universell lesbar in das Data Warehouse geladen werden.
Was ist ein Snowflake-Schema?
Ein Snowflake-Schema ist ein Datenmodell, das in Data Warehouses verwendet wird, um Daten zu organisieren: Es zeichnet sich durch eine normalisierte Datenstruktur aus, bei der Faktentabellen mit untergeordneten Dimensionstabellen verbunden sind. Eine Faktentabelle für AMS-Chargen kann z.B. mit passenden Dimensionstabellen für Material, Behandlungsart und Datum verbunden werden. Diese Aufteilung führt zu einer Datenstruktur, die den Speicherbedarf verringert und einen schnellen Abruf ermöglicht.
Die Funktionen von AMSETL im Überblick
Das Data Warehouse speichert die folgenden historischen Daten aus AMS:
Auftragspositionen
Chargen (Behandlungen / Arbeitsgänge)
Reklamationen
Die Speicherung aus externen Datenquellen ist ebenfalls möglich.
Folgende Dimensionstabellen werden im Data Warehouse verwendet:
Zeit / Datum / Stunde / Minute / Sekunde
Jahr / Monat / Quartal / Woche / Wochentag
Aktionsvorlage
Reklamation / Grund
Ansprechpartner
Umwertungsnormen
Kostenstelle
Währung
Kunde / Standort / Abteilung / Mitarbeiter
Anlage / Anlagenart
Branche
Behandlung / (Behandlungs-)Vorschrift
Auftrag / Auftragsposition / Status / Art
Charge / Chargen-Status
Werkstoff / Materialart
Vorbehandelt / Nitriert / Status
Positionsserie
Transport / Einheit
Arbeitsplan
Arbeitsgang / Arbeitsgang-Charge / Status
Zeitlicher Rhythmus des Datenexports von AMS in das Data Warehouse vorab beliebig einstellbar:
täglich
wöchentlich
monatlich
Der Export stellt immer eine Momentaufnahme der Daten zum Zeitpunkt des Exports dar. Werden Daten zwischen zwei Exportzeitpunkten mehrmals überschrieben, berücksichtigt das System nur die letzte Änderung. Für den erstmaligen Export ist einstellbar, bis zu welchem Zeitpunkt in der Vergangenheit die Daten übertragen werden sollen (z.B. alle Positionen der letzten 3 Monate). Danach werden immer die Daten exportiert, die sich seit dem letzten Export geändert haben bzw. die neu hinzugekommen sind.
Folgende Faktentabellen werden im Data Warehouse verwendet:
Reklamationskosten / Reklamationsbearbeitung
Zuordnung von Auftragspositionen /
Fertigungsaufträgen zu Chargen
Zuordnung von Auftragspositionen bzw. Fertigungsaufträgen zu Arbeitsgang-Chargen
Auftragspositionskosten / Auftragspositionsbearbeitung / Auftragspositionsumsätze
Chargenkosten / Chargenbearbeitung
Arbeitsgangchargenkosten bzw. Arbeitsgangchargenbearbeitung
Folgende Business Intelligence Tools lassen sich standardmäßig an das Data Warehouse anbinden:
Power BI
QLIKS
ARBUBA BI
(weitere Anbindungen auf Anfrage)
Ohne die Anbindung an ein BI-Tool lassen sich die Daten in SQL-Tabellen auswerten.
Die TTC Informatik GmbH stellt Ihnen auf Wunsch die komplette Data Warehouse-Lösung zur Verfügung: Vom Export der AMS-Daten (und Daten aus externen Datenquellen) im ETL-Prozess über die Speicherung in einem Data Warehouse bis zur Anbindung an ein Business Intelligence-Tool für eine optimale Auswertung der Daten.
Wir realisieren die optimale Data Warehouse-Lösung für Sie!
Benötigte Lizenzen:
AMSETL
Technische Voraussetzungen
Ausreichend Speicherplatz notwendig. Bei Einsatz eines Dritt-DBMS sind Anforderungen und Speicherbedarf mit dem Betreuer des vorhandenen DBMS abzustimmen. Das Data Warehouse nutzt einer Firebird-Datenbank. Das System zur Auswertung der Daten (z.B. BI-Tool) muss daher kompatibel sein.
