Hvad er et data warehouse?
Et data warehouse, eller datavarehus, er det oprensede og strukturerede samlingssted hvor data fra forskellige systemer gøres sammenlignelige til rapporter og analyse. I modsætning til de operative databaser der driver den daglige forretning, er datavarehuset bygget til at besvare spørgsmål og give overblik. Data fra ERP-systemerne går ind, dashboards og beslutningsgrundlag kommer ud.
Data warehouse, eller datavarehus på dansk, er et begreb der dukker op så snart en virksomhed vil have styr på sine tal og træffe beslutninger på baggrund af fakta i stedet for mavefornemmelse. Men hvad et data warehouse egentlig er og hvordan det adskiller sig fra både almindelige databaser og en data lake, er sjældent indlysende. Her er forklaringen.
Hvad et data warehouse er
Et data warehouse er et centralt, oprenset og struktureret samlingssted for data. Hertil føres information fra mange forskellige systemer i virksomheden, og her renses og ordnes den så den kan bruges til rapporter, analyse og beslutninger.
Nøgleordet er sammenlignelig. I den daglige drift ligger data spredt i forskellige systemer der hver især beskriver tingene på deres egen måde. Datavarehuset samler det ét sted og sørger for at det taler samme sprog så man kan stille spørgsmål om hele forretningen og stole på svaret.
Pointen med datavarehuset er altså ikke at drive forretningen, men at forstå den. Det er bygget til overblik, ikke til de daglige gøremål.
Forskellen på operative databaser og en data lake
For at placere datavarehuset rigtigt hjælper det at stille det op mod to beslægtede ting som det ofte forveksles med.
En operativ database driver den daglige drift. Den håndterer ordren i samme øjeblik som du afgiver den, holder styr på lagerbeholdningen lige nu og tager sig af login mens du logger ind. Den er bygget til mange hurtige enkeltoperationer i nuet. Datavarehuset gør det modsatte: Det samler store mængder data fra den slags databaser og er bygget til at analysere helheden over tid, ikke til at håndtere enkelte hændelser.
En data lake ligner datavarehuset ved at samle data fra mange kilder, men adskiller sig i rækkefølgen: Data laken gemmer rådata i originalformat og strukturerer dem først når de bruges. Datavarehuset strukturerer derimod før lagring så alt ligger klar til analyse. Data laken er det rummelige råvarelager, datavarehuset det ordnede udstillingsvindue. Mange større organisationer bruger begge.
Et typisk flow: ERP-system ind, dashboards ud
Den enkleste måde at forstå et data warehouse på er at følge dataflowet igennem det.
- Ind: Data hentes løbende fra de operative systemer: ERP-systemet, webshoppen, CRM’et, økonomisystemet. På vej ind renses og harmoniseres de så kundenavne, datoer og beløb fra forskellige kilder bliver sammenlignelige.
- I datavarehuset: De oprensede data struktureres og samles, ordnet så de kan summeres og sammenlignes på tværs af hele forretningen.
- Ud: Fra datavarehuset hentes rapporter, dashboards og analyser. Det er her beslutningstagere ser salg pr. region, tendenser over tid eller rentabilitet pr. produkt, på et grundlag de kan stole på.
Kort sagt: Rådata fra forretningen går ind, beslutningsgrundlag kommer ud.
Et konkret scenarie
Lad os sige at en detailhandler vil vide hvilke produkter der sælger bedst, kanal for kanal. Salget ligger i tre forskellige systemer: webshoppen, kasserne i de fysiske butikker og en markedsplads. Hver for sig giver de tre systemer forskellige billeder, med forskellige produktnavne og formater, som ikke kan sammenlignes direkte.
Med et data warehouse føres salget fra alle tre ind, harmoniseres så samme produkt hedder det samme overalt, og samles i en fælles struktur. Nu kan ledelsen i ét enkelt dashboard se det samlede salg pr. produkt på tværs af alle kanaler, sammenligne perioder og opdage mønstre. Uden datavarehuset ville nogen have måttet eksportere og klistre regneark sammen i hånden hver måned, med stor risiko for fejl.
Moderne cloud-eksempler
I dag ligger data warehouses næsten altid i skyen, med tjenester som BigQuery og Snowflake som hyppige eksempler. De fjerner meget af det tunge arbejde med at sætte et datavarehus op og skalere det på egen hånd. Hvilken løsning der passer netop jer, afhænger af jeres behov og jeres eksisterende miljø. Det afgøres af en undersøgelse, ikke af et varemærke.
Sådan tager du næste skridt
Et data warehouse bliver aktuelt når data ligger spredt i flere systemer og I vil træffe beslutninger på baggrund af et fælles, pålideligt billede i stedet for sammenklistrede regneark. Går I i gang, er det afgørende at flowet ind, altså hvordan data hentes og renses, bliver rigtigt, for det er der de fleste fejlkilder sidder. Vil I bygge et beslutningsgrundlag der holder, tager vi hos Weapp det gerne med i systemarbejdet fra begyndelsen.
Ofte stillede spørgsmål
Hvad er forskellen på et data warehouse og en almindelig database?
En operativ database driver den daglige drift: Den håndterer ordren mens du afgiver den og er bygget til hurtige enkeltoperationer. Et data warehouse samler i stedet data fra flere af den slags systemer og er bygget til at analysere store mængder på én gang. Den ene tager sig af det der sker nu, det andet besvarer spørgsmål om helheden.
Hvad er forskellen på et data warehouse og en data lake?
Et data warehouse strukturerer data før de gemmes så de ligger oprensede og klar til analyse. En data lake gemmer rådata i originalformat og strukturerer dem først når de bruges. Datavarehuset er det ordnede udstillingsvindue til kendte spørgsmål, data laken det rummelige råvarelager til ukendte behov. Mange større organisationer bruger begge sammen.
Hvad menes der med at gøre data sammenlignelige?
Forskellige systemer beskriver det samme på forskellige måder: En kunde kan have forskellige navne, datoer kan skrives forskelligt, beløb kan angives i forskellige valutaer. I datavarehuset renses og harmoniseres dette så data fra forskellige kilder taler samme sprog. Først da kan man sammenligne og summere på tværs af hele forretningen uden at sammenligne æbler og pærer.
Hvordan ser flowet ind og ud af et datavarehus ud?
Ind går data fra de operative systemer, f.eks. ERP-system, webshop og CRM, ofte via en proces der henter, renser og indlæser dem. I datavarehuset struktureres og samles de. Ud kommer rapporter, dashboards og analyser som beslutningstagere bruger. Groft sagt: rådata fra forretningen ind, beslutningsgrundlag ud.
Hvilke moderne alternativer findes der?
I dag ligger data warehouses oftest i skyen, med tjenester som BigQuery og Snowflake som almindelige eksempler. De fjerner meget af det tunge arbejde med selv at sætte et datavarehus op og skalere det. Hvilken løsning der passer, afhænger af jeres behov og jeres øvrige miljø. Det er et spørgsmål der skal undersøges, ikke afgøres ud fra et varemærke.