Metadaten sind heutzutage wichtiger als je zuvor. Neue Technologien ermöglichen Geschäftsleuten, die im herkömmlichen Sinne keine Analytiker sind, die Arbeit mit Daten. Die Konsumerisierung der Informationstechnologie bedeutet, dass die Benutzer eine intuitive Bedienbarkeit der Systeme und einen geringen Schulungsaufwand erwarten. Wenn viele Menschen Daten zur Untermauerung zahlreicher Entscheidungen einsetzen, ist es wichtig, dass Ihre Daten beschrieben, definiert und verstanden werden.
Viele Systeme setzen jedoch immer noch eine langsame, starre Herangehensweise in Bezug auf Metadaten voraus. Dieser Ansatz verringert die Flexibilität einer Business-Intelligence-Lösung und schmälert letztlich den Vorteil, den Sie durch den Einsatz von Self-Service-Analysen erhalten. Indem Sie Ihre Denkweise über Metadaten ändern, können Sie die Interpretation von Daten für das Unternehmen schneller und einfacher gestalten.
In diesem Whitepaper werden häufige Gründe für defekte Metadaten erläutert:
1. Das Vordefinieren der Metadaten dauert zu lange und verlangsamt die Bereitstellung.
In herkömmlichen Business-Intelligence-Systemen müssen die Unternehmen zunächst ein umfassendes Modell erstellen. Dies ist ein zeitintensiver und komplexer Prozess, der eine Unternehmensbereitstellung um Wochen oder Monate verzögern kann. Die Anschubkosten sind hoch und die Vorteile der Analysen lassen auf sich warten.
Ein besserer Ansatz besteht darin, nach einer Lösung zu suchen, mit der Analysen sofort unterstützt werden können. Das bietet nicht nur den Vorteil, dass hilfreiche Analysen schneller bereitgestellt werden können, sondern das bedeutet auch, dass Ihr Metadatenmodell immer wieder überarbeitet werden kann, wenn sie mehr darüber erfahren, wie die Daten genutzt werden. Dieser agilere Ansatz führt zu einem verlässlicheren und realistischeren Metadatenmodell.
Ein guter Ausgangspunkt ist die Nutzung vorhandener Metadaten aus bestehenden Systemen. Warum sollten Sie sich beispielsweise die Zeit nehmen, sämtliche Datenfelder als Daten in Ihrer Analyselösung zu definieren, wenn sie in der Datenbank bereits entsprechend definiert sind?
2. Metadaten sind nicht so flexibel, wie sie sein sollten.
Herkömmliche Metadatenmodelle sind schwierig zu handhaben und Änderungen kostspielig. Daher werden sie nicht oft verändert. Das bedeutet, dass sie allmählich in ihrer Fähigkeit nachlassen, die Unternehmensdaten abzubilden. Die Mitarbeiter der IT-Abteilung mögen für die Pflege der Metadaten verantwortlich sein, jedoch verfügen sie möglicherweise gar nicht über die Informationen, aus denen sich die Notwendigkeit einer Veränderung ableiten ließe.
In einer Welt mit schnell wechselnden Trends und Chancen, ist das ein großer Wettbewerbsnachteil für ein Unternehmen.
Mit ziemlich großer Regelmäßigkeit müssen neue Definitionen festgelegt und Berechnungen abgestellt werden. Geschäftsanwender, die mit Daten Fragen stellen und beantworten, sind häufig die beste Quelle für neue Metadaten. Sie können eine Hierarchie der Art „Kategorie → Produkt“ oder Gebietsgruppen für eine Region festlegen. Eine flexible Datenanalyselösung ermöglicht der IT-Abteilung die Bewertung neuer Metadatenobjekte und ihre Weitergabe an die Produktion, sodass sie von allen Benutzern gemeinsam genutzt werden können.
Wenn Ihnen Flexibilität bei Ihren Metadaten fehlt, können Sie auch kein Verständnis für Ihr Unternehmen entwickeln.
Möchten Sie mehr sehen? Laden Sie das Whitepaper herunter.