Off
Smarte MPP-Systeme und eine neue Herangehensweise erlauben eine Use-Case by Use-Case Ablöse
In einem Video veranschaulicht Dr. Thomas Petrik (Technischer Leiter bei sphinx), wie eine schrittweise Modernisierung Ihres DWHs bis hin zu einer Komplett-Ablöse funktioniert. Schauen Sie rein!
Mögliche Beweggründe für eine Ablöse
- hohe Aufwände für ETL-Funktionalität
- lange Laufzeiten im Load - Power des DWH-Clusters nicht genutzt
- hoher Aufwand für Core-Modell
- keine vollständige Historisierung - schlechte Nachvollziehbarkeit
- Analyst hat nur eingeschränkte Sicht über Datamarts
- Data Scientist hat keinen performanten Zugriff auf Core und Stage
- zusätzlicher Job Scheduler erforderlich
Es geht auch innovativer ohne gleich alles über Bord zu werfen!
Folgende Vorgehensweisen erlauben eine schrittweise Modernisierung Ihres DWHs bis hin zur Komplett-Ablöse:
Phase 1: Ein schlankes MPP-System als externen Accelerator einsetzen (1:1 Replikation)
Phase 2: Das vorhandene DWH als Source für ein neues DWH auf Basis von MPP nutzen (volle Historisierung)
Phase 3: Kompletter Umstieg auf MPP-System - Use-Case by Use-Case und Source by Source (Laden von den Quellen)
Der Nutzen ist vielfältig
- Smartes Adhoc-Reporting Out-of-the-Box
- Perfekte Historisierung nach fachlichen und technischen Richtlinien
- „Zeitreisen“/Momentaufnahmen – Nachvollziehbarkeit von Änderungen
- Security Out-of-the-Box
- ELT in der Datenbank
- Keine prozeduale Logik
- Near realtime
- Bottom-Up-Ansatz
- Lizenzeinsparung u.a. (ETL-Tools, Job Scheduler)
- Fachbereich hat Zugriff auf die gesamte Source-Sicht
- hochperformant
- voll historisiert
- Sicheres Sandboxing
- Zugriffsberechtigungen im Self-Service für Data Science
- Agilität im Reporting: schnelle Änderung der virtuellen Datamarten
Schauen Sie rein!
