Spaltenbasierte Datenbanken im BI-Einsatz

Denn diese sind speziell für Analysezwecke konzipiert und führen zu Performance-Steigerungen, Flexibilität und Kosteneinsparungen.

Unter allen Unternehmensanwendungen haben sogenannte Decision-Support-Systeme in den vergangenen Jahren eine besonders rasante Entwicklung durchgemacht. Ursprünglich wurden sie hauptsächlich für das Reporting – und hier insbesondere für Finanzberichte – eingesetzt. Mittlerweile hat sich ihr Einsatzgebiet aber auf fast alle Tätigkeitsbereiche und Unternehmensebenen ausgedehnt. Sie finden sich im Marketing ebenso wie in der Personalverwaltung, der Logistik oder dem Kundenmanagement. Führungskräfte verwenden sie als wichtiges Tool, um die Aktivitäten ihrer Teams effektiv zu steuern, aber auch Sachbearbeiter nutzen die Vorteile besserer Informationen, die ihnen entsprechende Lösungen verschaffen. Und schließlich werden sie nicht nur für die Abfrage zeitlich zurückliegender Informationen verwendet, um einen Gesamtüberblick über die Lage zu erhalten. Stattdessen werden immer öfter auf Basis historischer Daten Prognosen für die Zukunft erstellt. Eine Konsequenz dieses umfassenden Durchbruchs der Business Intelligence ist die deutliche Zunahme des Volumens und der Art der verarbeiteten Daten einerseits sowie der Menge und der Komplexität der Abfragen anderseits. Die Anwender verlangen immer mehr Möglichkeiten und flexiblere Abfragekonstrukte und wollen Ergebnisse zudem schneller vorgelegt bekommen.

In diesem Umfeld unterliegen Datenbanken besonders hohen und stetig wachsenden Anforderungen. Lange Zeit erfüllten herkömmliche Datenbanken, die für unterschiedliche Zwecke eingesetzt werden konnten, auch die Anforderungen des Decision Supports. Angesichts des wachsenden Daten- und Abfragevolumens mussten die Administratoren jedoch Hilfsstrategien entwickeln, um die Performance aufrechterhalten zu können. Der erste Reflex bestand – und besteht häufig immer noch – darin, für die zunehmenden Anforderungen zusätzliche Rechnerkapazität bereitzustellen. Eine effiziente, aber wirtschaftlich nicht zielführende Lösung. Darüber hinaus wurde versucht, spezielle Datamarts oder aufgabenspezifische Datenbereiche einzurichten, um die Anzahl der Datensätze zu reduzieren, die bei einer Abfrage geprüft werden muss, und so die Systemlasten zu vermindern. Aber dieser Ansatz ist mit einem doppelten Nachteil behaftet: Einerseits sind dafür Entwicklungs- und Wartungsarbeiten erforderlich, die kostentreibend und zeitraubend sind, andererseits sind die Daten bei dieser Vorgehensweise in geschlossenen Silos voneinander getrennt, sodass es den Anwendern nicht möglich ist, freie oder übergreifende Abfragen durchzuführen und Korrelationen herzustellen, die vom Entwickler im Vorfeld nicht vorgesehen waren.

Die beschriebenen Ansätze stoßen oft an ihre Grenzen, da sie durch den rasanten Anstieg des Analysebedarfs immer schwieriger umzusetzen sind und zunehmend ineffizient werden. Datenbanken für den allgemeinen Einsatz, die für die Transaktions- oder Decision-Support-Verarbeitung eingesetzt werden, sind zeilenbasiert aufgebaut. Die Datensätze werden nacheinander eingetragen, und jede Abfrage muss daher alle Felder absuchen. Wenn das Volumen zunimmt und die Abfragen komplexer werden, summieren sich die Effekte: Die Datenbankoperationen vervielfältigen sich und die System-Performance fällt ab – manchmal bis zum kompletten Ausfall.

Das Problem lässt sich allerdings technisch beheben: Die Lösung besteht im Einsatz einer spaltenbasierten Datenbank, die speziell für Decision-Support-Systeme ausgelegt ist. Aufgrund der spaltenbasierten Architektur genügt es, nur die relevanten Felder abzusuchen und damit die Datenbankoperationen drastisch zu reduzieren, sodass sich die Performance schlagartig verbessert und Abfragen mit einer ungeheuren Zeitersparnis durchgeführt werden können. Der Wettlauf um Rechnerleistung wird unnötig, und eine Segmentierung der Datenbank in Datamarts erübrigt sich. In der Datenbank können alle Daten indiziert werden, und jegliche Form von Kreuzabfragen ist möglich. Damit eröffnen sich verschiedenste Vorteile für den Informationsgewinn. Die Material- und Wartungskosten werden reduziert, und die Anwender profitieren von höherer Flexibilität bei der Abfrage sowie schnelleren Antwortzeiten.

Spaltenbasierte Datenbanken sind allerdings keine Neuerfindung: Sie existieren bereits seit über zehn Jahren. Seitdem haben sie ihre Vorteile und ihre Leistungsstärke in zahlreichen Unternehmen und den verschiedensten Branchen unter Beweis gestellt. Auch wenn sie bisher lediglich als weitere technische Option angesehen wurden, gerät ihr Einsatz zunehmend in den Fokus bei der Betrachtung von Alternativen, wenn es darum geht, die Effektivität und die Kosten eines Decision-Support-Systems zu optimieren.

Bildquelle: © Gerd Altmann/pixelio.de