Datawarehouses kostbaar?

Nog steeds verbaas ik mij erover dat vele IT consultancy bedrijven vandaag de dag maanden- en soms jarenlang kunnen werken aan datawarehouse oplossingen voor hun klanten. Met het handje, wel te verstaan! Ja, we kennen allemaal keurig de Kimballiaanse en Inmoniaanse visies op dit mooie vakgebied. Maar daar blijft het dan wel zo’n beetje bij waar het vernieuwing betreft. En de klant maar wachten. Hoe kan zo’n simpel rapportje nou toch zo lang op zich laten wachten? En waarom kost dat rapportje zoveel geld?

Een goed datawarehouse bestaat uit een aantal lagen die zich dienen te conformeren aan specifi eke spelregels. In deze column voert het te ver om dat nader uit te werken, ook daar weten we als dienstverleners het nodige over te melden, getuige de discussies die we regelmatig met elkaar voeren. Wat maakt het aanleggen van zo’n datawarehouse dan zo kostbaar? Het antwoord daarop is vrij simpel. Dat wordt veroorzaakt, doordat allerlei organisatiespecifieke zaken in het datawarehouse worden gemodelleerd waardoor ieder datawarehouse als het ware klantspecifiek is, maatwerk. Té klantspecifiek, want naasteen ontwerp- en implementatie probleem wordt dan ook en passant nog een beheersprobleem geïntroduceerd. De IT consultancy bedrijven willen verder. Op naar de volgende uitdagende klus. De klant moet op zoek naar iemand die het beheer van het maatwerk datawarehouse voor zijn of haar rekening neemt. En dat is niet eenvoudig. Zeker niet gezien de schaarste op de markt van goed BI personeel.

Dat betekent dus dat we onze klanten moeten helpen niet met maatwerk software, maar met datawarehouse management systemen. Applicaties die implementatie en beheer van het datawarehouse regelen, waardoor het ook voor minder technisch onderlegde mensen mogelijk wordt voortschrijdend inzicht en nieuwe klantwensen te implementeren snel en dus efficiënt. Nu zijn er al geruime tijd van dit soort systemen op de markt. Echter al deze systemen worden door de leveranciers dermate fors geprijsd dat ze alleen weggelegd lijken te zijn voor de happy few. De grote multinationale ondernemingen die dit soort bedragen wel kunnen neertellen voor hun enterprise datawarehouse omgevingen.

Het is dan ook goed te weten dat er mensen zijn die nadenken over generieke datawarehouse architectuurconcepten en bijbehorende datamodellen. Een voorbeeld hiervan is Data Vault, van Dan Linstedt. Dit concept is dermate generiek dat het de moeite loont daar een toolkit omheen te ontwerpen die de generatie van de verschillende datawarehouse lagen met bijbehorende process instructies voor zijn rekening neemt. Verder mag gezegd worden dat Data Vault een aantal tekortkomingen van genoemde visies tracht op te lossen. Het mag gezien worden als een hybride benadering, welke genormaliseerd modelleren en dimensionaal modelleren combineert. Dit maakt het ontwerp snel implementeerbaar, enorm schaalbaar, eenvoudig uitbreidbaar en dus uitermate geschikt voor zich wijzigende klantwensen. Een nadeel echter van Data Vault is wel dat de onderliggende datamodellen snel erg groot kunnen worden en het model niet echt ‘herkenbaar’ is door het consequentie gebruik van slechts 3 typen tabellen, te weten de hub-, link- en satelliettabellen. Maar goed. Dat dient opgevangen te worden door een en ander te automatiseren. Ergo: er een datawarehouse management systeem van te maken.

Een aantal klanten heeft hier al goede ervaringen mee opgedaan. Het betreft dan met name een tweetal banken, een hypotheekverstrekker, een zorginstelling en een leverancier van consumenten badkamer artikelen. Inmiddels is ook duidelijk geworden dat de belastingdienst een datawarehouse op dit concept zal baseren. De toekomst zal leren of het enthousiasme van deze organisaties aanstekelijk werkt en Nederland dit concept zal omarmen.

Drs. Pieter Rambags, managing partner van www.nippur.nl

Lees meer over Nippur

Ga terug naar We Love IT uitgave #2 - 2008

Advertentie