thinkBI

Im thinkBI Podcast geht es diesmal um eine Rückfrage aus der Community. Sind die Überlegungen zum Sternschema der Schlüssel zum Gold Layer und beginnt danach das semantische Modell? Um diese Begriffe zu sortieren, kommt erstmals auch ChatGPT als Gesprächspartner hinzu.

Die Frage ist wichtig, weil Schichtenmodelle schnell eine Eindeutigkeit erzeugen, die in der Praxis gar nicht vorhanden ist. Raw, Silver und Gold klingen nach einer klaren Abfolge. Rohdaten werden aufbereitet, fachlich geordnet und schließlich analytisch nutzbar gemacht. Doch spätestens beim Gold Layer beginnt die Unschärfe. Ist er bereits die fertige semantische Schicht? Gehört das Power-BI-Modell noch dazu? Oder liegt es als weitere Ebene darüber?

Die Begriffe lösen dieses Problem nicht von selbst. Entscheidend ist deshalb weniger der Name einer Schicht als ihre Aufgabe.

thinkBI #027 – Datenstruktur ist noch keine Semantik weiterlesen

Im thinkBI Podcast ging es zuletzt um Datenmodellierung. Der eigentliche Punkt daran ist nicht technisch, sondern konzeptionell: Zwischen vorbereiteten Tabellen und belastbarer Analyse liegt mehr als ein weiterer Implementierungsschritt.

Datenmodellierung wirkt auf den ersten Blick oft wie eine Fleißaufgabe nach der Datenaufbereitung. Tabellen sind bereinigt, Fakten und Dimensionen angelegt, die Struktur ist sauber. Damit scheint die analytische Arbeit fast abgeschlossen zu sein. Genau hier beginnt aber der eigentliche Unterschied zwischen einem geordneten Datenbestand und einem Modell, das Analyse wirklich trägt.

thinkBI #026 – Zwischen Sternschema und semantischem Modell weiterlesen

Im thinkBI Podcast geht es diesmal um Datenaufbereitung. Das klingt zunächst nach einem technischen Zwischenschritt. Ein paar Transformationen, ein paar Bereinigungen, dann kann das Reporting beginnen. Genau dieses Bild ist zu klein.

Denn Datenaufbereitung entscheidet nicht nur darüber, wie Daten aussehen. Sie entscheidet auch darüber, wo Last entsteht, wie oft Quellsysteme berührt werden, wie stabil Verarbeitung abläuft und ob BI auf einem Werkzeug oder auf einer tragfähigen Architektur aufsetzt.

thinkBI #025 – Datenaufbereitung ist keine Nebenaufgabe der BI weiterlesen

Im thinkBI Podcast geht es diesmal um Event-Streaming und die Frage, was davon für Business Intelligence eigentlich wirklich relevant ist. Der Reiz des Themas ist offensichtlich: Daten entstehen fortlaufend, Systeme können Ereignisse sofort weitergeben, Dashboards lassen sich beinahe in Echtzeit aktualisieren. Technisch klingt das nach dem nächsten logischen Schritt.

Genau darin liegt aber auch die erste Irritation. Denn nicht alles, was schneller verfügbar ist, ist für BI automatisch besser.

thinkBI #024 – Batch-Verarbeitung oder Streaming-Logik weiterlesen

Im thinkBI Podcast geht es diesmal um eine Schnittstellenlogik, die in modernen Systemlandschaften fast automatisch vernünftig wirkt: die Web-API. Sobald ein System eine API anbietet, scheint die Integrationsfrage oft schon beantwortet. Der Zugriff wirkt sauber, standardisiert und zeitgemäß.

Genau diese Selbstverständlichkeit lohnt einen genaueren Blick. Denn was für operative Integration sinnvoll ist, ist noch lange keine gute Datenquelle für Business Intelligence.

thinkBI #023 – Web-APIs sind nicht die beste BI-Datenquelle weiterlesen

Im thinkBI Podcast geht es diesmal um eine Datenquelle, die viele vorschnell als Übergangslösung abtun: die Datei. Dabei lohnt sich ein zweiter Blick. Denn gerade in einer Zeit, in der über Lakehouses, Fabric, Databricks oder verteilte Datenplattformen gesprochen wird, gewinnt die Dateischnittstelle erneut an Bedeutung.

Das wirkt zunächst widersprüchlich. Je moderner Datenarchitekturen werden, desto naheliegender scheint die Erwartung, dass auch die Schnittstellen direkter, dynamischer und technischer werden müssten. Stattdessen kehrt ein erstaunlich schlichtes Prinzip zurück: Daten werden exportiert, in einem verständlichen Format abgelegt und von anderen Systemen weiterverarbeitet.

thinkBI #022 – Zwischen direktem Zugriff und sauberer Bereitstellung weiterlesen

Im thinkBI Podcast wandert der Dashboard Creation Cycle weiter von der Planungsseite in die Umsetzung. Nachdem geklärt wurde, welche Daten fachlich relevant sind und wo ihre Herkunft liegt, stellt sich nun eine sehr konkrete Frage: Wie greifen wir auf diese Daten zu?

Eine naheliegende Antwort lautet oft: direkt auf die SQL-Datenbank. Das klingt effizient. Und technisch ist es das häufig auch. Aber genau darin liegt die Spannung. Denn eine operative Datenbank ist nicht einfach ein neutraler Speicher, aus dem BI beliebig lesen kann. Sie ist Teil eines laufenden Systems. Oft ist sie sogar dessen Herz.

thinkBI #021 – BI darf das operative System nicht stören weiterlesen

Im thinkBI Podcast schließt Folge 020 direkt an die Diskussion zur Datenidentifikation an. Diesmal geht es weniger um eine weitere Technikfrage als um eine notwendige Korrektur: Wie verhalten sich fachliche Anforderung, semantisches Modell und technische Systemrealität eigentlich zueinander?

Die zugespitzte Antwort lautet: Gute BI braucht einen Mittelweg. Weder reicht es, Fachlichkeit einfach als Idealbild zu behandeln, noch genügt es, sich an den vorhandenen technischen Strukturen festzuklammern. Beides führt in Sackgassen.

thinkBI #020 – Fachlichkeit führt, Technik begrenzt weiterlesen

Im thinkBI Podcast geht es im Dashboard Creation Cycle einen Schritt weiter, weg von der reinen Modellbeschreibung, hin zur Frage, woher die Daten für ein Modell überhaupt kommen. Das klingt zunächst nach einer technischen Vorfrage. In der Praxis ist es aber eine der wichtigsten Architekturentscheidungen überhaupt. Denn bevor ein Report sauber gebaut werden kann, muss klar sein, welche Daten wirklich belastbar sind.

thinkBI #019 – Quellsystem und Datenplattform erfüllen nicht dieselbe Aufgabe weiterlesen