Data Management

Datahuishouding

Elk huis heeft een solide fundering nodig. Dat geldt ook voor uw datahuishouding. Goed doordacht datamanagement biedt deze fundering. Het belang van goed datamanagement is de laatste tijd alleen maar toegenomen. Deze toename wordt onder andere veroorzaakt door het feit dat er steeds meer data ter beschikking komt en dat het voor u steeds belangrijker data in de vorm van relevante informatie beschikbaar te stellen aan de juiste personen op de juiste plaats en op de juiste tijd. Hoe beter u in staat bent om data op een goede manier te gebruiken, des te groter zijn de voordelen die u ermee kunt behalen. Resultaten kunnen zich vertalen in lagere kosten, hogere winsten en concurrentievoordelen. Belangrijk dus om u te verdiepen in de toepassing en mogelijkheden van data management.

Doel van data management

Data management betreft het beheren, onderhouden, bewerken en beveiligen van data. Bovendien is het doel van data management er voor te zorgen dat de aanwezige data volledig, betrouwbaar en op tijd beschikbaar is voor personen of toepassingen die van die data gebruik maken.

Snowflake introductie video

Krijg een eerste indruk van de data warehouse software Snowflake - een modern data platform gebouwd voor elke cloud. Traditionele dataplatforms en big data oplossingen hebben moeite om het fundamentele doel te bereiken: elke gebruiker in staat te stellen met alle data te werken, zonder gelimiteerd te worden op schaalgrootte, prestaties of flexibiliteit. Met Snowflake haalt elke type gebruiker meer uit de data. Ongeacht het een data analist, data wetenschapper of data engineer betreft.

Belang van databeheer

Actuele en betrouwbare informatie helpt u bij het nemen van de juiste beslissingen. Om een beeld te vormen van het belang van het mogelijk verbeteren van het databeheer binnen uw organisatie kunt u zich een aantal van onderstaande vragen stellen:

Hoe zeker bent u van de actualiteit en betrouwbaarheid van data waarop u momenteel uw bedrijfsbeslissingen baseert?
In het geval u hier niet zo zeker van bent: hoe groot zijn de gevolgen als u conclusies baseert op onjuiste of verouderde gegevens?
Voldoet u aan de wet- en regelgeving met betrekking tot het werken met privacy gevoelige data?
Hoe is de veiligheid van uw data geborgd?

Kunt u eenvoudig informatie halen uit een combinatie van gegevens uit operationele systemen? Voorbeelden hiervan zijn het combineren van sales gegevens met gegevens over de markt of het combineren van productiegegevens met gegevens uit uw HR systeem.

Verwacht u:

Een toename of een afname in hoeveelheid beschikbare data de komende jaren.
Een toename of een afname in de vraag om informatie.
Een toename of een afname van het belang van informatie.

"Zijn er nog vragen over Data Management bij Victa?"

Neem contact met ons op

Datawarehouse

Een datawarehouse is een databeheersysteem gericht op inzicht en overzicht op uw data uit onderliggende bronsystemen. Een datawarehouse werkt vaak ondersteunende voor analyses op het gebied van Business Intelligence (BI). Datawarehouses bevatten vaak grote hoeveelheden (historische) gegevens waarbij data uit verschillende bronnen gecombineerd kan worden en beschikbaar gemaakt kan worden in de vorm van logisch bijeen horende sets van bewerkte data (datamarts).

Typische functionaliteiten die door een datawarehouse worden ingevuld zijn het centraal beheren van gehanteerde definities met betrekking tot data (Business Rules), het bewaren van historische gegevens daar waar in onderliggende systemen die mogelijkheid voor die gegevens ontbreekt en het ontlasten van operationele systemen als het gaat om verdere data analyse. Samenvattend omvat een datawarehouse een gestructureerde hoeveelheid data voor specifiek gebruik.

Data lake

Een datalake is een faciliteit voor opslag van grote hoeveelheden ongestructureerde data. Het grote verschil met een datawarehouse is dat in een data lake alle data ongestructureerd wordt opgeslagen. In een data lake kunnen tekstbestanden, databases, e-mails en nog veel meer soorten gegevens worden opgeslagen. De voordelen die samenhangen met deze ongestructureerde vorm van opslag liggen in het feit dat het opslaan van data op deze wijze bijzonder eenvoudig wordt; er zijn geen uitgebreide bewerkingen nodig alvorens data kan worden opgeslagen. De andere kant van deze medaille is dat als je de data wilt gebruiken voor andere toepassingen je dan achteraf logica moet aanbrengen om de data juist te interpreteren.

Onze beste producten in hun klasse

Qlik Replicate

Qlik Compose Data Warehouses

Qlik Compose Data lakes

Qlik Data Catalog

TimeXtender

Qlik Compose

Wilt u meer informatie over de mogelijkheden van Qlik Compose ? Download nu de gratis Qlik Compose whitepaper en ga direct aan de slag.

Qlik Compose
Je kunt het gratis Qlik Compose PDF bestand bekijken, met behulp van het programma Adobe Acrobat Reader DC. Dit programma is gratis te downloaden en geschikt voor Windows en Mac. Dit is de enige PDF-viewer waarmee u alle soorten PDF-inhoud, waaronder formulieren en multimedia, kunt openen en bewerken.

Download Qlik Compose

Datawarehouse of Data lake?

Het grootste verschil tussen een datawarehouse en een data lake is dat een datawarehouse gevuld is met vooraf gestructureerde data daar waar een data lake gevuld wordt met ongestructureerde data. Het grote voordeel van een datawarehouse is dat je door die structuur makkelijker antwoorden vindt op je BI-vragen dan bij een data lake. Maar in een data lake sla je veel complexere en of veel grotere massa’s aan data op. Die ga je vervolgens in analyses betrekken op het moment dat deze nodig zijn.

Welke specifieke oplossing voor uw organisatie van toepassing is hangt af van uw doelstellingen. Mogelijk dat voor uw situatie een combinatie van datawarehouse en data lake de beste oplossing biedt.

Real Time Data

Real Time data is data in de context van BI is data die direct beschikbaar is voor analyse op het moment dat deze data in onderliggende systemen wordt ingevoerd of gewijzigd. Voor BI analyses op strategisch gebied of voor de meeste analyses op tactisch gebied volstaat het om data beschikbaar te hebben die de nacht te voren vanuit de onderliggende bronsystemen beschikbaar is gemaakt. In spreektaal komen wij nog wel eens tegen dat dit gegevens van maximaal een dag oud al als “Real-time” worden ervaren. Misschien komt dit voort uit het tijdperk waarin we 10 dagen na afsluiting van een periode een periode rapportage op ons buro kregen. Steeds vaker zien we dat BI toepassingen ook op operationeel of korte termijn tactisch gebied worden ingezet.

Actualiteit van gegevens is dan van cruciaal belang.

Een techniek die hiervoor wordt ingezet is genaamd Change Data Capture afgekort CDC. Deze techniek detecteert wijzigingen in uw bronomgeving zoals SAP of een AS400 database en stuurt elke gedetecteerde wijziging direct door naar een datawarehouse of data lake. Daar zijn deze gegevens dus direct beschikbaar voor verder gebruik. Wilt u deze gegevens direct ook in uw BI omgeving kunnen gebruiken dan kunt u een frequente Reload instellen (bijvoorbeeld elke 5 minuten) van dat deel van de data waarop de actualiteit benodigd is. Dergelijke reloads kunnen snel worden uitgevoerd omdat ze als incrementeel kunnen worden gedefinieerd (alleen nieuwe mutaties worden opgehaald) en geen verbinding met de originele productie omgeving hoeven te maken.

Benieuwd naar onze oplossingen op het gebied van Datamanagement?

Kijk voor onze Datawarehouse oplossingen bij onze product beschrijvingen van TimeXtender en Qlik Compose. Kijk voor onze Data lake oplossingen bij onze productbeschrijvingen van Snowflake en Qlik Replicate. Geïnteresseerd in Real Time data kijk dan naar de CDC mogelijkheden bij onze productbeschrijving van Qlik Replicate.