Datalager för automatiserad informationsinsamling i ditt BI-projekt

Men en förutsättning för ett väl fungerande beslutsstöd är att ha relevant data av bra kvalitet. Det är en utmaning i många organisationer.

Hög datakvalitet är en förutsättning i BI-projekt

Bolagets data är en viktig tillgång, utan den eller med dålig datakvalitet kommer ni inte kunna jobba med verksamheten mot nya, högre mål. Att säkerställa datakvaliteten borde därför alltid vara punkt 1 i alla IT-projekt. För att underlätta detta arbete rekommenderar vi så gott som alltid ett data warehouse, ett datalager. Då behöver du bara underhålla EN applikation istället för 100.

Dessutom blir hela beslutsstödsprojektet:

• Mer kostnadseffektivt
• Skalbart
• Med högre datakvalitet

Samla företagets data i ett data warehouse

Ett nödvändigt steg i din BI-satsning är därför att samla validerad och tvättad data i ett fristående datalager med en gemensam datamodell och bra analysstruktur.

Härifrån kan du sedan plocka ut data för att vrida och vända på den, göra analyser och dra slutsatser med hjälp av Data Analytics. I och med att all analysdata finns tillgänglig från en och samma källa och att alla i organisationen har en gemensam bas att utgå från blir risken för fel eller motstridiga resultat mindre.

Uppdateringar kan ske dagligen, eller ännu oftare vid behov, vilket ger större möjligheter att se trender och följa upp än om du hade tagit fram siffrorna manuellt en gång i månaden.

Så här skapar vi ditt datalager

Vi på Orango har ett koncept kring hur vi bygger data warehouse-lösningar. Det är affärssystemsoberoende och baserat på mångårig erfarenhet inom Business Intelligence och Data Analytics.

Processen kallas ETL vilket står för Extract, Transform, Load. Det innebär:

1. Extract: Vi extraherar data från affärssystemet
2. Transform: Vi transformerar datan och tvättar den så att den blir enhetlig och mer analysvänlig.
3. Load: Vi läser in datan i datalagret där den sedan blir tillgänglig för analys. Då är datan kvalitetssäkrad!