Wovon der Erfolg von BI-Projekten abhängt

Einflussfaktoren auf die BI-Performance

Die Leistungsfähigkeit von BI-Systemen hängt von verschiedenen Faktoren ab:

• Grundsätzlich müssen für ein leistungsfähiges BI-System die verschiedenen eingesetzten Softwaretechniken zusammenpassen. Das Zusammenspiel von Datenbanken, BI-Applikationen und den entsprechenden Integrations-Tools muss stimmen.

• Mit stark heterogen zusammengesetzten BI-Systemen steigt die Komplexität und sinkt in aller Regel die Performance. Die betroffenen Unternehmen sollten IT-Landschaften mit vielen unterschiedlichen Datenspeichern, Integrationsprozessen und Werkzeugen konsolidieren. Das erlaubt eine einfachere Wartbarkeit sowie schnellere Anpassungsfähigkeit und sorgt für eine bessere Performance.

• Einen entscheidenden Faktor für die BI-Performance stellt die eingesetzte Hardware-Architektur dar. Beispielsweise lässt sich die Leistung durch den Einsatz von Symmetric-Multi-Processing- (SMP) beziehungsweise Massive-Parallel-Processing-(MPP) Architekturen steigern.

• Während die Hardware-Leistung mit schnelleren Prozesoren und mehr Arbeitsspeicher steigt, bildet der Zugriff auf die Festplatten oft einen Flaschenhals im System. Hier gilt es auf intelligente Kompressions- und Caching-Mechanismen zu achten. Flash-Speicher-basierende Solid-State-Drives (SSDs) können die Leistung durch schnellere Datenzugriffe die Leistung erhöhen. Allerdings muss die Datenbank auf die SSD-Speichertechnik optimiert sein.

• Wachsende Datenmengen machen es für die Anwender oft schwer, die richtigen Informationen zu finden. Funktionen wie Indizierung und Aggregate helfen dabei, die Datenberge im Griff zu behalten.

• Die Data-Warehouse-Architektur definiert die Informationsflüsse und Datenbereitstellung im Unternehmen und wirkt sich damit unmittelbar auf die Performance aus. Je nach Anforderung müssen sich Anwender für die richtige DW-Architektur entscheiden, ein zentrales Enterprise Data Warehouse (EDW), abhängige oder unabhängige Marts, föderierte Data-Warehouse oder Mischarchitekturen.

• Unterschiedliche Applikationen erfordern spezielle Datenmodelle und beeinflussen Erweiterbarkeit, Flexibilität und Performance. Für die analytische Informationsverarbeitung eignen sich besonders dimensionale Modellierungsansätze wie das Star- oder Snowflake-Schema in relationalen Datenbanken sowie die Modellierung von multidimensionalen Würfeln.