Datensilo

Externe Datenquellen

KI-basierte Analysen

Traditionelle DWH-Strukturen

Bei einem traditionellen, lokalen Datawarehouse lassen sich neue nicht strukturierte oder externe Datenquellen nicht in bestehende Struktur einbinden. Bestehende Ressourcen und Speicher sind nicht geeignet für neue Analyse-Methoden („Machine Learning“). Kapazität, Performance und Erweiterbarkeit sind durch lokale IT-Ressourcen begrenzt.

Cloud Native Data Warehouse

Das Bild zeigt die grobe Struktur eines Data Warehouses. Es werden Daten gesammelt, eventuell vor verarbeitet und Anforderungen an die Ergebnisse und Infrastruktur des Systems gestellt. Daraus ergibt sich das konkrete Data Warehouse, aus welchem dann verschiedenste Informationen und Berichte erstellt werden können.

Das moderne Cloud DWH von Snowflake kann problemlos externe Daten integrieren und lässt sich flexibel erweitern.
Moderne Speichertechnologien lassen KI-basierte spezifische Datenanalysen zu.
Kapazität und Performance lassen sich in der Cloud dynamisch anpassen. Die Abrechnung bei Snowflake erfolgt nutzungsbasiert.
Standard-Berichte, Daten für Fachabteilungen und erweiterte Datenanalysen basieren auf demselben zentralen Datenmodell.
Durch Rollen-basierte Zugriffe werden Sicherheit und DSGVO-Konformität gewährleistet.
Fachabteilungen können mit dem BI-Werkzeug Tableau flexible Berichte auf der einheitlichen Datenbasis erstellen.