Die Österreichischen Bundesbahnen setzen auf ein „evolutionäres“ Datawarehouse-Konzept.

Foto: ÖBB/Eisenberger Die neue Lösung ermöglicht die Überwachung zahlreicher KPIs, darunter der Anteil der Züge mit tauglichem WLAN Die ÖBB hat Terabytes an Daten zu verarbeiten. Nun wurde das Ticketing-System für alle Vertriebskanäle komplett neu konzipiert. Das Ergebnis sind innovative digitale Services wie Online Ticketing und Mobile Apps. Im Hintergrund wurde die gesamte Geschäftslogik und damit die Datenstruktur der ineinandergreifenden Systeme überarbeitet. Auch zahlreiche neue KPIs und Qualitätsstandards wurden eingeführt wie der Erledigungsgrad von Störungen.

Das bestehende Datawarehouse konnte den neuen Anforderungen und der modernisierten IT-System-architektur nicht mehr gerecht werden. Dieser Umstand führte die ÖBB zum BI- und Data Warehouse-Experten Trivadis, mit dem Ziel, ein komplett neues Enterprise Data Warehouse aufzubauen, das den neuen Anforderungen gerecht wird und eine wesentliche Anforderung erfüllt: Das EDWH soll binnen kürzester Zeit Reportinggrundlagen liefern und möglichst agil einen evolutionären Ansatz verfolgen.

Evolutionäres Datawarehouse.

„Im Rahmen der BI-Modernisierung hat das evolutionäre Vorgehen entscheidende Vorteile“, betont Christoph Schmutz, CIO bei ÖBB Personenverkehr. Die klassischen Data-Warehouse-Lösungen können mit den kürzeren Zeitabständen von neuen Anforderungen nicht mehr mithalten. Bis diese nämlich umgesetzt sind, hat sich der Bedarf an Informationen zumeist geändert oder sogar erübrigt, und neue Aspekte sind hinzugekommen. Mit Standardisierung und Automatisierung gewinnen die Prozesse an Effektivität, und es lassen sich Zeit- und Kostenvorteile realisieren. Den Kern eines evolutionären Data Warehouses bildet dabei der DWH Generator, der wiederkehrende Aufgaben automatisiert.

Ist zum Beispiel eine Kundendimension aufzubauen, ist die Anbindung zur Datenquelle herzustellen. Die Daten müssen ausgelesen und gespeichert werden. Erst dann können sie in einer weiteren Daten-Bereinigungsschicht gesäubert werden. Ändert sich die Kundenstruktur im Laufe der Zeit, müssen auch hierfür geeignete Ladeprozesse und Datenstrukturen vorgesehen werden. Am Ende der Kette liegt jene Datenschicht, auf welche die Anwender mit ihren Analysewerkzeugen zugreifen.

Diese Kette von Umsetzungsschritten wiederholt sich mit jedem weiteren Auswertungsobjekt. Ein Generator ist in der Lage, diese Schritte größtenteils automatisch zu vollziehen. Daraus resultiert ein Zeitgewinn für die Umsetzung, der Prozess kann binnen Stunden oder in wenigen Tagen abgeschlossen sein. Auch gewährleistet der Generator das Einhalten von Standards, und es entsteht weniger Testaufwand.

„Das evolutionäre Data Warehousing ermöglichte in einer engen Business-Interaktion die gewünschte kurze time-to-market Strategie. Bedürfnisse konnten in kurzer Zeit in Ergebnisse transformiert und präsentiert werden. Hier hat uns Trivadis bestens unterstützt und ihre langjährige Expertise in die Prozesse eingebracht“, berichtet Schmutz.

Unterschiedliche Datenquellen.

Die wachsenden Anforderungen der verschiedenen Business Units in der gesamten Organisation des ÖBB Personenverkehrs stellten die bestehende Data Warehouse-Lösung vor eine große Herausforderung. Eine schnelle Integration mehrerer Datenquellen wurde benötigt.

Trivadis wählte den evolutionären Ansatz als Projektvorgehen, welcher primär ein iteratives Umsetzen kleiner Projektinhalte mit einem hohen Automatisierungsgrad und kurzen Releasezyklen umfasst. Zunächst wurde ein neues BI Competence Center eingerichtet. Die Umsetzung und die Integration mehrerer neuer Datenquellen erfolgten in kurzen Iterationen und verfolgten die agilen Entwicklungsansätze. Die fortschrittliche Data Warehouse-Automatisierung reduzierte den Entwicklungsaufwand und die Time-to-Deliver auf ein Minimum.