Was ist Datenintegration? 12 Definitionen für ein besseres Verständnis

August 27, 2020 · Henning Lund · Datenintegration

In den letzten Jahren ist die Datenmenge, mit der Unternehmen arbeiten, exponentiell gewachsen. Seien wir ehrlich: Für Unternehmen ist es inzwischen unerlässlich, ihre Datenbestände zu verstehen und zu organisieren. Parallel dazu hat sich eine Reihe neuer Disziplinen der Datenintegration mit einem ganz eigenen Fachjargon entwickelt: Datenmigration, Data Warehousing, Datensynchronisation, Big Data und Business Intelligence (um nur einige zu nennen) sind regelrecht zum Hype geworden. Was ist Datenintegration eigentlich? Ich stelle schon seit einer Weile ein Glossar der gängigsten Begriffe der Datenintegration zusammen... Hier ist es. 

Was ist Datenintegration?

Datenintegration bezeichnet das Zusammenführen von Daten aus unterschiedlichen Quellen, sodass Anwender eine einheitliche Sicht auf diese Daten erhalten. Datenintegration hat einen ganz konkreten geschäftlichen Nutzen für Unternehmen, die verschiedene Systeme integrieren möchten (zum Beispiel ein CRM und ein ERP), um Informationssilos zu vermeiden. Der Begriff ist heute allgemein geläufig, in Wirklichkeit aber gar nicht so alt. Das erste Datenintegrationssystem, das auf strukturierten Metadaten basierte, wurde 1991 an der University of Minnesota für die Integrated Public Use Microdata Series entwickelt.

Datenmigration

Datenmigration ist der Prozess, Daten von einem System in ein anderes zu übertragen und dabei den Speicher, die Datenbank oder die Anwendung zu wechseln. Unternehmen nutzen Datenmigration typischerweise, um auf eine Hardwareplattform oder von ihr weg zu migrieren, eine Datenbank zu aktualisieren oder auf eine neue Software umzusteigen. Ein weiteres typisches Szenario ist die Fusion zweier Unternehmen, deren parallele Systeme zu einem einzigen zusammengeführt werden müssen.

Datensynchronisation

Bei der Datensynchronisation geht es darum, Konsistenz zwischen den Daten eines Quell- und eines Zieldatenspeichers (und umgekehrt) herzustellen und diese Daten fortlaufend abzugleichen. Unternehmen nutzen Datensynchronisation typischerweise, um Konsistenz zwischen ihren verschiedenen Systemen zu erreichen. Grundsätzlich sollte Datensynchronisation nicht als „einmalige“ Aufgabe betrachtet werden, denn um die Konsistenz zu wahren, ist kontinuierlicher Aufwand nötig.

Data Warehousing

Data Warehousing ist ein System für das Reporting und die Analyse von Daten und gilt als Kernkomponente von Business Intelligence. Data-Warehouse-Systeme sind zentrale Repositorys integrierter Daten aus einer oder mehreren unterschiedlichen Quellen. Sie speichern aktuelle und historische Daten und dienen dazu, analytische Berichte (zum Beispiel Jahres- oder Quartalsvergleiche und -trends, tägliche Umsatzanalysen usw.) für Anwender im gesamten Unternehmen zu erstellen.

ETL

ETL steht für Extract-Transform-Load und bezeichnet den Prozess, bei dem Daten in drei Schritten aus einem Quellsystem in ein Data-Warehouse-System geladen werden:

• Schritt 1 Extract: In diesem Schritt werden die Daten aus dem Quellsystem extrahiert und für die weitere Verarbeitung zugänglich gemacht.
• Schritt 2 Transform: Dieser Schritt überführt die Daten nach einem Satz von Regeln aus der Quelle in das Ziel. Dazu gehört, alle Messdaten in dieselbe Dimension mit denselben Einheiten umzurechnen, damit sie später zusammengeführt werden können.
• Schritt 3 Load: Dieser Schritt lädt die Daten in das endgültige Ziel, das eine Datei, eine Datenbank oder ein Data Warehouse sein kann.

Datenvisualisierung

Datenvisualisierung stellt Daten visuell dar. Ziel ist es, Informationen mithilfe statistischer Grafiken, Diagramme und Infografiken klar und effizient zu vermitteln.

 Datenbereinigung

Datenbereinigung (auch Data Cleansing oder Data Cleaning genannt) ist der Prozess, fehlerhafte oder ungenaue Datensätze in einem Datenbestand, einer Tabelle oder einer Datenbank zu erkennen und zu korrigieren bzw. zu entfernen. Dabei werden häufig unvollständige, falsche, ungenaue oder irrelevante Teile der Daten identifiziert und die unsauberen oder groben Daten anschließend ersetzt, geändert oder gelöscht.
Datenbereinigung sollte in jedem Unternehmen im Fokus stehen, denn ein System, dessen Daten man nicht vertrauen kann, wird nicht genutzt. Außerdem ist sie ein notwendiger Schritt vor jedem Systemintegrationsprojekt.

Datenharmonisierung

Datenharmonisierung besteht darin, Daten aus unterschiedlichen Quellen zusammenzuführen und Anwendern eine vergleichbare Sicht auf Daten aus verschiedenen Studien zu bieten. Dank Datenharmonisierung können Unternehmen Daten aus heterogenen Quellen zu integrierten, konsistenten und eindeutigen Informationsprodukten zusammenführen.

Datenstandardisierung

Datenstandardisierung ist der Prozess, Daten in ein gemeinsames Format zu bringen, das kollaborative Forschung, umfangreiche Analysen sowie den Austausch anspruchsvoller Tools und Methoden ermöglicht.

Stammdatenmanagement

Stammdatenmanagement (Master Data Management) ist der Prozess, die wichtigsten Informationen innerhalb eines Unternehmens zu identifizieren und all diese Daten in einer einzigen Quelle zu verknüpfen, der sogenannten Stammdatei, die als gemeinsamer Bezugspunkt dient. Dadurch vereinfacht Stammdatenmanagement den Datenaustausch zwischen Mitarbeitern und Abteilungen und erleichtert die Nutzung unterschiedlicher Systemarchitekturen, Plattformen und Anwendungen. Stammdatenmanagement hilft Unternehmen, ihre Herausforderungen rund um konsistentes Reporting, die Einhaltung regulatorischer Vorgaben, das große Interesse an serviceorientierter Architektur (SOA) und Software as a Service (SaaS) zu bewältigen.

Big Data

Big Data verändert grundlegend, wie Menschen in Unternehmen zusammenarbeiten, und gibt Mitarbeitern tiefere Einblicke für bessere Entscheidungen. Big Data bezeichnet eine Datenmenge, die so groß oder komplex ist, dass herkömmliche Datenverarbeitungsanwendungen nicht mehr ausreichen und sich die Daten nur schwer analysieren, erfassen, durchsuchen, teilen, speichern, übertragen, visualisieren oder aktualisieren lassen. Eine der Herausforderungen besteht darin, dass Big Data heute ständig von allem um uns herum erzeugt wird. Sie entsteht durch unterschiedlichste digitale Prozesse und den Austausch in sozialen Medien, aber auch durch Systeme, Sensoren und mobile Geräte. Diese wachsenden Mengen machen es schwierig, aus den erzeugten Daten einen echten Mehrwert zu ziehen.

Jedes erfolgreiche Big-Data-Projekt muss Big-Data-Integration umfassen. Dazu gehört:

• Informationsquellen finden und erschließen.
• Informationen profilieren.
• Die Daten und ihren Wert verstehen.
• Die Daten über Metadaten nachverfolgen.
• Die Datenqualität analysieren und verbessern.
• Daten in eine Form bringen, die sich für Big-Data-Analysen nutzen lässt.

SSL-Verschlüsselung

In einer Zeit, in der Datenintegration immer häufiger on demand erfolgt, durfte SSL-Verschlüsselung in dieser Liste nicht fehlen. SSL (Secure Sockets Layer) ist die Standard-Sicherheitstechnologie, um eine verschlüsselte Verbindung zwischen einem Webserver und einem Browser herzustellen. Wir bei RapidiOnline haben uns auf sichere Datenintegrationslösungen spezialisiert: Wir nutzen SSL-verschlüsselte Datenübertragung und speichern keine Daten außerhalb der Systeme, die wir integrieren (zum Beispiel Salesforce und Microsoft Dynamics NAV). Werfen Sie einen Blick auf unsere Technologie und unsere Integrationslösungen , um mehr zu erfahren.

Diese Liste ist nicht vollständig, und vielleicht habe ich den einen oder anderen Begriff übersehen, aber sie ist ein Anfang. Hinterlassen Sie mir gerne einen Kommentar und ergänzen Sie die Begriffe der Datenintegration, die Ihrer Meinung nach in diese Liste gehören. Ich nehme sie gerne in ein Update auf.