Daten über Daten – und nun? Fintech in Funktion ist unsere Mission.
Wir designen Data Warehouses – und wissen, worauf es bei ETL-Prozessen ankommt.
Finance & Data Warehouse
Fintech, Data Warehouse, Big Data?
Insbesondere im Finanzsektor gilt es, den Überblick zu behalten und behördliche Anforderungen zu erfüllen. Wir denken nicht nur an EU-Verordnungen oder Nach- und Vorkalkulation. Es gilt, die entscheidenden Prozesse und Daten interaktiv, in Dashboards und mit dazugehörigen übersichtlichen Berichten und Kennzahlen, darzustellen.
Was ist ein ETL-Prozess?
Extract, Transform, Load beschreibt das Vorgehen, bei dem ein Data Warehouse aus unterschiedlichen Quellen mit Daten befüllt wird.
Was ist Data Warehousing?
Data Warehousing extrahiert Daten aus mehreren verschiedenen Quellen und stellt sie in einem zentralen Repository für die weitere Verwertung zusammen. Im Grunde speichert ein Data Warehouse eine Kopie sämtlicher Daten aus deinen Transaktionssystemen und relationalen Datenbanken. Damit liefert es eine solide Analyse-Basis. Mittels Structured Query Language (SQL)-Clients, Business Intelligence-Tools und Eigenentwicklungen werden diese Daten ausgelesen. Mittlerweile gehört die Verfügbarkeit aller relevanten Daten in Echtzeit sowie deren Vernetzung untereinander zum neuen Standard. Stetig entstehen höhere Datenmengen und der Bedarf, heterogene Daten miteinander zu fusionieren.
„Wir sind nicht nur Techniker*innen – sondern sprechen auch die Sprache deines Fachbereiches.
Fachübergreifendes Know-how kombiniert mit technischer Expertise.“
Matthias, Experte für Finance & Data Warehouse, format h
Aufbau eines Data Warehouse
Ein Data Warehouse besteht aus vielen logisch getrennten Schichten.
- Auf der untersten Ebene des Data Warehouse befindet sich der Datenbankserver oder die Import-Schicht. Dort werden die Daten von verschiedenen Quellen 1:1 importiert.
- Auf der nächsthöheren Ebene ist die Analyse-Engine angesiedelt. Diese besteht aus einem Datenmodell, das die Strukturen und das Geschäftsmodell des Unternehmens darstellt.
- Auf der nächsten Ebene befinden sich verschiedene Data-Marts, welche für verschiedene Frontends und Abnahmesysteme erstellt werden. Die Anzahl und Ausprägungen der einzelnen Ebenen können variieren. Mit Ausprägungen sind unterschiedliche Modellierungstechniken (z.B. RN3, Data Vault, Star) und Historisierungsmöglichkeiten (z.B. temporale oder bitemprorale Historisierung) gemeint.
Durch einen solchen logischen Aufbau des Data Warehouses werden Daten an einem Punkt zusammengefasst und vereinheitlicht. Ziel ist die Generierung einer zentralen und verlässlichen Datenbasis für das gesamte Unternehmen.
Auswertungen und Bereitstellung von Reports
Bringe deine Daten technisch auf einen aktuellen Stand. Wir verstehen die “alte Welt” und können dir bei der Migration deiner Daten helfen. Doch auch ausgefeilte finanzmathematische Auswertungen mit moderner Technologie sind nur die halbe Miete. Hier ist strukturiertes Vorgehen gefragt. Es ist entscheidend, den jeweiligen Use Case wirklich zu verstehen und Reports entsprechend zu optimieren. So erhalten wir eine gute Basis für detaillierte Finance Analysen, die wir dir übersichtlich in Dashboards zusammenstellen.
Unser Ansatz
- Sammlung von Daten mittels SQL, Excel, Content-Analysen etc.
- Strukturierung und Transformation: Aufbereitung für Auswertungen
- Verstehen des individuellen Sachverhalts
- Auswertungen und Reports: Darstellung in Dashboards
- Data Analytics: Machine Learning
- Visualisierung der Ergebnisse
- Fazit, Gewinnermittlung, Forecast, Hinterfragen
- Recht & Ordnung wahren: Wir unterstützen bei der Berücksichtigung rechtlicher Belange mit unserer langjährigen Erfahrung.
Data Analytics
Es ist noch kein*e Data Meister*in vom Himmel gefallen, also stellen wir uns ganz auf deinen aktuellen Bedarf auf dem Weg zum datengetriebenen Unternehmen ein: Datenerhebung, Datenaggregationen, Datenaufbereitung und -visualisierung, größere Analysen oder automatisierte Machine Learning Pipelines.
Wage dich an deine Daten und lass diese mit neuen KI-Tools und -methoden auswerten, um wertvolle Informationen aus deinen Daten zu beziehen. Möglich ist dies beispielsweise mittels BI-Reporting (Tableau, MicroStrategy oder PowerBI), SQL-Datenbank-Abfragen (Oracle, Google, MS SQL) oder Detail-Analysen.
Du findest Antworten zu interessanten Fragestellungen
- Ist mein Geschäft wirtschaftlich?
- Welche Zusammenhänge gibt es im Gesamtdatensatz?
- Wie entdecke ich Verbesserungspotenzial anhand meiner Daten?
- Wie helfen mir meine Daten, optimale Prozesse aufzubauen?
Big Data Expertise
Unsere Expert*innen setzen Methoden und Tools entsprechend deiner Anforderungen ein. Dazu zählen unter anderem BI-Reporting, SQL Datenbank-Abfragen, Detail-Analysen, die Erstellung von Dashboards und Visualisierungen.
Klara Dreyer-Sieverding
Sales & Business Development Managerin
