Melden Sie sich hier an, um auf Kommentare und die Whitepaper-Datenbank zugreifen zu können.

Kein Log-In? Dann jetzt kostenlos registrieren.

Falls Sie Ihr Passwort vergessen haben, können Sie es hier per E-Mail anfordern.

Der Zugang zur Reseller Only!-Community ist registrierten Fachhändlern, Systemhäusern und Dienstleistern vorbehalten.

Registrieren Sie sich hier, um Zugang zu diesem Bereich zu beantragen. Die Freigabe Ihres Zugangs erfolgt nach Prüfung Ihrer Anmeldung durch die Redaktion.

03.03.1995

Informationsgewinnung bei der Bayerischen Vereinsbank Das Bank-Management bedient sich aus dem Data-Warehouse

03.03.1995

Von Ulrich Schmidbauer*

Traditionelle Datenbank-Abfragesysteme bieten nur Datenaufstellungen, keine wirklichen Entscheidungshilfen. Die Loesung liegt also in einem intelligenten Softwarekonzept, das in der Lage ist, plattformuebergreifend die unterschiedlichsten Daten zu integrieren und fuer entscheidungsrelevante Informationen aufzubereiten. Die Bayerische Vereinsbank hat daher begonnen, ein Data Warehouse einzurichten.

Die Bayerische Vereinsbank nutzt nicht nur ein Data Warehouse, sondern will das bestehende Verfahren noch weiter vereinfachen: Die Fachabteilungen sollen ihre "Datentoepfe" selbst fuellen koennen, um die vorhandenen Ressourcen nicht zu belasten. Es geht im ersten Schritt um eine neue Art der Datenextraktion fuer den Vertrieb, der bereits Informationsverarbeitung nach dem Data-Warehouse-Konzept betreibt. Das System wurde "Andex" genannt, da es die anwendergesteuerte Datenextraktion ermoeglicht.

Zustaendig fuer das Projekt ist Heinrich Meyer, Abteilungsdirektor und Systemverantwortlicher fuer den Zentralbereich Organisation und Informatik der Bayerischen Vereinsbank. Meyer sieht die Einfuehrung des Data-Warehouse ganz pragmatisch:

"Es ging uns weniger darum, dass wir ploetzlich etwas voellig Neues, bis dahin Unmoegliches koennen wollten. Alle von unseren Mitarbeitern verlangten Abfragen lassen sich auch irgendwie mit klassischen Mitteln durchfuehren. Es ging vielmehr darum, dass wir die enorme Belastung der DV-Abteilungen und Systemressourcen erheblich verringern und gleichzeitig dem Anwender kuerzere Zugriffszeiten auf die gewuenschten Informationen garantieren wollten."

Der Wunsch fuer ein neues Konzept zur Datenextraktion war urspruenglich aufgrund der bis dahin unwirtschaftlichen Form der Abwicklung von Benutzeranfragen entstanden. Die Nachteile der alten Methode waren vielfaeltig: Die eingesetzten Tools waren nur mit Programmierkenntnissen bedienbar, und der organisatorische Ablauf mit Auftragserstellung und Abstimmung zwischen verschiedenen Abteilungen, Testlaeufen, Job-Management, Installation und Ausfuehrung im Rechenzentrum verlangte oft Tage oder sogar Wochen.

Die Daten mussten fuer jeden Test und fuer jede Auswertung neu gelesen werden und verbrauchten so unnoetig viel teure CPU-Zeit. Im schlimmsten Fall musste eine Abfrage, die einschliesslich Testlaeufen bereits Tage gedauert hatte, komplett wiederholt werden, weil der Anwender einige zusaetzlich benoetigte Daten vergessen hatte.

Last, but not least hatte sich aufgrund der umstaendlichen und langwierigen Wege zu einer Datenauswertung DV-Wildwuchs breitgemacht: Die Anwender begannen, sich ihre eigenen Datenbanken auf dem PC zu erstellen, um schneller an die gewuenschten Informationen zu kommen. Das alte System war also - so das Fazit von Meyers Abteilung - fuer alle Bereiche ressourcenintensiv und daher nicht ausbaufaehig.

Ein gemeinsam mit dem Heidelberger SAS Institute erstelltes Datenextraktionskonzept hat fuer Abhilfe gesorgt. Die Fachabteilungen erhielten ein Informationssystem fuer die Endanwender, das sich durch einfache Bedienung per Mausklick und selbsterklaerende Datenkataloge auszeichnet. Die Schulung fuer das neue System war nach einem Tag beendet. Danach konnte jeder Anwender seine Abfragen selbst formulieren.

Zur Weiterverarbeitung oder Praesentation der gewonnenen Informationen konvertiert sie das in der Bank eingesetzte SAS- System auf das jeweilige Zielsystem, gleichgueltig, ob es sich dabei um eine SAS-eigene oder um die Applikation eines anderen Herstellers handelt.

Um die Anfragen wirtschaftlich zu verwalten, gibt es einen Sam-

melselektor. Eine Routine sammelt alle Anfragen, die tagsueber an einen Datenkatalog gestellt werden, und beruecksichtigt deren Anforderungen, so dass der in Frage kommende Datenbestand nur einmal fuer je 100 Anfragen ueber Nacht gelesen werden muss - und nicht fuer jede Anfrage einzeln.

Das Data-Warehouse bei der Bayerischen Vereinsbank wird durch diese Anfragen mit Informationen gefuellt und dynamisch erweitert. Ohne den operativen Bereich tagsueber unnoetig durch Anfragen zu belasten, vermehrt sich der Pool an verfuegbaren Informationen fuer dispositive Entscheidungen.

Der Datenschutz wurde nicht nur erhalten, sondern sogar verbessert: Die vorhandenen Berechtigungsverfahren konnten durch eine geringfuegige Anpassung uebernommen werden, zusaetzlich erweiterte man die Datensicherheit und den Zugriffsschutz, so dass innerhalb von Andex eine automatische Pruefung der Feldinhalte, der Geschaeftsstelle und des Betreuers im Selektionslauf erfolgt. Das heisst

in der Praxis, dass zum Beispiel ein Sachbearbeiter in einer Filiale nur die Daten seiner Kunden einsehen kann. Daten von Mitarbeitern, von Kunden anderer Betreuer oder anderen Geschaeftsstellen bleiben fuer ihn gesperrt.

Vereinfacht dargestellt, laeuft eine Abfrage in Andex folgendermassen ab (vgl. die Abbildung): Zuerst passiert sie das Datenschutzprogramm, das ihre Zulaessigkeit abcheckt. Danach erreicht sie wie alle Abfragen eines Tages den Sammelselektor. Dort wird auch entschieden, welche Datenbestaende zur Beantwortung eingelesen werden muessen. Auf der operativen Seite gibt es eine Vielzahl von unterschiedlichsten Datentoepfen: zum Beispiel Kontendaten in ISAM-Dateien (ISAM = Index-seqentieal Access Method), Kundenadressen in relationalen SQL-Datenbanken, hierarchisch geordnete Datenbestaende mit Konditionen und vieles andere mehr.

Eine Leseroutine holt sich aus diesen verschieden organisierten und formatierten Bestaenden die benoetigten Daten und setzt sie in eine integrierte Form um. Im Selektionsprogramm findet dann nur noch die Konvertierung fuer die entsprechenden Zielsysteme statt, und die gewuenschte Information steht dem Anwender im Data- Warehouse spaetestens am naechsten Morgen zur Verfuegung.

DV-Manager Meyer ist vom Data-Warehouse-Konzept ueberzeugt: "Obwohl wir erst am Anfang dieser Entwicklung stehen, haben wir bereits zwei urspruenglich getrennte Bereiche zusammenlegen koennen: den Informationsbereich und die Bueroplattform."

Der Nachteil ist, dass das Data-Warehouse einige GB Plattenplatz fuer die angesammelten Informationen belegt. Ausserdem muss ein Mitarbeiter abgestellt werden, der sich um das Management der gespeicherten Daten kuemmert. Alles in allem lohnt sich nach Ansicht des IT-Verantwortlichen der Einsatz des Data-Warehouse, da man nun keinen Aufwand mehr betreiben muesse, um EIS-Daten aufzubereiten. Ausserdem brauche man keine Abteilung mehr, die sich um die Organisation und den Aufbau nutzbarer Datenstrukturen kuemmert, sie aktualisiert und Aenderungen durchfuehrt. Nicht mehr erfolgreich sei es auch, mit irgendwelchen Tools die vorhandenen Daten zu manipulieren, um die Anwenderwuensche befriedigen zu koennen.

* Ulrich Schmidbauer ist freier Autor in Muenchen.