Data Warehouse: Wenn jede Abteilung eine andere Umsatzzahl hat

Montagmorgen, Besprechung der Geschäftsleitung. Der Vertrieb meldet für den Vormonat einen Umsatz, das Controlling einen anderen. Das Lager kommt mit seinen Auslieferungen auf eine dritte Zahl. Die nächste halbe Stunde geht nicht um Entscheidungen, sondern um die Frage, wer recht hat.

Solche Szenen kennen viele Unternehmen ab einer gewissen Größe. Die Ursache ist selten ein Rechenfehler. Jede Abteilung zieht ihre Zahlen aus einem anderen System und versteht unter „Umsatz“ etwas anderes. Der Vertrieb zählt Aufträge, die Buchhaltung Rechnungen, das Lager Lieferscheine. Alle drei Zahlen sind richtig, nur eben nicht vergleichbar.

Ein Data Warehouse ist die klassische Antwort auf dieses Problem. Gemeint ist eine zentrale Datenbank, die Daten aus vielen Quellen zusammenführt, aufbereitet und für Auswertungen bereitstellt. Das klingt nach Technik. In der Praxis ist es mindestens so sehr eine Frage der Organisation.

Wie ein Data Warehouse arbeitet

Die Daten entstehen in den operativen Systemen: in der Warenwirtschaft, im Onlineshop, in der Buchhaltung, im CRM, also der Software für Kundenbeziehungen. Diese Systeme sind für den Tagesbetrieb gebaut. Sie sollen schnell eine Bestellung speichern, nicht zehn Jahre Verkaufsdaten auswerten.

Das Warehouse holt die Daten deshalb regelmäßig ab. Fachleute sprechen von ETL: Extrahieren, Transformieren, Laden. Beim Transformieren passiert die eigentliche Arbeit. Kundennummern aus zwei Systemen werden einander zugeordnet, Währungen umgerechnet, Dubletten entfernt. Heute wird oft zuerst geladen und erst in der Datenbank umgeformt. Dann heißt das Verfahren ELT. Am Prinzip ändert das wenig.

Im Warehouse liegen die Daten meist in einer Struktur, die für Fragen gebaut ist. Verbreitet ist das Sternschema. In der Mitte stehen Fakten wie Verkäufe oder Buchungen, außen die Dimensionen wie Zeit, Produkt, Kunde und Filiale. So lässt sich schnell beantworten, welches Produkt in welcher Region im dritten Quartal am besten lief.

Ein weiterer Punkt wird oft unterschätzt: die Historie. Operative Systeme überschreiben alte Werte. Zieht ein Kunde um oder wechselt ein Artikel die Warengruppe, ist der alte Stand weg. Das Warehouse kann beide Stände aufbewahren. Nur so lassen sich Entwicklungen über Jahre sauber vergleichen.

Der eigentliche Nutzen: eine gemeinsame Sprache

Der größte Gewinn liegt selten in schnelleren Abfragen. Er liegt darin, dass ein Unternehmen endlich festlegen muss, was seine Begriffe bedeuten. Was ist ein aktiver Kunde? Zählt eine Gutschrift zum Monat, in dem sie ausgestellt wurde, oder zum Monat der ursprünglichen Rechnung?

Diese Fragen klingen banal. In der Praxis lösen sie lange Diskussionen aus. Ist die Antwort aber einmal im Warehouse hinterlegt, gilt sie für alle Berichte. Die Montagsrunde kann dann über den Markt sprechen statt über die Herkunft der Zahlen.

Ein Data Warehouse beendet den Streit über Zahlen nur, wenn vorher jemand den Streit über Begriffe entschieden hat.

Dazu kommt Entlastung. Wer heute jeden Monat Tabellen aus drei Systemen kopiert und von Hand zusammenführt, bekommt diese Arbeit abgenommen. Die Berichte entstehen automatisch, und Kopierfehler fallen weg. Auch die operativen Systeme werden geschont, weil große Auswertungen nicht mehr auf ihnen laufen.

Wann sich der Aufwand lohnt

Nicht jedes Unternehmen braucht ein eigenes Warehouse. Ein kleiner Betrieb mit einem einzigen ERP-System, also einer zentralen Unternehmenssoftware, kommt oft mit deren Berichten aus. Der Aufwand lohnt sich eher, wenn mehrere der folgenden Punkte zutreffen:

• Wichtige Kennzahlen stammen aus drei oder mehr Systemen, die nicht miteinander verbunden sind.
• Monatsberichte entstehen in Tabellenkalkulationen und kosten jedes Mal mehrere Arbeitstage.
• Auswertungen bremsen die operativen Systeme, etwa den Shop am Monatsende.
• Sie brauchen Vergleiche über viele Jahre, die Ihre heutige Software nicht mehr hergibt.
• Prüfer, Banken oder Gesellschafter verlangen nachvollziehbare Zahlen mit klarer Herkunft.
• Sie planen Prognosen oder Anwendungen mit künstlicher Intelligenz, die saubere historische Daten brauchen.

Der letzte Punkt gewinnt an Gewicht. Viele Firmen wollen maschinelles Lernen nutzen und stellen dann fest, dass ihre Daten verstreut und widersprüchlich sind. Ein Warehouse ist dafür keine Pflicht, aber häufig die Grundlage.

Was ein Data Warehouse kostet

Die Kosten haben drei Teile. Erstens die Plattform. Früher stand dafür ein eigener Server im Keller. Heute laufen viele Warehouses in der Cloud und werden nach Speicher und Rechenzeit abgerechnet. Das senkt die Einstiegshürde, kann bei unbedachten Abfragen aber teuer werden.

Zweitens die Anbindung der Quellen. Jede Schnittstelle muss gebaut, getestet und gepflegt werden. Ändert der Hersteller der Warenwirtschaft sein Datenformat, muss auch die Strecke ins Warehouse angepasst werden. Dieser laufende Aufwand wird in Angeboten gern kleingerechnet.

Drittens, und meist am größten: die Arbeit der Fachabteilungen. Jemand muss Begriffe definieren, Fehler in den Quelldaten klären und Berichte abnehmen. Diese Zeit taucht in keinem Lizenzpreis auf. Sie entscheidet aber über den Erfolg.

Typische Fehler bei der Einführung

Der häufigste Fehler ist der große Wurf. Ein Projekt, das alle Daten aller Abteilungen auf einmal zusammenführen soll, läuft oft über Jahre und liefert lange nichts Sichtbares. Die Geduld der Geschäftsleitung ist dann aufgebraucht, bevor der erste Bericht steht.

Besser ist ein enger Anfang. Wählen Sie einen Bereich mit spürbarem Leidensdruck, etwa die Umsatzberichte im Vertrieb. Liefern Sie dort in wenigen Monaten Ergebnisse, die tatsächlich genutzt werden. Danach wächst das Warehouse Schritt für Schritt.

Ein zweiter Fehler ist die Hoffnung, das Warehouse werde schlechte Daten reparieren. Es macht schlechte Daten nur sichtbarer. Wenn im Shop Kunden doppelt angelegt werden, muss das Problem dort gelöst werden. Sonst wird im Warehouse jede Nacht derselbe Fehler bereinigt.

Drittens fehlt oft eine klare Zuständigkeit. Für jeden zentralen Datenbereich sollte eine Person aus dem Fachbereich verantwortlich sein, nicht nur die IT. Wer festlegt, was ein „Kunde“ ist, muss auch erklären können, warum.

Ein Werkzeug, kein Selbstzweck

Neuere Begriffe wie Data Lake oder Lakehouse stehen für Speicher, die auch Texte, Bilder oder Maschinenprotokolle günstig aufnehmen. Für viele Zwecke ist das sinnvoll. Die Grundfrage bleibt aber dieselbe: Welche Zahlen brauchen Sie für welche Entscheidung, und wer verantwortet sie?

Ein Data Warehouse ist dann gut, wenn es leise wird. Wenn niemand mehr fragt, woher eine Zahl kommt, weil es alle wissen. Bis dahin ist es weniger ein IT-Projekt als eine Einigung im Unternehmen, die in Software gegossen wird.