View
1
Download
0
Category
Preview:
Citation preview
Der führende B2B-Marktplatzwlw.de wlw.at wlw.ch
Klein anfangen und groß rauskommen mit Data Vault 2.0
Hamburg, den 16.09.2016
Leif Hitzschke & Dajana Schleuß
Klein anfangen und groß rauskommen mit Data Vault 2.0
1. wlw – das Unternehmen2. BI im Überblick3. Data Vault – Projekthistorie4. Data Vault im Detail
Agenda
wlw – das Unternehmen
Das Unternehmen„Wer liefert was“
- ist der führende B2B-Marktplatz in der DACH-Region- ermöglicht pro Monat rund 540.000 Anbietern/Inserenten
Kontakt zu 1,3 Millionen Einkaufsentscheidern/Nutzern- Pro Minute werden über wlw etwa 100 Kontakte zwischen
Anbietern und Suchenden hergestellt – das sind jährlich 51 Millionen Firmenkontakte
- hat seinen Hauptsitz in Hamburg und beschäftigt 200 Mitarbeiter
Klein anfangen und groß rauskommen mit Data Vault 2.0
„Wer liefert was“
Klein anfangen und groß rauskommen mit Data Vault 2.0
Beispielhafte Anbietersuche
„Wer liefert was“
Klein anfangen und groß rauskommen mit Data Vault 2.0
Beispielhaftes Firmenprofil
„Wer liefert was“
Klein anfangen und groß rauskommen mit Data Vault 2.0
So funktioniert die Suche
Suchen nach Firmenangebot
Ergebnis-Ermittlung
Ergebnis-Darstellung
Produkt-Daten: 47.000 Kategorien
Kategorienübersichts-Seite
Firmenprofil
Suchergebnisseite
Suchen nach Firmenname
Ergebnis-Ermittlung
Ergebnis-Darstellung
Firmen-Daten: 540.000 Firmen
Suchergebnisseite
Firmenprofil
Suchen nach Produkten
Ergebnis-Ermittlung
Ergebnis-Darstellung
Suchergebnisseite
Produktdetailseite
Produkte: Über 4,2 Millionen
Top-Ranking
Höchste Aufmerksamkeit durch eine der drei Spitzenpositionenauf den Suchergebnisseiten.
Reichweitenverstärker
Die individuelle Google AdWords-Kampagne für mehr Traffic auf dem wlw-Firmenprofil oder auf der Website.
wlw Retargeting
Zusätzliche Aufmerksamkeit durch Display-Werbung –völlig ohne Streuverluste.
wlw Europe
Mit wlw Europe sind Kunden mit ihrem Firmenprofil aufweiteren europäischen Partnerseiten von wlw präsent.
„Wer liefert was“
"Wer liefert was" stellt sich vor
Angebotsvielfalt
wlw D-A-CH
Mit wlw D-A-CH Präsenz zeigen im deutschsprachigen Raum und Reichweite länderübergreifend erweitern.
AD
Platzierung zusätzlich in Form einer Ad auf den Suchergebnisseiten.
etracker
Erfolgskontrolle mit integriertem Webcontrolling-Tool etrackerplus farbliche Profilunterlegung für mehr Aufmerksamkeit.
BI im Überblick
Business Intelligence im Überblick
Team• Umfasst 4 Personen• für jeden Themenbereich einen Verantwortlichen (Data
Warehouse, Reporting und Analytik)
Tools• Oracle Enterprise• SQL Developer • SAP Data Service• Tableau (Desktop und Server)• R-Script (Analytik)
Zielgruppen• Internes Unternehmensreporting• Kundenreporting• Schnittstellen zu Partnern (eTracker, Europages, etc.)
Daten• DWH hat 2 TByte• Auftragsdaten• Trafficdaten• csv. - Import von Partnern
Klein anfangen und groß rauskommen mit Data Vault 2.0
Data Vault – Projekthistorie
Data Vault - Projekthistorie
Juni 2015
Do it alone -Prototyp• Erarbeitung eines
ersten sehr rudimentären Data Vault Prototypen für die Auftragsdaten
Klein anfangen und groß rauskommen mit Data Vault 2.0
November 2015
Get the Expert
• Workshop Grundlagen und Technik
• Aufbau eines neuen Modells
Dezember 2015 /Januar 2016
Do it again
• Workshop für Modellierung und Automatisierung
• Modellreview mit weiterem Data VaultExperten
• Restrukturierung des Modells
September 2016
Now and Next
• Das Order Intake Data Warehouse ist produktiv und wird sukzessive weiterentwickelt
Data Vault im Detail
Einordnung in Kontext
Klein anfangen und groß rauskommen mit Data Vault 2.0
Beleg-Nr., Kunden-Nr. Auftragstyp, Laufzeit von … bis…Sales Manager, Gesamtwert
• Produkt 1 Wert• Produkt 2 Wert• Produkt 3 Wert• …
Auftragskopf
Auftragspositionen
Auftragsdaten für das neue DWH
Klein anfangen und groß rauskommen mit Data Vault 2.0
Ziele: • Nachverfolgbarkeit aller Änderungen (detaillierter View)• Berechnung eines Kundenstatus (Neukunde/Altkunde)• Berechnung einer Stückzahl im Produkt
Do it alone – Prototyp - Juni 2015
Do it alone –Prototyp
• erster sehr rudimentärer Data Vault Prototyp (Erstellung durch ext. Berater.)
• Abb. RAW VAULT und grobe Skizze Business Ebene
• Entwurf Beladungsprozess• Keine Dokumentation
Ziel/Fokus• Erfahrungen mit DV
sammeln
Klein anfangen und groß rauskommen mit Data Vault 2.0
8 Hubs
5 Links
3 Satellites
Get the Expert – November 2015
Klein anfangen und groß rauskommen mit Data Vault 2.0
Get the Expert
• Workshop Grundlagen und Techniken
• Bewertung des Prototypen• Neuaufbau des Modells
Ziel/Fokus:• Schnelle Beladung• Ausrichtung an den
Transaktionen
14 Hubs
2 Links
? Satellites
Do it again – Dezember 2015/ Januar 2016
Klein anfangen und groß rauskommen mit Data Vault 2.0
Do it again• Workshop für Modellierung
und Automatisierung• Erstellung eines neuen
Modells
Ziel/Fokus:• pragmatischer Ansatz zur
Umsetzung des Modells• Schnelle Beladung des
Modells• Fachliche
Zusammenhänge und Flexibilität
• Trennung von beschreibenden und zeitlichen Merkmalen
4 Hubs
2 Links
4 Satellites
Now – September 2016
Klein anfangen und groß rauskommen mit Data Vault 2.0
Do it again• Workshop für Modellierung
und Automatisierung• Erstellung eines neuen
Modells
Ziel/Fokus:• pragmatischer Ansatz zur
Umsetzung des Modells.• Schnelle Beladung des
Modells• Fachliche
Zusammenhänge und Flexibilität
• Trennung von beschreibenden und zeitlichen Merkmalen
NowSeptember 2016
• Das Order Intake Data Warehouse ist produktiv
• Die Daten werden täglich geladen
• Der neue Beladungsprozess benötigt nur noch 1/3 der Zeit
Now and Next
Klein anfangen und groß rauskommen mit Data Vault 2.0
NowSeptember 2016
• Die Daten werden über Tableau visualisiert und unternehmensweit zur Verfügung gestellt
Next
• Integration weiterer Datenquellen
• CRM-Daten (Sugar)• Trackingdaten• Erweiterte Reports für
den Fachbereich
Fazit
Klein anfangen und groß rauskommen mit Data Vault 2.0
• Die mitgelieferten Funktionen der Datenbank nutzen
à z.B. Funktionen und Prozeduren
àETL-Tool vs. SQL-Skript
• Anforderungen des Fachbereiches genauer aufnehmen
àFachwissen aufbauen
àGezielte Fragen stellen
• Datenqualität in der Quelle prüfen
àFehler im Ursprung abfangen
àMut zur Lücke
Klein anfangen und groß rauskommen mit Data Vault 2.0
Noch Fragen?Vielen Dank für Ihre Aufmerksamkeit!
Recommended