Verkehrswesen

Evolutionäres DWH bei ÖBB.

Wie lässt sich das Management in der modernen Bahnbranche verbessern? Die ÖBB-Personenverkehr AG erhöht mit einem evolutionären Data Warehouse ihre Schlagkraft – und setzt damit neue Maßstäbe.

 

Mehr als eine Million Passagiere muss die ÖBB Personenverkehr AG täglich mit über 4’000 Zügen und 30’000 Buslinien transportieren – und dabei Datenmengen in Terabyte-Dimensionen verarbeiten. Um das Reisen für ihre Kunden leichter und angenehmer zu gestalten, wurde das Ticketing-System für alle Vertriebskanäle komplett neu konzipiert. Das Ergebnis sind innovative digitale Services wie der Online-Verkauf und mobile Apps. 

Im Hintergrund dieses Systems wurde die gesamte Geschäftslogik und damit die Datenstruktur der ineinandergreifenden Systeme überarbeitet. Um die Auslastung der Züge zu messen und zu prognostizieren, ist zum Beispiel nicht mehr der bisher erfasste Fahrkartenverkauf für eine bestimmte Strecke relevant, sondern derjenige für einen bestimmten Zug. 

Zudem wurden zahlreiche neue KPIs und Qualitätsstandards eingeführt, wie etwa der Erledigungsgrad von Störungen sowie der Anteil der Züge mit WLAN oder Kinderkino. 

Evolutionäres Data Warehousing.
Durch die Umstellung fielen plötzlich riesige neue Datenmengen an, die aufbereitet, strukturiert und den Fachbereichen zu Auswertungs- und Steuerungszwecken zur Verfügung gestellt werden müssen. Das bestehende Data Warehouse konnte den neuen Anforderungen und der modernisierten IT-Systemarchitektur nicht mehr gerecht werden.

Dieser Umstand führte die ÖBB zum BI- und Data Warehouse-Experten Trivadis in Österreich. Das Ziel des Bahnunternehmens lautete, ein komplett neues Enterprise Data Warehouse (EDWH)  aufzubauen, das innerhalb der veränderten Rahmenbedingungen funktioniert und vor allem eine wesentliche Leistung erfüllt: Es sollte binnen kürzester Zeit Reportinggrundlagen liefern und einen evolutionären Ansatz agil verfolgen. 

Diese Vorgabe führte soweit, dass das «E» im EDWH bei der ÖBB intern nicht mehr für «Enterprise», sondern für «evolutionär» steht. «Im Rahmen der BI-Modernisierung und Konsolidierung hat das evolutionäre Vorgehen entscheidende Vorteile bewiesen», sagt Christoph Schmutz, CIO bei ÖBB Personenverkehr. 

Drei grundlegende Alternativen.
Der Entscheid fiel vor dem Hintergrund dreier verschiedener Ansätze bei der Entwicklung von Data Warehouses: 

Beim «Business Driven»-Ansatz steht der Informationsbedarf der Endanwender im Mittelpunkt, das heißt, es werden die fachlichen Anforderungen an das DWH im Rahmen von Requirements Engineering ermittelt und im Wesentlichen die fachlich benötigten Kennzahlen definiert. Daraus abgeleitet entstehen ein Business-Datenmodell, ein technisches Datenmodell und schlussendlich alle Strukturen des DWHs bis hin zur Einbindung der benötigten Datenquellen.

Bei der «Data Driven»-Methode ist es genau umgekehrt: Die verfügbaren Datenquellen werden analysiert und daraus, entsprechend den technisch möglichen Verknüpfungen, ein Data Warehouse implementiert. Über die verschiedenen Schichten im DWH werden die Informationen integriert und schlussendlich dem Endanwender zur Verfügung gestellt. Die beiden entscheidenden Nachteile dabei sind die enorme Breite an Informationen, da alle verfügbaren Datensätze kombiniert werden, und zum anderen die Möglichkeit, dass der Endanwender die bereitgestellten Informationen in dieser Form gar nicht benötigt.

Bei der ÖBB kam für das evolutionäre Data Warehouse ein dritter, weniger bekannter Ansatz zum Zug: das «Method driven»-Modell, das die beiden anderen Ansätze kombiniert. Hier liegen die Architekturpläne für ein DWH, die auf den konkreten Bedarf der Geschäftseinheiten ausgerichtet sind, bereits generisch vor.  

Standards und Automatisierung.
Die klassischen Data Warehouse-Lösungen können mit den kürzeren Zeitabständen der neuen Wirklichkeit nicht mehr mithalten. Bis diese nämlich umgesetzt sind, hat sich der Bedarf an Informationen zumeist geändert oder sogar erübrigt und neue Aspekte sind hinzugekommen. Durch Standardisierung und Automatisierung gewinnen die DWH-Prozesse jedoch an Effektivität und es lassen sich immense Zeit- und Kostenvorteile realisieren. 

Den Kern eines evolutionären Data Warehouses bildet der DWH-Generator, der wiederkehrende Aufgaben automatisiert. Daraus resultiert ein immenser Zeitgewinn für die Umsetzung. Durch den Generatoreinsatz wird zudem das Einhalten von Standards gewährleistet, und es entsteht weitaus weniger Testaufwand.  

Perfektes «Time-to-Market».
Angesichts der wachsenden Ansprüche der verschiedenen Business Units in der gesamten Organisation des ÖBB Personenverkehrs wurde eine schnelle Integration mehrerer Datenquellen (unter anderem Loyalitätskartensystem, Webshop und Ticketing-System oder Ertragsmanagement) benötigt. Bei dem ausgewählten  evolutionären Ansatz praktizierte das Entwicklungsteam primär ein iteratives Umsetzen kleiner Projektinhalte mit einem hohen Automatisierungsgrad und kurzen Release-Zyklen. 

Zunächst wurde ein neues BI Competence Center eingerichtet. Die Anforderungen an die neue Data Warehouse-Lösung wurden in enger Zusammenarbeit mit den Geschäftsbereichen gesammelt und definiert. Die Umsetzung und die Integration mehrerer neuer Datenquellen erfolgten agil, in kurzen Iterationen. 

Dieses Verfahren verringerte den Entwicklungsaufwand und auch die Auslieferungsgeschwindigkeit («Time-to-Deliver») auf ein Minimum. CIO Christoph Schmutz ist sehr zufrieden: «Das evolutionäre Data Warehousing ermöglichte in einer engen Business-Interaktion die gewünschte kurze «Time-to-Market»-Strategie. Bedürfnisse konnten in kurzer Zeit in Ergebnisse transformiert und präsentiert werden.»

Profil: ÖBB-Personenverkehr AG 
Unternehmenssitz: Wien

Branche: Verkehr
Fahrgäste: 1,3 Millionen täglich
Mitarbeiter: 43’000
BI-Lösung: Trivadis

 

Quelle: BUSINESS INTELLIGENCE MAGAZINE, www.bi-magazine.net
© ProfilePublishing Germany GmbH 2018. Alle Rechte vorbehalten.
Vervielfältigung nur mit Genehmigung der ProfilePublishing Germany GmbH

Business Intelligence Magazine: Springe zum Start der Seite