Operationale vs. analytische Daten
Daten in einem Unternehmen lassen sich grob in zwei Lager teilen: solche, die den Betrieb am Laufen halten, und solche, aus denen Entscheidungen entstehen. Diese Unterscheidung klingt akademisch, erklärt aber, warum Datenpipelines so gebaut sind, wie sie gebaut sind, und wo Qualitätsprobleme zuerst auftauchen.
1. 🏭 Operationale Daten: betreiben das Geschäft
Operationale Daten entstehen durch das Tagesgeschäft, also durch die laufenden Abläufe der Organisation. Beispiele sind Lagerbestände zu einem bestimmten Zeitpunkt, Kunden-Impressionen oder einzelne Transaktionsdatensätze. Kurz: Diese Daten betreiben das Geschäft. Sie werden geschrieben, während die Prozesse passieren, und sind auf schnelle Updates an Systemen und Abläufen ausgelegt.
2. 📊 Analytische Daten: steuern das Geschäft
Analytische Daten werden, wie der Name sagt, analytisch genutzt. Es ist die Art Daten hinter datengetriebenen Entscheidungen: Marketing-Churn, Klickraten oder Impressionen pro Weltregion. Diese Daten steuern das Geschäft. Sie sind auf robuste, effiziente Auswertung ausgelegt, nicht auf schnelles Schreiben.
Auf den Punkt gebracht: Operationale Daten halten konkrete Geschäftsvorgänge für schnelle Updates fest, analytische Daten dienen der gründlicheren Analyse.
3. 🔀 Warum die Reihenfolge wichtig ist
Fast immer liegen operationale Daten stromaufwärts (upstream) der analytischen. Der Grund: Analytische Daten enthalten oft Aggregationen oder Anreicherungen der operativen Datenbestände. Das Dashboard mit dem Wochenumsatz ist eine Verdichtung tausender einzelner Bestellungen.
Diese Reihenfolge ist auch für Datenqualität zentral: Ein Fehler in den operativen Quelldaten pflanzt sich nach unten fort und taucht später in der Analyse als falsche Zahl auf. Wer nur am Ende misst, sieht das Problem zu spät.
Beispiel: Webshop
In einem Webshop ist jede einzelne Bestellung mit Zeitstempel, Artikeln und Zahlungsstatus operational, sie hält fest, was gerade passiert. Der Monatsreport «Umsatz nach Produktkategorie» ist analytisch, er entsteht durch Zusammenfassen genau dieser Bestellungen. Die Bestellung ist die Quelle, der Report das Ergebnis.
4. ⏱️ Der Durchsatz-Latenz-Tradeoff
Hinter dem Unterschied steckt eine grundlegende Spannung, die jedes System mit fester Rechenleistung betrifft: der Tradeoff zwischen Durchsatz (Throughput) und Latenz (Latency). Durchsatz ist die Menge an Daten, die pro Zeiteinheit verarbeitet wird. Latenz ist die Verzögerung, bevor ein einzelnes Datum verarbeitet ist.
Analogie: Café mit Schlange
Stell dir ein Café mit einer Schlange vor der Tür vor. Wie lange dauert es, bis jemand am Ende der Schlange seinen Kaffee bekommt? Anstehen, bestellen, bezahlen, dann auf den Barista warten: Die Summe dieser Zeit ist die Latenz des Cafés. Wie viele Gäste dagegen in, sagen wir, einer Stunde ihren Kaffee geniessen, beschreibt den Durchsatz.
Operationale Systeme optimieren tendenziell auf niedrige Latenz (die einzelne Bestellung soll sofort erfasst sein), analytische Systeme auf hohen Durchsatz (viele Datensätze gemeinsam und effizient auswerten). Beides zugleich ins Maximum zu treiben, geht bei fester Rechenleistung nicht.
📚 Weiterführende Links & Quellen
- Datenqualitäts-Metriken (warum Fehler upstream zuerst gemessen werden sollten)
- Buch: Data Quality Fundamentals von Barr Moses, Lior Gavish, Molly Vorwerck (O’Reilly), Quelle dieser Notiz (Abschnitt operationale vs. analytische Daten, Durchsatz-Latenz-Tradeoff)
- Wikipedia: OLTP und OLAP (die klassische technische Ausprägung dieser Unterscheidung)