Data Mart
Ein Data Mart ist ein thematisch zugeschnittener Ausschnitt eines Data Warehouse, der die Daten eines einzelnen Fachbereichs wie Vertrieb, Einkauf oder Finanzen für schnelle, gezielte Auswertungen bündelt.
Ein Data Mart ist eine kleinere, fachlich fokussierte Analyse-Datenbank, die die für einen einzelnen Geschäftsbereich relevanten Kennzahlen und Dimensionen bündelt – etwa nur die Vertriebs-, Einkaufs- oder Finanzdaten. Er ist damit ein thematischer Ausschnitt („Marktstand") aus dem umfassenden Data Warehouse: Statt das gesamte Unternehmen abzubilden, liefert ein Data Mart genau die vorstrukturierten Daten, die ein Team für seine wiederkehrenden Berichte und Dashboards benötigt. Dadurch werden Abfragen schneller, einfacher und für die Fachanwender verständlicher.
Der Begriff grenzt sich vor allem über die Reichweite ab: Ein Data Warehouse ist die zentrale, unternehmensweite und historisierte Sammelstelle aller Daten, ein Data Mart bedient einen abgegrenzten fachlichen Zweck. Technisch ist ein Data Mart meist ebenfalls dimensional als Sternschema modelliert, umfasst aber nur wenige Fakten- und Dimensionstabellen. Ziel ist nicht Vollständigkeit, sondern Performance und Selbstständigkeit einer Abteilung bei ihren Auswertungen.
Auf einen Blick
- Fachbereichsbezogener Ausschnitt eines Data Warehouse (Vertrieb, Einkauf, Finanzen …)
- Enthält nur wenige, gezielt aufbereitete Fakten- und Dimensionstabellen
- Schnellere Abfragen und einfachere Modelle als das gesamte Warehouse
- Unterscheidung: abhängige Data Marts (aus dem DWH) vs. unabhängige (direkt aus Quellen)
- Gibt Abteilungen Datenautonomie, ohne das operative ERP zu belasten
Wie funktioniert ein Data Mart?
Ein Data Mart entsteht, indem aus einer breiten Datenbasis nur die für einen Fachbereich benötigten Kennzahlen und Merkmale herausgefiltert, verdichtet und in ein handliches Analysemodell überführt werden. Ein Vertriebs-Data-Mart enthält beispielsweise Umsatz, Menge und Deckungsbeitrag als Fakten sowie Kunde, Artikel, Region und Zeit als Dimensionen – nicht aber Personal-, Produktions- oder Anlagendaten. Auf dieses schlanke Modell greifen Reporting- und OLAP-Werkzeuge zu, oft mit spürbar kürzeren Antwortzeiten als bei einer Abfrage über das komplette Warehouse.
Abhängige und unabhängige Data Marts
Man unterscheidet zwei Bauformen. Ein abhängiger Data Mart wird aus einem bestehenden Data Warehouse abgeleitet und übernimmt dessen bereinigte, konsolidierte Daten – er ist damit garantiert konsistent zu den anderen Auswertungen des Unternehmens. Ein unabhängiger Data Mart wird dagegen direkt aus den Quellsystemen wie ERP oder Shop befüllt, ohne den Umweg über ein zentrales Warehouse. Das ist schneller umgesetzt und günstiger, birgt aber die Gefahr von Insellösungen mit abweichenden Kennzahldefinitionen.
Befüllung per ETL und Aktualisierung
Befüllt wird ein Data Mart – wie das Warehouse – über einen ETL- beziehungsweise ELT-Prozess, der Daten extrahiert, transformiert und lädt, häufig in nächtlichen Läufen. Bei abhängigen Marts ist dieser Schritt schlank, weil die Daten bereits aufbereitet im Warehouse liegen und nur noch gefiltert und verdichtet werden. Manche Data Marts werden auch als reine Sicht (View) oder als vorberechnete Aggregation innerhalb des Warehouse realisiert, statt als eigenständige physische Datenbank.
Warum ein Data Mart wichtig ist
Der Nutzen eines Data Mart liegt in Geschwindigkeit, Einfachheit und Fachnähe. Ein unternehmensweites Data Warehouse ist mächtig, aber für eine einzelne Abteilung oft unübersichtlich: Es enthält Hunderte Tabellen, von denen nur ein Bruchteil relevant ist. Der Data Mart reduziert diese Komplexität auf das, was das Team tatsächlich braucht, und macht Self-Service-BI erst praktikabel – Fachanwender finden sich in einem überschaubaren, in ihrer Sprache modellierten Datenmodell besser zurecht.
Hinzu kommt die Performance: Kleinere Datenmengen und vorberechnete Aggregationen liefern Berichte in Sekunden statt Minuten. Weil jeder Bereich seinen eigenen Mart nutzt, konkurrieren die Abteilungen zudem nicht um dieselben Ressourcen. Voraussetzung für den Nutzen bleibt eine saubere Datenqualität und – gerade bei mehreren Marts – eine abgestimmte Definition der Kennzahlen, damit „Umsatz" im Vertriebs- und im Finanz-Mart dasselbe bedeutet.
Data Mart und das ERP-System
Das ERP-System ist für die meisten mittelständischen Unternehmen die wichtigste Datenquelle eines Data Mart, weil dort Aufträge, Rechnungen, Bestände und Stammdaten zusammenlaufen. Ein abhängiger Data Mart bezieht diese Daten indirekt über das Data Warehouse; ein unabhängiger Mart wird per API oder ETL-Konnektor direkt an das ERP angebunden und übernimmt nur die für den jeweiligen Bereich nötigen Bewegungs- und Stammdaten.
In der Praxis genügt vielen Betrieben zunächst das im ERP eingebaute Reporting mit Standard-Dashboards. Ein eigener Data Mart wird interessant, wenn eine Abteilung wiederkehrend eigene, komplexere Auswertungen fahren möchte, ohne das produktive System zu bremsen, oder wenn Daten mehrerer Quellen – etwa ERP, Onlineshop und Marktplätze – für einen Bereich zusammengeführt werden sollen. Der Data Mart wird dann zur schlanken Analyseschicht, während das ERP das operative Geschäft trägt.
Abgrenzung: Data Mart vs. Data Warehouse und Data Lake
Data Mart, Data Warehouse und Data Lake beschreiben unterschiedliche Ebenen der Datenhaltung. Das Data Warehouse ist die zentrale, unternehmensweite und historisierte Integrationsschicht; der Data Mart ist dessen fachbereichsbezogener Ausschnitt. Beide speichern strukturierte, modellierte Daten nach einem festen Schema.
Top-down und Bottom-up
Die beiden klassischen Architekturansätze knüpfen genau hier an. Im Top-down-Modell nach Bill Inmon entsteht zuerst ein zentrales Data Warehouse, aus dem anschließend abhängige Data Marts abgeleitet werden. Im Bottom-up-Modell nach Ralph Kimball werden zuerst einzelne Data Marts gebaut, die über gemeinsame, konform modellierte Dimensionen (Conformed Dimensions) zu einem unternehmensweiten Warehouse zusammenwachsen. Ein Data Lake steht daneben: Er speichert rohe, auch unstrukturierte Daten im Ursprungsformat und legt die Struktur erst bei der Auswertung fest – ein Data Mart dagegen liefert bewusst vorgefertigte, abfragefertige Daten.
Data Marts im DACH-Mittelstand
Für kleinere und mittlere Unternehmen im DACH-Raum sind Data Marts oft der pragmatische Einstieg in professionelle Auswertungen: Statt sofort ein vollständiges Data Warehouse aufzubauen, startet ein Betrieb mit einem einzelnen, klar umrissenen Mart – etwa für den Vertrieb – und erweitert schrittweise. Cloudbasierte BI-Dienste und in ERP-Systeme integrierte Analysewerkzeuge senken die Einstiegshürde zusätzlich.
Zu beachten ist der Datenschutz: Enthält ein Data Mart personenbezogene Daten wie Kunden- oder Mitarbeiterinformationen, gelten die Vorgaben der DSGVO – insbesondere Zweckbindung, Datenminimierung und ein Löschkonzept. Gerade weil ein Data Mart Daten für einen konkreten Zweck bündelt, lässt sich das Prinzip der Datenminimierung hier gut umsetzen: In den Mart wandert nur, was der jeweilige Bereich für seine Auswertungen wirklich benötigt.
Praxisbeispiel
Data Mart für den Vertrieb eines Großhändlers
Ein mittelständischer Großhändler betreibt ein zentrales Data Warehouse, in dem Daten aus ERP, CRM und Onlineshop zusammenlaufen. Das Vertriebsteam möchte wöchentlich Umsatz, Deckungsbeitrag und Auftragsvolumen je Kunde, Region und Warengruppe auswerten. Abfragen über das gesamte Warehouse dauern jedoch lange, und die Außendienstmitarbeiter verlieren sich in den vielen Tabellen, die für ihre Fragen irrelevant sind.
Die IT richtet einen abhängigen Data Mart für den Vertrieb ein: Ein nächtlicher ETL-Lauf zieht aus dem Warehouse nur die Vertriebsfakten und die Dimensionen Kunde, Artikel, Region und Zeit in ein schlankes Sternschema. Das Vertriebs-Dashboard greift ausschließlich auf diesen Mart zu und liefert die Wochenberichte nun in Sekunden – mit Drill-down bis zum einzelnen Kunden. Weil der Mart aus dem Warehouse gespeist wird, stimmen seine Umsatzzahlen exakt mit denen des Finanzberichts überein.
Häufige Fragen
Passende Leistungen
Quellen
Fragen zu Data Mart in deinem ERP-Projekt?
Wir beraten herstellerunabhängig – und setzen es auf Wunsch selbst um.