Die einzelnen Anwendungen eines Unternehmens erzeugen eine Vielzahl an Daten. Dabei sind es nicht nur immer größere Mengen an Daten, sondern auch die Struktur und deren Speicherorte sind alles andere als homogen. Natürlich gibt es in jeder Anwendung entsprechende Auswertung. Die Vertriebssoftware liefert die Verkaufszahlen, die Finanzbuchhaltung die GuV und die Produktionsplanung berichtet die eingesetzten Maschinenstunden und Vormaterialien für die Fertigerzeugnisse. Wenn diese einzelnen Module in einer integrierten Warenwirtschaft nutzen, hat man auch eine Kombination dieser Daten. Doch ist dies ausreichend? Ein Gesamtergebnis lässt sich ableiten. Sicherlich gibt es auch eine Summe pro Monat, Quartal und Jahr, so wie Vergleichszahlen aus dem Vorjahr. Aber erreiche man eine hinreichende Detaillierung? Kann man beispielsweise von einem Deckungsbeitrag eines Produktes für einen Kunden auf Knopfdruck sehen? Und wie geht man mit Plan- und Forecastzahlen um? Wie kann man die, möglichst in ausreichender Detaillierung, in den Auswertungen dem "Ist" gegenüber stellen?

Eine Reihe von Fragen, die sich mit entsprechenden Data-Warehouse-Lösungen beantworten lassen. Und der Weg zu solchen Systemen ist oft weniger komplex, als es vielleicht auf den ersten Blick aussieht. Die Vorgehensweise zur Realisierung orientiert sich immer nach dem gleichen Muster: Zunächst muss man identifizieren, welche Daten relevant sind und wie man diese "abgreifen" kann. Im folgenden Schritt geht es um die Festlegung der Strukturen, die für die Auswertung benutzt werden. Hier geht es beispielsweise um die Hierarchien für Kunden, Regionen, Produkte ... oder auch um die Frage, welche Planszenarien verwende ich. Im dritten Sicht geht es dann um die Visualisierung, also die Festlegung, wie die Berichte aussehen werden.

Die Wahl der Werkzeuge hängt dann entscheidend an der Masse der Daten und der Komplexitäten von Verrechnungen ab. Im einfachsten Falle genügen einfache Low-Budget-Tools.