Die viadee unterstützt die Welthungerhilfe. Im Rahmen unserer Zusammenarbeit haben wir eine Azure / Power-BI-basierte BI-Lösung bei der Welthungerhilfe entwickelt. Lesen Sie in dieser Case Study, wie wir - unter welchen Ausgangsbedingungen - die anstehenden Herausforderungen gemeinsam gelöst haben.
Eine Azure / Power-BI-basierte BI-Lösung bei der Welthungerhilfe
Nach ersten Kontakten bei Rock gegen Hunger im Jahr 2019 und dem Hungerhack 2020 hat die viadee das Projektteam Making Sense of Data der Welthungerhilfe (WHH) unterstützt. Den Aufschlag machte dabei eine gemeinsam mit der FH Dortmund betreute Abschlussarbeit, in der erste Rahmenbedingungen und Bedarfe aufgezeigt wurden. Das Ergebnis war die Erkenntnis: Es braucht ein Data Warehouse, einen zentralisierten Ort für qualitätsgesicherte Daten und einfache Zugriffsmöglichkeiten, um schrittweise und mit langer Perspektive zielsicherer und datenbasiert Entscheidungen treffen und rechtfertigen zu können!
Die WHH ist eine gemeinnützige NGO mit mehr als 3.000 Mitarbeiter:innen aus 67 Nationen in 539 Auslandsprojekten. Mehr auf welthungerhilfe.de
Herausforderungen
Die WHH ist eine sehr dezentrale Organisation, deren Mehrsprachigkeit für eine zentrale Datensicht eine anspruchsvolle Ausgangssituation ist. Aufgrund zum Teil technischer Herausforderungen wie z.B. mangelnder Internetbandbreite oder Stromversorgung gilt es oft, mit dem technologisch kleinsten gemeinsamen Nenner (mitunter auch Fragebogen auf Papier ) Transparenz über komplexe Projektmaßnahmen herzustellen. Entwicklungszusammenarbeit ist immer sehr spezifisch anzupassen.
Emotional gesehen ist das Handeln und das Erleben einzelner Personen zu würdigen und im Kontext als Mikro-Perspektive zu verstehen. Rational gesehen gilt es, den Überblick über das Gesamtbild von in der Entwicklungszusammenarbeit investierten Geldern und den Effekten der Maßnahmen zu sichern sowie Folgerungen für einen möglichst effizienten Einsatz dieser Gelder zu ziehen und zu priorisieren.
In diesem Kontext gilt es in Zusammenarbeit mit dem Digital Transformation Office der WHH, Datenkultur zu fördern und die langfristige Vision mit niedrigschwelligen Angeboten zu konkretisieren.
Status Heute
Die wesentlichen Strukturen der Data Warehouse Lösung sind aufgebaut und erprobt. Ein einfaches Star-Schema bildet jeweils die Grundlage des Datenmodells und macht die Wartung einfach. Berichte und Dashboards sind in aktiver Nutzung. Spezifische Data Marts sind gerade in Diskussion.
Das Wissen zum nachhaltigen Betrieb der Plattform ist vermittelt. Die viadee Berater:innen agieren weiter als Sparringspartner für die Skalierung und weitere Ausrichtung des Systems, sowie als Analysten und Methodenspezialist:innen im Einzelfall.
Die hohe Akzeptanz des Systems zeigt sich durch die hohe Anzahl an Zugangs-Wünschen zum System. Die entstandenen Berichte spielen in vielen Bereichen aller Ressorts der WHH eine wichtige Rolle. Auch die Anfragen nach neuen Berichten und neuen Datenquellen senden eine deutliche Nachricht.
„Wir haben in kürzester Zeit ein funktionierendes, integrierbares DWH aufgebaut, das seitdem größer und größer wird.“
Gianluca Raguse, Programmes Department | Process Excellence, Deutsche Welthungerhilfe e.V.
Der Weg zum Data Warehouse:
Lösungsansatz und Erfolgsfaktoren
viadee Berater:innen haben sich als BI-Architekt:innen, Entwickler:innen und Data Scientist:innen in das Projekt eingebracht. Zentrale Architektur-Entscheidungen waren:
- Es wurde eine strikte Ausrichtung auf Cloud-Technologien mit minimalen Kosten und operativem Wartungsbedarf verfolgt. Damit werden wir der besonderen Personal- und Skill-Situation gerecht und erreichen die Flexibilität und Skalierbarkeit, die das Team für die sicher zu erwartenden Anpassungen und Erweiterungen brauchen wird.
- Das pragmatische und iterative Arbeiten mit "dem, was da ist" schafft schnell Orientierung und Sicherheit. Bestehende Lizenzen und Infrastrukturen in der Azure-Cloud werden mit minimalem Investment verwendet.
- Wir haben uns für eine kollaborative Vorgehensweise entschieden und Design-Entscheidungen, ETL-Strecken per Azure Data Factory und Power BI-Dashboards gemeinsam erarbeitet. Auf diese Weise fand ein Wissenstransfer und eine Klärung von Data Ownership statt, der den Betrieb und die Interpretierbarkeit abgeleiteter Kennzahlen langfristig sicherstellt. Somit stellen wir die Nachhaltigkeit des Projektes sicher und vermeiden Abhängigkeiten der WHH zu externen Firmen.
- Verantwortung ist im agilen Sinne vertikaler und crossfunktionaler zugeschnitten. Gespräche mit Stakeholder:innen, Anforderungserhebung, DWH-Datenmodellierung und Dashboard-Design sowie die fachliche Bearbeitung von Rückfragen erfolgen durch die gleichen Personen ohne Übergaben. Feedback erreicht so auch immer die richtige Stelle.
Fokuspunkt: Indikatoren-Vielfalt
Die Definition von Kennzahlen und Fragebögen zur Ermittlung des Erfolgs von Projekten in der internationalen Entwicklungszusammenarbeit ist eine besondere Herausforderung: Hier gilt es einerseits einen kleinsten gemeinsamen Nenner von Kennzahlen zu definieren und langfristig konstant zu halten.
Andererseits gibt es viele Besonderheiten in einzelnen Regionen und Projekten, die auch in den Kennzahlen bzw. sogenannten projektrelevanten Indikatoren zu berücksichtigen sind.
Die Indikatoren werden bei der WHH zwar projektspezifisch definiert, zielen aber letztlich auf die übergeordnete strategische Zielsetzung ab. Bestehende Standard-Indikatoren erfassen jedoch nicht ausreichend den Bedarf. Um einen höheren Grad an Vergleichbarkeit und Auswertbarkeit der Indikatoren zu ermöglichen, sucht die WHH momentan nach einem Set an einheitlichen Indikatoren, das den aktuellen Bedarf möglichst gut abbildet. Dabei haben wir durch den Einsatz von modernen KI/NLP-Verfahren unterstützt.
Moderne KI / NLP-Verfahren helfen, einen Überblick über die Vielzahl von Formulierungsvarianten zu bekommen und Cluster zu erkennen, die sich dann ggf. für gemeinsame Schlussfolgerungen eignen. Z. B. haben wir in einem ersten Schritt über häufige Wortkombinationen in einer Wortwolke einen Überblick über die aktuelle Indikator-Landschaft verschafft. Im nächsten Schritt haben wir dann mittels BERT / UMAP ermöglicht, ähnliche Indikatortexte auf semantischer Ebene zu erkennen und in Bezug zu setzen zu angedachten Standard-Indikatoren. Da wir im Reporting mit Power BI arbeiten, wurden die Ergebnisse dort visualisiert und für eine interaktive Analyse bereitgestellt.
zurück zur Blogübersicht
Diese Beiträge könnten Sie ebenfalls interessieren
Keinen Beitrag verpassen – viadee Blog abonnieren
