Diese Diplomarbeit definiert anhand umfassender, strukturierter Literaturanalyse den Begriff Operational Business Intelligence (OpBI), zeigt Zusammenhänge und Nutzenpotenziale durch die Umsetzung innerhalb einer Serviceorientierten Architektur (SOA) auf und beleuchtet aktuell von der Industrie als OpBI und SOA vermarktete Systemlösungen.
Die Definition der OpBI wird zum einen ausgehend von Business Intelligence (BI) und Geschäftsprozessen, und zum anderen durch Bewertung der in der Fachliteratur verfügbaren Definitionsmerkmale erreicht. Dadurch ergibt sich eine stichhaltige und "greifbare" Formulierung.
Die Nutzenpotenziale zeigen einen theoretisch fundierten Blick in die Praxis bevor schließlich die Lösungen drei großer Softwareanbieter dargestellt werden.
Der Ausblick auf die zukünftige Entwicklung im Bereich der OpBI zum Ende der Arbeit bietet Ansatzpunkte für weitere Potenziale in verschiedenen Unternehmensbereichen.
Inhaltsverzeichnis
Abbildungsverzeichnis
Abkürzungsverzeichnis
1 Einleitung
2 Grundlagen von Geschäftsprozessmanagement und Business Intelligence
2.1 Geschäftsprozessmanagement
2.1.1 Klassen von Geschäftsprozessen
2.1.2 Funktionsbereichsorganisation
2.1.3 Prozessorganisation
2.1.4 Phasenmodell
2.2 Business Intelligence
2.2.1 Historische Entwicklung der Business Intelligence
2.2.2 Definitionen der Business Intelligence
2.2.3 Data-Warehouse-System
3 Grundlagen der Operational Business Intelligence
3.1 Analyse verfügbarer Definition
3.2 Systematisierung und Definition
3.2.1 Merkmale der Prozesssicht
3.2.2 Merkmale der Datensicht
3.2.3 Latenzzeiten
3.2.4 Sonstige Merkmale
3.3 Abgrenzung von verwandten Begriffen
3.3.1 Corporate Performance Management
3.3.2 Business Activity Monitoring
3.3.3 Process Performance Management
3.3.4 Business Process Management
3.3.5 Process-centric Business Intelligence
3.4 Nutzeneffekte
4 Ansätze zur Umsetzung von Operational Business Intelligence
4.1 Operative Systeme
4.1.1 Serviceorientierte Architektur
4.1.2 Ereignisgesteuerte Architektur und Complex Event Processing
4.2 Analytische Systeme
4.2.1 Active Data Warehouse
4.2.2 Real-time Data Warehouse
4.2.3 Operational Data Store
4.2.4 Werkzeuge der Präsentationsschicht
5 Softwarelösungen der Operational Business Intelligence
5.1 SAP
5.2 Teradata
5.3 Oracle
6 Zusammenfassung und Ausblick
Literaturverzeichnis
Abbildungsverzeichnis
Abbildung 1: Prozessklassen
Abbildung 2: Phasen des Geschäftsprozessmanagements
Abbildung 3: Die Sichtweisen auf Business Intelligence
Abbildung 4: BI-Ordnungsrahmen
Abbildung 5: Data-Warehouse-System
Abbildung 6: Systematisierung der Operational Business Intelligence
Abbildung 7: Latenzzeiten
Abbildung 8: Entscheidungswert und Entscheidungsanzahl
Abbildung 9: SAP NetWeaver
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1 Einleitung
Der Ausdruck Business Intelligence (BI) hat sowohl in der betrieblichen Praxis als auch in der Wissenschaft einen hohen Stellenwert inne. Diese Form der informationstechnologischen Entscheidungsunterstützung kann als etabliert bezeichnet werden.1 Die meisten Unternehmen nutzen bereits Business-Intelligence- Funktionalitäten, so dass heutige Projekte in diesem Umfeld sich meist auf Verbesserungen und Erweiterungen bestehender Systeme beziehen.2
Die Aufgabe der Business Intelligence ist traditionell die Belieferung ihrer Nutzer mit Informationen zur Entscheidungsunterstützung. Klassische BI-Anwendungen sind auf Führungskräfte ausgerichtet und versorgen diese mit aufbereiteten Daten, um die Entscheidungsfindung zu erleichtern.3
Gewachsener Wettbewerbsdruck und zunehmende Dynamik der Märkte stellen Unternehmen heute vor höhere Anforderungen. Freihandelsabkommen zwischen Staaten und die Ausweitung globaler Wirtschaftsbeziehungen stellen Ursachen- faktoren für diese Entwicklungen dar. Diese zunehmende Globalisierung betrifft dabei nicht ausschließlich große Unternehmen, sondern stellt heutzutage auch kleine und mittelständische Akteure vor unübersichtlichere Entscheidungssituati- onen.4
Als weitere Antriebskraft des Wettbewerbs kann die schnell fortschreitende Weiter- und Neuentwicklung informationstechnischer Unterstützungsmöglichkeiten gesehen werden. Die Lebenszyklen technischer Komponenten haben sich im Laufe der Zeit drastisch verkürzt, so dass immer schneller höhere Ansprüche technischer Unterstützung befriedigt werden können.5
Unternehmen, die auf diesen heutigen Märkten bestehen wollen, müssen schneller auf sich ändernde Marktbedingungen reagieren können.6
Effektivere und effizientere Reaktionen auf veränderliche Rahmenbedingungen verspricht das betriebswirtschaftliche Konzept der Prozessorganisation.7 Das we- sentliche Merkmal der Prozessorganisation ist die Ausrichtung an den Arbeitsab- läufen und weniger die funktionale Trennung durch Arbeitsteilung, wie in einer funktionalen Organisation. Die Organisation wird am Strom der Wertschöpfung ausgerichtet, wobei sich die einzelnen Aktivitäten an der Geschäftsstrategie orien- tieren.8 Eine Forderung innerhalb von Unternehmungen, die prozessorientiert or- ganisiert sind, ist die bessere Informationsversorgung der prozessausführenden Mitarbeiter zur Entscheidungsunterstützung. Diesen kommt ein höheres Maß an Verantwortung zu, als es in einer funktionalen Unternehmensorganisation der Fall wäre. Entscheidungen sollen daher auf Grundlage einer belastbaren Datenbasis getroffen werden.9
An dieser Stelle setzt das Konzept der Operational Business Intelligence (OpBI) an, das die Konzepte der Business Intelligence und der prozessorientierten Organisationsgestaltung verknüpft. Beabsichtigt wird die zeitnahe Informationsversorgung der Mitarbeiter auf operativer Ebene durch die Verknüpfung analytischer und operativer Prozesse.10
Die Bezeichnung Operational Business Intelligence tritt in der Fachpresse aktuell gegenüber synonym verwendeten hervor.11 Einigkeit über den Namen, aber auch über die Eigenschaften, besteht bei dieser Form der informationstechnologischen Entscheidungsunterstützung nicht. Vielmehr sind einige Parallelentwicklungen mit ähnlichen Zielen zu finden, die noch nicht sauber von Operational Business Intelligence zu trennen sind und Schnittstellen und Überlappungen aufweisen. Hier möchte diese Arbeit Aufklärung leisten und Trennlinien zwischen Operatio- nal Business Intelligence und nahen anderen Konzepten zeichnen. Des Weiteren sollen Nutzeneffekte beleuchtet werden, die sich durch die Umsetzung von Operational BI ergeben können. Die Betrachtung von Lösungen aus der Praxis stellt dabei einen zusätzlichen Teil dar, der die Interpretation des Begriffs aus einer anderen Perspektive zeigt.
Nachdem dieser Abschnitt eine Einleitung in das Thema und seine Problemstel- lung liefert, werden im folgenden Kapitel die Grundlagen des Geschäftsprozess- managements, der Business Intelligence und des Data Warehousings erläutert. Diese sind für das lückenlose Verständnis der späteren zentralen Ausführungen unerlässlich.
In Kapitel 3 werden die Definitionen verschiedener Autoren von Operational Bu- siness Intelligence aufgezeigt und analysiert. Dabei werden zunächst Definitionen im Detail betrachtet und interpretiert. Anschließend findet eine Literaturanalyse anhand einiger ausgewählter Merkmale statt, die eine Übersicht über das Ver- ständnis einer größeren Zahl von Autoren liefert. Deutlich wird dabei auch die Gewichtung einzelner Diskussionspunkte zum Thema Operational BI. Im An- schluss daran wird das Verständnis im Rahmen dieser Arbeit systematisch erar- beitet. Ein morphologischer Kasten soll die Eigenschaften zunächst visuell ab- grenzen. Die Ableitung einer Definition, die das Verständnis im Rahmen dieser Arbeit widerspiegelt, erfolgt angrenzend. Nachdem die Definition gefunden ist, werden Abgrenzungen zu einigen anderen Konzepten vorgenommen. Die Nutzen- potenziale, die sich durch Operational BI bieten, werden zum Abschluss des drit- ten Kapitels aufgezeigt.
Im anschließenden vierten Kapitel werden Anforderungen an die technische Um- setzung diskutiert. Da in der Literatur vielfach die Forderung nach einer service- orientierten Architektur (SOA) oder zumindest eine Empfehlung dazu ausgespro- chen wird,12 finden sich an dieser Stelle unter anderem Erläuterungen dazu wie- der. Das fünfte Kapitel zeigt zwei Ansätze aus der Praxis. Die Lösungen der SAP AG, der Teradata Corporation und der Oracle Corporation werden hier präsen- tiert. Zum Abschluss dieser Arbeit wird nach einem kurzen Resümee noch auf die erwarteten zukünftigen Entwicklungen der Operational Business Intelligence und den weiteren Forschungsbedarf eingegangen.
2 Grundlagen von Geschäftsprozessmanagement und Business Intelligence
Um dem Ziel der Verknüpfung der operativen und analytischen Systeme13 näher zu kommen, wird zunächst das Verständnis von Geschäftsprozessen, deren Management und der Unternehmensorganisation geschärft. Daran anschließend wird die traditionelle Business Intelligence ausgehend von der historischen Entstehung aus heutiger Sicht beschrieben. Im Rahmen der Betrachtung wird außerdem auf Data-Warehouse-Systeme und ihre Komponenten eingegangen.
2.1 Geschäftsprozessmanagement
Im folgenden Teil werden die Grundlagen des Geschäftsprozessmanagements erläutert. Dabei wird zunächst der Begriff des Geschäftsprozesses definiert und eine Klasseneinteilung vorgenommen. Im Anschluss daran werden die charakte- ristischen Merkmale, die Vor- und die Nachteile der Funktionsbereichsorganisati- on erläutert, bevor eine nähere Betrachtung der Prozessorganisation erfolgt. Zum Schluss dieses Abschnitts werden die Phasen des Prozessmanagements für spätere Betrachtungen definiert.
2.1.1 Klassen von Geschäftsprozessen
Einen Geschäftsprozess verstehen OSTERLOH/FROST als „ die B ü ndelung und die strukturierte Reihenfolge von funktions ü bergreifenden Aktivit ä ten mit einem An fang und einem Ende sowie klar definierten Inputs und Outputs “14.
Prozesse im Unternehmen werden unterschieden in Kern-, Unterstützungs- und Führungsprozesse. Als Urheber der Einteilung kann PORTER genannt werden, der jedoch lediglich zwischen primären und unterstützenden Aktivitäten unterschei- det.15 Der Großteil der wissenschaftlichen Literatur unterscheidet heute die drei erstgenannten Prozessarten, teilweise jedoch mit anderen gleichbedeutenden Be- zeichnungen.16
Die verschiedenen Prozessklassen werden in der folgenden Abbildung 1 veranschaulicht.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Prozessklassen (in Anlehnung an Picot/Dietl/Franck (2008): 300)
Kernprozesse werden auch als Hauptprozesse oder nach PORTER als primäre Pro- zesse bezeichnet.17 Sie sind direkt auf die Erfüllung der Kundenbedürfnisse aus- gerichtet.18 Je größer der Anteil eines Prozesses an der Befriedigung dieser ist, desto wichtiger ist er für die Unternehmung. Vom Kundenwunsch als Input bis zur Produktlieferung bzw. Leistungserbringung sind alle direkt notwendigen Ak- tivitäten eingeschlossen.19
Unterstützungs- oder auch Supportprozesse sind zur Ausführung der Kernprozesse notwendig, aber nicht direkt an der Produkt- oder Dienstleistungserstellung beteiligt. Die Bereitstellung der notwendigen Ressourcen für den Ablauf der Kernprozesse ist die zentrale Aufgabe.20
Führungsprozesse werden auch als Steuerungs- oder Managementprozesse be- zeichnet. PORTER fasst sie mit den Unterstützungsprozessen als sekundäre Prozes- se zusammen.21 Die Koordination, Überwachung und Steuerung der Gesamtun ternehmung sind ihre Aufgaben.22 Sie sind im Gegensatz zu den anderen beiden Kategorien häufig unstrukturiert.23
SCHMELZER/SESSELMANN weisen darauf hin, dass die Trennung zwischen den Prozessklassen häufig fließend ist. Abhängig vom Schwerpunkt eines Unterneh- mens können Prozesse, die in anderen Unternehmen als Unterstützungs- oder Ma- nagementprozesse eingeordnet werden, wertschöpfenden Charakter haben.24
2.1.2 Funktionsbereichsorganisation
Die bis heute weit verbreitete Funktionsbereichsorganisation segmentiert ein Un- ternehmen auf der zweiten Hierarchieebene in Funktionsbereiche wie etwa Be- schaffung, Produktion, Entwicklung und Vertrieb.25 Die Funktionsbereiche kon- zentrieren sich auf jeweils einzelne Stufen der Wertschöpfung. Die Koordination und Motivation der Mitarbeiter in den Funktionsbereichen ist Aufgabe der Ge- schäftsleitung, da Entscheidungen in einem Funktionsbereich immer auch andere Funktionsbereiche betreffen.26
Die mit der Funktionsbereichsorganisation verbundene Arbeitsteilung bringt gro- ße Vorteile durch Spezialisierung mit sich. Mit wachsender Unternehmensgröße, Produktpalette und zunehmender Variabilität werden die Spezialisierungsvorteile jedoch durch erhöhten Koordinations- und Motivationsaufwand neutralisiert.27 Als weiterer Nachteil kann die mit der Unternehmensgröße zunehmende Zahl der Schnittstellen im Leistungserstellungsprozess angesehen werden. Schnittstellen sind potentielle Fehlerquellen, in denen die Verantwortlichkeit für eine Aufgabe verloren geht. Die Intransparenz der Abläufe kann zu Verzögerungen der Bearbei- tung und Redundanzen führen.28
2.1.3 Prozessorganisation
Im Gegensatz zur Funktionsbereichsorganisation stehen bei der Prozessorganisation nicht die Arbeitsteilung und die Spezialisierung im Mittelpunkt, sondern die Ausrichtung am Kundeninteresse und die schnittstellenfreie Leistungserstellung zur Erreichung größtmöglicher Flexibilität und Agilität der Unternehmung. Die zentralen Elemente einer Prozessorganisation sind die an der Wertschöpfung ausgerichteten Geschäftsprozesse.29
Die Dynamik der Märkte, die geforderte Agilität und Innovationskraft der Unter- nehmen sowie zunehmende Individualisierung der Kundenbedürfnisse sind Aus- löser der Idee der prozessorientierten Unternehmensorganisation. Dieser Wandel der Unternehmensumwelt lässt die vormals aufgestellten Anforderungen an die Unternehmensorganisation überdenken. Die heutige Technik und globale Konkur- renzsituation bietet Kunden eine größere Vielfalt und Unternehmen eine größere Zahl an Wettbewerbern. Die Vollkommenheit der Befriedigung eines Kunden- wunsches wird zu einem entscheidenden Wettbewerbsfaktor.30
Bereits 1934 trennte NORDSIECK zwischen Aufbau und Ablauf und forderte, die Unternehmensorganisation an der zentralen Aufgabe auszurichten. Das Werk kann als Ursprung der Prozessorganisation bezeichnet werden.31 Die Auffassung NORDSIECKS teilte 1983 erstmals GAITANIDES, der sich ausführlich mit der The- matik beschäftigte und die Idee der Prozessorganisation ausarbeitete. Durch den zunehmenden betrieblichen Einsatz von Informations- und Kommunikationssys- temen unterstützt wurde die Idee der prozessorientierten Organisation wieder auf- genommen.32
Nach GAITANIDES werden in der Prozessorganisation „ die Stellen- und Abtei- lungsbildung unter Ber ü cksichtigung spezifischer Erfordernisse des Ablaufs be- trieblicher Prozesse im Rahmen der Leistungserstellung und -verwertung konzi- piert “33.
In einer prozessorientierten Organisation werden die Aktivitäten eines Geschäfts- prozesses nicht in verschiedenen Abteilungen, sondern von einem Prozessteam schnittstellenfrei bearbeitet. Arbeitsschritte, die Expertenwissen benötigen, wer- den im Auftrag des Prozessteams von entsprechenden internen oder auch externen Mitarbeitern bearbeitet.34 Die starke Hierarchisierung über mehrere Ebenen einer Funktionsbereichsorganisation wird aufgehoben und dadurch den prozessbeteilig- ten Mitarbeiter ein höheres Maß an Verantwortung übertragen.35
2.1.4 Phasenmodell
Prozessmanagement beinhaltet alle Tätigkeiten der Planung, Organisation und Kontrolle, die eine zielorientierte Steuerung und Optimierung der Geschäftsprozesse ermöglichen.36
Das Geschäftsprozessmanagement ist einerseits für die Verknüpfung von Unter- nehmensstrategie und Geschäftsprozessen verantwortlich, andererseits sollen durch die Geschäftsprozesse die Kundenanforderungen erfüllt werden. Die gleich- zeitige befriedigende Verwirklichung von Strategie- und Kundenbezug stellt die wesentliche Herausforderung des Geschäftsprozessmanagements dar.37
Das Geschäftsprozessmanagement deckt den gesamten Lebenszyklus der Ge- schäftsprozesse einer Unternehmung ab. Die einzelnen Aufgaben lassen sich da- bei Phasen zuordnen. Eine einheitliche Einteilung liegt in der Literatur nicht vor, so dass im Folgenden ein für diese Arbeit zweckdienliches Phasenmodell erarbei- tet werden soll.
Zu Beginn des Zyklus werden die Geschäftsprozesse definiert (Top-down- Verfahren) oder identifiziert (Bottom-up-Verfahren). Top-down bedeutet in die- sem Fall, dass die Geschäftsprozesse neu gestaltet und an der Strategie ausgerich- tet werden. Das Bottom-up-Verfahren geht hingegen von vorhandenen Aufgaben- verteilungen aus, die in Prozessen zusammengefasst werden. Für eine uneinge- schränkte Umsetzung der Geschäftsstrategie und die Berücksichtigung der Kun- denwünsche ist das Top-down-Verfahren zu empfehlen, da dadurch sichergestellt ist, dass keine Kompromisse zugunsten der existenten Aufgabenverteilung gemacht werden.38
Sind die Prozesse definiert bzw. identifiziert, erfolgt deren Strukturierung und Beschreibung. Bei der Strukturierung wird ein einzelner Prozess in Teilprozesse bzw. einzelne Aktivitäten unterteilt. Die Unterteilung erfolgt auf mehreren Ebe- nen. Zunächst können Prozesse auf der ersten Ebene in Teilprozesse geteilt wer- den, die auf zweiter Ebene wiederum beispielsweise in Prozessschritte aufgeglie- dert werden. Die hierarchische Einteilung der Ebenen innerhalb von Prozessen wird in der Literatur sehr unterschiedlich vorgenommen. Während einige Autoren drei Ebenen unterscheiden, kommen andere auf bis zu sechs.39
Die Beschreibung dokumentiert die zentralen Merkmale eines Prozesses. Dazu zählen der Prozessname, der Prozessverantwortliche, Anfang und Ende, die Inputs und ihre Lieferanten sowie die Outputs und ihre Empfänger. In Diagrammen wer- den zudem die Beziehungen zwischen Teilprozessen und der Aufbauorganisation dargestellt.40
Nach der Identifikation, Strukturierung und Beschreibung der Prozesse folgt deren Implementierung. Schwierigkeiten können hier zum einen durch die fehlende Ak- zeptanz bei den Mitarbeitern und zum anderen durch Probleme mit technischen Neuerungen entstehen. Um die Herausforderungen an dieser Stelle herabzusetzen, sollten bereits in den vorherigen Schritten Vorkehrungen getroffen werden. Bei der Inbetriebnahme von Veränderungen im Rahmen einer kontinuierlichen Ver- besserung stammen die Vorschläge dazu häufig aus den ausführenden Prozess- teams selbst und führen dadurch zu weniger Anpassungsproblemen.41
Sind die Probleme der Implementierung überwunden, folgt die Ausführung der Prozesse durch die Mitarbeiter mithilfe der unterstützenden Informationstechnik. Während der Ausführung werden die Prozesse kontinuierlich überwacht und ge- steuert. Werden Defizite erkannt, kann steuernd in die Prozesse eingegriffen wer- den. Das Aufdecken von Unzulänglichkeiten kann beispielsweise anhand zuvor definierter Prozesskennzahlen erfolgen, die mit den anfänglich festgelegten Zielwerten abgeglichen werden.
Veränderungen der Markt- und Umweltbedingungen können von Zeit zu Zeit komplexe Umgestaltungen der Prozesse erfordern. Grundsätzlich ist bei Weiterentwicklungen an zwei mögliche Formen zu denken, einerseits eine revolutionäre Neuentwicklung oder andererseits die kontinuierliche Verbesserung. Letztere durchläuft die Phase der Vorbereitung nicht erneut.42 Dies ist in Abbildung 2 durch den gestrichelt umrandeten Pfeil dargestellt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2: Phasen des Geschäftsprozessmanagements (in Anlehnung an: Helbig (2003) 40)
Die erste Phase des Geschäftsprozessmanagements soll im Rahmen dieser Arbeit die Aktivitäten der Definition bzw. Identifikation, Strukturierung, Beschreibung sowie als Abschluss die Implementierung beinhalten. Bezeichnet wird sie zusammenfassend als Vorbereitungsphase. Auch wenn die Ausführung sowie die Überwachung und Steuerung parallel und fortwährend ablaufen, soll zum Zweck späterer Argumentationen eine Unterscheidung in zwei getrennte Phasen erfolgen. Als vierte Phase schließt die Weiterentwicklung den Zyklus ab.
2.2 Business Intelligence
Da Operational Business Intelligence häufig als Weiterentwicklung von Business Intelligence angesehen wird, soll im Folgenden kurz die Vorgeschichte der tradi- tionellen Business Intelligence betrachtet werden. Daran anschließend werden verschiedene Verständnisumfänge aufgezeigt und der Begriff aus heutiger Sicht definiert.
2.2.1 Historische Entwicklung der Business Intelligence
Erstmals tauchte der Begriff Business Intelligence in der Fachpresse 1966 auf. GREENE beschrieb die Aufgabe von Business Intelligence als die Sammlung und Nutzbarmachung von Daten zur Entscheidungsunterstützung im Management.43 Erste Erwähnung in der informationstechnischen Fachpresse fand der Ausdruck 1996. Die Gartner Group - in Person von Howard J. Dresner - verwendete den Ausdruck als begriffliche Klammer für die Datenanalyse, das Reporting und Ab- fragewerkzeuge.44
Der Ursprung der Entwicklung liegt nach Meinung vieler Autoren etwa dreißig Jahre vor dem ersten Auftauchen des Ausdrucks Business Intelligence.45 In den 1960er Jahren gab es erste Bemühungen, aufbereitete operative Daten dem Mana- gement zur Unterstützung der Entscheidungsfindung verfügbar zu machen.46 Die so entstandenen Management Informationssysteme (MIS) stellen die erste infor- mationstechnologische Entscheidungsunterstützung im Bereich von Planung und Kontrolle dar.47 Die hochgesteckten Erwartungen konnten jedoch nicht erfüllt werden.48 Die Informationen mussten manuell aus der Datenbasis gesucht werden, da die MIS keine Fähigkeiten zur analytischen Aufbereitung besaßen.49 Für die Entscheidungsvorbereitung waren die Systeme aufgrund fehlender Modelle und Methoden ungeeignet. Verbesserte Versionen von Management Information Sys temen, die unter anderem eine Verdichtung der Daten bieten, werden heute als Kontrollinstrumente im unteren und mittleren Management eingesetzt.50
Auf diesen wenig erfolgreichen Schritt folgten kurz darauf die Decision Support Systems (DSS), die erstmalig von GORRY/SCOTT MORTON (1971) erwähnt wur- den.51 DSS sollten in schlecht strukturierten Entscheidungssituationen durch die Verknüpfung von problembezogenen Daten, Modellen und Methoden interaktiv Unterstützung leisten.52 Heute sind DSS in Form von Tabellenkalkulationspro- grammen, insbesondere durch Microsoft Office Excel, allgegenwärtig. Gebrauch finden sie häufig bei der Bewertung von Alternativen. Durch ihre hohe Flexibilität lassen sie sich auch in individuellen Entscheidungssituationen verwenden.53 Die mangelhafte Integration in unternehmensweite Systeme ist speziell vor dem Hin- tergrund der fehlenden Widerspruchsfreiheit nachteilig zu bewerten, da viele ei- genständige Systeme zu unterschiedlichen Ergebnissen kommen können. Des Weiteren stellt bei hoher Komplexität die häufig mangelhafte Dokumentation ein Problem für die Wartung und Pflege dar.54
In den 1980er Jahren wurden die ersten Executive Information Systems (EIS) entwickelt.55 Während die ersten Bestrebungen im Feld der EIS wenig erfolgreich waren,56 sollte sich der Erfolg später auf breiter Ebene dennoch einstellen. Nicht zuletzt die Orientierung am Nutzer und weniger an den verfügbaren technischen Möglichkeiten führte dazu.57 Bis in die 1990er Jahre hinein wurden kommerzielle Produkte unter dem Namen Executive Information Systems vermarktet.58 Ausge- richtet sind derartige Systeme auf die Bedürfnisse des oberen Managements. Ent- scheidungsrelevante Informationen werden durch EIS aus internen und externen Quellen bezogen und auf flexibel anpassbaren Benutzeroberflächen präsentiert.59
Management Informationssysteme, Decision Support Systems und Executive Information Systems werden heute mit dem Sammelbegriff Management Support Systems zusammengefasst.60
2.2.2 Definitionen der Business Intelligence
Die Begriffsbezeichnung Business Intelligence war lange Zeit, wie viele Begrifflichkeiten der Informationstechnologie (IT), nicht eindeutig definiert.61 Heute, über zehn Jahre nach dem ersten Auftauchen der Bezeichnung, besteht weitgehend Einigkeit über ihre Bedeutung.62
Die verschiedenen Sichtweisen resultieren unter anderem auch daraus, dass aus vielen Richtungen versucht wurde, den Begriff greifbar zu machen und dabei ver- schiedene Interessen verfolgt wurden. Zum einen waren es die Wissenschaftler, deren primäres Ziel es war, Business Intelligence von anderen Konzepten eindeu- tig abzugrenzen. Zum anderen waren es die Hersteller und Beratungshäuser, die versuchten, ein Produkt attraktiv zu beschreiben, um es möglichst gewinnbrin- gend anbieten zu können.63
War das Ziel der ersten Definitionen noch mehrheitlich ein fiktives Gebilde, so wuchs mit der Zeit die Sicherheit über die Gestalt des zu definierenden Themas. Heute gilt beispielsweise folgende Formulierung von KEMPER/MEHANNA/UNGER als allgemein anerkannt:
„ Unter Business Intelligence (BI) wird ein integrierter,
unternehmensspezifischer, IT-basierter Gesamtansatz zur
betrieblichen Entscheidungsunterst ü tzung verstanden. “ 64
Eine anerkannte Strukturierung der Begrifflichkeit liefern GLUCHOWS- KI/GABRIEL/DITTMAR. Sie unterteilen Business Intelligence in eine prozessorien- tierte und in eine werkzeug- und anwendungsorientierte Sichtweise. Letztere wird dabei in ein enges, ein analyseorientiertes und ein weites Verständnis unterteilt und mittels einer grafischen Darstellung veranschaulicht. Die Komponenten werden darin auf der vertikalen Achse im Datenverarbeitungsprozess zwischen Datenbereitstellung und Datenauswertung positioniert. Die Ausrichtung auf der horizontalen Achse zeigt an, ob es sich eher um eine technische oder anwendungsorientierte Begrifflichkeit handelt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3: Die Sichtweisen auf Business Intelligence (Quelle: Gluchowski/Gabriel/Dittmar (2008): 92)
Business Intelligence im engeren Sinne umfasst ausschließlich die Anwendungen, die die Entscheidungsfindung direkt durch die Nutzung von multidimensional organisierten Daten unterstützen. Dazu zählen das On-Line Analytical Processing (OLAP), Management Informationssysteme sowie Executive Information Sys- tems. Das analyseorientierte erweitert das enge Begriffsverständnis um zahlreiche weitere Komponenten zur Analyse. Text Mining und Data Mining, Ad-hoc Repor- ting, Balanced Scorecards, analytisches Customer Relationship Management, die analytisch arbeitenden Teile der Systeme zur Planung, Budgetierung und Konsolidierung sowie zum Risikomanagement werden von der begrifflichen Klammer umfasst. Wird das weite Verständnis zugrunde gelegt, so werden sämtliche direkt und indirekt für die Entscheidungsfindung arbeitenden Anwendungen zur Business Intelligence gezählt. Die Erweiterung umfasst folglich Extract-Transform- Load (ETL)-Werkzeuge zur Datenbereitstellung, Data Warehousing zur Datenhaltung sowie sämtliche analytischen Anwendungen.65
Ein Ordnungsrahmen soll bei der Anpassung von Business-Intelligence-Systemen auf die individuellen Bedürfnisse verschiedener Unternehmen helfen.66 Dieser ist an das weite Begriffsverständnis von BI angelehnt und in Abbildung 4 dargestellt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4: BI-Ordnungsrahmen (Quelle: Kemper/Unger (2002): 665)
Daten, die durch Business-Intelligence-Anwendungen verarbeitet werden können, entstehen in den operativen Systemen, oder werden aus externen Quellen bezo- gen. Die Datenhaltung, bei der vor allem auf Konsistenz zu achten ist, bildet das Fundament der Business Intelligence. In der mittleren Schicht des Ordnungsrah- mens finden sich die Systeme zur Informationsgenerierung wieder. Hier werden Daten so verarbeitet, dass sie den Nutzern zur Entscheidungsfindung dienen. Die Systeme werden idealerweise an den betriebswirtschaftlichen Zielsetzungen orien- tiert gestaltet. Zum Abruf der Informationen werden häufig über Portale, durch die die Nutzer auf eine große Zahl von Anwendungen zugreifen können.67
Eine betriebswirtschaftlich geprägte Betrachtung von Business Intelligence unter- scheidet strategische, taktische und die neuerdings in der wissenschaftlichen Lite- ratur zu findende Operational Business Intelligence. Dabei wird die Technologie zunächst nicht beachtet und lediglich nach dem Zweck unterschieden. Strategi- sche BI unterstützt langfristige und taktische BI mittelfristige Entscheidungen. Die Unterscheidung zwischen strategischer und taktischer BI hat dabei keine Auswirkungen auf die Anforderungen an verwendete Technologien. Die durch die Systeme primär unterstützten Nutzer unterscheiden sich durch ihre Zugehörigkeit zu verschiedenen Managementebenen. Die Ergebnisse der Analysen sind unter- schiedlich stark aggregiert und die verwendeten Daten beziehen sich auf verschie- den große Zeiträume. Auf operativer Ebene werden Daten nicht mehr ausschließ- lich in aggregierter Form verarbeitet, sondern auch im Detail betrachtet. Zudem ist der Zeitraum zwischen dem Anfallen der Daten und deren Nutzung auf opera- tiver Ebene kürzer.68
2.2.3 Data-Warehouse-System
Ein Data-Warehouse-System dient der konsistenten Datenversorgung der gesamten Unternehmung.69 In Abbildung 5 ist eine Referenzarchitektur, die ein DataWarehouse-System in fünf Schichten einteilt dargestellt. Entsprechend dieser Schichten sind die folgenden Erläuterungen gegliedert, wobei mit der untersten Schicht, den Datenquellen, begonnen wird. Es folgen darauf die Schichten der Datenerfassung, Datenhaltung, Datenbereitstellung sowie die der Präsentation. Die Zusammenhänge veranschaulicht die folgende Grafik.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 5: Data-Warehouse-System (in Anlehnung an: Mucksch/Behme (2000): 14)
Datenquellen
Auf der Ebene der Datenquellen wird zwischen internen und externen unterschieden. Die internen Daten stammen hauptsächlich aus operativen Systemen. Zu vernachlässigen ist der Anteil der Daten, die aus den Ergebnissen entscheidungsunterstützender Systeme stammen. Externe Daten werden von Nachrichtendiensten, Marktforschungsinstituten und ähnlichen Einrichtungen bezogen oder entstammen eigenen Beobachtungen. Sie können zur Beurteilung von Umweltbedingungen und als Vergleichswerte der intern gewonnen Daten herangezogen werden. Manche intern gewonnene Daten erlangen erst durch die Verknüpfung mit externen Daten Aussagekraft.70
Datenerfassung
Daten werden in der Regel nicht auf direktem Weg aus den Quellen in das zentrale Data Warehouse geladen.71 Die Daten werden zunächst aus den internen oder externen Quellen entnommen und in einem Zwischenspeicher abgelegt, in dem sie den Meta-Daten des Warehouses entsprechend umgewandelt werden. Die Aufbereitung findet weder in den Quellsystemen, noch im Data Warehouse statt, um deren Leitung nicht zu beeinträchtigen. Nach Abschluss der Transformation werden die Daten ins Data Warehouse geladen. Dieser Vorgang der Datenaufbereitung zwischen Quelle und Data Warehouse wird als ETL-Prozess bezeichnet.72 Die Integration der operativen Daten und Datenstrukturen in die gemeinsame Datenbasis ist eine wichtige Voraussetzung für die konsistente Datenhaltung im Data Warehouse.73
Datenhaltung
Im Rahmen der Ausführungen zur Datenhaltungsschicht sollen drei Technologien erläutert werden. Zunächst wird das zentrale Data Warehouse, daran anschließend das Operational Data Store (ODS) sowie das Data Mart beschrieben. Die Datenhaltung erfolgt primär im Data Warehouse. INMON bezeichnet das Data Warehouse als Basis aller Entscheidungsunterstützungssysteme. Auch wenn die Datengewinnung direkt aus den operativen Systemen möglich wäre, so vereinfacht ein Data Warehouse diese durch Zugriffsmöglichkeiten auf die integrierte Datenhaltung.74 Business Intelligence nutzt traditionell Daten aus einem Data Warehouse. Allgemein anerkannt ist die Definition eines Data Warehouse von INMON. „A data warehouse is a subject-oriented, integrated, nonvolatile, and time-variant collection of data in support of management’s decisions.“75
Die geforderten Eigenschaften für die im Data Warehouse gespeicherten Daten sind demnach:
1. Themenorientierung
2. Vereinheitlichung
3. Beständigkeit
4. Zeitorientierung
Zu 1. Themenorientierung: Um das Ziel der Entscheidungsunterstützung aufstrategischer und taktischer Ebene zu verfolgen und zu erreichen, werden in einem Data Warehouse lediglich Daten gespeichert, die auf Aspekte wie beispielsweise Produkt, Hersteller, Rohstoffe oder Kunde bezogen sind.76 Detailliertere Daten über einzelne Aufträge, die für die Durchführung der operativen Prozesse wichtig sind, werden in einem Data Warehouse nicht berücksichtigt.77
Der Begriff der Granularität fällt in diesem Zusammenhang häufig. Dieser ist als Synonym zum Ausdruck Detaillierungsgrad zu verstehen. Demnach besitzen die detaillierten operativen Daten eine niedrige Granularität und die verdichteten Daten im Data Warehouse eine vergleichsweise hohe Granularität.78
Zu 2. Vereinheitlichung: Die Daten, die ins Data Warehouse geladen werden, stammen aus zahlreichen verschiedenen Quellen. Die Heterogenität der Ursprungssysteme bildet sich zwangsläufig auch in der Form der Daten ab. Eine Vereinheitlichung der Formate ist zur Schaffung eines konsistenten Datenbestands und zur Verwendung der Daten als Grundlage für wichtige Entscheidungen jedoch zwingend erforderlich. INMON selbst bezeichnet die Eigenschaft der Vereinheitlichung als die wichtigste eines Data Warehouses.79
[...]
1 Vgl. Grünwald/Taubner (2009): 398; Seufert/Lehmann (2006): 21.
2 Vgl. Gluchowski/Kemper (2006): 18.
3 Vgl. Bucher/Gericke/Sigg (2009a): 410; Kemper/Mehanna/Unger (2006): 1-10.
4 Vgl. Kemper/Baars (2006): 8.
5 HANSEN/NEUMANN bringen hierzu ein Beispiel zu Speicher- und Prozessorchips, an dem sie den beschleunigten technischen Fortschritt belegen. Demnach findet eine Verdopplung der Leistungsfähigkeit alle zwei Jahre statt, was ein exponentielles Wachstum bedeutet. Vgl. Hansen/Neumann (2005): 63.
6 Vgl. Ioana (2008): 33.
7 Vgl. Fließ (2006): 21f; Bucher (2008): 109.
8 Vgl. Schmelzer/Sesselmann (2008): 6.
9 Vgl. Bucher (2008): 107f.
10 Vgl. Gluchowski/Kemper/Seufert (2009): 8.
11 Vgl. Bucher (2008): 115.
12 Vgl. Eckerson (2007): 12; Bauer/Schmid (2009): 13
13 Vgl. Gluchowski/Gabriel/Dittmar (2008): 360. Osterloh/Frost (2006): 33.
14 Vgl. Porter (1985): 39-43. Auch in aktuelleren Quellen findet sich die Aufspaltung in pri- märe und sekundäre Prozesse.
15 Vgl. Fließ (2006): 67.
16 Vgl. Schmelzer/Sesselmann (2008): 77.
17 Vgl. Porter (2000): 70f.
18 Vgl. Fließ (2006): 67; Jones/Bouncken (2008): 266.
19 Vgl. Helbig (2003): 47-56.
20 Vgl. Jones/Bouncken (2008): 266; Becker/Kahn (2005): 7.
21 Vgl. Porter (2000): 70.
22 Vgl. Jones/Bouncken (2008): 266.
23 Vgl. Davenport (1993): 275.
24 Vgl. Schmelzer/Sesselmann (2008): 80.
25 Vgl. Osterloh/Frost (2006): 30.
26 Vgl. Picot/Dietl/Franck (2008): 294.
27 Vgl. Schmelzer/Sesselmann (2008): 72f; Picot/Dietl/Franck (2008): 294.
28 Vgl. Osterloh/Frost (2006): 20; Gaitanides (2007): 47; Vahs (2007): 216.
29 Vgl. Jones/Bouncken (2008): 264; Gaitanides (2007): 52; Osterloh/Frost (2006): 33.
30 Vgl. Vahs (2007): 215-221.
31 Vgl. Gaitanides (2007): 7; Picot/Franck (1996): 16f.
32 Vgl. Picot/Reichwald/Wigand (2001): 173-175; Gaitanides (2007): 53.
33 Vgl. Gaitanides (1983): 62.
34 Vgl. Gaitanides (2007): 48f; Kieser/Walgenbach (2007): 82f.
35 Vgl. Picot/Dietl/Franck (2008): 310f.
36 Vgl. Schmelzer/Sesselmann (2008): 4-7; Gaitanides/Scholz/Vrohlings (1994): 3.
37 Vgl. Schmelzer/Sesselmann (2008): 6.
38 Vgl. Schmelzer/Sesselmann (2008): 121-123; Helbig (2003): 50-53.
39 Vgl. Schmelzer/Sesselmann (2008): 130-132. Detaillierte Ausführungen sind für diese Arbeit nicht zweckdienlich, weshalb an dieser Stelle auf die weiterführende Literatur ver- wiesen wird.
40 Vgl. Helbig (2003): 71-73; Schmelzer/Sesselmann (2008): 143-146.
41 Vgl. Schmelzer/Sesselmann (2008): 369f; Helbig (2003): 187-197.
42 Vgl. Schmelzer/Sesselmann (2008): 376-381.Die Neuentwicklung von Prozessen wird auch als Business Process Reengineering bezeichnet.HAMMER/CHAMPY verstehen darunter ein „fundamentales Überdenken und radikales Redesign“ von Geschäftsprozessen.Vgl. Hammer/Champy (2003): 48.
43 Vgl. Greene (1966): 4.
44 Vgl. Anandarajan et al. (2004): 18f.
45 Vgl. Watson/Wixom (2007): 96; Gluchowski/Gabriel/Dittmar (2008): 55; Gómez/Rautenstrauch/Cissek (2009): 14.
46 Vgl. Kemper/Mehanna/Unger (2006): 1.
47 Vgl. Gluchowski/Gabriel/Dittmar (2008): 55.
48 Vgl. Kemper/Mehanna/Unger (2006): 114; Gluchowski/Kemper (2006): 12; Grothe/Gentsch (2000): 65.
49 Vgl. Turban et al. (2007): 24f.
50 Vgl. Chamoni/Gluchowski (2006): 6f.
51 Vgl. Gorry/Scott Morton (1971): 57; Watson/Wixom (2007): 96.
52 Vgl. Turban et al. (2007): 20.
53 Vgl. Grothe/Gentsch (2000): 14.
54 Vgl. Chamoni/Gluchowski (2006): 7.
55 Vgl. Turban et al. (2008): 25; Gómez/Rautenstrauch/Cissek (2009): 16.
56 Vgl. Inmon (2005): 247f.
57 Vgl. Gómez/Rautenstrauch/Cissek (2009): 16.
58 Vgl. Turban et al. (2007): 25.
59 Vgl. Gluchowski/Gabriel/Dittmar (2008): 75; Gómez/Rautenstrauch/Cissek (2009): 16.
60 Vgl. Gluchowski/Gabriel/Dittmar (2008): 86-88.
61 MERTENS stellte sieben unterschiedliche Verständnisse des Begriffs „Business Intelligence“ nach intensiver Recherche in wissenschaftlicher Literatur und kommerziellen Prospekten heraus. Vgl. Mertens (2002): 67.
62 Vgl. Gluchowski/Gabriel/Dittmar (2008): 89.
63 Vgl. Mertens (2002): 66.
64 Kemper/Mehanna/Unger (2006): 8.
65 Vgl. Gluchowski/Gabriel/Dittmar (2008): 89-91; Kemper/Mehanna/Unger (2006): 2-5.
66 Vgl. Kemper/Mehanna/Unger (2006): 10.
67 Vgl. Kemper/Mehanna/Unger (2006): 10f.
68 Vgl. Eckerson (2007): 5f.
69 Vgl. Kemper/Mehanna/Unger (2006): 17.
70 Vgl. Mucksch (2008): 134f.
71 Vgl. Lusti (2002): 132.
72 Vgl. Bauer/Günzel (2009): 51.
73 Vgl. Bartel/Schwarz/Strasser (2000): 45.
74 Vgl. Inmon (2005): 29.
75 Inmon (2005): 29. Diese Definition wird von der Mehrheit der wissenschaftlichen Autoren als treffend empfunden. Es soll darauf hingewiesen werden, dass auch Meinungen existieren, die INMONS Formulierung kritisch betrachten. Hauptargument der Kritiker ist dabei meist der einschränkende Charakter. Eine ausführlichere Diskussion würde den Rahmen dieser Arbeit sprengen, weshalb auf weiterführende Literatur verwiesen werden soll. Vgl. Bauer/Günzel (2009): 8.
76 Vgl. Inmon (2005): 29.
77 Vgl. Chamoni/Gluchowski (2006): 13.
78 Vgl. Mucksch (2006): 132.
79 Vgl. Inmon (2005): 29.
-
-
-
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X. -
-
Téléchargez vos propres textes! Gagnez de l'argent et un iPhone X.