Die Zielsetzung der Arbeit soll die Konstruktion einer Methode für die Selektion einer Entscheidungssituation und zugehöriger Informationsbedarfe für eine Entscheidungsunterstützung in Prozessen sein. Hierbei sollen, bezugnehmend auf die folgenden Fragestellungen
1. Fachlicher Fokus: Welche Art von prozessorientierter Entscheidungssitu-ation kann durch gezielte Informationsversorgung zur Entscheidungsunterstützung qualitäts- oder/ und geschwindigkeitssteigernd unterstützt werden? Wie können die objektiven Informationsbedarfe ermittelt werden?
2. Wirtschaftlicher Fokus: Wie kann unter anderem der Wert einer Infor-mation im Verhältnis zum Beschaffungsaufwand bestimmt werden, um die Kosten-Nutzen-Abwägung einer Entscheidungsunterstützung vor der Informationsbeschaffung durchzuführen?
explizit wirtschaftliche und fachliche Aspekte berücksichtigt werden.
Inhaltsverzeichnis
Abbildungsverzeichnis
Tabellenverzeichnis
Abkürzungsverzeichnis
1 Einleitung
2 Begriffserläuterungen und thematische Einführung in Business Intelligence
2.1 Entscheidungentheorie, Informationen, Informationsbedarf, -nachfrage und -angebot
2.1.1 Entscheidungstheorie
2.1.2 Begriff der Information
2.1.3 Informationsbedarf, -nachfrage und -angebot
2.2 Business Intelligence
2.2.1 Historische Entwicklung
2.2.2 Begriffsdefinition von Business Intelligence
2.2.3 Architekturordnungsrahmen
2.2.4 Prozessorientierte Business Intelligence
3 Konstruktion der Methode
3.1 Methodenverständnis und Vorgehensweise
3.2 Analyse der Einflussfaktoren der Problemstellung
3.2.1 Prozess vs. domänenbezogene Datenbereitstellung
3.2.2 Zeitkritische Entscheidungen
3.2.3 Wirtschaftlichkeit der Entscheidungsunterstützung
3.2.4 Ergebnisse der Analysephase
3.3 Entwurf der Methodenkomponenten
3.3.1 Aktivitäten sowie Vorgehensmodell
3.3.2 Ergebnismodell
3.3.3 Rollenmodell
3.3.4 Techniken
3.3.5 Informationsmodell
3.4 Evaluation
4 Evaluation der Vorgehensweise
5 Fazit und Ausblick
Literaturverzeichnis
Abbildungsverzeichnis
Abbildung 2.1: Zeichen – Daten – Informationen - Wissen
Abbildung 2.2: Informationsbedarf und Informationsversorgung
Abbildung 2.3: BI-Ordnungsrahmen
Abbildung 2.4: BI-Architekturordnungsrahmen
Abbildung 2.5: Reifegradmodell von BI & Big Data
Abbildung 3.1: Komponenten von Methoden im Methoden-Engineering
Abbildung 3.2: Verfahren zur Wirtschaftlichkeitsanalyse von Informa- tionssystemen
Abbildung 3.3: Analyse der Einflussfaktoren der Wirtschaftlichkeits- analyse
Abbildung 3.4: Übersicht der Aktivitäten sowie Vorgehensmodell
Abbildung 3.5: Dokumentationsmodell
Abbildung 3.6: Rollenmodell
Abbildung 3.7: Basiselemente eines Entscheidungsmodells
Abbildung 3.8: Darstellung eines Informationsbeschaffungsproblems im Entscheidungsbaum
Abbildung 3.9: Wert-Zeit-Kurve
Abbildung 3.10: Informationsmodell („Betriebssicht“)
Abbildung 3.11: Auszug aus dem modifizierten Informationsmodell („Betriebssicht“)
Abbildung 3.12: Systematisierung der verschiedenen Evaluationsansätze
Tabellenverzeichnis
Tabelle 2.1: Kategorien von Informationsbedarfen
Tabelle 2.2: unterschiedliche Varianten BI-Abgrenzungen
Tabelle 2.3: Kategorien von Prozessen
Tabelle 2.4: Systematisierung von BPI
Tabelle 3.1: Auswahl von IT-Kostenarten
Tabelle 3.2: Prozesseigenschaften
Tabelle 3.3: Ergebnisse der Bestimmung der zu analysierenden Prozesse
Tabelle 3.4: Ergebnisse zu Identifikation von Entscheidungssituationen
Tabelle 3.5: Ergebnisse zu Erstellung eines Subjektsystems
Tabelle 3.6: Ergebnisse zu Erstellung eines Entscheidungsfeldes
Tabelle 3.7: Ergebnisse zu Nutzenanalyse
Tabelle 3.8: Ergebnisse zu Total Cost of Ownership
Tabelle 3.9: Ergebnisse zu Priorisierung
Tabelle 3.10: Zielarten
Tabelle 3.11: Präferenzarten
Tabelle 3.12: Ansätze der IBA
Tabelle 3.13: Annahmen für das Informationswertkonzept
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1 Einleitung
Die Auswahl einer Handlungsalternative aus mehreren möglichen ist eine Entscheidungssituation, mit der ein Mensch fast täglich konfrontiert wird (Laux, Gillenkirch und Schenk-Mathes 2014, S. 3). Auch in der Betriebswirtschaftslehre sind Entscheidungen und deren Analyse von zentraler Bedeutung: „Ihre [ Ergänzung des Autors: die der Betriebswirtschaftslehre ] Aufgabe besteht darin, die in betriebswirtschaftlichen Organisationen tätigen Menschen bei ihren Entscheidungen sowie den Gesetzgeber bei der Konzipierung unternehmensrelevanter Normen beratend zu unterstützen“ (Bamberg, Coenenberg und Krapp 2008, S.11). Diese Aufgabenbeschreibung lässt erkennen, dass die gegebene hohe praktische Relevanz betriebswirtschaftlicher Entscheidungen einen entsprechend hohen Beratungsbedarf generiert und die Wissenschaft diesen durch den wahrgenommenen Beratungsauftrag adressiert.
Für Entscheidungen sowie für jede andere Aufgabe lässt sich durch die „Art, Menge und Qualität der Informationen, die eine Person zur Erfüllung ihrer Aufgaben in einer bestimmten Zeit benötigt“ (Picot, Reichwald und Wigand 2003, S. 81), der objektive Informationsbedarf definieren, welche die Person zur Unterstützung benötigt. Der subjektive Informationsbedarf jedes Entscheiders wächst jedoch durch das zunehmende Informationsangebot (Reucher 2009, S. 53) und ist regelmäßig nicht deckungsgleich mit dem objektiven von der Aufgabenstellung abgeleiteten Informationsbedarf (Picot, Reichwald und Wigand 2003, S. 81). Fraglich ist, ob das wachsende Daten- und Informationsangebot heute und zukünftig (Seufert 2014, S. 25 f.) auch objektiv zur Entscheidungsunterstützung nützlich ist oder der steigende subjektive Informationsbedarf sich nur getreu der Zusammenfassung von John Maynard Keynes "Supply creates its own demand" (Keynes 2007, S. 16) bezüglich des sayschen Theorems durch mehr Informationsangebot ergibt.
Die bedarfsorientierte und somit objektive Informationsversorgung zur betrieblichen Entscheidungsunterstützung ist gemäß der Definition von Kemper, Baars und Mehanna (2010, S. 9) ein wesentlicher Bestandteil von Business Intelligence (BI). Laut dem Reifegradmodell von Seufert (2014, S. 28) sowie den identifizierten Forschungssträngen von Baars, Felden, et al. (2014) entwickelt sich das Thema BI aktuell vom Forschungsschwerpunkt sowie bzgl. der Verwendung in der Praxis vom domänenbezogenen Ansatz prozessorientierten Ansatz weiter. Aus diesem Grund gewinnt die prozessorientierte Business Intelligence (BI) „zur analytischen Unterstützung von Geschäftsprozessen in Echtzeit massiv an Bedeutung“ (Seufert 2014, S. 26) (Gluchowski, Kemper und Seufert 2009).
Bei prozessorientierter BI handelt es sich im Schwerpunkt um in operative Prozesse integrierte analytische Anwendungen, die (fast) ohne Zeitverzögerung Unterstützung bei der Entscheidungsfindung im Rahmen der Ausführung, Überwachung und Steuerung von operativen Geschäftsprozessen leisten (Hänel und Felden 2012) (Schmitz 2009, S. 30) (Eckerson 2007). Diese „tiefgreifende Integration von BI und Geschäftsprozessmanagement“ ist ein Hauptinnovationsstrang im Rahmen der weiteren thematischen Entwicklung von Business Intelligence (Baars, Felden, et al. 2014, S. 15).
Hier sei erneut auf die oben bereits aufgeworfene Fragestellung Bezug genommen, inwiefern nun die Informationsnutzung zur Entscheidungsunterstützung nützlich ist. Hier gilt es nicht nur den fachlichen, sondern auch den wirtschaftlichen Nutzen darzustellen. Diesbezüglich erläutern Baumöl und Berlitz (2014, S. 162), dass sich der verursachte Aufwand von Informationsversorgung zur Entscheidungsunterstützung auch wirtschaftlich lohnen muss und abhängig ist vom Geschäftsmodell sowie der verwendeten Technik. Eine Einzelfallprüfung ist hier notwendig. Ebenfalls sehen Olsson und Janiesch (2015, S. 691 f.) eine kritische Evaluierung des Aufwandes im Verhältnis zum Erkenntnisgewinn einer Information als geboten an. Hierbei wird neben dem reinen Informationswert ebenfalls ein abnehmender Zeitwert der Information berücksichtigt. Ergänzend dazu zeigt eine aktuelle Studie zum Thema „Big Data in kleinen und mittleren Unternehmen – eine empirische Bestandsaufnahme“ (Vossen, Lechtenbörger und Fekete 2015, S. 21 ff.) deutlich, dass die Notwendigkeit einer wirtschaftlichen Nutzung von Informationen, d.h. eine Gegenüberstellung von Kosten und Nutzen, bei einer deutlichen Mehrheit der Teilnehmer bejaht wird. Es wird jedoch von vielen Teilnehmern regelmäßig kein wirtschaftlicher Vorteil bei der gezielten Nutzung von Informationen zur Entscheidungsunterstützung gesehen. Von den Autoren der Studie wird angemerkt, dass sich der Eindruck herauskristallisiert, dass die Unternehmen sich nicht in den existierenden Anwendungsfällen wiederfinden und somit eine Lücke zu den erwarteten Anwendungsfällen existiert. Ähnlich zeigt die Studie „Competing on Analytics – Herausforderungen – Potentiale und Wertbeiträge von Business Intelligence und Big Data“, dass aus der praxisorientierten Perspektive heraus Schwachstellen in der ökonomischen Beurteilung von BI Projekten existieren (Seufert 2014, S. 34).
Bezugnehmend auf die obigen Ausführungen wird sowohl in der Wissenschaft als auch in der Wirtschaft gefordert, dass Wirtschaftlichkeitsaspekte bzgl. der Auswahl von Informationen und der Entscheidungssituation vermehrt in den Fokus der Analyse gerückt werden sollten. Der Mangel an einem entsprechenden fachlichen Konzept wurde in der Wissenschaft bereits 2012 adressiert (Loos, et al. 2012, S. 209) und seitdem auch nicht vollständig behoben. Eine methodenbasierte Vorgehensweise für die Selektion einer prozessbezogenen Entscheidungssituation und zugehöriger Informationsbedarfe, unter Berücksichtigung der Prämisse einer fachlich und wirtschaftlich sinnvollen Nutzung, könnte diesem Mangel abhelfen.
Somit lässt sich zusammenfassend feststellen, dass die Entscheidungsunterstützung durch eine gezielte Informationsversorgung ein schon lange bewährtes Konzept der Theorie und Praxis ist (Chamoni und Gluchowski 2006, S. 6 ff.), welches mit dem aktuellen Schlagwort Big Data durchaus einen Hype erlebt (Buytendijk 2014). Jedoch häufen sich die Stimmen, die Wirtschaftlichkeitsaspekte in den Fokus rücken, teilweise sogar deren wirtschaftlichen Erfolg alleine davon abhängig machen wollen (Horvath und Aschenbrücker 2014, S. 48). Auch zeigt sich, dass Anwendungssituationen, in denen die bessere Informationsversorgung tatsächlich zu besseren Entscheidungen führt, noch nicht im ausreichenden Maße vorhanden sind. Auch ist die Kenntnis von relevanten Entscheidungsproblemen, abgeleitet vom eigenen Geschäftsmodell, maßgeblich für den Erfolg einer entsprechenden Lösung (Baumöl und Berlitz 2014, S. 169).
Abgeleitet von der dargestellten Problemstellung sollen die folgenden zwei Fragestellungen im Rahmen dieser Arbeit behandelt werden:
1. Fachlicher Fokus: Welche Art von prozessorientierter Entscheidungssituation kann durch gezielte Informationsversorgung zur Entscheidungsunterstützung qualitäts- oder/ und geschwindigkeitssteigernd unterstützt werden? Wie können die objektiven Informationsbedarfe ermittelt werden?
2. Wirtschaftlicher Fokus: Wie kann unter anderem der Wert einer Information im Verhältnis zum Beschaffungsaufwand bestimmt werden, um die Kosten-Nutzen-Abwägung einer Entscheidungsunterstützung vor der Informationsbeschaffung durchzuführen?
Die Zielsetzung der Arbeit soll die Konstruktion einer Methode für die Selektion einer Entscheidungssituation und zugehöriger Informationsbedarfe für eine Entscheidungsunterstützung in Prozessen sein. Hierbei sollen - bezugnehmend auf die oben dargestellten Fragestellungen - explizit wirtschaftliche und fachliche Aspekte berücksichtigt werden.
Die Forschungsmethodik dieser Arbeit basiert hierbei auf einer argumentativ-deduktiven Analysephase und einer anschließenden konzeptionell-deduktiven Entwurfsphase, welche häufig verwendete Forschungsmethoden der Wirtschaftsinformatik darstellen (Schreiner, Hess und Benlian 2015, S. 8). Im Anschluss an die analytische Phase wird, dem Erkenntnisprozess der gestaltungsorientierten Wirtschaftsinformatik (Österle, Winter und Brenner 2010, S. 4) folgend, der Entwurf der Methode, aufbauend auf dem Methodenverständnis des Methoden-Engineerings nach Gutzwiller (1994), durchgeführt. Eine anschließende Evaluation der Ergebnisse schließt die Arbeit ab. Im Rahmen der Arbeit werden ebenfalls die „design science research guidelines“ nach Hevner et al. (2004, S. 83) berücksichtigt.
Zu diesem Zweck werden in Kapitel 2 zunächst die notwendigen Grundlagen erläutert. Dabei werden die für die weiteren Ausführungen maßgeblichen Themengebiete Entscheidungstheorie sowie die Begriffe Information, Informationsbedarf, -nachfrage und -angebot und BI erläutert und definiert.
Im Kapitel 3 wird zunächst mit einer Beschreibung der Vorgehensweise im Rahmen der Methodenkonstruktion sowie dem dieser Arbeit zugrundeliegenden Methodenverständnis begonnen. Anschließend folgen die Phasen des Konstruktionsprozesses: Problemdefinition, Entwicklung und Evaluation.
In Kapitel 4 erfolgt eine kritische Evaluation der verwendeten Forschungsmethode.
Abschließend wird die Arbeit in Kapitel 5 mit einem Fazit und einem Ausblick sowie mit dem Aufzeigen des weiterführenden Forschungsbedarfs geschlossen.
2 Begriffserläuterungen und thematische Einführung in Business Intelligence
Bezugnehmend auf die in der Einleitung dargestellte Problemstellung und dem Ziel dieser Arbeit enthält dieses Kapitel die theoretischen Argumente, die als Grundlage für die weiteren Ausführungen dienen.
2.1 Entscheidungentheorie, Informationen, Informationsbedarf, -nachfrage und -angebot
Ein grundlegendendes Verständnis der Systematik, die einer Entscheidung zu Grunde liegt, hilft, um zum einen zu verstehen, welche Situation überhaupt eine Entscheidungssituation darstellt, und zum anderen, in welcher Situation eine Unterstützung überhaupt zu einer besseren Entscheidung führen kann. Des Weiteren sollen die für diese Arbeit zentralen Begriffe Information und Informationsbedarf zum besseren Verständnis der Techniken der Informationsbedarfsanalyse (IBA) (vgl. Abschnitt 3.3.4) definiert und von anderen Begriffen hin abgegrenzt werden.
2.1.1 Entscheidungstheorie
Die in der Betriebswirtschaftslehre gebräuchliche Definition einer Entscheidungssituation ist der (Aus-)Wahlakt einer Handlungsalternative aus mehreren möglichen unter dem Postulat, dass „sich mindestens zwei dieser Alternativen in der Weise unterscheiden, dass mit ihnen ein Ziel mehr oder weniger gut erreicht wird“ (Laux, Gillenkirch und Schenk-Mathes 2014, S. 5). Es muss somit neben der Wahlsituation auch ein Entscheidungsproblem vorliegen, sonst könnte der Entscheider beliebig wählen (Laux, Gillenkirch und Schenk-Mathes 2014, S. 5). Die Entscheidungstheorie beschäftigt sich jedoch nicht nur mit dem Wahlakt, d.h. der Entscheidung an sich, sondern fokussiert sich vielmehr auf den der Entscheidung vorgelagerten Entscheidungsprozess, um durch die Analyse des Prozesses Aussagen über den Wahlakt zu erhalten (Bamberg, Coenenberg und Krapp 2008, S. 2). Zu unterscheiden sind hier, abhängig von der Absicht einer entscheidungstheoretischen Untersuchung, deskriptive und präskriptive (auch normative) Aussagen (Laux, Gillenkirch und Schenk-Mathes 2014, S. 3) (Bamberg, Coenenberg und Krapp 2008, S. 1).
Konkreter lässt sich das Ziel der deskriptiven Entscheidungstheorie dahingehend beschreiben, dass sie „empirisch gehaltvolle Hypothesen über das Verhalten von Individuen und Gruppen im Entscheidungsprozess [...] finden [möchte]“ (Bamberg, Coenenberg und Krapp 2008, S. 4).
Die präskriptive Entscheidungstheorie lässt sich bezüglich ihrem Ziel dahingehend beschreiben, dass sie „Ratschläge für die Lösung von Entscheidungsproblemen erteilen, also Antwort gibt auf die Frage, was ein Entscheider in unterschiedlichen Entscheidungssituationen tun soll“ (Bamberg, Coenenberg und Krapp 2008, S. 4).
Bezogen auf die erste Fragestellung (vgl. Abschnitt 1), die im Rahmen dieser Arbeit adressiert werden soll, steht die Zielsetzung der präskriptiven Entscheidungstheorie sowie die durch sie gewonnene Aussagen im Fokus dieser Arbeit. Um präskriptive Aussagen bezüglich einer Entscheidungssituation treffen zu können ist eine zwinge Voraussetzung zunächst ein widerspruchsfreies Zielsystem zu definieren (Bamberg, Coenenberg und Krapp 2008, S. 3). Ergänzend zu dem Zielsystem, welche dem Subjekt - d.h. dem Entscheider - zuzuordnen ist, ist ebenfalls das Objektsystem zu betrachten. Beide Systeme sind die Hauptbestandteile eines Entscheidungsmodells, dessen Erstellung im Abschnitt 3.3.4 beschrieben wird.
2.1.2 Begriff der Information
„An Daten fehlt es heute kaum in einem Unternehmen. Wir haben eher zu viele davon. Information hingegen ist noch immer Mangelware, und man kann sich nicht darauf verlassen, dass alle Manager wissen, wie man von Daten zu Informationen kommt“ (Malik 2001, S. 337). Dieses Zitat zeigt deutlich, dass im Informationszeitalter die Verfügbarkeit von Daten nicht mehr das zentrale Problem darstellt, sondern eher die Informationsgewinnung aus den verfügbaren Daten. Daten sind demnach die unstrukturierte Grundlage zur Generierung von Informationen. Sie sind in den Worten von Martin J. Beckmann das „Rohmaterial […], aus dem Entscheidungen hergestellt werden“ (Albach 1969, S. 720). Daten werden demnach als Zeichenfolge verstanden, die zur weiteren Verarbeitung bereitstehen. Der Begriff der Daten ist inhaltlich eng mit dem Begriff der Nachricht verbunden (Strauch 2002, S. 62).
Erst durch die Interpretation von Daten in einem bestimmten Kontext entstehen Informationen. Laut Wittmann (1959, S. 14) stellen Informationen zweckorientiertes Wissen dar, also solches Wissen, „das zur Erreichung eines Zweckes, nämlich einer möglichst vollkommenen Disposition eingesetzt wird“. Aus dieser Definition lässt sich erkennen, dass Informationen eine Teilmenge von Wissen darstellen (Strauch 2002, S. 65), sodass Wissen in zweckorientierter Form als Information und nicht-zweckorientierter Form vorkommt. Den Zusammenhang zwischen Zeichen, Daten, Informationen und Wissen soll die folgende Abbildung 2.1 darstellen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.1: Zeichen – Daten – Informationen - Wissen
Quelle: in Anlehnung an (Krcmar 2010, S. 15)
2.1.3 Informationsbedarf, -nachfrage und -angebot
„Für jede Art der Aufgabenerfüllung innerhalb eines Unternehmens sind Informationen unentbehrlich“ (Picot, Reichwald und Wigand 2003, S. 80). Konkret stellt sich hier nun die Frage, welche Informationen für das Erfüllen einer konkreten Aufgabe – wobei Picot, Reichenwald und Wigand (2003, S. 80) auch Entscheidungen unter Aufgabe subsumiert – benötigt werden. Rational betrachtet, würde der Aufgabenträger die Nachfrage noch Informationen am entscheidungsspezifischen objektiven Informationsbedarf ausrichten. Tatsächlich jedoch werden regelmäßig Informationen nicht genutzt, obwohl diese verfügbar wären (Picot, Reichwald und Wigand 2003, S. 80). Der subjektive Informationsbedarf des Entscheiders und der objektive, von der Aufgabenstellung abgeleitete, Informationsbedarf sind demnach häufig nicht deckungsgleich (Picot, Reichwald und Wigand 2003, S. 81).
Zur Differenzierung sei zunächst generell der Informationsbedarf definiert als „die Art, Menge und Qualität der Informationen, die eine Person zur Erfüllung ihrer Aufgaben in einer bestimmten Zeit benötigt“ (Picot, Reichwald und Wigand 2003, S. 81). Im Detail ergibt sich innerhalb des Informationsbedarfs noch die folgende oben angesprochene Differenzierung:
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2.1: Kategorien von Informationsbedarfen
Quelle: entnommen aus (Picot, Reichwald und Wigand 2003, S. 81)
Die tatsächlich nachgefragte Menge an Informationen ist wiederum nur eine Teilmenge des ursprünglich nachgefragten Informationsbedarfs. Auch nur in dem Bereich, wo sich die Informationsnachfrage und das Informationsangebot überschneiden, findet eine tatsächliche Informationsversorgung statt. Der Bereich, der mit Informationen versorgt und gleichzeitig zur Aufgabenerfüllung notwendig ist, stellt den Informationsstand dar (Picot, Reichwald und Wigand 2003, S. 81 f.). Das Zusammenwirken dieser verschiedenen Begrifflichkeiten wird in Abbildung 2.2 dargestellt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.2: Informationsbedarf und Informationsversorgung
Quelle: entnommen aus (Picot, Reichwald und Wigand 2003, S. 82)
2.2 Business Intelligence
Im Mittelpunkt dieses Abschnittes steht die Definition des Begriffes BI. Hierzu wird zunächst die historische Entwicklung von BI dargestellt (vgl. Abschnitt 2.2.1) um anschließend eine Begriffsdefinition für BI zu erarbeiten (vgl. Abschnitt 2.2.2). Danach wird der BI-Architekturordnungsrahmen vorgestellt (vgl. Abschnitt 2.2.3), um BI systematisch zu erfassen. Abschließend kann in Abgrenzung zu BI die prozessorientierte BI dargestellt werden (vgl. Abschnitt 2.2.4).
2.2.1 Historische Entwicklung
Die erste Verwendung des Begriffes BI geht auf den deutschen Informatiker Hans Peter Luhn zurück, der im Oktober 1958 im IBM Journal einen Beitrag mit dem Titel „A Business Intelligence System“ veröffentlichte (Luhn 1958, S. 314 ff.). In diesem Artikel beschreibt Luhn die „Architektur eines Systems, das aus heutiger Sicht eine Kombination aus Dokumentenmanagement- und Text-Mining-Komponenten für ein betriebliches Aufgabenmanagementsystem darstellt“ (Gansor, Totok und Stock 2010, S. 29). Die Aufgabe des Systems war hierbei, die wichtigsten Aufgaben (Action Points) zusammenzufassen, um die Unternehmensziele zu verwirklichen (Gansor, Totok und Stock 2010, S. 29). Für die damalige Zeit war dies ein visionäres System.
Die ersten Ansätze bezüglich der Idee der informationstechnologischen Entscheidungsunterstützung wurden in den 60er Jahren erarbeitet (Chamoni und Gluchowski 2006, S. 6) und führten im Verlauf der Zeit zu einer Vielzahl von unterschiedlichen Systemen und Konzepten. Als system- und konzeptübergreifender Entwicklung lässt sich erkennen, dass die anfängliche Daten- und Technologiefokussierung später zunehmend einer benutzer- und entscheidungsorientierten Fokussierung wich (Chamoni und Gluchowski 2006, S. 7).
Die Neuentdeckung des Begriffes BI fand 1996 statt und lässt sich auf die Gartner Group zurückführen. „Data analysis, reporting, and query tools can help business users wade through a sea of data to synthesize valuable information from it – today these tools collectively fall in a category called ‘Business Intelligence’” (Anandarajan, Srinivasan und Anandarajan 2004, S. 19). Das Zitat macht deutlich, dass es bei BI nicht nur um Bereitstellung von Informationen geht, sondern auch um Generierung von neuen Informationen durch die Analyse von Daten. Basierend auf diesem Zitat wird nun eine Begriffsdefinition für BI sowie für prozessorientierte BI erarbeitet.
2.2.2 Begriffsdefinition von Business Intelligence
Es existiert weder in der Praxis noch in der Wissenschaft ein einheitliches Verständnis beziehungsweise eine Definition von BI (Mertens 2002) (Gluchowski 2001). Mertens (2002, S. 4) hat in einer Untersuchung verbreitete BI-Abgrenzungen identifiziert, welche in der folgenden Tabelle dargestellt sind:
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2.2: unterschiedliche Varianten BI-Abgrenzungen
Quelle: entnommen aus (Mertens 2002, S. 4)
Wie man sofort erkennt, dominiert die Auffassung, dass BI als mehr oder weniger große Anzahl an technischen Ansätzen und Systemen definiert werden kann. Beispielhaft sei hier eine Definition von Chamoni und Gluchowski (2004, S. 119) genannt, die BI als einen Sammelbegriff „zur Kennzeichnung von Systemen […], die auf Basis interner Leistungs- und Abrechnungsdaten sowie externer Marktdaten in der Lage sind, das Management in seiner planenden, steuernden und koordinierenden Tätigkeit zu unterstützen“, sieht. Einen ähnlichen Ansatz zur Darstellung von unterschiedlichen Sichtweisen von BI stellt Gluchowski (2001, S. 7) durch einen zweidimensionalen Ordnungsrahmen dar (siehe Abbildung 2.3).
Bei dieser Abbildung werden auf der vertikalen Achse die jeweiligen Phasen des analytischen Datenverarbeitungsprozesses gezeigt, wobei die Datenbereitstellung die erste Phase und die Datenauswertung die letzte Phase darstellt. Auf der horizontalen Achse wird der Schwerpunkt definiert, der entweder technik- oder anwendungsorientiert ist.
Ebenfalls existiert, ergänzend zu den bisher dargestellten Definitionen von BI, auch eine prozessfokussierte Sichtweise (Gluchowski 2001, S. 6-7). So definieren Müller und Lenz (2013, S. 3) BI als „alle Aktivitäten in einer Unternehmung […],
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.3: BI-Ordnungsrahmen
Quelle: in Anlehnung an (Gluchowski 2001, S. 7)
die der Integration, der qualitativen Verbesserung, der Transformation und der statistischen Analyse der operativen und externen Daten mit dem Ziel dienen, Informationen und letztendlich Wissen innerhalb eines vorgegebenen Planungs-, Entscheidungs- und Controllingrahmens zu generieren. In dieser Definition werden in einer Reihenfolge geordnete und zweckbezogenen Aktivitäten zusammen mit den Zielen von BI erfasst.
Die dargestellten Sammeldefinitionen werden besonders dadurch Gegenstand der Kritik, weil diese zum Teil einen hohen Grad an Beliebigkeit aufweisen, oder Abgrenzungen zu anderen bestehenden Ansätzen nicht aufgeführt werden (Sun 2014) (Kemper, Baars und Mehanna 2010, S. 5).
Aus diesem Grund soll keine der genannten Sammeldefinitionen als Grundlage für diese Arbeit verwendet werden. BI kann somit als integrierter Gesamtansatz zur Entscheidungsunterstützung gesehen werden, so wie es auch in der Definition von Kemper, Baars und Mehanna (2010, S. 9) angeführt wird, welche BI als „einen integrierten, unternehmensspezifischen, IT-basierten Gesamtansatz zur betrieblichen Entscheidungsunterstützung“ darstellt.
Ausgehend von der BI Definition soll nun der Architekturordnungsrahmen des BI dargestellt werden. Dieser Rahmen dient auch als Grundlage zur anschließenden Abgrenzung zwischen BI und prozessorientierter BI.
2.2.3 Architekturordnungsrahmen
Die technischen Systeme und Ansätze des BI lassen sich im folgenden dreigliedrigen Ordnungsrahmen systematisch und am Grad der Systemintegration orientiert darstellen:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.4: BI-Architekturordnungsrahmen
Quelle: in Anlehnung an (Kemper, Baars und Mehanna 2010, S. 11)
Der Architekturordnungsrahmen besteht im Wesentlichen aus drei Ebenen, die charakteristisch für ein BI-System sind und im Folgenden erläutert werden sollen.
1. Datenbereitstellung
Innerhalb einer Unternehmung existieren viele unterschiedliche operative Systeme wie beispielsweise Produktionsplanungssysteme (PPS) oder Enterprise Resource Planning Systeme (ERP) (Kemper, Baars und Mehanna 2010, S. 11). Auch die Integration von externen und vor allem unstrukturierten Daten zum Zwecke der Entscheidungsunterstützung ist zunehmend im Fokus von BI Systemen und wird aktuell intensiv unter dem Schlagwort „Big Data“ diskutiert (Seufert 2014) (Schermann, et al. 2014) (Klein, Tran-Gia und Hartmann 2013). Alle genannten Systeme benötigen zur Ausübung ihrer operativen Funktionen entsprechende Datenbestände, beziehungsweise generieren durch ihre Tätigkeit Datenbestände. Problematisch hierbei ist, dass diese Datenbestände keiner einheitlichen Sicht entsprechen oder sogar redundant vorliegen können. Durch die redundante Speicherung derselben Daten können inkonsistente Sichten existieren. Daher ist der erste Schritt innerhalb der Datenbereitstellung, eine logisch zentrale, einheitliche und konsistente Datenbasis als Grundlage für die weitere analytische Verarbeitung zu schaffen (Chamoni und Gluchowski 2006, S. 12). Hierbei soll der Datenbestand oder die Sicht idealerweise sämtliche Daten für die unternehmensweite Managementunterstützung bereitstellen und bereichs- oder unternehmensweit ausgerichtet sein (Sun 2014, S. 49). Zu diesem Zweck werden periodische oder ad-hoc Verbindungen aufgebaut, um die relevanten Daten aus den operativen Systemen zu extrahieren (Chamoni und Gluchowski 2006, S. 12). Auch spielen Performance-Aspekte hier eine entscheidende Rolle, da durch Datenanalysen sowie andere Arbeitsschritte nicht die Performance der operativen Systeme leiden soll. Neuere technologische Konzepte wie „In-Memory Data Management“ bieten hier jedoch die Möglichkeit, zumindest die Performance bedingten Aspekte zu eliminieren. Diese ermöglichen faktisch die Aufhebung der Trennung zwischen der transaktionalen und analytischen Verarbeitung von Daten (Piller und Hagedorn 2011, S. 19).
Diese Extrahierung beinhaltet einen Transformationsprozess (Extraction, Transforming, Loading (ETL)), welcher alle Aufgaben zur Umwandlung der operativen Daten in betriebswirtschaftlich interpretierbare Daten umfasst (Kemper, Baars und Mehanna 2010, S. 27).
Diese so extrahierten und strukturierten Daten werden anschließend in sogenannten Data Warehouses (DWHs) für die weitere Verarbeitung gespeichert. Das DWH stellt somit eine Zwischenschicht dar, welche die operativen Systeme von den dispositiven Systemen trennt (Strauch 2002, S. 24). Derartige DWHs sind meist auf eine domänenbezogene Sichtweise ausgerichtet und entsprechen somit dem Reifegrad 1 (vgl. Abschnitt 2.2.4).
Der Begriff des DWH wurde von William H. Inmon (2005, S. 29 ff.) wesentlich geprägt. Demnach wird das DWH von den Merkmalen der Domänenorientierung, der Integration, des Zeitraumbezuges und der Nicht-Volatilität charakterisiert.
a. Themenorientierung (Domänenorientierung)
Diese dispositiven Daten orientieren sich am Informationsbedarf des Managements und beziehen sich auf die inhaltlichen Kernbereiche der Organisation (Chamoni und Gluchowski 2006, S. 13). Dabei erfolgt eine inhaltliche Konzentration auf Themenschwerpunkte, die im Rahmen der Entscheidungsunterstützung von Interesse sind.
b. Integration
Bei diesem Aspekt geht es um die schwierige Aufgabe, die Daten aus den unterschiedlichen operativen und externen Quellen zu einer inhaltlich widerspruchsfreien Datensammlung zusammenzufügen (Kemper, Baars und Mehanna 2010, S. 20).
c. Zeitraumbezug
Entgegen den transaktionsorientierten und somit zeitpunktbezogenen Daten der operativen Systeme beziehen sich die Daten innerhalb des DWH auf einen Zeitraum (Kemper, Baars und Mehanna 2010, S. 20).
d. Nicht-Volatilität
Im Unterschied zu operativen Daten, die sich kontinuierlich verändern, repräsentieren die Daten im DWH eine statische Sicht, da die Daten zumindest während der Analysevorgänge keiner Veränderung unterliegen (Kemper, Baars und Mehanna 2010, S. 21).
Je nach Art und Anzahl der zu betrachteten Bereiche können auch mehrere DWHs existieren. Auch die weitere Extraktion von Daten aus einem zentralen DWH in ein sogenanntes Data Mart kann im Rahmen der Datenbereitstellung sinnvoll sein (Kemper, Baars und Mehanna 2010, S. 26).
Die extrahierten unstrukturierten Daten werden, soweit sinnvoll, in sogenannten Kontent- und Dokument-Management Systemen gespeichert (Kemper, Baars und Mehanna 2010, S. 12). Zu diesen Daten gehören Informationsobjekte in beliebiger elektronischer Form (z.B. Texte, Bilder, Audio-/Videosequenzen) (Kemper, Baars und Mehanna 2010, S. 26)
2. Informationsgenerierung/ -distribution
Die Aufgabe der Informationsgenerierung wird durch sogenannte Analysesysteme umgesetzt. Es gibt eine unübersichtlich große Auswahl an Analysesystemen. Für einen Überblick sowie eine Beschreibung der Funktionsweise wird auf die weiterführende Fachliteratur verwiesen (Müller und Lenz 2013) (Kemper, Baars und Mehanna 2010).
3. Informationszugriff
Wie Krcmar (2010, S. 96) ausführt, ist es für die Verwendbarkeit von Informationen entscheidend, dass diese in einer Form präsentiert werden, die der menschlichen Informationsverarbeitung entgegenkommt. Das heißt, die Information muss vom Nutzer aufgenommen, verstanden und interpretiert werden können. Entscheidend hierbei ist, dass die Benutzerschnittstelle an den Informationsbedarf des Nutzers angepasst werden kann (Kemper, Baars und Mehanna 2010, S. 13). Auch ein zentraler Einstiegspunkt (Single-Sign-On-Prinzip) für verschiedene Analysesysteme hilft, den Benutzerkomfort zu steigern und die Akzeptanz der Nutzer zu erhöhen (Kemper, Baars und Mehanna 2010, S. 13). Derartige Lösungen werden unter dem Begriff Portal zusammengefasst. Portale stellen „leicht bedienbare, sichere und personalisierbare Zugangssysteme dar, über die Anwender Zugriff auf Information, Anwendungen, Prozesse und Personen erhalten, die auf den durch das Portal erschlossenen Systemen verfügbar sind“ (von Lucke 2008). Für die betriebliche Praxis entscheidet sich auf dieser Ebene, ob die Informationen, die das BI-System bereitstellen kann, auch dem Entscheider auf die passende Art und Weise mitgeteilt werden können. Zu diesem Zweck sollte eine Vielzahl an Möglichkeiten existieren, die Darstellung der Informationen den persönlichen Bedürfnissen des Benutzers anzupassen. Die Gratwanderung besteht darin, möglichst viele Optionen anzubieten, ohne den Benutzer zu überfordern.
2.2.4 Prozessorientierte Business Intelligence
Aufbauend auf der Definition von BI und dem dargestellten BI-Architekturordnungsrahmen kann nun die prozessorientierte BI erläutert werden.
Basierend auf dem von Baars et al. (2014) entworfenen Leitbild für die nächste Inkarnation von BI ist die tiefgreifende Integration von BI und Prozessmanagement ein aktueller Forschungsstrang innerhalb der BI Forschung und der gemeinsame Grundgedanke von prozessorientier BI. Prozessorientiere BI wird dabei durch mehrere Ansätze, die teilweise nur schwer voneinander abzugrenzen sind (Felden, Chamoni und Linden 2010, S. 198), vertreten. Zu nennen sind hier
- Operational Business Intelligence (OpBI) (Hänel und Felden 2015) (Hänel und Felden 2012) (Marjanovic 2010),
- Business Process Intelligence (BPI) (Sun 2014) (Grigori, et al. 2004),
- Real Time Business Intelligence (RTBI) (Azvine, et al. 2006) und
- Process-Centric business intelligence (PCBI) (Bucher, Gericke und Sigg, Process-centric business intelligence 2009).
Da sich die genannten Ansätze im Detail unterscheiden, sollen diese im Folgenden vorgestellt werden. Vorab soll jedoch der Bezug zur bereits erläuterten BI mit Domänenbezug hergestellt werden.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.5: Reifegradmodell von BI & Big Data
Quelle: entnommen aus (Seufert 2014, S. 28)
Das Reifegradmodell von Seufert (2014, S. 28) stellt die Entwicklung von Unternehmen von domänenbezogenen Abteilungsstrukturen ohne durchgängige Wertschöpfungsprozesse hin zu modernen Wertschöpfungsnetzwerken mit unternehmensübergreifenden arbeitsteiligen Wertschöpfungsprozessen dar. Dieser evolutionäre Ansatz ist ein wesentlicher Bestandteil der Disziplin des Supply Chain Management (Werner 2010, S. 3 ff.). Dieser Betrachtungsweise wird eine informationszentriete Betrachtungsweise der Leistung / Wertkette gegenübergestellt. Dies dient dazu, die steigende Bedeutung der Ressource Information (vgl. auch Abschnitt 2.1.2) nicht nur als Grundlage für Entscheidungen, sondern viel mehr als Bestandteil von Innovationen, welche Geschäftsmodelle grundlegend verändern können, darzustellen (Seufert 2014, S. 421). Seufert zeigt somit auf, dass innovative Geschäftsmodelle und die Nutzung von Informationen als wesentliche Ressource deutliche kausale Zusammenhänge aufweisen und ein fortgeschrittenes prozessorientiertes BI & Big Data Modell ein Schlüsselelement hierzu ist. Prozessorientierte BI ist somit die Weiterentwicklung (Reifegrad 2) von klassischer domänenorientierter BI (Reifegrad 1), wie sie im Rahmen des Abschnitts 2.2.2 vorgestellt wurde.
Als Gründe für die Weiterentwicklung lassen sich mehrere Elemente herausarbeiten, die sich bei dem Domänenbezug von Reifegrad 1 BI Ansätzen als nachteilig erweisen und mittels prozessorientierter BI adressiert werden sollen.
Zunächst sei hier der Faktor Zeit genannt, der von Azvine et al. (2006, S. 1) als kritisches Element in schnell veränderlichen Märkten gesehen wird. Die durch den Markt bedingte Forderung, Analysen und davon abgeleitete Aktionen in „real time“ durchzuführen, führt zur Entwicklung des RTBI Ansatzes. Diese Vision formuliert Azvine et al. (2006, S. 2) als „the seamless transition from data into information into action“. Identifiziert werden hier zwei Schwachpunkte bei Reifegrad 1 BI-Ansätzen. Zum einen die geringe Automatisierung, welche zu zeitlichen Abhängigkeiten und Defiziten durch manuelle Eingriffe von BI-Experten führt (Azvine, et al. 2006, S. 3). Zum anderen die Umsetzung von Aktion basierend auf den gewonnenen Informationen. Hier schlägt Azvine et al. (2006, S. 4) einen „operational layer“ vor, der zwei Funktionen enthalten muss. „Business activity monitoring” und „real-time process tuning and change”. Der „operative layer” hat somit einen deutlichen Prozessbezug, um Zeitvorteile im Vergleich zu Reifegrad 1 BI Ansätzen zu generieren. Die darauf aufbauenden Schichten der „data integration layer“ und der „analytics layer“ enthält jedoch keinen expliziten Hinweis darauf, dass der Prozessbezug der Daten durch die Extraktion und Integration im „data integration layer“ nicht verloren geht. Implizit kann dies jedoch angenommen werden, da Azvine Verbesserungen und Änderungen am Prozess als Aktionen definiert, welche ohne Prozessbezug der Analyseergebnisse schwer umzusetzen wären (Azvine, et al. 2006, S. 4). Erkennbar ist auch, dass der Aufbau ebenfalls dem drei Ebenen des BI-Architekturrahmens (vgl. Abbildung 2.4) entspricht.
Den Ansatz der prozessfokussierten BI greifen ebenfalls Bucher, Gericke und Sigg (2009) auf und analysieren und beschreiben ihren Ansatz PCBI mittels einer Literaturanalyse sowie zwei Prozessbeispielen. Ebenfalls wird eine Vision für die technische Implementierung erarbeitet. Als wesentlicher Mangel des Reifegrad 1 BI Ansatzes wird hier der Verlust des prozessualen Kontextes von Daten durch die Extraktion und Integration dargestellt (Bucher, Gericke und Sigg 2009, S. 409). Dieser wird vor allem als problematisch angesehen, da der Leistungserstellungsprozess in Unternehmen regelmäßig prozessbasiert durchgeführt wird und der Verlust dieses Kontextes die Analysemöglichkeiten der Daten reduziert. Auch fehlen dem „frontline worker“ die notwendigen Daten und Informationen, um operative Entscheidungen besser treffen zu können (Bucher, Gericke und Sigg 2009, S. 409).
Zudem erweitert Bucher, Gericke und Sigg (2009) die Perspektive von prozessorientierter BI um die differenzierte Betrachtung des Prozesses. Basierend auf dem „Neuen St. Galler Management-Modell“ wird zwischen drei Prozess-Kategorien differenziert (Rüegg-Stürm 2003, S. 67 ff.).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2.3: Kategorien von Prozessen
Quelle: in Anlehnung an (Rüegg-Stürm 2003, S. 67 ff.)
Die Differenzierung erhält seine Relevanz für das PCBI durch den Grad an Strukturierung, die eine Prozesskategorie aufweist. Ausgehend von den Ausführungen von Zairi (1997) gilt ein Prozess als gut strukturiert, wenn er einen vorhersehbaren und bestimmbaren Input, eine eindeutige und logische Aktivitätenabfolge, klar bestimmte und definierte Aktivitäten und einen vorhersehbaren und bestimmbaren Output hat. Gerade diese Art der Strukturierung fehlt häufig bei Managementprozessen, so dass die Möglichkeiten der Unterstützung durch PCBI nicht so ausgeprägt sind wie bei sehr stark strukturierten Unterstützungsprozessen (Bucher, Gericke und Sigg 2009, S. 414). Dies steigert den Aufwand für eine PCBI Unterstützung und erhöht die Notwendigkeit, auch externe, d.h. nicht nur prozessinterne Daten, im Rahmen der Informationsbedarfsanalyse zu evaluieren und in die PCBI einzubinden (Bucher, Gericke und Sigg 2009, S. 414). Als technische Implementierung werden „Service Oriented Architectures“ (SOA) angesprochen, auch weil SOA ebenfalls service- und prozessorientiert sind (Bucher, Gericke und Sigg 2009, S. 409).
Im Ergebnis lassen sich zwei wesentliche Aspekte aus den Ausführungen von Bucher, Gericke und Sigg (2009) entnehmen:
- Die Beibehaltung des prozessualen Kontextes bei extrahierten Daten verbessert die Analysefähigkeit der Daten und
- strukturierte Prozesse, welche vor allem die Unterstützungs- und Geschäftsprozesse sind, profitieren stärker von einer prozessorientierten BI als Managementprozesse, die häufig weniger stark strukturiert sind.
Ein weiterer Ansatz der prozessorientierten BI stellt das OpBI dar. OpBI greift dabei einen bereits im Rahmen des RTBI erläuterten Vorteil der prozessorientierten BI auf, die Generierung von Geschwindigkeitsvorteilen durch schnellere Analysen und Entscheidungen (Felden, Chamoni und Linden 2010, S. 195) (Marjanovic 2010, S.1). Da OpBI im Schwerpunkt auf Prozessablaufkontrolle aufbaut, verwundert auch nicht die Nähe zu bereits existierenden Ansätzen wie Business Activity Monitoring oder Geschäftsprozessmanagement (Felden, Chamoni und Linden 2010, S. 198) (Marjanovic 2010, S.3). OpBI zielt auf die direkte Integration von analytischen Prozessen in operative Geschäftsprozesse ab (Eckerson 2007) und verbessert den Prozess, während er durchlaufen wird (Felden, Chamoni und Linden 2010, S. 197). Diese Integration aus dispositiver und operativer Datenverarbeitung wird auch von der technischen Seite unterstützt, z.B. durch In-Memory Daten Management Lösungen (Piller und Hagedorn 2011, S. 19). Daraus ergibt sich durch OpBI eine weitere Abgrenzung zu BI Ansätzen des Reifegrads 1. OpBI analysiert den Prozesszustand, während BI das Prozessergebnis analysiert (Felden, Chamoni und Linden 2010, S. 198). Ein weiterer Vorteil der starken Integration von OpBI in operative Prozesse ist die Möglichkeit, automatische Entscheidungen treffen zu können, was in zeitkritischen Prozessen ein substanzieller Vorteil sein kann (Felden, Chamoni und Linden 2010, S. 198). Zusammenfassend lässt sich somit festhalten, dass OpBI die Analyse und Kontrolle von operativen Prozessen beinhaltet (Hänel und Felden 2015, S. 4722) und vor allem eine Entscheidungsunterstützung bei der Prozesssteuerung anbietet (Linden 2010, S. 36).
BPI hingegen wird als Ansatz für die Unterstützung von Prozessanalysen durch die Aufdeckung von Schwachstellen und Verbesserungspotentialen mittels Prozessablaufdaten (Sun 2014, S. 65) positioniert. Eine entsprechende Systematisierung des BPI kann dem folgenden morphologischen Kasten entnommen werden (vgl. Tabelle 2.4).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2.4: Systematisierung von BPI
Quelle: entnommen aus (Felden, Chamoni und Linden 2010, S. 199)
Deutlich wird, dass für BPI der Faktor Zeit keine überragende Rolle spielt, da hier nicht mit Echtzeitdaten gearbeitet wird. Auch liegt der Fokus deutlich auf der Prozessentwicklung und weniger auf der Überwachung und Steuerung eines Prozesses. Damit wird weniger die operative Ebene angesprochen, die Prozesse ausführen muss, sondern mehr die strategische und taktische Ebene die Prozesse verbessern muss.
Im Ergebnis lässt sich festhalten, dass BI des Reifegrades 2 eine prozessfokussierte BI ist und eine Weiterentwicklung des domänenbezogenen BI Ansatzes (Reifegrad 1) darstellt. Die Motivation für die Weiterentwicklung kann vor allem in der höheren Geschwindigkeit der Entscheidungsunterstützung, dem klaren Prozessbezug sowie durch die stärker ausgeprägte Möglichkeit der Automatisierung von Entscheidungen gesehen werden. Der in Abschnitt 2.2.3 dargestellt dreigliedrige Architekturordnungsrahmen bleibt dabei grundsätzlich erhalten, vor allem bei BPI, jedoch ergeben sich im Bereich des ETL Prozesses – der Prozessbezug bleibt erhalten - sowie der möglichen Automatisierung Unterschiede zum bisherigen BI Ansatz.
3 Konstruktion der Methode
Nachdem im vorangegangenen Kapitel die Grundlagen für diese Arbeit gelegt wurden, soll nun eine Methode zur Selektion von wirtschaftlich und fachlich geeigneten Entscheidungssituationen sowie zugehöriger Informationsbedarfe im Rahmen des prozessorientierten BI konstruiert und anschließend evaluiert werden.
3.1 Methodenverständnis und Vorgehensweise
Hier werden zunächst argumentativ-deduktiv (Hess, Schreiner und Benlian 2015, S. 3) im Rahmen der Analysephase - dem Erkenntnisprozess folgend (Österle, Winter und Brenner 2010, S. 4) - die Einflussfaktoren der Problemstellung, welche die zu konstruierende Methode adressieren soll, ermittelt.
Anschließend soll konzeptionell-deduktiv (Hess, Schreiner und Benlian 2015, S. 3) die Methode im Rahmen der Entwurfsphase (Österle, Winter und Brenner 2010, S. 4) konstruiert werden. In Abschnitt 3.4 erfolgt dann eine Evaluation der konstruierten Methode im Hinblick auf die Qualität der Beantwortung der gestellten Forschungsfragen aus Abschnitt 1 (Österle, Winter und Brenner 2010, S. 4) (Gericke und Winter 2011, S. 57). Hierbei soll auf die im Abschnitt 2 dargestellten Fachbereiche und Begriffe Bezug genommen werden.
Für diese Arbeit soll hierbei das folgende Methodenverständnis zu Grunde gelegt werden:
„Eine Methode ist ein zielgerichtetes, systematisches Vorgehen, dessen Konstruktion auf der Basis von Komponenten erfolgt, deren Ausgestaltung intersubjektiv nachvollziehbare Prinzipien und Regeln zugrunde liegen. Die konstituierenden Komponenten einer Methode sind Aktivitäten, Rollen, Ergebnisse, Informationsmodel, Techniken, und Werkzeuge, wobei die Aktivitäten die führenden Definitoren sind.“ (Baumöl 2008, S. 60)
Die o.g. Definition basiert im Wesentlichen auf dem Methoden-Engineering nach Gutzwiller (1994) welche von Winter (2003, S. 88) bezüglich des Begriffs des Informationsmodells spezifiziert wurde. Ergänzend hierzu soll auch noch die Erweiterung von Österle/Blessing (2003, S. 80) um die Komponente „Stakeholder Value“ hinzugefügt werden.
Der Zusammenhang der einzelnen Komponenten ist in Abbildung 3.1 dargestellt, wobei das Metamodell dem Informationsmodell laut Winter entspricht und die im Vergleich zur o.g. Definition ergänzte „Stakeholder Value“ Komponente deutlich macht, dass der Erfolg einer Methode auch messbar sein muss. Hierzu muss eine Wirtschaftlichkeitsbetrachtung ermöglicht werden (Österle und Blessing 2003, S. 81), welche insbesondere in Hinblick auf die zweite in Abschnitt 1 aufgestellte Forschungsfrage eine besondere Relevanz im Hinblick auf diese Arbeit hat und bei der Methodenkonstruktion direkt berücksichtigt werden soll.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3.1: Komponenten von Methoden im Methoden-Engineering
Quelle: in Anlehnung an (Österle und Blessing 2003, S. 80)
[...]
-
-
-
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.