In den folgenden Kapiteln werde ich erklären, was Business Intelligence-Lösungen sind und welchen Mehrwert diese Lösungen für die heutige Unternehmenswelt darstellen. Einführend ist zu erwähnen, dass die großen Datenmengen ein Problem für Unternehmen darstellen. „Den meisten Großunternehmen fällt es heute schwer - man rufe sich den Ausspruch des Siemens-Chefs H. v. Pierer in Erinnerung: ‚When Siemens knew what Siemens knows’ -, den Überblick über interne und externe Daten, Informationen und Fähigkeiten zu behalten.“ Data Mining ist behilflich, Wissen aus den Daten zu gewinnen und wird im folgenden Kapitel u.a. im Vordergrund stehen. Anschließend werden elektronische Marktplätze genauer erläutert, die einen hervorragenden Ausgangspunkt für Business Intelligence-Methoden bieten. Hier ist zwischen B2B und B2C Marktplätzen zu unterscheiden. Für ein besseres Verständnis werde ich Beispiele für Business Intelligence-Methoden auf elektronischen Marktplätzen mit einbringen. So wird beispielsweise die Automobilbranche mit dem B2B Marktplatz Covisint und der Amazon Marketplace im B2C-Bereich genauer beleuchtet. Abschließend werde ich eine eigene Bewertung zu den behandelten Themenbereichen abgeben und die Zukunft von Business Intelligence in den Mittelpunkt stellen.
Inhaltsverzeichnis
Abbildungsverzeichnis
Abkürzungsverzeichnis
Management Summary
1. Einleitung
2. Grundlagen von Wissensmanagement und Business Intelligence
2.1 Wissensmanagement (WM)
2.2 Business Intelligence (BI)
2.3 Data Warehousing und Online Analytical Processing (OLAP)
2.4 Data Mining
3. Business Intelligence auf elektronischen Marktplätzen
3.1 Elektronische Marktplätze
3.2 Business Intelligence im B2B-Bereich – elektronische Marktplätze
4. Business Intelligence-Methoden im B2C-Bereich
4.1 Kundenbeziehungen im B2C-Bereich
4.2 Analyse des Kundenverhaltens durch Logfiles
4.3 Generierung von Nutzerprofilen
5. Bewertung und Ausblick in die Zukunft
Literaturverzeichnis
Abbildungsverzeichnis
Abb. 1: Netzmärkte nutzen das Internet als Ausgangsbasis für noch effizientere Geschäftsmodelle
Abb. 2: Statistiken aus dem Analyseprogramm „http-analyzer“
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1. Einleitung
In den folgenden Kapiteln werde ich erklären, was Business Intelligence-Lösungen sind und welchen Mehrwert diese Lösungen für die heutige Unternehmenswelt darstellen. Einführend ist zu erwähnen, dass die großen Datenmengen ein Problem für Unternehmen darstellen. „Den meisten Großunternehmen fällt es heute schwer – man rufe sich den Ausspruch des Siemens-Chefs H. v. Pierer in Erinnerung: ‚When Siemens knew what Siemens knows’ -, den Überblick über interne und externe Daten, Informationen und Fähigkeiten zu behalten.“[1] Data Mining ist behilflich, Wissen aus den Daten zu gewinnen und wird im folgenden Kapitel u.a. im Vordergrund stehen.
Anschließend werden elektronische Marktplätze genauer erläutert, die einen hervorragenden Ausgangspunkt für Business Intelligence-Methoden bieten. Hier ist zwischen B2B und B2C Marktplätzen zu unterscheiden. Für ein besseres Verständnis werde ich Beispiele für Business Intelligence-Methoden auf elektronischen Marktplätzen mit einbringen. So wird beispielsweise die Automobilbranche mit dem B2B Marktplatz Covisint und der Amazon Marketplace im B2C-Bereich genauer beleuchtet.
Abschließend werde ich eine eigene Bewertung zu den behandelten Themenbereichen abgeben und die Zukunft von Business Intelligence in den Mittelpunkt stellen.
2. Grundlagen von Wissensmanagement und Business Intelligence
2.1 Wissensmanagement (WM)
In der heutigen Unternehmenswelt stellt sich die Frage, wie man die Unmengen von Daten möglichst sinnvoll weiterverwenden kann, um das Wissen im Unternehmen zu steigern. Karagiannis und Telesko sind sogar der Ansicht, dass „Wissen...der mit Abstand wichtigste ‚Produktionsfaktor’“[2] im Unternehmen darstellt.
Es existiert keine einheitliche Definition von Wissen, da es unterschiedliche Ansätze dazu gibt. Eine für mich plausible Erklärung liefert Turban: „Knowledge management is information that has been organized and analyzed to make it understandable and applicable to problem solving or decision making.”[3] Es geht also darum, Informationen zu analysieren und sie verständlich zu machen um daraus Wissen zu generieren. Dieses Wissen wird dann für Problemlösungen und für Entscheidungen im Management eingesetzt.
Wissensmanagement ist hierbei als eine wissenschaftliche Disziplin anzusehen, die nach Möglichkeiten sucht, Wissen besser nutzen zu können.[4]
Dazu gehören Technologien, die es ermöglichen, Wissen zu generieren. Ein Beispiel wäre das Dokumentenmanagement-System (DMS), das Dokumente aller Art analysiert und bearbeitet. So können z.B. E-Mails oder Berichte optimal genutzt werden. Die große Bedeutung von Dokumenten als Wissensquellen ist hier hervorzuheben.[5] Ein weiteres Beispiel für eine Wissensmanagement-Technologie ist das Content Management System (CMS), das sich im Internet immer stärker verbreitet. Dieses System sorgt dafür, dass für die Erstellung von beispielsweise einer HTML-Seite keine Programmierkenntnisse erforderlich sind. Folgendes Beispiel verdeutlicht den Nutzen:
Ein Unternehmen, das Kunststoffflaschen produziert, wickelt seine Geschäfte über einen Online-Shop ab. Preisinformationen werden von der Verkaufsabteilung in Zusammenarbeit mit dem Management an die EDV-Abteilung übermittelt, die alle Informationen für die Online-Präsentation aufbereitet. Wenn sich nach einiger Zeit der Preis für die Flaschen ändert, und diese Preisänderung nicht an die EDV-Abteilung weitergeleitet wird, entstehen Verluste, da die Preise auf der Website nicht aktuell sind.[6] Es entsteht also ein Nachteil gegenüber der Konkurrenz. Mit einem Content Management System hätte in diesem Beispiel die Verkaufsabteilung direkt den Preis ändern können. Weitere Technologien und Tools zur Datenanalyse und Wissensgewinnung werden in den kommenden Kapiteln vorgestellt.
2.2 Business Intelligence (BI)
Im IT-Sektor hat sich der Begriff Business Intelligence (BI) in den vergangenen Jahren mehr und mehr durchgesetzt. Zum Begriff Business Intelligence, der 1993 durch die Gartner Group geprägt wurde, existieren bis heute jedoch keine einheitlichen Definitionen. Eine passende Erklärung ist, dass „...es sich bei BI um eine begriffliche Klammer handelt, die eine Vielzahl unterschiedlicher Ansätze zur Analyse von Geschäftsprozessen und von relevanten Wirkungszusammenhängen zu bündeln versucht.“[7]
Für ein genaueres Begriffsverständnis sorgt Gluchowski, indem er ausführt, dass „…alle Systemkomponenten zu Business Intelligence gehören, die operatives Datenmaterial zur Informations- und letztlich Wissensgenerierung aufbereiten und speichern sowie Auswertungs- und Präsentationsfunktionalität anbieten.“[8]
Business Intelligence befasst sich also mit der Fragestellung, wie die Unmengen von anfallenden Daten sinnvoll für das Unternehmen ausgewertet und gewinnbringend eingesetzt werden können. Aus den Daten wird Wissen generiert, dass hilfreich für Entscheidungen im Management oder Marketingbereich ist.
Es gibt eine Vielzahl von Einsatzbereichen für Business Intelligence. In den folgenden Kapiteln werde ich deshalb ausschließlich auf die Verwendung von Business Intelligence-Methoden auf E-Shops und Marktplätzen eingehen. Es wird folglich genauer beleuchtet, wie die im Onlinebereich anfallenden Daten analysiert und genutzt werden. Dabei ist es notwendig, die Begriffe Data Warehousing, OLAP und Data Mining zu erläutern.
2.3 Data Warehousing und Online Analytical Processing (OLAP)
Um Datenanalysen erfolgreich durchführen zu können, muss ein aufbereiteter Datenbestand vorliegen. Hierbei ist der Einsatz von einem Data Warehouse hilfreich.[9]
Xtend new media definiert ein Data Warehouse als „ein Zwischenlager für Daten unterschiedlichster Art. Auf diesen Datenpool können mehrere unterschiedliche Programme, je nach Aufgabenstellung (Bestellung, Fertigung, Lieferung, Rechnung, Kundenschreiben, etc.) zugreifen.“[10]
Ein Data Warehouse ermöglicht also eine einheitliche Einsicht auf Daten, die von unterschiedlichen Quellen stammen.
[...]
[1] Karagiannis, Dimitris; Telesko, Rainer: Wissensmanagement (2001), S.314
[2] Karagiannis, Dimitris; Telesko, Rainer: Wissensmanagement (2001), S.305
[3] Eimer, Ron: http://www.eh.doe.gov/vpp/articles/knowledge_management.html
[4] Vgl. Gluchowski, Peter, in: Hildebrand, Knut (Hrsg.): Business Intelligence (2001), S.12
[5] Vgl. Karagiannis, Dimitris; Telesko, Rainer: Wissensmanagement (2001), S.326
[6] Vgl. Karagiannis, Dimitris; Telesko, Rainer: Wissensmanagement (2001), S.328
[7] Dittmar, Carsten; Gluchowski, Peter, in: Hannig, Uwe (Hrsg.): Knowledge Management
und Business Intelligence (2002), S.32
[8] Gluchowski, Peter, in: Hildebrand, Knut (Hrsg.): Business Intelligence (2001), S. 6
[9] Vgl. Gluchowski, Peter, in: Hildebrand, Knut (Hrsg.): Business Intelligence (2001), S. 10
[10] Xtend new media: http://www.xtend.it/content.asp?L=2&IdMen=128
- Arbeit zitieren
- Heiko Wenninger (Autor:in), 2005, Business Intelligence-Methoden und Geschäftsprozessteuerung, München, GRIN Verlag, https://www.grin.com/document/45978
-
-
-
-
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.