Inhaltsverzeichnis

Inhaltsverzeichnis.   2

Abbildungsverzeichnis   3

1  Zielsetzung des Projekts  4

2  Business Intelligence  4

2.1  Begriffsdefinition  4

2.2  Framework  4

2.3  Datenbereitstellung.  6

2.3.1  Aufbau eines Data Warehouse  6

2.3.2  ETL.  6

2.4  Datenmodellierung  7

2.4.1  Semantische Modellierung.  7

2.4.2  Logische Modellierung  7

2.4.3  Physische Modellierung  7

2.5  Informationsgenerierung und -zugriff  7

2.5.1  OLAP  7

2.5.2  Data Mining.  8

3  SOA.  8

3.1  Merkmale  8

3.2  Rollen und Aktionen in einer SOA  9

3.3  Web Services.  9

4  Zusammenhang BI und SOA  10

4.1  Administration von Metadaten.  10

4.2  Einfache Abfragen.  10

4.3  Echtzeitzugriff.  10

4.4  BI-Funktionen als Web Service für alle Unternehmensbereiche  11

4.5  Überwachung der Geschäftsprozesse in Echtzeit.  11

5  Fazit und Ausblick  12

Literaturverzeichnis.   13

2

Abbildungsverzeichnis   

Abbildung  1: Das Business-Intelligence-Framework  

Abbildung  2: OLAP Datenwürfel  

Abbildung  3: Rollen im SOA.  

Abbildung  4: WSDL, SOAP und UDDI im Rahmen eines Web Service.  

Abbildung  5: BI Funktionen als Web Service  

Abbildung  6: Integration BI-Web Service in Enterprise Portal  

3

1 Zielsetzung des Projekts

Das Top-Management trifft Entscheidungen, die sich auf das Unternehmen sehr stark auswirken. Die obere Führungsschicht entwickelt Strategien, um die Richtung vorzugeben. Falsche Entscheidungen können zu finanziellen Verlusten und Abbau von Arbeitsplätzen führen. Der Vorstand braucht bei der Entscheidung Unterstützung, um interne und externe Veränderungen frühzeitig zu erkennen und entsprechend zu reagieren. Dazu müssen alle Daten und Informationen der gesamten Unternehmensbereiche zum richtigen Zeitpunkt zur Verfügung stehen.

Business Intelligence Lösungen sind Werkzeuge, die genau diese Anforderungen erfüllen. Gleichzeitig wächst jedoch der Wunsch, diese Tools mit noch umfangreicheren Funktionen, wie z.B. Geschäftsprozessunterstützung und Echtzeitmonitoring auszustatten. Weiterhin sollen BI-Portale nicht nur für das Topmanagement bereitgestellt werden, sondern für mehrere Anwender. Welche Lösungsansätze gibt es, um diese Anforderungen zu erfüllen? Die Zielsetzung dieses Projekt besteht darin, den Zusammenhang von BI und SOA zu entwickeln. Zunächst werden diese zwei Begriffe definiert. Anschließend wird der Zusammenhang zwischen BI und SOA dargestellt.

2 Business Intelligence

2.1 Begriffsdefinition

„Business Intelligence ist ein integrativer Ansatz, dessen Ziel es ist, aus verteilten und inhomogenen Unternehmens-, Markt- und Wettbewerbsdaten erfolgskritisches Wissen zu erzeugen.“ 1

Im Fokus steht der Prozess, bei dem das Management mit verlässlichen Informationen für Analyse- und Entscheidungszwecke versorgt wird. Grothe unterteilt in drei Prozessphasen:

ο Bereitstellung quantitativer und qualitativer, strukturierter oder unstrukturierter

Basisdaten.

ο Entdeckung relevanter Zusammenhänge, Muster oder Musterbrüche oder Diskontinuitäten

gemäß vorbestimmter Hypothesen oder hypothesenfrei.

ο Teilen und Nutzung der gewonnenen Erkenntnisse zur Stützung von Maßnahmen und Entscheidungen. 2

2.2 Framework

Das Framework ist ein Programmgerüst, welches die Anwendungsarchitektur vorgibt. Es ist ein Referenzmodell und dient als Grundlage für die Implementierung individueller Sachverhalte. Das Business-Intelligence-Framework besteht aus drei Ebenen.

¹ Seufert und Lehmann 2006, S. 15

² Grothe 1999, S. 5

4

2.3 Datenbereitstellung

Die 1. Ebene des Business-Intelligence-Frameworks ist die Datenbereitstellung. Das Data-Warehouse-Konzept steht im Mittelpunkt auf dieser Ebene.

„Als Data Warehouse wird die themenorientierte, vereinheitlichte, beständige, zeitbezogene Sammlung von Daten zur Unterstützung von Managemententscheidungen“ bezeichnet.“ ³ Die unterschiedlichsten Daten aus den operativen Anwendungssystemen systematisch zusammenzuführen, ist das wichtigste Ziel. Ein Data Warehouse muss Anforderungen, wie Fachorientierung, Integration, Nichtflüchtigkeit, Zeitraumbezug und Redundanz erfüllen.

2.3.1 Aufbau eines Data Warehouse

Es lassen sich drei verschiedene Varianten unterscheiden: ο Zentrales Data Warehouse ο Virtuelles Data Warehouse ο Data Marts

Ein zentrales Data Warehouse ist eine physische Datenbasis, die isoliert von den operativen Datenbeständen besteht. Spricht man von einem Data Warehouse, dann assoziiert man automatisch damit ein zentrales Data Warehouse.

Ein virtuelles Data Warehouse ermöglicht den direkten Zugriff durch den User auf die operativen Datensysteme. Der Vorteil dabei ist die schnelle und kostengünstige Realisierung. Durch komplexe Abfragen kann es zu immensen Performanceeinbußen führen. Ein Data Mart ist ein abteilungs- oder subjektspezifisches Data Warehouse. Dabei werden mehrere dezentrale Datenbanken aufgebaut. Ziel dabei ist, den einzelnen Fachabteilungen ihre eigenen Datenbestände zur Verfügung zu stellen. Auch an mehreren Orten bzw.

Niederlassungen kann man die Daten bereitstellen. Ein Nachteil ist der zusätzliche Aufwand, der durch die Synchronisation entsteht.

2.3.2 ETL

Der ETL-Prozess besteht aus den Teilprozessen Extraktion, Transformation und Laden. Bei der Extraktion erfolgt die Übertragung von Daten aus einer Datenquelle in den Arbeitsbereich. Die Extraktion gestaltet sich unterschiedlich je nach Monitoringstrategie. Bei der triggerbasierten Variante sind die geänderten Datensätze aus den entsprechenden Dateien auszulesen. Die zeitstempelbasierte Variante selektiert lediglich die Datensätze anhand ihres Zeitstempels. Zu nennen wäre noch die Log- bzw. Snapshot-Variante, dessen Vorgehen von der gewählten Umsetzung der Log-Analyse abhängt. Um das Data Warehouse mit aktuellen Daten zu versorgen, muss die Extraktion regelmäßig stattfinden. Es können folgende Strategien angewandt werden:

ο Periodische Extraktion, wobei die Periodendauer von der geforderten Mindestaktualität

der Daten abhängt ο Extraktionen auf Anfrage ο Ereignisgesteuerte Extraktion ο Sofortige Extraktionen bei Änderungen

Technisch wird die Extraktion mit Hilfe von Standard-Datenbankschnittstellen (ODBC) realisiert. Die Transformation umfasst Filterung, Harmonisierung, Aggregation und Anreicherung. Bei der Filterung erfolgt eine Bereinigung der Daten. Syntaktische Fehler wie z. B. Umsetzung in ein einheitliches Währungsformat und Semantische Mängel wie z.B. fehlende Datenwerte oder Ausreißerwerte werden behoben. Die Harmonisierung erfolgt

³ Inmon 1996, S. 5

6

syntaktisch und betriebswirtschaftlich. Die syntaktische Harmonisierung bereinigt unterschiedliche Ausprägungen. Die Aggregation umfasst die Verdichtung der gefilterten und harmonisierten Daten. Durch die Anreicherung können ergänzende betriebswirtschaftliche Kennzahlen berechnet werden. Die Ergebnisse können zu Analysezwecken offeriert werden. Beim Laden müssen die Daten aus dem Arbeitsbereich in das Data Warehouse eingebracht werden. Dies soll in der Regel möglichst effizient geschehen, so dass die Datenbank während des Ladens nicht oder nur kurz blockiert wird und ihre Integrität gewährleistet wird. Zusätzlich kann eine Versionsgeschichte angefertigt werden, in der Änderungen protokolliert werden, so dass auf frühere Zeitpunkte zurückgegriffen werden kann.

2.4 Datenmodellierung

Das Ziel der Datenmodellierung ist, die bereinigten Daten so aufzubereiten, dass sie betriebswirtschaftliche Entscheidungen unterstützen können. Es lassen sich drei Modellierungsebenen unterscheiden: semantische, logische und physische Modellierung.

2.4.1 Semantische Modellierung

Das Entity-Relationship-Modell (ERM) wird in der semantischen Modellierung eingesetzt. Das Modell dient der Verständigung zwischen User und Systementwickler und als Basis für das Datenbankdesign. Als Beschreibungselemente kommen Kennzahlen, Dimensionen, Dimensionsattribute und Dimensionsstrukturen in Frage.

2.4.2 Logische Modellierung

Bei der logischen Modellierung erfolgt die Umsetzung in eine für Datenbank verarbeitbare Form. Hierbei kommen relationale oder mehrdimensionale Datenbanken zum Einsatz. Beim Star-Schema werden die Daten in Fakten und Dimensionen gruppiert. Die Erweiterung von Star-Schema ist das Snowflake-Shema. Hierbei erfolgt eine Normalisierung.

2.4.3 Physische Modellierung

Eine Beschreibung der konkreten hardware- und softwaretechnischen Umsetzung des logischen Datenmodells auf physischer Ebene wird bei der physischen Modellierung dargestellt. Es werden Kriterien der physischen Speicherung und der Speicher- und Zugriffsoptimierung ausgearbeitet.

2.5 Informationsgenerierung und -zugriff

In der dritten Ebene des Business-Intelligence-Frameworks erfolgt die Aufbereitung und Nutzung der Information. Analysesysteme wie OLAP und Data Mining übernehmen diese Aufgabe.

2.5.1 OLAP

Laut Gluchowski wir durch OLAP eine Softwaretechnologie repräsentiert, die Managern und qualifizierten Mitarbeitern aus Fachabteilungen schnelle, interaktive und vielfältige Zugriffe auf relevante und konsistente Informationen ermöglicht. Der Begriff OLAP (Online Analytical Processing) stammt von E. F. Codd. Die mehrdimensionale Analyse kommt bei diesem Prozess zum Einsatz. An zentraler Stelle stehen Kennzahlen, z.B. der Vergleich von Umsätzen nach Produktgruppen, Regionen und Zeiträumen. Eine Veranschaulichung der Mehrdimensionalität erfolgt durch den Datenwürfel.

7

Abbildung 1: OLAP Datenwürfel 4

Die Abkürzung FASMI (Fast Analysis of Shared Multidimensional Information) von Pendse und Creeth fassen die Anforderungen an OLAP zusammen. ⁵ ο Fast: Die Antwortzeiten sollen wenige Sekunden betragen. ο Analysis: Analysemöglichkeiten für User ohne Programmierkenntnisse stehen zur

Verfügung.

ο Shared: Zugriff von mehreren Anwendern ist möglich. ο Multidimensional: Mehrdimensionalität ist gegeben. ο Information: Alle benötigten Informationen werden bereitgestellt.

2.5.2 Data Mining

Unter Data Mining versteht man die Erforschung und Analyse großer Datenbestände hinsichtlich sinnvoller Muster, Zusammenhänge oder Regeln. Verborgene und bislang nicht bekannte Sachverhalte sollen hierbei ermittelt werden. 6

Wichtige Merkmale sind Selbständigkeit, Mustergenerierung und Interessantheit. Dabei werden Methoden aus der Künstlichen Intelligence und der Statistik eingesetzt. Data Mining arbeitet autonom im Gegensatz zu OLAP.

3 SOA

„Unter einer SOA versteht man eine Systemarchitektur, die vielfältige, verschiedene und eventuell inkompatible Methoden oder Applikationen als wieder verwendbare und offen zugreifbare Dienste repräsentiert und dadurch eine plattform- und sprachenunabhängige Nutzung und Wiederverwendung ermöglicht.“ 7

Bei einer Service-orientierten Architektur (SOA) handelt sich um ein abstraktes Konzept. Der entfernte Funktionsaufruf „Remote Procedure Call“ gilt als Vorgänger von SOA. Bei SOA geht es nicht um eine konkrete Technik, sondern um eine Abstraktion. Web Services ist eine konkrete Implementierung der Service-orientierten Architektur.

3.1 Merkmale

Das wesentliche Merkmal einer SOA ist die lose Kopplung der Dienste. Das bedeutet, dass Dienste von Anwendungen oder anderen Diensten bei Bedarf dynamisch gesucht, gefunden

⁴ www.cubeware.de

⁵ Vgl. Pendse 1996, S. 1-2.

⁶ Vgl. Abts und Müder 2000, S. 261

⁷ Dostal, Jeckle, Melzer und Zengler 2005, S. 11

8

und eingebunden werden. In einem „Verzeichnisdienst“ oder „Repository“ werden die Services registriert. Der Nutzer muss sich mit Dienstanbietern unterhalten können, deshalb sind offene Standards von Nöten. Durch die Trennung von Schnittstelle und Implementierung werden gekapselte Dienste gebildet. Demzufolge können sie wieder verwendet werden. Voraussetzung für SOA ist Einfachheit und Sicherheit, was mehr Akzeptanz zur Folge haben soll. 8

3.2 Rollen und Aktionen in einer SOA

Der Service steht im Mittelpunkt in einer SOA. Ein Dienst ist in diesem Zusammenhang ein Programm oder eine Softwarekomponente, die lokal oder über das Netzwerk von anderen verwendet werden können. Anbieter, Nutzer und Vermittler sind die Beteiligten an der SOA. Das Zusammenspiel der Beteiligten verdeutlicht die Abbildung 2.

Der Anbieter (Service-Provider) implementiert die Services, der Nutzer (Service-Consumer) benutzt die Services und der Vermittler (Service Broker) veröffentlicht die Services und erlaubt die Suche.

3.3 Web Services

Web Services ist eine konkrete Implementierungstechnik, um eine SOA zu realisieren. Die technische Grundlage bilden vier Service Standards, die alle auf XML basieren. Diese Protokolle erleichtern Entwicklern die Verbindung ungleicher Systeme.

ο SOAP (Simple Object Access Protocol) als Protokoll dient der Kommunikation zwischen

Anbieter und Nutzer.

ο WSDL (Web Service Description Language) als Schnittstellenbeschreibung dient der

Beschreibung der Methoden und Parameter.

ο UDDI ( Universal Description, Discovery and Integration) als Verzeichnisdienst

(Registry) zur Registrierung von Web Services. ο XML als Datenformat für alle erwähnten Bestandteile.

⁸ Vgl. Dostal, Jeckle, Melzer und Zengler 2005, S. 9

9

4 Zusammenhang BI und SOA

Service-orientierte Architekturen kommen vor allem bei der Kommunikation über Unternehmensgrenzen hinweg zum Tragen.

4.1 Administration von Metadaten

Einsatzmöglichkeiten von Web-Services, welche eine Implementierungstechnik von SOA darstellen, sind die Administration und Zugriff auf Metadaten, da die zu übertragenden Datenmengen gering sind. Web-Services müssen fähig sein, Datenquellen als Web-Services auszulesen und ebenfalls ihre eigenen Daten als Web-Services bereitstellen zu können. 9

4.2 Einfache Abfragen

Die Ladephase und Auswerteschnittstelle können mit einer Service-orientierten Architektur realisiert werden. Web Services können für „einfache“ Abfragen und „einfaches“ Berichtswesen verwendet werden. Als Ersatz für tiefer gehende, mehrdimensionale Analysen und fortgeschrittenes Data Mining kann er aber nicht dienen.

4.3 Echtzeitzugriff

„Mit einem Web Service-/BI-System müssen Daten nicht mehr in ein Warehouse verschoben werden und können stattdessen direkt aus Anwendungen und auf Wunsch auch aus einem Warehouse bezogen werden. „ ¹⁰ Die Echtzeittransparenz von Informationen durch Web Services und BI bietet Unternehmen eine bessere Chance, auf Abweichungen zu reagieren und Schaden zu mindern.

⁹ Vgl. Bauer und Günzel, 2004, S. 138

¹⁰ Fryman, 2005, S. 1

10

4.4 BI-Funktionen als Web Service für alle Unternehmensbereiche

XML basierte Protokolle werden heutzutage von vielen führenden

Datenintegrationsplattformen und BI-Analyse-Tools unterstützt. Somit sind alle Voraussetzungen erfüllt, die die Entwicklung integrierter Anwendungen vereinfachen und beschleunigen. Außerdem kann die Möglichkeit geboten werden, einen Einblick in Kunden-, Buchhaltungs- und Supply-Chain-Daten, sowie in die Marktlage zu verschaffen. Das führt auch dazu, dass mehrere Benutzer die Möglichkeit haben, sofortige Abfragen durchzuführen und verschiedene Systeme zu durchforsten. Eine BI-Abfragefunktion kann z. B. als Web Service in eine Call-Center-Applikation integriert werden. Ruft ein Kunde an, kann der Mitarbeiter eine Abfrage starten, bei der in mehreren Kanälen nach Kundeneinkaufsmustern gesucht und Daten über die Aktivitäten des Kunden ausgegeben werden. Der zentrale Trend ist, dass nicht nur das Top-Management Entscheidungen mit Hilfe von BI-Tools treffen soll, sondern auch die Fachabteilungen. Ein Call-Center-Supervisor kann z. B. die Länge der Wartezeit, die ein Kunde beim Anruf auf sich nehmen muss, monitoren. Die Durchlaufzeiten in einem Fertigungsprozess können beispielsweise auch durch BI-Services überwacht werden.

4.5 Überwachung der Geschäftsprozesse in Echtzeit

Ein mit Web Services ausgestattet Business Intelligence-System bietet eine ideale Plattform, um eine zeitnahe Überwachung von Geschäftsereignissen zu erzielen. So können alle Anwendungen innerhalb eines Geschäftsprozess durch Web-Services miteinander verknüpft werden. Alle Informationen werden erfasst und auf dem BI-Frontend für sämtliche Nutzer dargestellt. Das Konzept einer Service-orientierten Architektur (SOA) wird zudem helfen, die Kommunikation innerhalb einer Portaloberfläche. Auch externe unstrukturierte Informationen lassen sich im Portal über Services sinnvoll in eine BI-Landschaft integrieren. Ein Beispiel ist die Recherche branchenspezifischer Meldungen für die Planung, etwa über die Preisentwicklung. Die Warnungen oder Meldungen von Ausnahmen führen zu schnelleren Reaktionszeiten, um Chancen zu nutzen oder auf Risiken zu reagieren. Im gleichen Zug kann der gesamte Prozess optimiert werden. Für die Kontrolle von Geschäftsprozessen braucht der Prozess-Owner allerdings keine aggregierten Informationen aus dem Data Warehouse, sondern relevante Originaldaten. SOA-unterstützte Prozesse können agieren, nicht nur reagieren. Ereignisse können die Prozesslogik und den Prozessablauf bestimmen. Ein Beispiel dazu: Die Produktverfügbarkeit sollte das Produktangebot in einem Internet-Shop steuern. Dadurch vermeidet man, dass ein Kunde etwas bestellt, was momentan nicht verfügbar ist.

¹¹ Ferguson, 2006, S. 1

11

Das hilft dem Unternehmen, seine Kunden zu halten und seine Einnahmen zu steigern, indem es Alternativprodukte in seinem Shop anbietet.

5 Fazit und Ausblick

Die IDC-Umfrage spiegelt einen zentralen Branchentrend wider: Business Intelligence ist nicht mehr nur eine Aufgabe für Analysespezialisten, sondern für Manager auf allen Ebenen und in allen Bereichen. Laut jüngster Umfrage von Lünendonk stieg im Jahr 2005 der Gesamtumsatz der befragten BI-Standardsoftware-Unternehmen insgesamt um rund 6,0 Prozent auf etwas mehr als 380 Millionen Euro. Der Trend scheint in Richtung BI-Plattform zu gehen, bei der ein Anbieter sowohl Lösungen auf der Technologieebene als auch Fachlösungen wie Performance-Management oder Supply-Chain-Management anbietet. Auch bei Mittelständlern besteht nach Meinung der Anbieter großes Potenzial zur Effizienzsteigerung durch BI-Systeme. Der Wettbewerbsdruck zwingt Unternehmen die Qualität und Flexibilität der Geschäftsprozesse zu verbessern. Ein BI-System mit SOA Infrastruktur bietet hierfür einen idealen Lösungsansatz. SAO ermöglich automatisierte, zuverlässige, revisionssichere und anpassungsfähige Prozesse über Geschäftsfunktionen, Abteilungen und sogar Unternehmen hinweg. Dank SOA werden Prozesse von den IT-Systemen und Anwendungen unabhängig. Ein Unternehmen kann Prozesse im Einklang mit der Marktdynamik und den Bedürfnissen der Kunden ändern. SOA einzuführen ist allerdings ein sehr komplexes Vorhaben. „Viele SOA-Projekte werden spektakulär scheitern.“ Laut Aussage von Anne Thomas Manes vom Beratungsunternehmen Burton Group. Schuld daran seien nicht die Technik, sondern kulturelle und politische Probleme.

¹² Sharma, 2006, S. 1

12

Literaturverzeichnis

Abts, Dietmar; Mülder, Wilhelm: Grundkurs Wirtschaftinformatik, 5. Auflage, Wiesbaden, 2004

Bauer, Andreas;

Günzel, Holger: Data Warehouse Systeme, 2. Auflage, Heidelberg, 2004

Dostal, Wolfgang;

Jeckle, Mario; Melzer, Ingo;

Zengler, Barbara:

Grothe, Martin: Aufbau von Business Intelligence, Heft 3 , Wiesbaden, 1999

Ilik, Anton:

Inmon, William;

Hackathorn, Richard: Using the Data Warehouse, Hoboken, 1994

Kuptz, Mattias: Managementsysteme, AKAD Lerneinheit, Stuttgart, 2003

Pendse, Nigel;

Creeth, Richard: Business Intelligence, London, 1999

Seufert, Andreas;

Lehmann, Peter: Business Intelligence, AKAD Lerneinheit, Stuttgart, 2006

Internet:

Ferguson, Mike

Fryman, Harriet:

Sascha, Alexander: http://www.computerwoche.de/bizone/574470/, München, 2006

Sharma, Sameer:

http://www.computerwoche.de/top_100/software/581889/

http://www.cubeware.de/ger/main/produkte/cwfrontend/appkit/tutorial/concept_OLAP_Datab ase.htm

13