Fachhochschule  Dortmund (University of Applied Sciences) - Fachbereich Wirtschaft  

Business  Intelligence und Wissensmanagement im Modul Integrierte Standardsysteme  

Inhaltsverzeichnis   

INHALTSVERZEICHNIS   II

ABBILDUNGSVERZEICHNIS   IV

TABELLENVERZEICHNIS   IV

1.  EINLEITUNG  1

2.  WISSENSMANAGEMENT  2

2.1.  Definition  2

2.2.  Typisierung von Wissen  2

2.2.1.  Zeichen, Daten, Informationen und Wissen  3

2.3.  Phasen des Wissensmanagement  4

2.3.1.  Wissenserfassung  5

2.3.2.  Wissensaufbereitung  6

2.3.3.  Wissensverteilung  7

3.  BUSINESS INTELLIGENCE  9

3.1.  Definition  9

3.1.1.  Abgrenzung BI und Wissensmanagement  9

3.2.  Ziele von Business Intelligence Systemen  9

3.3.  Aufbau von Business Intelligence Systemen  10

3.4.  Data Warehouses  11

3.4.1.  ETL-Prozess  13

3.4.2.  Metadaten  14

3.4.3.  Anforderungen an Data Warehouses  14

3.4.4.  Data Marts  15

3.5.  OLAP  16

3.5.1.  Drill down Drill up Roll up  20

3.5.2.  Slice Dice  21

3.5.3.  Exceptions  21

3.5.4.  ABC Analysen  22

3.5.5.  Ranglisten  22

3.6.  Reporting Adhoc Abfragen  22

3.7.  Data Mining  23

4.  BUSINESS INTELLIGENCE IN DER PRAXIS  24

SAP  Business Information Warehouse (BW)  24

4.1.   

Sebastian  Gansemer  II

Fachhochschule  Dortmund (University of Applied Sciences) - Fachbereich Wirtschaft  

Business  Intelligence und Wissensmanagement im Modul Integrierte Standardsysteme  

4.2.  Marktüberblick.  25

4.3.  Nutzung von Business Intelligence in der Praxis  26

4.4.  Kosten eines BI Systems  27

5.  AUSBLICK  29

5.1.  Entwicklungen am BI Markt  29

5.2.  Fazit  30

LITERATURVERZEICHNIS   31

Sebastian  Gansemer  III

Fachhochschule  Dortmund (University of Applied Sciences) - Fachbereich Wirtschaft  

Business  Intelligence und Wissensmanagement im Modul Integrierte Standardsysteme  

Abbildungsverzeichnis   

Abbildung  2.1: Abbildung 2.2: Arten von Wissen  

Abbildung  2.3: Wissenstreppe  

Abbildung  2.4: Phasen des Wissensmanagement  

Abbildung  3.1: Konzept für Business Intelligence  

Abbildung  3.2: Strukturierung der Datenhaltung - der Übergang zu einem Data Warehouse  

Abbildung  3.3: OLAP Datenwürfel  

Abbildung  3.4: Multidimensionale Domain Strukturen (MDS)  

Abbildung  3.5: Organigramm - Hierarchie über die Dimension Produkt  

Abbildung  3.6:Organigramm - 3 Hierarchie-Ebenen über die Dimension Produkt  

Abbildung  3.7: Darstellung Drill-down Drill-up  

Abbildung  3.8: Beispiel zum Slicing Dicing  

Abbildung  4.1: Business Explorer  

Abbildung  4.2: Nutzen von Business Intelligence Zielen  

Abbildung  4.3: Kosten von Business Intelligence  

Tabellenverzeichnis   

Tabelle 3.1:  Vergleich der Anforderungen an Transaktionssysteme und Analysesystemen  

Sebastian  Gansemer  

Fachhochschule Dortmund (University of Applied Sciences) - Fachbereich Wirtschaft

Business Intelligence und Wissensmanagement im Modul Integrierte Standardsysteme

1. Einleitung

„Wissen ist Macht“, das sagte schon vor mehr als 400 Jahren der englische Philosoph Francis Bacon.

Diese Erkenntnis wird heute immer wichtiger, denn um erfolgreich zu sein müssen Unternehmen wissen was sie wissen (Hönicke, 2001)

Es geht nicht nur darum Wissen in den Köpfen der Mitarbeiter im Unternehmen zu halten, sondern vielmehr auch darum dieses Wissen zu extrahieren und für andere Nutzbar zu machen.

In vielen Unternehmen ist ein erheblicher Datenbestand in Datenbanken, aber vor allem auch in Dokumenten etc. vorhanden. Damit diese Daten die Entscheidungsfindung im Unternehmen unterstützen können, sind Business Intelligence Systeme notwendig. Diese Arbeit soll zeigen wie man dies mit dessen Hilfe erreichen werden kann.

Sebastian Gansemer 1

Fachhochschule Dortmund (University of Applied Sciences) - Fachbereich Wirtschaft

Business Intelligence und Wissensmanagement im Modul Integrierte Standardsysteme

2. Wissensmanagement

2.1. Definition

Eine einheitliche Definition für Wissensmanagement oder auch oft Knowledge Management genannt zu finden ist nicht einfach.

Abts & Mülder (2004, S.217) definieren Wissensmanagement als den gesamten Prozess zur systematischen Gewinnung, Strukturierung, Darstellung, Verteilung, Suche und Speicherung von Wissen.

Hendrichs (2002) beschreibt Wissensmanagement gar als kritischen Erfolgsfaktor für Unternehmen.

Bei einem ist man sich aber einig, die Wissensmanagementsysteme sind im Einteilungsschema für Anwendungssoftware bei den Querschnittssystemen einzuordnen.

2.2. Typisierung von Wissen

Zunächst muss zwischen explizitem und implizitem Wissen unterschieden werden. Unter implizitem Wissen wird das Wissen verstanden, das sich in den Köpfen der Mitarbeiter befindet. Dies kann z.B. das Wissen über die Vorlieben der Kunden sein. Um möglichst viel des impliziten Wissens im Unternehmen zu halten ist es erforderlich die Mitarbeiterfluktuation zu minimieren oder mithilfe des Wissensmanagements das wissen für alle Mitarbeiter nutzbar zu machen.

Explizites Wissen hingegen ist jedem zugänglich. Dies kann z.B. in einem Dokument in einem Dokumenten Management System, oder der Inhalt einer Internetseite sein. In Abbildung 2.1 findet sich dies noch einmal grafisch verdeutlicht.

Sebastian Gansemer 2

Fachhochschule Dortmund (University of Applied Sciences) - Fachbereich Wirtschaft

Business Intelligence und Wissensmanagement im Modul Integrierte Standardsysteme

Abbildung 2.1: Abbildung 2.2: Arten von Wissen (Hannig 2002, S.16)

Eine Untersuchung von Xerox Inc. hat gezeigt, dass 42% als implizites Wissen vorhanden ist, während lediglich 12% in Datenbanken gespeichert ist (Abts & Mülder 2004, S.218). Daraus ergibt sich ein großes Potential für das Wissensmanagement, denn es gilt das implizite Wissen in explizites Wissen zu überführen.

2.2.1. Zeichen, Daten, Informationen und Wissen

Man kann zwischen Zeichen, Daten, Informationen und Wissen unterscheiden. Wie in Abbildung 2.3 anschaulich dargestellt, ist das Zeichen die kleinste Einheit auf der Wissenstreppe. Zeichen sind wertlos, solange die Syntax fehlt um das/die Zeichen zu interpretieren. Kommt die Syntax hinzu, handelt es sich um Daten. Um Daten sinnvoll nutzen zu können ist ein Zweckbezug notwendig, die Daten müssen also mit etwas aus der Realität in Verbindung gebracht werden um Informationen zu erhalten. Erst wenn die Informationen dann noch Interpretiert werden haben wir es mit Wissen zu tun.

Sebastian Gansemer 3

Fachhochschule Dortmund (University of Applied Sciences) - Fachbereich Wirtschaft Business Intelligence und Wissensmanagement im Modul Integrierte Standardsysteme

Abbildung 2.3: Wissenstreppe (Abts & Mülder 2004, S.9)

2.3. Phasen des Wissensmanagement

Das Wissensmanagement besteht nach Hendrichs (2002), wie in Abbildung 2.4 dargestellt, aus drei Phasen:

• der Wissenserfassung,

• der Wissensaufbereitung und

• der Wissensverteilung.

Die einzelnen Phasen werden im Folgenden detailliert dargestellt und erläutert.

Abbildung 2.4: Phasen des Wissensmanagement (angelehnt an Hendrichs 2002) Sebastian Gansemer 4