„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 kann.
Inhaltsverzeichnis
1. EINLEITUNG
2. WISSENSMANAGEMENT
2.1. Definition
2.2. Typisierung von Wissen
2.2.1. Zeichen, Daten, Informationen und Wissen
2.3. Phasen des Wissensmanagement
2.3.1. Wissenserfassung
2.3.2. Wissensaufbereitung
2.3.3. Wissensverteilung
3. BUSINESS INTELLIGENCE
3.1. Definition
3.1.1. Abgrenzung BI und Wissensmanagement
3.2. Ziele von Business Intelligence Systemen
3.3. Aufbau von Business Intelligence Systemen
3.4. Data Warehouses
3.4.1. ETL-Prozess
3.4.2. Metadaten
3.4.3. Anforderungen an Data Warehouses
3.4.4. Data Marts
3.5. OLAP
3.5.1. Drill down & Drill up & Roll up
3.5.2. Slice & Dice
3.5.3. Exceptions
3.5.4. ABC Analysen
3.5.5. Ranglisten
3.6. Reporting & Adhoc Abfragen
3.7. Data Mining
4. BUSINESS INTELLIGENCE IN DER PRAXIS
4.1. SAP® Business Information Warehouse (BW)
4.2. Marktüberblick
4.3. Nutzung von Business Intelligence in der Praxis
4.4. Kosten eines BI Systems
5. AUSBLICK
5.1. Entwicklungen am BI Markt
5.2. Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht den Zusammenhang zwischen Wissensmanagement und Business Intelligence Systemen als Werkzeuge zur Entscheidungsunterstützung. Die Forschungsfrage fokussiert darauf, wie Unternehmen ihre vorhandenen, oft unstrukturierten Datenbestände extrahieren, aufbereiten und analysieren können, um daraus wertvolles Wissen für die strategische Unternehmensführung zu generieren und einen Wettbewerbsvorteil zu erzielen.
- Wissensmanagement als kritischer Erfolgsfaktor und Prozess zur Wissensnutzbarmachung
- Architektur und Komponenten von Business Intelligence Systemen (Data Warehousing)
- Analysemethoden wie OLAP (Online Analytical Processing) und Data Mining
- Anwendungsbeispiele in der Praxis, unter besonderer Berücksichtigung des SAP Business Information Warehouse
Auszug aus dem Buch
3.4. Data Warehouses
Ein Data Warehouse ist eine von den operativen Datenbanken getrennte Decision-Support Datenbank (Analyse-Datenbank), die primär zur Unterstützung des Entscheidungsprozesses im Unternehmen genutzt wird. Ein Data Warehouse wird immer multidimensional modelliert und dient zur langfristigen Speicherung von historischen, bereinigten, validierten, synthetisierten, operativen, internen und externen Datenbeständen (Schmidt-Thieme 2002).
Um eine multidimensionale Speicherung zu erreichen werden in der Regel Bestandsdaten von verschiedenen Zeitpunkten ins Data Warehouse geschrieben. So entsteht ein mehrdimensionales Abbild von den verschiedenen Bestandsdaten über die Zeit.
Die Daten die ins Data Warehouse geschrieben werden stammen in der Regel aus den operativen Datenbanken der Transaktionssysteme, sie können jedoch durch externe Daten wie z.B. aus dem Internet ergänzt werden.
In Transaktionssystemen werden viele Datenelemente geführt, wie z.B. Kontonummern oder Namen der Kontoinhaber bei Buchungssystemen, die für Analysen uninteressant sind (vgl. Voß & Gutenschwager 2001, S.256). Daher werden in Data Warehouses nur solche Daten gespeichert die für die spätere Analyse relevant sind.
Transaktionssysteme werden im Online-Betrieb verwendet und haben daher hohe Anforderungen an Verfügbarkeit und Zugriffsgeschwindigkeit. Im Gegensatz dazu ist die Zugriffsgeschwindigkeit bei einem Data Warehouse nicht kritisch da diese vorwiegend von Analysesystemen verwendet werden, denn die Häufigkeit der Zugriffe ist dort eher gering, so dass längere Antwortzeiten vertretbar sind (vgl. Voß & Gutenschwager 2001, S.256).
Zusammenfassung der Kapitel
1. EINLEITUNG: Führt in die Bedeutung von Wissen als Wettbewerbsfaktor ein und begründet die Notwendigkeit von Business Intelligence Systemen zur Unterstützung der Entscheidungsfindung.
2. WISSENSMANAGEMENT: Erläutert Definitionen, die Typisierung von Wissen in explizites und implizites Wissen sowie die zentralen Phasen Erfassung, Aufbereitung und Verteilung.
3. BUSINESS INTELLIGENCE: Analysiert den Aufbau von BI-Systemen, die Rolle von Data Warehouses, ETL-Prozessen und verschiedenen Analysetechniken wie OLAP und Data Mining.
4. BUSINESS INTELLIGENCE IN DER PRAXIS: Betrachtet die praktische Umsetzung anhand von SAP BW, gibt einen Marktüberblick und analysiert Nutzungsszenarien sowie Kostenfaktoren in Unternehmen.
5. AUSBLICK: Skizziert zukünftige Entwicklungen im BI-Markt, wie die stärkere Integration von Outsourcing und die Erschließung unstrukturierter Datenbestände.
Schlüsselwörter
Wissensmanagement, Business Intelligence, Data Warehouse, OLAP, Datenauswertung, Entscheidungsunterstützung, ETL-Prozess, Wissenserfassung, Data Mining, Unternehmenssteuerung, SAP BW, Datenbanken, Wettbewerbsvorteil, Reporting, Wissensverteilung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht, wie Unternehmen durch den Einsatz von Business Intelligence Systemen ihre Daten besser nutzen können, um fundierte Entscheidungen zu treffen und Wettbewerbsvorteile zu generieren.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Felder sind die Definition und Phasen des Wissensmanagements sowie die technische Architektur und Funktionalität von Business Intelligence Systemen.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist es aufzuzeigen, wie vorhandene Datenbestände in Unternehmen systematisch extrahiert, aufbereitet und analysiert werden können, um Wissen für die Unternehmensführung nutzbar zu machen.
Welche wissenschaftliche Methode wird verwendet?
Es handelt sich um eine theoretische Arbeit, die auf einer umfassenden Literaturanalyse und der Auswertung von Branchenstudien zum BI-Markt basiert.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die theoretischen Grundlagen des Wissensmanagements und die detaillierte technische Erläuterung von BI-Komponenten wie Data Warehouses, OLAP-Funktionen sowie eine praxisorientierte Analyse des BI-Marktes.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die wichtigsten Begriffe sind Wissensmanagement, Business Intelligence, Data Warehouse, OLAP, Data Mining und Entscheidungsunterstützung.
Welche Bedeutung hat das SAP Business Information Warehouse in diesem Kontext?
Das SAP BW dient als konkretes Praxisbeispiel, um die Anwendung von BI-Systemen und die Vorteile einer tiefen Integration in bereits bestehende SAP-Umgebungen zu verdeutlichen.
Warum ist die Abgrenzung zwischen BI und Wissensmanagement wichtig?
Die Arbeit betont, dass BI lediglich eine Teilmenge des Wissensmanagements ist, da BI sich primär auf die Analyse strukturierter Informationen konzentriert, während das Wissensmanagement das gesamte Wissensmanagement umfasst.
Was ist das wesentliche Ergebnis bezüglich der Kosten von BI-Projekten?
Die Arbeit stellt fest, dass die Einführungskosten für BI-Systeme sehr stark variieren können, wobei die Implementierungskosten ein Vielfaches der reinen Softwarekosten betragen können.
- Arbeit zitieren
- Sebastian Gansemer (Autor:in), 2006, Business Intelligence und Wissensmanagement, München, GRIN Verlag, https://www.grin.com/document/56170
