Im Zeitalter der Informationstechnik hat sich die Masse an Daten und Informationen, denen wir tagtäglich begegnen oder die uns verfügbar gemacht werden, immense Ausmaße angenommen. Die Quantität dieser Daten – insbesondere im Business Umfeld – kennt kaum Grenzen und immer wieder eröffnen sich neue Datenquellen aus denen wichtige Informationen gewonnen werden können. Doch wie sieht es mit der Qualität dieser Daten aus?
Betrachtet man das Controlling eines multinationalen Unternehmens, erkennt man schnell, dass hier Datenströme aus den unterschiedlichsten Quellen mit den unterschiedlichsten Strukturen, Volumina und Qualitäten auflaufen. Diese Daten manuell zu strukturieren, zu vereinheitlichen, zu transformieren, zu analysieren, zu speichern und schließlich zu kommunizieren, ist eine Aufgabe, die einfach nicht mehr realisierbar ist. Selbst moderne Tabellenkalkulationen oder operative Datenbanksysteme stoßen so schnell an ihre Grenzen.
Es wird ein Umfeld bzw. System benötigt, welches diesen Ansprüchen gerecht wird. Ein Business Intelligence Umfeld mit einem zentralen Data Warehouse kann vielen dieser Anforderungen mehr als gerecht werden. Die neu aufgestellte Datenbasis steht dem gesamten Unternehmen zur Verfügung und führt so zu einer Vereinheitlichung der Datenstrukturen sowie deren Semantik. Eine funktionierende Business Intelligence erlaubt dem Unternehmen in kürzester Zeit, hochaktuelle Informationen und dynamische Berichte zu generieren, um flexibel am Markt agieren zu können. Komplexe Data Mining Anwendungen finden Muster in den Daten, um Geschäftsprozesse zu optimieren, die verborgenen Wünsche des Kunden aufzudecken oder völlig neue Geschäftsmodelle zu entwickeln.
Ziel dieser Arbeit ist es, einen fundierten Überblick über die Bedeutung der Business Intelligence, des Data Warehouse sowie dem Reporting in diesem Umfeld zu geben und am Ende mögliche Umsetzungsmöglichkeiten zu demonstrieren.
Inhaltsverzeichnis
1 Einleitung
1.1 Kurzüberblick
1.2 Aufbau der Arbeit
2 Business Intelligence
2.1 Ein kurzer Überblick
2.1.1 Semantische Sichtweise
2.1.2 Pragmatische Sichtweise
2.1.3 Verständnis der Business Intelligence
2.1.4 Entwicklung der Business Intelligence
2.2 Komponenten der Business Intelligence
2.2.1 Ein aktuelles BI Umfeld im Überblick
2.2.2 Datenherkunft
2.2.3 Datenbereitstellung
2.2.4 Informationsgenerierung
2.2.5 Informationszugriff
2.2.6 Metadatenmanagement
2.3 Bedeutung der BI für die betriebswirtschaftliche Praxis
3 Das Data Warehouse
3.1 Konzept des Data Warehouse
3.2 Referenzarchitektur eines Data Warehouse
3.2.1 Aufbau der Architektur
3.2.2 Datenquellen
3.2.3 Metadatenmanager und Repositorium
3.2.4 Arbeitsbereich
3.2.5 Basisdatenbank
3.2.6 Data Warehouse
3.2.7 Data Warehouse Manager
3.3 OLAP im Data Warehousing
3.3.1 OLAP Definition
3.3.2 Multidimensionale Datenmodelle
3.3.3 Fallbeispiel: Cube-Erstellung
3.3.4 Fallbeispiel: Arbeitsprozesse mit Cubes
3.3.4.1 Die Standardprozeduren
3.3.4.2 Pivoting
3.3.4.3 Slicing
3.3.4.4 Dicing eines Cubes
3.3.4.5 Drill-Down & Roll-Up
3.4 OLAP im relationalen Umfeld
3.4.1 Datenmodelle von OLAP Systemen
4 Reportingerfordernisse im Unternehmen
4.1 Bedeutung des Reporting
4.2 Anforderungen an das Reporting
4.3 Umsetzungsstrategien
4.3.1 Vorüberlegungen
4.4 Excellence im Reporting
4.4.1 Grundlegende Problemstellung
4.4.2 Das „magische Viereck“ der Management-Reporting Excellence
4.4.3 Die zwölf Erfolgsfaktoren
4.4.3.1 Strategie und Steuerungsverständnis fest im Blick halten
4.4.3.2 Nutzen für das Management schaffen
4.4.3.3 Effizienz im Reporting
4.4.3.4 Interaktion zwischen Controlling und Management stärken
5 Open Source BI mit der Pentaho BI Suite
5.1 Open Source Business Intelligence
5.2 Aufbau der Pentaho BI Suite
5.3 Installation des Pentaho Testsystems
5.4 Funktionen im BI Portal
5.5 Datenbereitstellung / ETL Prozess
5.6 Mondrian
6 Schlussbetrachtung
6.1 BI und DW im Unternehmen
6.2 Kapitelbezogenes Resümee
6.3 Schwierigkeiten bei der Umsetzung des Fallbeispiels
6.4 Ausblick
Zielsetzung & Themen
Die Arbeit analysiert die essenzielle Rolle von Business Intelligence (BI) und Data Warehousing als technologische Fundamente für ein modernes, effizientes Unternehmensreporting. Ziel ist es, den theoretischen Zusammenhang zwischen diesen Systemen darzustellen, Anforderungen an ein exzellentes Management-Reporting zu definieren und praktische Umsetzungsmöglichkeiten mittels Open-Source-Lösungen aufzuzeigen.
- Grundlagen und Definitionen von Business Intelligence
- Architektur und Konzepte von Data Warehouse Systemen
- Anforderungen an ein erfolgreiches Unternehmensreporting
- Management-Reporting Excellence und dessen Erfolgsfaktoren
- Praktische Implementierung von BI-Umgebungen am Beispiel der Pentaho BI Suite
Auszug aus dem Buch
3.3.4.4 Dicing eines Cubes
Beim Slicing wurden gewissermaßen mehrere Elemente einer Dimension des Cubes ausgeblendet oder vertauscht, so dass man zu einer geänderten Datensicht kommt. Angebracht ist dies z.B. für Sichten über Zeiträume, über Produktgruppen oder Regionen. Möchte man noch eine weitere Dimension über ein Element detaillieren, kommt die Dicing Technik zum Einsatz. Über die Ausblendung von mehreren Elementen von 2 oder mehr Dimensionen erhält man einen „Würfel des Cubes“. Fragestellungen die diese Technik implizieren, sind wesentlich genauer spezifiziert. So könnte eine Fragestellung lauten, welche Menge an Dienstleistungen im Bereich Datenbanksoftware in NRW im 3. Quartal 2008 abgesetzt worden sind. Der neu entstandene Cube weist – bis auf seine Datenstruktur – die gleichen Eigenschaften wie sein Vorgänger auf. Natürlich ist es möglich, dass dieser Cube weiterhin Untergliederungen seiner Dimensionen in Elemente aufweist.
Zusammenfassung der Kapitel
1 Einleitung: Beschreibt die Herausforderungen bei der Datenmenge im Unternehmenskontext und definiert das Ziel, die Bedeutung von BI und Data Warehouse für das Reporting zu erläutern.
2 Business Intelligence: Beleuchtet die semantische und pragmatische Sichtweise auf BI, ihre historische Entwicklung sowie die zentralen Komponenten einer BI-Referenzumgebung.
3 Das Data Warehouse: Erläutert das Grundkonzept und die Referenzarchitektur des Data Warehouse sowie die Funktionsweise von OLAP-Systemen und multidimensionalen Datenmodellen.
4 Reportingerfordernisse im Unternehmen: Analysiert die Anforderungen an ein effizientes Reporting, differenziert zwischen objektivem und subjektivem Informationsbedarf und stellt die Erfolgsfaktoren der Management-Reporting Excellence vor.
5 Open Source BI mit der Pentaho BI Suite: Behandelt die Integration von Open-Source-Software in das BI-Umfeld und beschreibt die Installation sowie den Aufbau der Pentaho BI Suite anhand eines Fallbeispiels.
6 Schlussbetrachtung: Reflektiert die theoretischen Ergebnisse, diskutiert Herausforderungen bei der praktischen Umsetzung von Fallstudien mit Open-Source-Software und gibt einen Ausblick auf die zukünftige Entwicklung.
Schlüsselwörter
Business Intelligence, Data Warehouse, Reporting, OLAP, ETL-Prozess, Management-Reporting Excellence, Multidimensionale Datenmodelle, Pentaho, Star-Schema, Snowflake-Schema, Datentransformation, Unternehmenssteuerung, Open Source Software, Wissensmanagement, Entscheidungsunterstützung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht die Wechselwirkungen und die Bedeutung von Business Intelligence und Data Warehouse Systemen für ein effektives, unternehmensweites Reporting.
Was sind die zentralen Themenfelder der Publikation?
Die Schwerpunkte liegen auf den Grundlagen von BI-Architekturen, dem Data-Warehouse-Konzept (inklusive OLAP), den Anforderungen an ein exzellentes Management-Reporting sowie der praktischen Implementierung von Open-Source-BI-Lösungen.
Welches primäre Ziel verfolgt die Arbeit?
Das Ziel ist es, einen fundierten Überblick über das Zusammenspiel von BI, Data Warehouse und Reporting zu geben und aufzuzeigen, wie Unternehmen diese Werkzeuge für bessere Entscheidungsprozesse nutzen können.
Welche wissenschaftliche Methode kommt zum Einsatz?
Die Arbeit basiert auf einer fundierten Literaturanalyse zum aktuellen Stand der BI-Forschung und ergänzt diese durch ein praktisches Fallbeispiel zur Implementierung einer BI-Suite.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die theoretische Fundierung von BI und Data Warehouses (Kapitel 2 und 3), die Anforderungen an das unternehmensinterne Reporting (Kapitel 4) und die praktische Anwendung von Pentaho als Open-Source-BI-Lösung (Kapitel 5).
Welche Begriffe charakterisieren diese Arbeit besonders?
Typische Schlüsselbegriffe sind Business Intelligence, Data Warehouse, OLAP, Reporting Excellence, ETL-Prozess und multidimensionale Datenmodellierung.
Warum ist das Thema "Data Warehouse" für das Reporting so kritisch?
Ohne ein strukturiertes Data Warehouse, das Daten aus verschiedenen Quellen bereinigt und vereinheitlicht, sind moderne, dynamische Berichte und fundierte Entscheidungen aufgrund von Dateninkonsistenz und technischer Komplexität kaum möglich.
Welche spezifischen Probleme werden bei der Umsetzung von Open-Source-BI-Projekten genannt?
Der Autor weist auf die oft fehlende ausgereifte Dokumentation im Open-Source-Bereich und die Notwendigkeit technischer Programmierkenntnisse (z.B. Java, SQL) hin, die eine enge Zusammenarbeit mit Informatikern erforderlich machen.
- Quote paper
- Simon Schäfer (Author), 2009, Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings, Munich, GRIN Verlag, https://www.grin.com/document/123959
