Mit dem Sachgebiet von Business Intelligence wird sich diese Seminararbeit auseinandersetzen. Zunächst werden die Grundlagen von Business Intelligence näher erläutert. Das beinhaltet zunächst einen Blick in die Historie, unter anderem wie der Begriff BI und BI-Konzepte zustande gekommen sind. Nach einer Definition für Business Intelligence, wird auf die technischen Details näher eingegangen. Dabei wird der Fokus auf das Data Warehouse und das OLAP-Konzept gesetzt. Nachdem die technischen Details geklärt wurden, beschäftigt sich die Arbeit mit den Fragen, welche Relevanz BI-Konzepte für heutige Unternehmen haben und welche zukünftigen Entwicklungsmöglichkeiten zu erwarten sind.
Inhaltsverzeichnis
1. Einleitung
2. Grundlagen Business Intelligence
2.1 Historische Entwicklung
2.2 Definition Business Intelligence
2.3 Datenbereitstellung: Data Warehousing
2.4 Online Analytic Processing (OLAP)
2.5 Implementierung eines Business Intelligence Systems
3. Business Intelligence im Unternehmen
3.1 Bedeutung von Business Intelligence im Unternehmen
3.2 Anwendungsfelder von Business Intelligence Systemen
3.3 Risiken eines Business Intelligence Konzeptes
4. Ausblick und Fazit
Zielsetzung & Themen
Diese Seminararbeit befasst sich mit der Entwicklung und aktuellen Bedeutung von Business Intelligence (BI) in Unternehmen. Ziel ist es, die Grundlagen, technischen Voraussetzungen, Anwendungsfelder sowie die strategischen Chancen und Risiken von BI-Konzepten kritisch zu beleuchten.
- Historische Evolution der Entscheidungsunterstützungssysteme
- Technische Grundlagen durch Data Warehousing
- Methodische Aspekte des Online Analytical Processing (OLAP)
- Strategischer Nutzen von BI in Unternehmen
- Risikofaktoren und Herausforderungen bei der Implementierung
Auszug aus dem Buch
2.3 Datenbereitstellung: Data Warehousing
Nachdem die Definition und die historische Entwicklung von Business-Intelligence in den vorherigen Unterkapiteln näher erläutert wurden, setzt sich dieses Unterkapitel mit einer bestimmten Seite des Business Intelligence auseinander, der sogenannten Datenbereitstellung beziehungsweise Data Warehousing.
Zunächst beschränkte sich IT-basierte Entscheidungsunterstützung allein auf die Gruppe der Führungskräfte, welche sich dadurch kennzeichnete, dass sie dispositive Arbeit erbringen mussten. Dispositive Arbeit geht auf Erich Gutenberg zurück und bedeutet, dass eine Gruppe zunehmend mit der Leitung und Lenkung der betrieblichen Vorgänge im Zusammenhang stand. Daraus lassen sich Informationssysteme in operative und dispositive Systeme unterscheiden, welche jeweils auf operative und dispositive Daten angewiesen sind. Operative Daten werden vor allem von Administrations- und Abrechnungssystemen generiert und anschließend weiterverarbeitet. Einen Teil von operativen Daten werden durch sogenannte Online-Processing-Systemen (OLTP-Systemen) erzeugt, indem ein Benutzer interaktiv eine oder mehrere Transaktionen ausführt, zum Beispiel Buchungen oder Bestellungen. Im Gegensatz zu operativen Systemen, welche auf operative Daten angewiesen sind, erfordern dispositive Systeme, dispositive Daten. Ein großer Unterschied zu operativen System stellten dispositive-entscheidungsorientierte Systeme in der Hinsicht auf, dass diese Systeme ausschließlich auf eigene, herstellspezifische und isolierten Datenbestände zugreifen konnten. In den 1990er-Jahren war es daher eine gängige Vorgehensweise, Kopien und Extrakte aus verschiedenen operativen internen und externen Datenquellen hinzuzuziehen. Diese Vorgehensweise brachte jedoch erhebliche Nachteile mit sich. Durch das mehrfache Kopieren und Extrahieren, sank die Performance operativer Systeme. Dadurch, dass die Kopier- und Extraktionsprozesse zu unterschiedlichen Zeitpunkten durchgeführt worden waren, entstand ein Missverständnis unter dem dispositiven Datenmaterial, da sie nicht die gleichen Datenwerte lieferten. Die beiden oben aufgeführten Nachteile, erhöhten den Aufwand und die Fehleranfälligkeit in einem Betrieb.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung beleuchtet die steigende Datenkomplexität in der heutigen digitalen Wirtschaft und führt in die Notwendigkeit von BI-Lösungen zur Entscheidungsunterstützung ein.
2. Grundlagen Business Intelligence: Dieses Kapitel erläutert die geschichtliche Entwicklung, die wissenschaftlichen Definitionen, Data-Warehouse-Konzepte sowie das OLAP-Verfahren.
3. Business Intelligence im Unternehmen: Hier werden die strategische Relevanz, spezifische Einsatzgebiete in den Managementebenen sowie potenzielle Umsetzungsrisiken analysiert.
4. Ausblick und Fazit: Das Fazit fasst die Erkenntnisse zusammen und wagt einen Ausblick auf die Rolle von BI im Kontext zukünftiger Big-Data-Entwicklungen.
Schlüsselwörter
Business Intelligence, Data Warehouse, OLAP, Entscheidungsunterstützung, Managementunterstützungssysteme, Datenmanagement, ETL-Prozess, Unternehmensführung, Datenauswertung, BI-Strategie, Informationstechnik, operative Daten, dispositive Daten, Big Data, Performance Management
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht die theoretischen Grundlagen und die praktische Implementierung von Business-Intelligence-Systemen in Unternehmen.
Was sind die zentralen Themenfelder?
Die zentralen Themen umfassen die Geschichte der BI, technische Konzepte wie Data Warehousing und OLAP sowie die strategische Nutzung von Daten im Management.
Was ist das primäre Ziel der Forschungsarbeit?
Das Ziel ist es, die Bedeutung von BI als Werkzeug zur effizienten Unternehmenssteuerung und Entscheidungsfindung darzustellen.
Welche wissenschaftliche Methode wurde verwendet?
Es handelt sich um eine literaturbasierte Analyse, die auf fundierten wissenschaftlichen Quellen zur Wirtschaftsinformatik und zum Management basiert.
Was wird im Hauptteil ausführlich behandelt?
Im Hauptteil werden sowohl die technischen Datenbereitstellungsprozesse als auch der strategische Nutzen und die Implementierung von BI analysiert.
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Die Arbeit fokussiert sich primär auf Begriffe wie Data Warehouse, entscheidungsrelevante Informationen und die Integration IT-basierter Unterstützungssysteme.
Was unterscheidet operative von dispositiven Daten?
Operative Daten stammen meist aus laufenden Transaktionsprozessen, während dispositive Daten für die Analyse und Entscheidungsunterstützung des Managements aufbereitet werden.
Warum spielt die Datenqualität bei BI-Konzepten eine so wichtige Rolle?
Eine mangelhafte Datenqualität führt zu Fehlentscheidungen, weshalb strukturierte Datenbereitstellungsprozesse für den Erfolg eines BI-Systems unabdingbar sind.
- Arbeit zitieren
- Anonym (Autor:in), 2022, Business Intelligence. Data Warehouse, OLAP-Konzept und Relevanz von BI-Konzepten für heutige Unternehmen, München, GRIN Verlag, https://www.grin.com/document/1256794
