Synergien zwischen Business Intelligence Cloud Computing

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

Vorwort

1 Einleitung

2 Grundlagen Business Intelligence
2.1 Begriffsdefinition und Architektur
2.2 Anforderungen an Business Intelligence
2.2.1 Datenqualität
2.2.2 Zugriffsgeschwindigkeit
2.2.3 Transparenz der Verarbeitung
2.2.4 Informationspräsentation
2.2.5 Sicherheitsaspekte
2.3 BI-Reifegradmodell
2.4 BI-Integration in die Unternehmensstrategie
2.4.1 Business Intelligence Strategie
2.4.2 Business Intelligence Competence Center
2.4.3 Business Intelligence Prozesse

3 Grundlagen Cloud Computing
3.1 Begriffsdefinition und Historie
3.2 Basiskonzepte
3.2.1 Virtualisierung
3.2.2 Serviceorientierte Architekturen
3.2.3 Web Services
3.3 Ordnungsrahmen
3.3.1 Technische Gliederung
3.3.2 Organisatorische Gliederung
3.3.3 Taxonomie des Cloud Computing
3.4 Rolle des Cloud Computing in der IT
3.4.1 Charakteristische Eigenschaften des Cloud Computing
3.4.2 IT-Betriebsszenarien
3.4.3 Reifegradmodell
3.5 Marktsituation
3.5.1 Angebote Cloud Computing
3.5.2 Marktentwicklung
3.5.3 Zukunftsprognosen

4 Das BI-Cloud Modell
4.1 Definition Business Intelligence Cloud (BI-Cloud)
4.2 Modell der BI-Cloud nach Anwendungsfokus
4.3 Modell der BI-Cloud nach Architekturebenen
4.3.1 Data as a Service
4.3.2 Model as a Service
4.3.3 Visualization as a Service

5 Bestehende BI-Cloud Ansätze
5.1 Auswahlkriterien BI-Anbieter
5.2 Auswahlkriterien CC-Anbieter
5.3 Überblick BI-Cloud Lösungsanbieter

6 Bewertung der BI-Cloud
6.1 Synergien zwischen Business Intelligence und Cloud Computing
6.1.1 Sichtweise Business Intelligence
6.1.2 Sichtweise Cloud Computing
6.2 Standardisierung
6.2.1 Identity 2.0
6.3 Abdeckung von BI-Anforderungen
6.3.1 Datenqualität
6.3.2 Zugriffsgeschwindigkeit
6.3.3 Transparenz
6.3.4 Informationspräsentation
6.3.5 Sicherheitsaspekte
6.4 IT-Strategie, Prozesse und Reifegradmodell
6.4.1 Operational BI
6.4.2 BI-Prozesse
6.4.3 Reifegradmodell
6.5 Rechtliche Betrachtung
6.5.1 Vertragstypen / Service Level Agreements
6.6 Wirtschaftliche Aspekte
6.7 Verrechnungsmodelle
6.8 Kritische Würdigung
6.8.1 Praxisrelevanz
6.8.2 Komplexe BI Komponenten im Hinblick auf die Cloud

7 Zusammenfassung und Ausblick

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Überblick BI Komponenten

Abbildung 2: Kriterien zur Einordnung in das Reifegradmodell biMM®

Abbildung 3: BICC Beispielorganisation

Abbildung 4: Evolution zum Cloud Computing

Abbildung 5: Organisatorische Gliederung CC

Abbildung 6: Taxonomie des Cloud Computing

Abbildung 7: Reifegradmodell Cloud Computing

Abbildung 8: Cloud Anbieter Benchmark

Abbildung 9: Übersicht Cloud Anbieter nach Architekturebene

Abbildung 10: Entwicklung des Marktes für CC

Abbildung 11: Beispiel Public BI-Cloud

Abbildung 12: Beispiel Private BI-Cloud (Hosted BI-Cloud)

Abbildung 13: Beispiel Hybrid BI-Cloud

Abbildung 14: BI-Cloud nach Architekturebenen

Abbildung 15: Beispiele BI-Cloud Lösungen

Abbildung 16: Grobüberblick BI-Cloud Standards und Organisationen

Abbildung 17: BI-Cloud Reifegradmodell

Tabellenverzeichnis

Tabelle 1: Angebote ausgewählter Cloud Computing Anbieter

Tabelle 2: Gliederung der BI-Cloud nach Anwendungsfokus

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Vorwort

Während meiner inzwischen 12-jährigen Laufbahn als Softwareentwickler, IT-Berater und Standortleiter eines IT-Beratungsunternehmens kreuzten zahlreiche Trends und Hypes der IT-Industrie meinen Weg. Keine dieser Entwicklungen empfand ich als so interessant und herausfordernd wie die der Business Intelligence (BI). Endanwender mit Informationen zu versorgen, die sich verborgen im Datendickicht des Unternehmens befinden, und damit deren operative, taktische oder strategische Arbeit deutlich zu vereinfachen, ist dabei mein treibender Motivationsfaktor. Seit einiger Zeit diskutieren fachliche Experten nunmehr das Konzept des Cloud Computing (CC) als Evolution in der IT-Geschichte. Um dem Wettbewerb Stand zu halten werden Unternehmen nicht umher kommen sich mit dieser Entwicklung zu befassen. Da kosteneffiziente Betriebsmodelle für BI-Systeme auch für viele meiner Kunden ein immerwährendes Thema beim Setup neuer BI-Initiativen sind, befasst sich meine Diplomarbeit mit der Symbiose beider Themenkomplexe und beschreibt dabei das mögliche Modell einer BI-Cloud.

Mein herzlicher Dank gilt an dieser Stelle ganz besonders meinem Betreuer Herrn Prof. Dr. Frank Victor, der mir Inspiration und kritischer Motivator zugleich war. Herrn Prof. Dr. Lutz Köhler danke ich für die schnelle Zusage, mir als Zweitgutachter zur Verfügung zu stehen. Und bei Herrn Prof. Dr. Andreas Seufert möchte ich mich für den themenbezogenen Gedankenaustausch bedanken.

Auch gilt mein herzlicher Dank natürlich meiner lieben Frau Tonja Bernhardt und ihren Eltern, die mir während des Studiums und der Erstellung dieser Diplomarbeit den so wichtigen Rückhalt gegeben haben. Darüber hinaus möchte ich mich bei meinen Kollegen der ORAYLIS GmbH, namentlich die Herren Jörg Plümacher, Thomas Strehlow und Hilmar Buchta, für die zeitliche und inhaltliche Unterstützung bedanken. Herr Jörg Penzold von der Firma I2B danke ich für das erstklassige und schnelle inhaltliche Review der Arbeit. Mein abschließender Dank gilt meinen Kommilitonen Maika und Sascha Binger, die mich während des fünfjährigen berufsbegleitenden Studiums unermüdlich durch fachliche Untiefen begleitet haben und während dieser Zeit auch zu sehr guten Freunden meiner kleinen Familie geworden sind.

1 Einleitung

In Zeiten globaler Krisen und Unsicherheiten stellt die Verbesserung der Steuerbarkeit von Unternehmen eine zentrale Aufgabe des Managements dar. Eine bessere Informationsversorgung für Entscheidungsträger sowie die Analyse von Schwachstellen und Einsparpotenzialen rücken in den Fokus. BI-Systeme unterstützen Unternehmen dabei, ihre geschäftskritischen Daten und Prozesse transparent zu machen und versetzen Mitarbeiter in die Lage, bessere Entscheidungen zu treffen, sowie notwendige Ergebnisse schneller zu erzielen.

Die Integration von BI-Lösungen in die Unternehmensinfrastruktur, sowie der spätere Betrieb stellen hohe Anforderungen an die IT-Abteilungen dar, und sind oft mit großen Investitionen verbunden. Zahlreiche Firmen sind zwar laut einer Studie des internationalen Controllervereins und Roland Berger wieder bereit zu investieren, Voraussetzung ist jedoch, dass Innovationen vorangetrieben und gleichzeitig die Optimierung der eigenen Prozesse und die Effizienz gesteigert werden (vgl. [ICV 2010]). Ein Ansatz zur Entkopplung der betriebswirtschaftlich notwendigen BI-Lösungen von den damit unweigerlich verbundenen technischen Aspekten des Plattformbetriebs kann das Konzept des Cloud Computing sein.

Vor diesem Hintergrund soll diese Diplomarbeit Möglichkeiten des CC für das Anwendungsfeld BI aufzeigen, und gibt mit dem Modell einer potentiellen BI-Cloud einen strukturellen Rahmen vor, welcher bisher in dieser Form nicht definiert wurde. Neben dem „Big Picture ^[1] definiert die Arbeit sinnbildlich für eine überblicksartige GesamtdarstellungKriterien aus beiden involvierten Themenkomplexen (BI und CC), mit denen der neue Ansatz verglichen wird.

Gliederung der Arbeit

Aufbauend auf einer kurzen Darstellung der Themenbereiche Business Intelligence und Cloud Computing, wird das BI-Cloud Modell vorgestellt. Die Arbeit zeigt bereits bestehende „BI in the Cloud“-Initiativen auf, und sortiert sie in den Ordnungsrahmen der vorgestellten BI-Cloud ein. Nach der detailtiefen Beschreibung zahlreicher Aspekte der Synergien zwischen BI und CC schließt die Diplomarbeit mit einer kritischen Würdigung der BI- Cloud sowie praxisrelevanten Betrachtungen. Die einzelnen Kapitel der Arbeit gliedern sich wie folgt:

Kapitel 2: Grundlagen Business Intelligence

Der erste Abschnitt der Arbeit schafft ein Begriffsverständnis zum Thema BI. Aufbauend auf der Definition des BI-Begriffes und der Darstellung gängiger BI-Architekturen, werden die besonderen Anforderungen an Softwarelösungen mit dem Fokus BI behandelt. Es werden Reifegradmodelle vorgestellt, mit denen der Status Quo eines Unternehmens bzgl. seiner BI-Systeme ermittelt werden kann. Das Kapitel schließt mit Aspekten der Integration von BI-Funktionalitäten in die Strategie eines Unternehmens.

Die theoretische Basis des Kapitels bilden in der Hauptsache folgende Werke:

[Bauer, Günzel, 2009]: „Data Warehouse Systeme: Architektur, Entwicklung, Anwendung“

[Bachmann, Kemper, 2009]: „Raus aus der BI-Falle: Wie Business Intelligence zum Erfolg wird“

[Bernhardt, 2010]: „Theoretische Grundlagen von Business Intelligence“

[Kemper et al., 2004]: „Business Intelligence - Grundlagen und praktische Anwendungen“

[Gansor, T. et al. 2010]: „Von der Strategie zum Business Intelligence Competence Center (BICC)“

Kapitel 3: Grundlagen Cloud Computing

In Kapitel 3 wird ein Begriffsverständnis zum Thema CC geschaffen. Aufbauend auf der Definition des CC-Begriffes und der Darstellung des CC- Ordnungsrahmens werden charakteristische Eigenschaften des CC dargestellt, unterschiedliche Betriebsformen von IT-Lösungen skizziert und ein frühes Reifegradmodell aufzeigt. Der Abschnitt schließt mit einem Überblick über die aktuelle Marktsituation und der Betrachtung ausgewählter CC-Anbieter.

Die theoretische Basis des Kapitels bildet im Wesentlichen folgende Literatur:

[Baun et al., 2010]: „Cloud Computing: Webbasierte dynamische IT-Services“

[Velte et al., 2010]: “Cloud Computing: A Practical Approach”

[Köhler-Schute, 2009]: „Software as a Service - SaaS: Strategien, Konzepte, Lösungen und juristische Rahmenbedingungen“

[Stanoevska-Slabeva, 2010]: “Grid and Cloud Computing - A business Perspective on Technology an Applications”

[CCUC Group, 2010]: “Cloud Computing Use Cases White Paper Version 3.0”

[isReport, 2010]: „Cloud-Plattformen unter der Lupe“

Kapitel 4: Das BI-Cloud Modell

In diesem Kapitel wird mit der BI-Cloud ein eigenes, theoretisches Kombinations-Modell aus BI und CC vorgestellt. Da existierende Anbieter beider Themenkomplexe noch keine ganzheitliche und Anbieterübergreifende Strukturierung von „BI in the Cloud“ vorgenommen haben, basiert dieses Modell auf der theoretischen Verschmelzung beider Themen, und beachtet dabei praxisrelevante Anforderungen.

Nach der Darstellung der Motivation für die BI-Cloud leitet das Kapitel mit einer Begrifflichkeitstrennung zwischen „Software as a Service“ (SaaS) und CC ein. Aufbauend auf den zuvor im Dokument gelegten Grundlagen wird anschließend das Modell einer BI-Cloud als Synergie zwischen BI und CC beschrieben und dabei auf mögliche Architekturen eingegangen.

Kapitel 5: Bestehende BI-Cloud Ansätze

Dieser Abschnitt zeigt einen Überblick über den Status Quo der Cloud Anbieter mit BI-Aktivitäten, bzw. der BI-Anbieter mit Cloud-Ambitionen.

Der Anbieterüberblick stützt sich im Kern auf eine Studie der Experton Group zum Thema bestehende Cloud Plattformen ([isReport, 2010]: „Cloud-Plattformen unter der Lupe“), sowie auf eigene Recherchen des Autors dieser Arbeit.

Kapitel 6: Bewertung der BI-Cloud

Die Bewertung der BI-Cloud findet in diesem Kapitel nach Kriterien wie Standardisierungsgrad, Integration in IT-Strategien und rechtliche Aspekte statt. Es werden Verrechnungsmodelle vorgestellt und Hinweise auf die Wirtschaftlichkeitsbetrachtung gegeben. Um die, sich zwischen den Themenkomplexen BI und CC ergebenden, Synergien vollständig zu betrachten, werden diese sowohl aus dem Blickwinkel BI als auch aus der Perspektive des CC beschrieben.

Der Absatz schließt mit einer kritischen Würdigung des BI-Cloud Modells und beschreibt die mögliche Behandlung von BI-Komponenten, welche im Hinblick auf ihren Betrieb in einer Cloud als problematisch erscheinen könnten.

Kapitel 7: Zusammenfassung und Ausblick

Das abschließende Kapitel dieser Diplomarbeit fasst die gewonnenen Erkenntnisse zusammen, bewertet noch einmal die grundlegenden Potentiale der Synergie zwischen BI und CC und wagt eine vorsichtige Prognose auf die Entwicklung des Themas.

2 Grundlagen Business Intelligence

2.1 Begriffsdefinition und Architektur

Der Begriff Business Intelligence, Anfang der 90er Jahre von Howard Dresdner, einem (ehemaligen) Analysten der Gartner Group definiert als: „Business Intelligence is a broad category of applications and technologies for gathering, storing, analysing, and providing access to data to help enterprise users make better business decisions ^[2] unterliegt einem tiefgreifenden Wandel.

Ursprünglich rein technologisch getrieben, kristallisiert sich zunehmend ein Konzept der analytischen, IT-basierten Unternehmenssteuerung heraus, welches in immer stärkerem Maße inhaltlich und prozessgetrieben ist (vgl. [Oehler et al., 2008], S. 821ff), [Gluchowski, 2008]). Dieser als BI bezeichnete integrierte Gesamtansatz (vgl. [Chamoni, 2004], S. 119ff), [Kemper et al., 2004], [Seufert et al., 2006]) soll es ermöglichen durch die Integration von Strategien, Prozessen und Technologien, aus verteilten und inhomogenen Unternehmens-, Markt- und Wettbewerberdaten erfolgskritisches Wissen über Status, Potenziale und Perspektiven zu erzeugen und für Entscheidungsträger nutzbar zu machen. Der Einsatzbereich von BI liegt dabei im gesamten Führungssystem des Unternehmens. Im Zentrum von BI stehen nicht nur Daten, sondern insbesondere ein Prozess, welcher die zeitnahe Versorgung betrieblicher Entscheidungsträger mit verlässlichen Informationen für Analyse- und Entscheidungszwecke ermöglichen soll. Durch Böhnlein (vgl. [Böhnlein, 2001], S. 15) auf den Punkt gebracht, ist die Anforderung, welche Applikationen und Prozesse im BI-Umfeld zum Fokus haben, im Wesentlichen die Folgende: Bereitstellung der richtigen Informationen, zum richtigen Zeitpunkt, in der richtigen Menge, am richtigen Ort und in der erforderlichen Qualität.

[Übersetzung d. Verf.: „Business Intelligence stellt ein breites Spektrum an Applikationen und Technologien zur Verfügung, um Daten zu sammeln, zu speichern, zu analysieren und Zugriff auf diese zu verschaffen, um professionelle Benutzer bei einer besseren Entscheidungsfindung zu unterstützen.“]

Im etwas weiteren Sinne umfasst BI laut Kemper (vgl. [Kemper et al., 2004], S. 4) alle direkt und indirekt für die Entscheidungsfindung eingesetzten Anwendungen und beinhaltet neben der Auswertungs- und Präsentationsfunktionalität auch die Prozesse der Datenbewirtschaftung und Modellbildung, wie die Abbildung 1 veranschaulicht. Das Data Warehouse (DWH) bildet mit der Integration der Daten die Kernkomponente eines BI- Systems. BI erweitert nach Bauer und Günzel (vgl. [Bauer, Günzel, 2009], S. 13) diese Integration der Daten um Strategien, Prozesse, Anwendungen und Technologien.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Überblick BI Komponenten

Daten - Datenbereitstellung

Grundlage des Informationsversorgungssystems ist eine konsistente, abgestimmte Datenbasis. Im Rahmen des BI-Ansatzes erfolgt dies in aller Regel mit Hilfe eines DWH. Hierbei wird eine von den operativen, transaktionsorientierten Systemen getrennte, themenbezogene und integrierte Datenhaltung aufgebaut, bei der das aus Managementsicht gewünschte, meist voraggregierte Datenmaterial dauerhaft abgelegt wird. Durch einen automatisierten Datenbestückungsprozess, den sog. ETL-Prozess, werden dabei insbesondere Probleme des Systembruches zwischen transaktionsorientierten und entscheidungsorientierten Systemen vermieden. Häufig existiert zudem ein spezieller Datenpool, der Operational Data Store (ODS), welcher als Vorstufe eines DWH aktuelle transaktionsorientierte Daten aus verschiedenen Quellen beinhaltet und für spezielle Auswertungszwecke bereit hält.

Modelle - Informationsgenerierung

Auf der Basis dieser einheitlichen und konsistenten Datengrundlage werden mittels verschiedener Modellierungstechniken die Daten in einen anwendungsspezifischen Kontext (z.B. für das Vertriebscontrolling) überführt und dabei die jeweils relevanten Inhalte identifiziert und spezifisch aufbereitet (z.B. welche Kennzahlen sind erforderlich oder welche Auswertungen sollen möglich sein).

Eine Basistechnologie stellt dabei OLAP (Online Analytical Processing) dar. Sie ermöglicht es, komplexe mehrdimensionale Modelle zu entwickeln und auszuwerten. Interessant für die Unternehmenssteuerung ist die Technologie u.a. dadurch, dass Entscheidungsobjekte zu Hierarchien gruppiert werden können. Hinzu kommt die - im Gegensatz zur Tabellenkalkulation - zentrale Administration der Methoden und Modelle. Dies hat entscheidende Bedeutung für die Erweiterbarkeit der Lösung.

Statistische Algorithmen und Data Mining ermöglichen darüber hinaus die Darstellung komplexer Zusammenhänge, sowie das Erkennen von Ursachen und Wirkungen durch mehrdimensionale Analysen.

Präsentation/Visualisierung - Informationsaufbereitung

Der Zugriff erfolgt dabei in der Regel über einen Windows-Client oder das Internet. Vielfach erfolgt der Zugang über Portale, die dem Benutzer einen zentralen Einstiegspunkt in verschiedene Analysesysteme bieten. Durch Verwendung des Single-Sign-On-Prinzips können mehrere Anmeldeprozeduren durch ein benutzerfreundliches, einmaliges Anmelden ersetzt werden. Mit Hilfe von Personalisierungstechniken können benutzerspezifische und rollenorientierte Benutzungsoberflächen generiert werden, um den Nutzern die jeweils für ihre Aufgaben benötigten Informationen zugänglich zu machen.

Prozesse - Operational BI

Die Abbildung von Prozessen ist zwar schon lange eine Domäne traditioneller transaktionaler Enterprise Resource Planning (ERP)-Systeme. Allerdings waren die Funktionalitäten bislang häufig fest an bestimmte Applikationen gebunden und primär an operativen Geschäftsprozessen, nicht aber an Managementprozessen orientiert. Eine neue Softwarekategorie integriert zu diesem Zweck die Möglichkeiten analytischer Software mit der Unterstützung entsprechender Managementprozesse, wie z.B. strategisches Management, Profitability Management aber auch Prozesse zum Management von Risiken oder zur Einhaltung von Compliance Anforderungen. Der Trend in Richtung eines Closed-Loops Ansatzes bei dem die Erkenntnisse aus der Analyse von Prozessen in deren Optimierung zurückfließt und so kontinuierliche Verbesserungen ermöglicht, ist dabei eine der zentralen Entwicklungen.

2.2 Anforderungen an Business Intelligence

Die Wichtigkeit von effizienten und zuverlässigen Berichts- und Analysesystemen ist inzwischen unumstritten, und in sämtlichen Unternehmensschichten omnipräsent. Ein Großteil der operativen Systeme bietet bereits eine Grundausstattung an vorgefertigten Berichtsmöglichkeiten. Im Gegensatz zu den dort abgehandelten oft statischen Fragestellungen mit eingeschränktem Fokus verlangt der Anwender heutzutage jedoch wesentlich mehr, um sein Tagesgeschäft auch nachhaltig unterstützt zu wissen. Daten müssen systemübergreifend allzeit verfügbar, hochaktuell, sicher und vor allen zuverlässig zum Abruf bereit stehen. Entscheidungen werden oft kurzfristig auf Basis komplex aggregierter Daten getroffen, und können unternehmenskritische Bedeutung haben (z.B. im Risikomanagement).

Bevorzugt finden inzwischen vermehrt Investitionen in dynamische Lösungen statt, die ab vom statischen Berichtswesen nach bekannten Kriterien die Analyse und das Forschen in den eigenen Unternehmensdaten unterstützen. Fragt man die Anwender, verlangen diese dabei stets eine Abdeckung aller zur Verfügung stehenden Daten und Informationen. Unweigerlich führt ein solcher Ansatz zu Negativaspekten wie erhöhten Informationssuchzeiten, längeren Ausführungszeiten, erhöhten Aufwänden für Wartung und Support und in der Konsequenz zu einer geringeren Akzeptanz durch den Anwender. Hier den Blick für das Wesentliche zu vermitteln ist die Kunst der Zunft BI Beratung. Eine der größten Herausforderungen in BI-Projekten ist also die Reduzierung der Informationen auf das Wesentliche, und die damit unweigerlich verbundene Herausforderung der Kommunikation mit den fachlichen Anwendern.

Auch darüber hinaus haben Projekte im Bereich BI im Vergleich zu klassischen IT-Projekten einige zusätzliche Hürden. Der Aufbau des Vertrauens der Anwender zu den geschaffenen Ergebnissen, oder das spezielle Thema des Datenschutzes seien hier beispielhaft genannt. Ein großer Weitblick bei der Architektur des Systems ist notwendig, um bei zukünftigen Anforderungen wie Mehrsprachigkeit, Mandantenfähigkeit und Historisierung nicht ein komplettes Re-Design vornehmen zu müssen. Erschwerend haben BI-Systeme mit dem Nachteil des „ewigen Zweiten" zu kämpfen. Das bedeutet, dass deren Implementierung immer abhängig vom Spezifizierungs- und Implementierungszustand der jeweiligen Quellsysteme ist. Technologisch existieren heutzutage kaum noch nennenswerte Einschränkungen.

Der folgende Abschnitt geht exemplarisch auf die besonderen Anforderungen ein, welche an BI-Systeme im Hinblick auf den Betrieb als Service existieren. Eine detailtiefe Betrachtung findet sich in einer Projektarbeit des Autors mit dem Titel „Theoretische Grundlagen von Business Intelligence" (vgl. [Bernhardt, 2010], S. 13ff).

2.2.1 Datenqualität

Unabhängig von der Betriebsform der BI-Lösung ist Datenqualität einer der Haupterfolgsfaktoren in BI-Projekten. Ist diese nicht ausreichend, führt dies unweigerlich zum Vertrauensverlust bei den Anwendern und gefährdet damit die Gesamtlösung. Die Herstellung der Datenqualität hat dabei primär direkt in den Quellsystemen, und nicht im Beladungsprozess stattzufinden.

2.2.2 Zugriffsgeschwindigkeit

Bei BI-Systemen handelt es sich im Ansatz um entscheidungsunterstützende Systeme, die ihre Informationen aus historischen Daten (bis einschließlich des Vortags) generieren, und aggregiert für die Beantwortung taktischer Fragen mit mittel- und langfristiger Bedeutung zur Verfügung stellen. Die Toleranz der Nutzer bzgl. der Abfragegeschwindigkeit ist hierbei bis zu einem gewissen Grad gegeben, da oft komplexe Prüf- und Berechnungsroutinen mit der simplen (Massen-) Beladung einher gehen. Nach Bachmann und Kemper (vgl. [Bachmann, Kemper, 2009], S. 74ff) lässt die zunehmende Nachfrage nach Real Time DWHs^[3] bzw. Near Time DWHs^[4] zur Überwachung und Steuerung aktueller Geschäftsprozesse und eingesetzter Systeme, den Faktor der Zugriffsgeschwindigkeit jedoch zukünftig zu einem Kritischen heranwachsen.

Die Verfügbarkeit einer stabilen Internetverbindung mit ausreichend Bandbreite ist dabei Grundvoraussetzung für den Betrieb von Lösungen in der Cloud und sollte von daher in Form von Service Level Agreements (SLA) mit dem CC-Provider vertraglich fixiert werden.

2.2.3 Transparenz der Verarbeitung

Ein wesentlicher Faktor für das Vertrauen der Endanwender in BI- Lösungen ist die Transparenz der Datenverarbeitung, sowie der involvierten Prozesse. Auch der Überblick über anstehende Beladungsaktivitäten und die Aussteuerung von Fehlern bzw. Regelverletzungen sind essentiell.

Über verschiedene Loggingmechanismen und Monitoringwerkzeuge sollte dem autorisierten Nutzer zu jeder Zeit ein Überblick über den Zustand des Systems ermöglicht werden.

2.2.4 Informationspräsentation

Die Präsentation der Informationen findet in der Regel in Form von Berichten und Analysen in Frontends statt, die den Nutzern nach Bachmann und Kemper (vgl. [Bachmann, Kemper, 2009], S. 102) eine möglichst komfortable, intuitive Handhabung aller Zugriffe und die grafische Aufbereitung sowie Verteilung von Ergebnissen ermöglicht. Neben diesen Anforderungen ist für Endanwender oft maßgeblich, dass die Berichte und Analysen nahtlos in bestehende Unternehmensportale integriert und Ergebnisse in Standardunternehmensapplikationen, wie Microsoft Office, exportierbar sind.

2.2.5 Sicherheitsaspekte

Sicherheit im Zusammenhang mit IT-Systemen umfasst nicht nur die technischen Fragestellungen, sondern auch ethische/moralische, soziale und rechtliche Aspekte. Die klassischen Kerninhalte Vertraulichkeit, Integrität und Verfügbarkeit spielen bei BI-Systemen eine besonders wichtige Rolle. Eine Abbildung dieser Kerninhalte auf die technische Architektur eines BI- Systems lässt laut Bauer und Günzel (vgl. [Bauer, Günzel, 2009], S. 159ff) die Klassifizierung in folgende Themengebiete zu und wurde in einer Projektarbeit des Autors (vgl. [Bernhardt, 2010], S. 16ff) in einer noch höheren Detailtiefe betrachtet:

Netzwerksicherheit

DWH-Systeme haben durch die Vernetzung unterschiedlichster Quellsysteme einen hohen Anteil an Netzwerkkommunikation. Da oft sensible Daten zur Entscheidungsunterstützung verarbeitet werden birgt der Transport der Daten hohe Vertraulichkeits- und Integritätsrisiken. Ein Schutz der Kommunikationswege durch Verschlüsselung ist insbesondere bei WebSchnittstellen unverzichtbar.

Benutzeridentifikation und Authentifizierung

Zum Einen ist eine gesicherte Identifizierung der Anwender notwendig, um entsprechende Berechtigungen innerhalb der Applikationen zu vergeben und unautorisierten Zugriff zu verhindern. Zum Anderen dient Sie der individuellen Zugriffskontrolle und ermöglicht ein personenbezogenes Auditing. In DWH-Systemen ist man bestrebt eine zentrale Benutzerverwaltung für alle Komponenten des Systems zu implementieren. Unter Einbeziehung des CC-Ansatzes wird nach Spieth (vgl. [Köhler-Schute, 2009], S. 25ff) das Thema „Identity 2.0" relevant, welches bei der Aspektbetrachtung zur BI-Cloud im weiteren Verlauf der Arbeit noch nähere Erläuterung findet.

Auditing

Auditing ist die Überwachung aller Ereignisse in einem System und wichtiger Bestandteil des Sicherheitskonzeptes. Da die Vermeidung von Sicherheitsbedrohungen nicht immer möglich ist, kommt es darauf an, diese zumindest zu erkennen. Die aufgezeichneten statistischen Daten können neben den Revisionszwecken auch für andere Bereiche wie z.B. der Verrechnung der Betriebskosten des BI-Systems oder einer optimalen Skalierung des Systems interessant sein.

2.3 BI-Reifegradmodell

Für die Klassifizierung der Entwicklungsreife von BI-Lösungen in Unternehmen bedient man sich unterschiedlicher Reifegradmodelle. Um eine Gesamtbetrachtung über die Perspektiven Fachlichkeit, Technik und Organisation zu erreichen sei hier näher auf das Business Intelligence Maturity Model (biMM®) eingegangen.

Die drei Untersuchungsperspektiven spannen sich beim biMM® laut Bauer und Günzel (vgl. [Bauer, Günzel, 2009], S. 381ff) über fünf Entwicklungsstufen einer DWH-Lösung auf:

Stufe 1: Standard-Berichtswesen

Stufe 2: Data-Warehouse System pro Fachbereich

Stufe 3: Unternehmensweites Data-Warehouse System

Stufe 4: Prädiktives Data-Warehouse System

Stufe 5: Closed Loop Data-Warehouse System

[...]

---

^[1] sinnbildlich für eine überblicksartige Gesamtdarstellung

^[2] [Übersetzung d. Verf.: „Business Intelligence stellt ein breites Spektrum an Applikationen und Technologien zur Verfügung, um Daten zu sammeln, zu speichern, zu analysieren und Zugriff auf diese zu verschaffen, um professionelle Benutzer bei einer besseren Entscheidungsfindung zu unterstützen.“]

^[3] Echtzeit DWH (direkte Sichtbarkeit veränderter Daten im DWH)

^[4] Fast Echtzeit DWH (z.B. 15-minütliche Aktualisierung der Daten)