Vorgehensmodell für Business Intelligence Projekte am Beispiel des Rational Unified Process


Seminararbeit, 2012
21 Seiten, Note: 1,3

Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung in das Thema
1.1 Gründe für die betriebswirtschaftliche Betrachtung von BI Systemen
1.2 Motivation und Problemstellung

2 Themenrelevante Grundlagen
2.1 Das Data Warehouse Konzept
2.2 Generische Vorgehensmodelle für Business Intelligence Projekte
2.2.1 Die phasenorientierten Vorgehensmodelle
2.2.2 Die iterativen Vorgehensmodelle
2.3 Typische Phasen bei Business Intelligence Projekten

3 RUP als Vorgehensmodell zur Einführung von BI Projekten
3.1 Entstehungsgeschichte
3.2 Das RUP Prozessrahmenwerk

4 Gründe eines RUP basierten Ansatzes zur Einführung eines BI Systems

5 Fazit

Abbildungsverzeichnis

1 Das Wasserfallmodell

2 Das V-Modell

3 Das Spiralmodell

4 Das Extreme Programming

5 Iterationen nach RUP

Tabellenverzeichnis

1 Die RUP Prozess Disziplinen

2 Projektphasen nach RUP

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung in das Thema

1.1 Gründe für die betriebswirtschaftliche Betrachtung von BI Systemen

“The essence of management is to make knowledge productive.“ (Ducker 1993, S.21)

Dieses Zitat vom Managementtheoretiker Peter F. Ducker verdeutlicht, dass die Bereitstellung von vollständigen und umfangreichen betriebswirtschaftlichen Informatio- nen für Unternehmen in den letzten Jahren immer wichtiger geworden ist. Zur effekti- ven und effizienten Unternehmensführung bilden auswertbare Informationen mehr denn je die essentielle Grundlage zur Unterstützung von manageralen Entscheidungsprozessen (Engels 2010, S.1). Im Jahr 1992 wurde daher von William H. Inmon das Konzept des Data Warehouse (DWH) als Basis für Business Intelligence Systeme (BI) eingeführt, der dies folgendermaßen definierte:

„A Data Warehouse is a subject-oriented, integrated, time-variant, and nonvolatile collection of data in support of managements decicisions support process“ (Inmon 1996, S.36)

Der Zweck eines solchen Systems ist somit nicht die Erfüllung einer spezifischen Aufga- be, wie beispielsweise des Rechnungswesens im Unternehmen, sondern die Modellierung eines spezifischen Anwendungsziels („subject-oriented“) (Engels 2010, S.7f). In diesem Kontext ist mit „integrated“ eine integrierte Datenbasis gemeint, da hierin Daten aus ver- schiedenen unternehmensinternen und externen Quellen enthalten sind. Zur Zeitreihen- analyse müssen die Daten langfristig („time-variant“) gespeichert werden. Eine stabile und persistente („nonvolatile“) Informationsbasis stellt sicher, dass Daten nicht mehr entfernt und geändert werden können. Somit bietet das Konzept die ganzheitliche Ausgangsbasis eines umfassenden Management-Informations-Systems (Inmon 1996, S.71). Die zentrale Einführung einer solchen Technologie stellt sicher, dass die benötigten Informationen zeit- gerecht in einer entsprechenden Qualität und am richtigen Ort vorliegen. Es werden hierzu Daten unterschiedlichster Art und Herkunft zu einer einzigen Entscheidungsdatenbank zu- sammengefasst, die mittels analytischer Verfahren jederzeit ausgewertet werden können.

Durch den Zuwachs an Transparenz, schnellere Reaktionen auf Änderungen im Markt geschehen und generell besser informierte Mitarbeiter wird der Mehrwert eines Business Intelligence Systems schnell deutlich.

1.2 Motivation und Problemstellung

Neue Verfahren in der Informationstechnologie werden typischerweise in einer Projekt- form in die Unternehmung eingeführt; dies gilt somit auch für die Implementierung eines komplexen Business Intelligence Systems. Der Organisationsform Projekt ist es zu eigen, dass sie neben einem festgelegten Start- und Endzeitpunkt insbesondere auch eindeutig messbare Ziele und definierte Ressourcen hat (Hansen & Neumann 2005, S. 246). Für den Bereich der IT-Abteilung sind diese Ziele und notwendigen Ressourcen zumeist noch recht früh und hinreichend mit einer bekannten technischen Metrik zu versehen. Jedoch dienen solche Systeme - wie bereits eingangs dargelegt - nicht einem einzelnen Anwenderkreis mit einem Aufgabengebiet, sondern dem gesamten Management mit vielen unterschied- lichen Verantwortungsbereichen und oft spontanen Anforderungen. Da die Ziele für eine erschöpfende Projektplanung bereits zu Projektfreigabe hinreichend feststehen müssten, fordert dies die zukünftigen BI-Nutzer stark. Bei bisherigen klassischen IT-Systemen war es für sie zumeist nicht erforderlich, dass der Anwenderbedarf vollumfänglich und frühzei- tig definiert war. Auch waren nachträgliche Änderungen im Regelfall relativ problemlos möglich. Ein BI-System stellt Daten zur Verfügung, die die Anwender spontan aufrufen, recherchieren und weiter spezifisch auswerten können. Daten die jetzt, also bei der Pro- jektplanung, nicht im richtigen Umfang und Granularität gespeichert werden, lassen sich zukünftig nicht mehr zielgerichtet auswerten. Gerade diese zukünftigen Anwenderaktivitä- ten sind weder zeitlich noch inhaltlich exakt vorherzusagen (Chamoni & Gluchowski 2010, S.8f) .

Generell treten nach Mucksch/Behme drei Fehler bei der Einführung eines Business Intelligence Systems in Unternehmen auf. So wird oftmals einfach ein „PC-Tool ange- schafft und losgelegt“, ohne das ein unverzichtbar betriebswirtschaftliches Konzept der Fachabteilungen vorliegt und die notwendige IT-Infrastruktur geprüft wurde (Mucksch & Behme 2002, S.326). Der zweite genannte Fehler ist es, das man den Nutzern des BI- Systems einfach alle Daten zur Verfügung stellt und diese damit machen, was sie wollen. Diese „Ursuppe“ von operativen Daten ist für die Nutzer jedoch großteils unbrauchbar, da diese unterschiedlich codiert sind und zur Auswertung und Analyse vorab eine Transfor- mation in eine einheitliche Datenstruktur notwendig ist (Mucksch & Behme 2002, S.327). Als weiteren Fehler für das Scheitern einer BI Einführung wird das mangelhafte Projekt- management genannt. Ein solches Projekt setzt eine heterogene Projektgruppe voraus, die nicht alleine in der IT-Abteilung sondern teilweise unternehmens- und fachabteilungs übergreifend gebildet werden muss. Anderenfalls ist ein solches Projekt schon zu Beginn zum Scheitern verurteilt (Mucksch & Behme 2002, S.328ff).

Füting nennt die Kriterien Einmaligkeit, Zielunsicherheit und Rahmenfixierung als die elementaren Besonderheiten eines Business Intelligence Projektes. Da in BI Projekten oft eine neue Technologie bzw. Methodik zum Einsatz kommt, die bisher im Unternehmen nicht vorhanden ist, liegen wenige bis keine Erfahrungen für den effektiven und effizienten Einsatz und die Projektplanung vor. Dennoch werden oftmals schnelle „Quick Wins“ vom Management in solchen Projekten erwartet. Auf Grund dieser geringen Erfahrung wer- den die Zielvorgaben daher zumeist pauschal und abstrakt formuliert, was die Steuerung eines solchen Projektes schwierig macht und das Ergebnis oft nicht die wirklichen Erwar- tungen des Managements wiedergibt. Abgeleitet aus der unzureichenden Erfahrung aus solchen Projekten und der Zielunsicherheit werden auch Zeithorizonte und Budgets nicht richtig definiert. Auch ist die Kosten-Nutzen Vorstellung oftmals viel zu unrealistisch und wird im Projektverlauf mehrfach korrigiert, was eine realistische Planung weiter erschwert (Füting 2000, S.270f). Diese Aussagen werden von König in einer aktuellen Metaaus- wertung zahlreich durchgeführter Business Intelligence Projekt-Fallstudien unterstrichen. Demnach unterscheiden sich BI Projekte von klassischen IT-Projekten essentiell durch folgende Aspekte:

- „Bei einem Data Warehouse handelt es sich um ein komplexes zentrales System, dass eng mit bestehenden operativen Systemen vernetzt ist. Dies erfordert eine enge Zusammenarbeit zwischen der IT-Abteilung und den Fachabteilungen.
- Die klare Definition der Anforderungen der Anwender an die Data Warehouse Lösung ist besonders komplex, da sich künftiges exploratives Anwenderverhalten nur schwer in vorab klar definierten Use Cases abbilden lässt.
- Die abteilungsübergreifende Integration der Daten erfordert eine einheitliche Definition der fachlichen Begrifflichkeit und Metrik.“ (König 2011, S.1f)

Somit ist es die Herausforderung für alle Projektbeteiligte, sowohl für das Unternehmens- Management als auch für den IT-Bereich, das geeignete Projekt-Vorgehensmodel zu fin- den, um die aufgeführten Fehler und Besonderheiten bei Business Intelligence Projekten zu kompensieren.

2 Themenrelevante Grundlagen

2.1 Das Data Warehouse Konzept

Durch die kontinuierliche Weiterentwicklung der Informationstechnologie in den letzten Jahrzehnten wurden Unternehmen völlig neue Möglichkeiten eröffnet. Als treibende Kraft des Wirtschaftsaufschwungs, wie die IT Anfang der neunziger Jahre proklamiert wurde, erlaubte sie wesentliche Verbesserungen der Produktivität und der Kosteneffizienz. Durch diese seit Jahren ansteigende IT-Nutzung sind große Datenmengen entstanden, die nur unzureichend genutzt werden konnten (Veselka 2008, S.92f). Die permanente Weiterent- wicklung der Speichertechnologie hat zwar grundsätzlich dazu beigetragen, dass zuneh- mend Informationen gespeichert werden konnten, jedoch stellt die nutzbringende Recher- che nach Daten die Unternehmen vor neue Herausforderungen. Zur Sicherung der eigenen Wettbewerbsfähigkeit zwingt der zunehmende globale Wettbewerb Unternehmen zu einer effizienten Informationsverwendung. Nach Klußmann entwickelte Inmons bereits 1992 das Konzept Data Warehouse, um die bis dahin verwendeten ’Management-Informations- Systeme’ weiterzuentwickeln (Klußmann 1997, S.106f).

Hierbei versteht Inmon unter einem Data Warehouse einen (logischen) zentralen Spei- cherort für Daten aus allen Bereichen eines Unternehmens. Neu an diesem Konzept war, dass Daten unabhängig von ihrem bisherigen operativen Bestand zur transaktionsorien- tierten Verarbeitung verwaltet und persistent gespeichert wurden. Auch sollten unterneh- mensexterne Daten und Metainformationen bei dieser Dauerspeicherung berücksichtigt werden. Ziel war es, dass die Daten schnell und ohne komplizierte Abfragen - möglichst über eine grafische Benutzeroberfläche - mit Hilfe von Such- und Statistikwerkzeugen jederzeit analysiert werden konnten. Die analysierten Daten waren die Basis für zukünfti- ge unternehmensrelevante und zur Erfolgsverifikation getroffene Entscheidungen. Hieraus hat sich ein Entscheidungshilfesystem (engl: ’decision support system’, DSS) abgeleitet (Engels 2010, S.4f).

Mit Hilfe von Business Intelligence Verfahren, wie dem Information Retrieval und OLAP (Online Analytical Processing), werden aus den gespeicherten Daten dynamische Abfragen erstellt und statische Berichte für das Management erzeugt, deren Zusammenhänge zuvor bekannt sind. Ergänzend nutzen die Methoden das Data Mining Verfahren, das neues Wissen schaffen soll, indem bisher nicht bekannte Beziehungen der gespeicherten Daten untereinander ausfindig gemacht werden (Hildebrand 2001, S.59f).

[...]

Ende der Leseprobe aus 21 Seiten

Details

Titel
Vorgehensmodell für Business Intelligence Projekte am Beispiel des Rational Unified Process
Note
1,3
Autor
Jahr
2012
Seiten
21
Katalognummer
V192087
ISBN (eBook)
9783656169536
ISBN (Buch)
9783656170051
Dateigröße
888 KB
Sprache
Deutsch
Schlagworte
Business Intelligence, Informatik, IT, RUP Rational Unified Process, Vorgehensmodelle
Arbeit zitieren
Markus Groß (Autor), 2012, Vorgehensmodell für Business Intelligence Projekte am Beispiel des Rational Unified Process, München, GRIN Verlag, https://www.grin.com/document/192087

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Vorgehensmodell für Business Intelligence Projekte am Beispiel des Rational Unified Process


Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden