Leseprobe
Inhaltsverzeichnis
Abbildungsverzeichnis
Abkürzungsverzeichnis
Kurzfassung
Abstract
1 Einführung
2 Business Intelligence Konzepte
2.1 Historie und Begriffsbestimmung
2.2 Dimensionen von Business Intelligence
2.2.1 Technik
2.2.2 Anwendung
2.2.3 Organisation
3 Outsourcing Möglichkeiten
3.1 Business Process Outsourcing
3.2 IT-Outsourcing
3.3 Cloud Computing
3.3.1 Bereitstellungsmodelle
3.3.2 Servicemodelle
4 Business Intelligence Outsourcing
4.1 Herausforderungen
4.2 Umsetzung in der Praxis
4.3 Bewertung der Möglichkeiten
5 Schlussbetrachtung
6 Literaturverzeichnis
Abbildungsverzeichnis
Abbildung 1: Management Unterstützungssysteme nach Managementebenen
Abbildung 2: Ordnungsrahmen Business Intelligence
Abbildung 3: Business Intelligence Architektur
Abbildung 4: Business Process Outsourcing - Formen
Abbildung 5: Cloud Servicemodelle
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Kurzfassung
Autor: Robert Ruf
Titel: Outsourcing Möglichkeiten für Business Intelligence Konzepte
Erstellungsjahr: 2014
Studiengang: Information and Performance Management (MBA)
In der vorliegenden Arbeit wird untersucht inwieweit sich Outsourcing für Business Intelligence (BI) eignet. Hierzu werden zunächst verschiedene BI-Konzepte vorgestellt und anschließend Formen des Business Process Outsourcings, IT-Outsourcings und Cloud Computings erläutert. Dabei ist festzustellen, dass BI in Forschung und Praxis nicht eindeutig definiert ist und viele verschiedene Ausprägungen annehmen kann. Einigkeit herrscht i.d.R. jedoch über elementare Konzepte die BI zugeordnet werden können. Zu nennende Komponenten sind hier das Data Warehousing, Reporting, Data Mining, die OLAP Technologie und Management Informationssysteme. Häufig werden aber auch Anwendungen wie Balanced Scorecards oder analytisches CRM hinzugezählt. Ebenfalls betrachtet wird die Organisationsdimension, die in einem BI Competency Center (BICC) gebündelt werden kann.
Im dritten Teil wird schließlich herausgearbeitet welche Grenzen und Herausforderungen es bei BI Outsourcing gibt und welche Umsetzungsformen in der Praxis vorzufinden sind. Die wesentlichen Herausforderungen sind die Themen Datenschutz und -sicherheit, sowie die immer weiter ansteigenden Datenmengen (Stichwort „Big Data“). In der Praxis ist aktuell die Cloud das Mittel der Wahl und wird von den meisten etablierten Anbietern in unterschiedlichen Formen angeboten. Die Möglichkeiten sind weitreichend und die Funktionen decken bereits viele Anforderungen die heute und morgen auftreten ab. Trotzdem werden die Angebote von den Kunden aktuell noch sehr begrenzt wahr- genommen. Ob die BI Organisation für ein Outsourcing geeignet ist, muss kritisch hinterfragt werden. Es gibt Full Service Anbieter die dies prinzipiell mit abdecken. Bezogen auf ein BICC überwiegen allerdings eher die Nachteile eines Outsourcings, da die Grundvoraussetzung einer engen Verbindung zu den eigenen Prozessen und Mitarbeitern meist nicht gewährleistet ist.
Die Frage wo ein optimaler Schnitt erfolgen kann, ist stets individuell zu reflektieren.
Abstract
Author: Robert Ruf
Title: Outsourcing Options for Business Intelligence Concepts
Year: 2014
Degree Program: Information and Performance Management (MBA)
The present study examines the extent to which outsourcing is suitable for business intelligence (BI). For this purpose, first different BI concepts are presented and further on, several forms of business process outsourcing, IT outsourcing and cloud computing are explained. It should be noted that BI is not clearly defined in research and in practice and can adopt different characteristics. However generally there is an agreement on elementary concepts that can be assigned to BI. Mentionable components are data warehousing, reporting, data mining, OLAP technology and management information systems. But also applications such as balanced scorecards and analytical CRM are often added. The organizational dimension that can be bundled in a BI competency center (BICC) is also contemplated.
The third part of this study focuses on the limits and challenges for BI Outsourcing and discusses the ways of implementation in practice. The main challenges are data protection and security, as well as the ever-increasing amounts of data ("Big Data"). Currently the cloud is most chosen option and is offered by most established providers in different forms. The possibilities are vast and the functions already cover many of today’s and tomorrow’s needs. Nevertheless, the customers’ embracement is still very limited. It has to be critically examined, whether the BI organization is suitable for outsourcing. There are full service providers essentially offering this. However in connection with a BICC the disadvantages of outsourcing prevail, because the basic requirement of a close connection with own processes and staff is usually not guaranteed.
Therefore the question where an optimal cut can be performed has always to be considered individually.
1 Einführung
Business Intelligence ist tot, es lebe Business Intelligence! Kaum ein anderer Begriff der Wirtschaftsinformatik hat in den letzten 20 Jahren (vgl. Kapitel 2.1) eine vergleichbare Wandlung durchlebt. Obwohl jedes Unternehmen und jede Organisation in irgendeiner Form Business Intelligence (BI) betreibt, ist der Einsatz von professionellen BI-Lösungen dennoch nicht selbstverständlich. Vielerorts vorherrschend ist auch heute noch ein sog. „Controlling by Excel“. Für einfache Adhoc-Auswertungen mit wenigen homogenen Daten, auf einem persönlichen Level, mag dies durchaus vertretbar sein. Für einen unternehmensweiten Gesamtansatz ist eine mangelhafte oder fehlende BI-Strategie aber ein echtes Risiko. Viele wichtige Unternehmensentscheidungen werden immer noch aus dem Bauch entschieden und nicht mit fundierten Analysen untermauert. Die Verantwortlichen müssen sich zusehend fragen ob sie „compliant“ sind und interne wie externe Regularien erfüllen können.
Die Qualität der verfügbaren Informationen ist allerdings nur eine Herausforderung. Im Zeitalter von „Big Data“ stoßen immer mehr Unternehmen, mit ihren traditionellen Infrastrukturen und Betriebsmodellen, an Grenzen. Mit einer Durchsatzrate von über 1800 Gbps fließen zu Spitzenzeiten Daten im Rekordtempo über den Internetknoten „DE-CIX“ in Frankfurt am Main. Beim Logistikdienstleister „FedEx“ werden rund 100 Mio. Transaktionen am Tag verarbeitet. Der Finanzdienstleister „Visa“ hat ein Transaktionsvolumen von 7,2 Mrd. Kreditkartentransaktionen pro Jahr.1 Bei den öffentlich zugänglichen „Social Media“ Daten sind die Werte sogar noch beeindruckender. Das soziale Netzwerk „Facebook“ verarbeitet jeden Tag mehrere 100 Terrabyte an Daten. Die Unternehmen haben längst erkannt, dass diese Daten einen veritablen Schatz darstellen. Um diese Datenvolumina in vertretbarer Zeit auszuwerten, reichen die Möglichkeiten klassischer Konzepte allerdings nicht aus. Es bedarf somit neuer Ansätze, die sich nicht auf die Fähigkeiten und Ressourcen des eigenen Unternehmens beschränken. Bietet das Cloud Computing hier die gesuchte Lösung, oder gibt es auch andere Möglichkeiten des Outsourcings, die für BI genutzt werden können?
Diese Fragestellung wird in der vorliegenden Arbeit untersucht. Dabei geht es nicht darum die verschiedenen Themen umfassend und detailliert zu durchleuchten. Das Ziel dieser Arbeit ist vielmehr, die wesentlichen Herausforderungen und Umsetzungs- möglichkeiten in der Praxis herauszustellen und zu bewerten. Dazu wird in Kapitel 2 zunächst die BI Begrifflichkeit bearbeitet und anschließend die wichtigsten BI-Konzepte dargestellt. Die Einordnung wird dabei anhand der Dimensionen Technik, Anwendung und Organisation vorgenommen. In Kapitel 3 folgt die Betrachtung von Outsourcing Möglichkeiten in Form des Business Process Outsourcings, des IT-Outsourcings und des Cloud Computings. In Kapitel 4 werden die Herausforderungen beim BI-Outsourcing reflektiert, ausgewählte Umsetzungsmöglichkeiten in der Praxis beleuchtet und die Möglichkeiten abschließend bewertet.
2 Business Intelligence Konzepte
2.1 Historie und Begriffsbestimmung
Die ersten operativen Systeme zur Datenverarbeitung (DV) nach heutigem Verständnis, haben sich im Laufe des 20. Jahrhundert entwickelt. Ab den 1950er Jahren wurden Computer erstmals in großen Mengen industriell hergestellt und betriebswirtschaftlich genutzt.2 Die DV-Systeme aus dieser Zeit können als Vorläufer moderner PPS- bzw. ERP-Systeme gesehen werden. Das Konzept dieser Systeme war in der Regel transaktionsorientiert und konzentrierte sich beispielsweise auf die Erfassung und Verarbeitung von Aufträgen. Ein übergreifendes Auswerten dieser Daten war konzeptionsbedingt meist nicht oder nur schwer möglich. Es war somit nur eine Frage der Zeit bis sich in den Unternehmen eine Nachfrage nach dispositiven Systemen ergeben hat, um die generierten Daten auch strategisch zur Unternehmenssteuerung zu nutzen. Dies war die Geburtsstunde der Management Unterstützungssysteme (MUS). Die ersten Systeme zur Entscheidungsunterstützung haben sich Mitte der 1960er Jahre entwickelt und mit ihnen eine ganze Reihe von Begrifflichkeiten die diesem Umfeld zuzuordnen sind.3 Eine Möglichkeit der Einordnung ist die Zuordnung nach Managementebenen und die Betrachtung der Problemstellung.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Management Unterstützungssysteme nach Managementebenen4
Die verwirrende Vielfalt der Begriffe von Führungsinformationssystemen (FIS) über Entscheidungsunterstützungssystemen (EUS) bis zu Management Informations- systemen (MIS), ist nicht einheitlich definierbar, hat große Überschneidungen und wurde von verschiedenen Softwareherstellern unterschiedlich geprägt.5 Zu Beginn der Entwicklung konnten die Systeme die Anforderungen der Manager noch befriedigen. Doch bereits Ende der 1960er Jahre galten diese frühen MIS bereits als gescheitert.6 Aber auch die später darauf aufbauenden Systeme, in den 1970er und 1980er Jahren, scheiterten immer wieder an den großen Datenmengen, den schwachen IT-Systemen und unzureichenden Benutzerschnittstellen.7 Heute werden die verschiedenen Begriffe in der Praxis kaum noch verwendet, am ehesten wird noch von MIS gesprochen. Insgesamt kann jedoch festgestellt werden, dass sich im Umfeld der dispositiven Systeme ein ganz anderer Begriff durchgesetzt hat: Business Intelligence (BI).8
Der Terminus „Business Intelligence“ lässt sich in der Literatur erstmals in der „Cyclopædia of Commercial and Business Anecdotes“ aus dem Jahre 1864 finden. Richard Millar Devens beschreibt hier wie der Bankier Sir Henry Furnese durch den gezielten Einsatz von Informationen über seine Umwelt einen Vorteil gegenüber seinen Konkurrenten erreicht.9 Diese frühe Definition, wenn man sie als solche gelten lassen mag, ist von der heutigen technischen Welt weit entfernt. Die Kernaussage über die Auswertung von Informationen trifft jedoch auch auf das aktuelle Verständnis von BI zu. Eine neuere Definition für ein BI-System stammt von Hans-Peter Luhn, aus einem Beitrag im „IBM Journal of Research and Development“ von 1958.
„This intelligence system will utilize data-processing machines for auto- abstracting and auto-encoding of documents and for creating interest profiles for each of the ‘action points’ in an organization. Both incoming and internally generated documents are automatically abstracted, characterized by a word pattern, and sent automatically to appropriate action points.”10
Luhn beschreibt ebenfalls das Gewinnen von Informationen, bezieht sich in seinen Ansätzen jedoch eher auf das Auswerten von Dokumenten und legt damit einen Schwerpunkt in Richtung Text Mining.11 Dennoch wird die Bildung der Business Intelligence Begrifflichkeit meist Luhn und nicht Devens zugeordnet. Ab dem Jahr 1989 prägt Howard Dresner, ein späterer Analyst der Gartner Group, den BI-Begriff als Überbegriff für Methoden und Konzepte um Entscheidungen mit faktenbasierten Unterstützungssystemen zu verbessern.12
Auch heute definiert Gartner den BI-Begriff noch als Überbegriff, erweitert die ursprüngliche Definition von Dresner aber um Applikationen, Infrastruktur und Werkzeuge, also mit einer größeren Ausrichtung auf Aspekte der IT.13 Gluchowski formuliert dies im Allgemeinen ähnlich, betrachtet aber zusätzlich die etymologische Komponente der Begrifflichkeit. Die naive Übersetzung von „Business Intelligence“ als „Geschäftsintelligenz“ greift zu kurz, "Intelligence" hat hier eher die Bedeutung von Einsicht beziehungsweise Verständnis.14 Zur Erklärung kann auch der Name des US-amerikanischen Geheimdiensts Central Intelligence Agency (CIA) herangezogen werden. In der deutschen Übersetzung geht hier „Intelligence“ im Begriff Nachrichten- dienst auf. Somit kann Business Intelligence auch als Nachrichtendienst eines Unternehmens gesehen werden. BI ist also kein einzelnes Produkt und auch keine spezielle Technologie oder Methode. BI ist vielmehr eine Kombination dieser Bereiche um Informationen zu organisieren mit dem Ziel die Leistung des Unternehmens zu erhöhen.15 Mertens und Meier haben ein ähnliches Verständnis, legen den Fokus aber auf die Daten. Sie beschreiben BI als „Klasse von Verfahren“ um aus großen Datenmengen mehr Informationen für das eigenen Unternehmen herauszuholen.16 Daneben existieren noch einige weitere Varianten und Spezialisierungen dieser Definitionen. Teilweise werden bestimmte Begriffe wie bspw. MIS oder Data Warehouse auch synonym mit dem BI-Begriff verwendet.17 In Wissenschaft und Praxis wird deshalb vermehrt dazu übergegangen wieder neue Begrifflichkeiten zu verwenden. Chamoni und Gluchowski verwenden z.B. den Begriff „Analytische Informationssysteme“, als Ergänzung zu den operativen Informationssystemen.18 Exemplarisch für die Softwareunternehmen kann hier SAS genannt werden. SAS verwendet verstärkt den Begriff „Business Analytics“, um die analytischen Komponenten neben dem klassischen Berichtswesen hervorzuheben.19 Dennoch ist „Business Intelligence“ derzeit der vorherrschende Begriff und bildet den Rahmen dieser Arbeit. Maßgeblich soll an dieser Stelle somit die Definition von Kemper, Mehanna und Unger sein.
„Unter Business Intelligence (BI) wird ein integrierter, unternehmensspezifischer, IT-basierter Gesamtansatz zur betrieblichen Entscheidungsunterstützung verstanden.“20
Einleitend wurden bereits einige Konzepte angesprochen. Im Folgenden werden diese nun um weitere zentrale Elemente ergänzt und aus verschiedenen Sichten betrachtet.
2.2 Dimensionen von Business Intelligence
Um die verschiedenen Elemente einzuordnen ist es hilfreich zwischen dem engen, dem analyseorientierten und dem weiter BI-Verständnis zu unterscheiden.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2: Ordnungsrahmen Business Intelligence21
Das enge BI-Verständnis umfasst lediglich die Komponenten die unmittelbar zur Entscheidungsfindung unterstützen. Darunter fallen die klassischen MUS, aber auch die Online Analytical Processing (OLAP) Technologie.22 Das analyseorientierte BI-Ver- ständnis erweitert die enge Sicht um spezifische Anwendungsformen wie bspw. Balanced Scorecards auf der einen Seite. Auf der anderen Seite finden sich fortgeschrittene analytische Konzepte wie Data Mining und Text Mining. Zusätzlich ist im Bereich der Analyse die Adhoc-Form des Reportings zu sehen. Das weite BI-Verständnis umfasst schließlich, neben den beiden genannten Bereichen, auch das klassische Standard Reporting, sowie die Aufbereitung und Speicherung der Daten.23 In der Abbildung 2 wird deutlich dass sich die meisten Konzepte entweder einer eher technischen oder einer eher anwendungsorientierten Dimension zuordnen lassen. Orthogonal dazu kann innerhalb der Dimensionen noch zwischen Konzepten zur Datenauswertung und -bereitstellung unterschieden werden. Deutlicher wird diese Unterscheidung, wenn man die Konzepte entlang des BI-Prozesses in einer BI-Architektur betrachtet.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3: Business Intelligence Architektur24
Legacy
Systeme
Voraussetzung für die Datenauswertung ist immer eine zuvor durchgeführte Datenaufbereitung und -bereitstellung im Bereich der dispositiven Datenschicht.
[...]
1 Vgl. Kohlhammer 2013, S. 32.
2 Vgl. Dworatschek 1989, S. 21 f.
3 Vgl. Power 2013.
4 Eigene Darstellung i.A.a. Schütte et al. 2001 S.4; Lix 1992 S. 138; Jawadekar 2009 S. 683 f.
5 Vgl. Stahlknecht und Hasenkamp 2005. Anmerkung d. Verf.: Da die genaue Definition der MUS Begrifflichkeiten für diese Arbeit nicht relevant ist, wird auf eine nähere Abgrenzung verzichtet.
6 Vgl. Bea und Haas 2005, S. 350-351; Gabriel et al. 2009, S. 23 f.
7 Vgl. Bauer und Günzel 2009, S. 12.
8 Vgl. Kemper et al. 2006, S. V.
9 Vgl. Devens 1864, S. 210.
10 Zitat Luhn, S. 314.
11 Vgl. Luhn, S. 314.
12 Vgl. Power 2013; Biethahn et al. 2004, S. 131.
13 Vgl. Gartner 2013.
14 Vgl. Gluchowski 2001, S. 6.
15 Vgl. Williams et al. 2007, S. 2.
16 Vgl. Mertens und Meier 2009, S. 36.
17 Vgl. Mertens 2002, S. 4.
18 Vgl. Chamoni und Gluchowski 2006, S. 11.
19 Vgl. SAS Institute Inc. (Hrsg.) 2014.
20 Zitat Kemper et al. 2006, S. 8.
21 Vgl. Gluchowski 2001, S. 7.
22 Anmerkung d. Verf.: Eine genauere Beschreibung der Konzepte erfolgt in den Kapiteln 2.2.1 und 2.2.2.
23 Vgl. Gluchowski 2001, S. 6; Kemper et al. 2006, S. 3 f.
24 Eigene Darstellung i.A.a. Mertens 2002, S. 6.