Business Intelligence in the Cloud. Bewertung von BI-Cloud anhand verschiedener Unternehmensarten

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 Grundlagen
2.1 Business Intelligence
2.2 Cloud Computing

3 Business Intelligence in the Cloud
3.1 Definition
3.2 Frameworks
3.2.1 Private Cloud
3.2.2 Öffentliche IaaS-Cloud
3.2.3 Öffentliche oder Hybrid-PaaS-Cloud
3.2.4 Öffentliche oder Hybrid-SaaS-Cloud
3.3 Bewertung von BI-Clouds anhand verschiedener Unternehmensarten
3.3.1 Großunternehmen mit BI- und Cloud-Nutzung
3.3.2 Großunternehmen mit klassischer IT-Infrastruktur
3.3.3 Kleinunternehmen mit BI-Cloud
3.3.4 Mittelständler mit kaum entwickelter IT

4 Zusammenfassung

5 Fazit

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Position des Data Warehouse in der BI-Architektur

Abbildung 2: Einsatzbereich eines OLAP-Servers in der IT-Infrastruktur

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Heutzutage müssen Unternehmen ihr dynamisches Umfeld kennen, um in Märkten profitabel agieren und wettbewerbsfähig bleiben zu können. Durch einen Einblick in die Märkte erhalten Unternehmen die Möglichkeit, Trends schneller aufzudecken sowie auf Änderungen schneller zu agieren. Um die Informationen aus den Märkten zu analysieren und für Entscheidungsprozesse nutzen zu können, kann BI (Business Intelligence) angewandt werden. Mit BI können Daten aus unterschiedlichen Quellen analysiert und für die Entscheidungsträger wertvolle Informationen generiert werden. Um die großen Datenmengen in einem BI-System analysieren zu können, werden eine hohe Verarbeitungsgeschwindigkeit sowie viel Speicherplatz benötigt. Diese technischen Voraussetzungen sind essentiell für Unternehmen, um im täglichen Geschäft agieren zu können. IT (Informationstechnologie)-Abteilungen können allerdings die Verarbeitungsgeschwindigkeit für das System oft erst nach Stunden zur Verfügung stellen. Hier kann CC (Cloud Computing) Abhilfe schaffen. CC ist eine Technologie, welche durch Skalierbarkeit, in Zeiten mit hohen Systemauslastungen, eine hohe Performance erreicht. Dabei müssen nur die benötigten IT-Kapazitäten bezahlt werden, die über das Internet durch Drittanbieter, dem Unternehmen zur Verfügung gestellt werden. Hierdurch ergibt sich die Möglichkeit eines „on-demand“ BI-Systems, wodurch Unternehmen ihre Kosten senken sowie ihre bestehende IT neu ausrichten können. Cloud Computing führt damit zu einer neuen Welle an Innovationen in der IT und zu einer Neuausrichtung in den Unternehmen.¹

Diese Arbeit beschäftigt sich zunächst mit den Spezifika von BI sowie CC und beleuchtet anschließend die Besonderheiten, wenn beide Methoden miteinander integriert werden. Anschließend werden anhand von vier Beispielunternehmen die Vor- und Nachteile der verschiedenen BI-Clouds analysiert.

Die Projektarbeit wurde aufbauend auf der Literaturrecherche, wie im Exposé vorgestellt, angefertigt. Zu großen Teilen basiert diese Arbeit auf den vier Peer-reviewed Artikeln, die im Exposé vorgestellt wurden, ergänzt um weitere Artikel sowie aktuelle Literatur und fachlichen Beiträgen aus Internetquellen.

2 Grundlagen

Unternehmen suchen heutzutage verstärkt nach Möglichkeiten, um mit den vorhandenen Ressourcen mehr Informationen generieren zu können. Technologien wie BI und CC werden für Unternehmen immer wichtiger, um im Unternehmensumfeld wettbewerbsfähig zu bleiben bzw. den Unternehmenserfolg zu sichern.²

In diesem Kapitel sollen die beiden Technologien BI und CC näher erläutert werden, wobei in Kapitel 2.1 die Methode BI definiert und in Kapitel 2.2 das CC vorgestellt wird.

2.1 Business Intelligence

BI ist die konsolidierte Analyse von inhomogenen Daten aus verschiedenen Quellen und die daraus resultierende Entscheidungshilfe für Führungskräfte eines Unternehmens.³ Die Analyse bezieht sich dabei auf Daten aus dem Umfeld des Unternehmens sowie aus dem Unternehmen selbst. Die erfolgreiche Analyse dieser Datenströme ist entscheidend für zielführende strategische Entscheidungen und damit den langfristigen Erfolg des Unternehmens.

Ein Beispiel ist ein Logistikdienstleister, der durch die Analyse aller Daten, die bei ihm sowie für ihn zugänglich beim Kunden vorliegen, strategische Entscheidungen in Sachen Flotte und Lagerkapazitäten treffen kann. Des Weiteren können Vorhersagen des künftigen Verkaufspotenzials getroffen werden und Preise sowie Angebote dadurch individuell pro Kunde gesteuert werden.⁴ Der Einsatz von BI beschränkt sich dabei nicht nur auf Großunternehmen, auch viele kleinere Unternehmen setzen heutzutage BI-Lösungen ein. Dabei liegt die durchschnittliche Organisationgröße von Unternehmen, die BI einsetzen, nach einer aktuellen Studie bei ca. 1.000 Mitarbeitern. Betrachtet nach Branchen findet BI derzeit besonders im produzierenden Gewerbe sowie im Handel und bei Dienstleistern starken Absatz, letztere vor allem im IT- und Finanzbereich. In der Landwirtschaft, der Rohstoff- und Bauwirtschaft hingegen ist BI bisher wenig im Einsatz.⁵

Wichtige Technologien im Kontext der BI sind das Data Warehouse sowie die OLAP-Analyse und das Data Mining.⁶ Ein Data Warehouse ist eine physische Datenbank, die eine integrierte Sicht auf beliebige Daten zu Analysezwecken ermöglicht.⁷ Das besondere Unterscheidungsmerkmal zwischen einer beliebigen Datenbank und einem Data Warehouse liegt darin, dass das Data Warehouse eine Vielzahl von Daten aus sehr unterschiedlichen Quellen über einen gewissen Zeitraum enthält. Dadurch wird eine Gesamtsicht auf den Datenbestand und damit auch auf einen Gesamtprozess bzw. eine Prozessumgebung ermöglicht.⁸ Der kontinuierliche Prozess, ein Data Warehouse mit Eingangsdaten zu bestücken, wird als ETL bezeichnet. Dieser Begriff steht für die drei Schritte Extract, Transform und Load, also der Gewinnung der Daten aus den Vorsystemen, der Umwandlung der Daten in ein für das Data Warehouse geeignetes Format sowie gegebenenfalls der Voraggregierung und der Speicherung in dem Data Warehouse.⁹ In der Abbildung 1 wird die Position des Data Warehouses in einer BI-Architektur dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Position des Data Warehouse in der BI-Architektur¹⁰

Die OLAP-Analyse (Online Analytical Processing) ist eine Basistechnologie zur Auswertung komplexer mehrdimensionaler Modelle, die verschiedenen Bereich eingesetzt werden kann (siehe Abbildung 2). Im Gegensatz zu klassischen, statischen und zeilenbasierten Abfragen gegen relationale Datenbanken, die auch ohne spezielle BI-Tools möglich sind, bietet OLAP die Möglichkeit, Daten nach mehreren Dimensionen gleichzeitig zu gruppieren und zu analysieren. OLAP nutzt dabei historische Daten und ermöglicht über die Variation von Abfrageparametern die Bewertung verschiedener Handlungsoptionen, woraus wiederum eine Entscheidungsunterstützung für zukünftige Entscheidungen hervorgeht.¹¹

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Einsatzbereich eines OLAP-Servers in der IT-Infrastruktur¹²

Data Mining ist eine Technik, die in großen Datenbeständen Verknüpfungen sucht, die nicht in der Datenstruktur abgelegt sind. Korrelationen zwischen Daten aus zwei oder mehr Dimensionen werden dabei erkannt und die daraus abgeleiteten Zusammenhänge können dargestellt sowie zur Entscheidungsfindung genutzt werden. In Verbindung mit modernen Analysewerkzeugen, bspw. einer Volltext-/Sprachanalyse, können damit solche Zusammenhänge sogar aus einem Fließtext extrahiert werden.¹³

Über verschiedene Oberflächen, Clients oder Web-Frontends, werden die Ergebnisse von OLAP, Data Mining und anderen Auswertungstechnologien visualisiert. Dabei kann die Darstellung in ihrer Art und Detailtiefe in der Regel je nach Benutzerkontext konfiguriert werden.¹⁴ Im Kontext einer Informationsgesellschaft mit schnellen Entscheidungen stellt die Latenz von BI, d.h. die Zeitdauer zwischen der Erfassung der operationellen Daten und der Bereitstellung von Entscheidungshilfen an die Entscheidungsträger, einen wichtigen Performance-Indikator dar. Ab einer gewissen Geschwindigkeit, die jedoch in der Literatur nicht einheitlich definiert ist, spricht man von „Near-Realtime-BI“, also von BI, die keine merkliche Verzögerung aufweist. Als Richtlinie bietet sich an, dass die Latenz der BI-Lösung kürzer sein muss als die sonstigen Verzögerungen auf dem Weg einer Entscheidung und deren Umsetzung. Ein besonderes Feld der BI, das CEP (Complex Event Processing), treibt den Echtzeitansatz auf die Spitze. Es werden dabei die Eingangsdaten nicht aggregiert und später ausgewertet, sondern die Analysen werden direkt auf den eingehenden Datenstrom angewandt. Dies bietet den Vorteil einer minimalen Latenz, verbietet andererseits aber Abfragen, die einen mehrfachen Durchlauf über die gleichen Datensätze erfordern.¹⁵

BI in Unternehmen steht jedoch auch vor Herausforderungen, die gelöst werden müssen, damit BI überhaupt nutzbringend einsetzbar ist. Im Rahmen von immer mehr Daten verschiedenster Arten, wächst ständig der für BI zur Verfügung stehende Datenbestand. Jedoch müssen dieser Datenbestand und der ständige Zustrom an Daten kategorisiert, analysiert und verarbeitet werden. Die wachsende Datenmenge stellt damit ständig wachsende Anforderungen an die verwendeten IT-Systeme.

Die Erfüllung dieser wachsenden Anforderungen durch konventionelle IT-Anlagen kann zu einer Überlastung der Systeme führen, eine Beschränkung von BI-Anwendungen auf Zeiten mit niedriger Last notwendig machen sowie zu erhöhten Ausgaben für Hardware und Personal führen. Weiterhin erhöht die wachsende Komplexität der BI-Systeme den Betriebs- und Wartungsaufwand nochmals, was die rein quantitativen Ressourcenprobleme verstärkt.¹⁶ Selbst wenn genügend Ressourcen zur Verfügung stehen, um die Datenmengen zu bewältigen, ergibt sich aus der reinen Vorhaltung und Kategorisierung der Daten noch keine funktionsfähige BI-Lösung. Erst die Erstellung einer Analytik, die relevante Trends aus den Datenreihen filtert, schafft einen echten Mehrwert für das Unternehmen. Diese Analytiken müssen dabei nicht nur inhaltlich den Anforderungen des Unternehmens genügen, sondern auch ausreichend schnell zur Verfügung stehen, um neue Trends rechtzeitig erkennen zu können.¹⁷ Diese Anforderung an die Geschwindigkeit gilt ebenfalls für die Erfassung der Daten, da nur eine Versorgung mit aktuellen Daten eine situationsgerechte Entscheidungshilfe gewährleisten kann.¹⁸

2.2 Cloud Computing

Cloud Computing ist die Bereitstellung massiv skalierbarer IT-Fähigkeiten als Dienstleistung für externe Kunden, in der Regel übers Internet. Dabei wird zwischen öffentlichen Clouds (Public Cloud), privaten Clouds (Private Cloud) und der sogenannten Hybrid Cloud unterschieden.¹⁹

Öffentliche Clouds sind in aller Regel in der Hand großer IT-Dienstleister (z.B. Google, Amazon, Microsoft) oder spezialisierter Dienstleistungsunternehmen und werden verschiedenen Kunden angeboten, häufig im Rahmen gewisser Paketangebote mit definiertem Leistungsumfang. Bei öffentlichen Clouds haben verschiedene Kunden Zugang zu den gleichen Systemen. Dabei geschieht die sichere Trennung der Daten der verschiedenen Kunden über die verschiedenen Anmeldedaten. Die korrekte systeminterne Umsetzung obliegt dabei den Cloud-Anbietern. Öffentliche Clouds liefern durch Skaleneffekte und eine Auslagerung des Cloud-Betriebs die niedrigsten Betriebskosten und eigenen sich mit minimalem Aufwand für verteiltes Arbeiten. Ein Vorteil von Clouds von Drittanbietern (in der Regel bei öffentlichen Clouds anzutreffen) ist die Gewährleistung festgelegter Service Levels über SLAs (Service Level Agreements) und damit die Auslagerung von Betriebsrisiken auf die Cloud-Anbieter. Spezialisierte Cloud-Anbieter können auch zweckgebundene Hardware bereitstellen, die ein Unternehmen allein nicht auslasten und damit nicht effizient betreiben könnte.²⁰ Öffentliche Clouds sind jedoch durch die Geschwindigkeit ihrer Übertragungswege zwischen Betriebsstätte und Cloud-Standort in der Leistungsfähigkeit begrenzt. Außerdem befindet sich die Cloud außerhalb der Firewall des Unternehmens, was Sicherheitsprobleme aufwirft. Zum einen sind die Cloud und die Übertragungswege zur Cloud für Angreifer über das Internet erreichbar, zum anderen muss das Unternehmen seine Daten dem Cloud-Anbieter anvertrauen und macht sich damit von dessen sorgfältigem Umgang mit vertraulichen und wertvollen Daten abhängig.²¹

Private Clouds sind unternehmensinterne IT-Infrastrukturen, deren Leistung im Gegensatz zu dedizierten Servern nicht einem bestimmten Einsatzzweck zugeordnet sind und die sonst ungenutzt verpufft, sondern dynamisch verschiedenen Anwendungen zugeordnet werden. Genauso wie die Rechenleistung werden auch Speicherplatz und andere IT-Ressourcen dynamisch verwaltet und bei Bedarf zugeordnet. Auch private Clouds bieten Skaleneffekte, da nicht jede Anwendung eine komplett eigene Maschine erhält, jedoch nicht in dem Maße wie öffentliche Clouds. Zudem bringt der Verzicht auf spezialisierte Hardware, und stattdessen der Einsatz von Standardkomponenten, weitere Kostenvorteile. Des Weiteren sind Private Clouds innerhalb der Firewall des Unternehmens eingerichtet, daher genießen sie den gleichen Schutz wie alle anderen Teile des Unternehmensnetzwerks. Diese erfordern im Gegenzug aber für verteiltes Arbeiten eine Tunnel-Lösung zum Unternehmensnetzwerk, wie z.B. VPN (Virtual Private Network). Die Positionierung im Unternehmensnetzwerk bietet neben den Sicherheits- auch Geschwindigkeitsvorteile. Der Betrieb der Cloud durch unternehmenseigene IT-Kräfte, ein typisches, wenn auch nicht zwingendes Merkmal privater Clouds, bindet zwar Ressourcen bei der IT-Abteilung und hält Betriebsrisiken im Unternehmen, stellt andererseits aber den alleinigen Zugriff auf die Cloud und ihre Daten durch unternehmenseigenes Personal sicher und erhöht die Flexibilität, wenn kurzfristige Änderungen an der Cloud-Konfiguration notwendig werden.

Als Hybrid Cloud werden Mischformen aus privater und öffentlicher Cloud bezeichnet. Je nach Konfiguration und Anforderung kann eine Trennung anhand der Daten erfolgen, bspw. hochsensible Daten in einer privaten- und weniger kritische Daten in einer öffentlichen Cloud. Es ist aber auch möglich dynamisch je nach Last, bspw. mit einem Regelbetrieb in der privaten Cloud und der Abfederung von Lastspitzen über die öffentliche Cloud zu agieren.²²

Eine weitere Kategorisierung für Clouds ist die Ebene, auf der ein Anbieter seine Dienstleistungen bereitstellt. Diese werden in drei verschiedene Typen unterschieden: IaaS (Infrastructure as a Service), PaaS (Platform as a Service) und SaaS (Software as a Service).²³ Die unterste Ebene eines Cloud-Angebots ist IaaS, wobei eine abstrahierte Sicht auf Hardwareressourcen (Prozessorzeit, Arbeits- und Massenspeicher sowie Netzwerkanbindung) bereitgestellt wird, die der Cloud-Kunde dann wie dedizierte Hardware für verschiedenste Zwecke einsetzen kann. Hierbei hat der Kunde maximale Flexibilität, allerdings auch den größten Aufwand, da der komplette Systembetrieb, abgesehen von der Wartung und dem Ersatz von Hardware, beim Kunden bleibt.

Die nächste Stufe stellt PaaS dar. Hier stellt der Cloud-Anbieter neben den Hardware-Ressourcen auch bereits eine Programmier- und Ausführungsumgebung bereit, in deren Rahmen der jeweilige Cloud-Kunde dann eigene Projekte umsetzen kann. Die Programmlogik wird dabei vom Kunden implementiert. Diese Lösung ist sehr vorteilhaft für Kunden, die zwar individuelle Anforderungen an die konkrete Softwarelösung haben und diese deshalb gern selbst implementieren würden, dabei aber mit Standardschnittstellen und -umgebungen arbeiten können. Der Kunde trägt dabei nur noch die Verantwortung für die Applikation. Um ein solches Angebot zu nutzen, muss die Applikation des Kunden jedoch auf der bereitgestellten Plattform lauffähig sein.²⁴ Häufig werden PaaS-Clouds als Kooperation zwischen einem IaaS-Anbieter und einem spezialisierten Plattformanbieter bereitgestellt, wobei der Plattformanbieter nur für den Betrieb der Plattformsoftware zuständig ist und die Infrastrukturleistung vom IaaS-Anbieter einkauft.²⁵ Die PaaS schließt die IaaS-Stufe dabei mit ein.

Die höchste Stufe gängiger Cloud-Angebote ist SaaS (Software as a Service). Bei SaaS stellt der Cloud-Anbieter fertige Anwendungen zur Verfügung, die der Kunde einfach nutzen kann. Im einfachsten Fall meldet der Kunde sich dabei an einem Web-Portal an und erhält sofort Zugriff auf die vorkonfigurierten Anwendungen des Anbieters. Ein solches Angebot empfiehlt sich für Standardanwendungen oder wenn keine Applikationsentwickler beim Kunden zur Verfügung stehen und der Cloud-Anbieter mit der Entwicklung einer bestimmten Applikation beauftragt wird. Vorteil einer solchen Lösung ist, besonders bei Standardanwendungen, die schnelle Nutzbarkeit und die Übertragung der gesamten Betriebsverantwortung an den Anbieter. Nachteilig ist die Beschränkung auf Standardaufgaben bzw., bei der individuellen Beauftragung, die terminlichen und vertraglichen Beschränkungen wie bei jeder externen Auftragsvergabe.²⁶

3 Business Intelligence in the Cloud

Heutzutage gewinnen BI-Clouds in Unternehmen immer mehr an Popularität, hauptsächlich durch die Realisierung der Vorteile im Bereich der Datenanalyse.²⁷ Die BI-Cloud wird daher als neuer Weg zur Nutzung von BI gesehen.²⁸

Im vorangegangen Kapitel wurden die Begriffe BI und CC vorgestellt und insbesondere die verschiedenen Arten an Clouds erläutert. In Kapitel 3.1 erfolgt nun die Definition der BI-Cloud und danach in Kapitel 3.2 die Darstellung der verschiedenen Frameworks von Cloud-Services im Bezug auf BI. Anschließend erfolgt in Kapitel 3.3 eine Analyse, welche BI-Clouds in Unternehmen Vorteile generieren, die je nach Unternehmensgröße und IT-Entwicklung unterschiedlich sind. Dabei erfolgt die Bewertung anhand vier Beispielunternehmen.

3.1 Definition

Eine BI-Cloud ist eine Architektur, die analytische Funktionen zur Ausführung von BI-Funktionen als Dienste zur Verfügung stellt. Dabei ist zunächst unerheblich, welches der obigen Cloud-Modelle angewandt wird. Durch den Einsatz von BI-Applikationen auf einem Cloud-Computing-System, das durch den Kunden oder durch den Anbieter der Cloud erfolgen kann, wird eine generische Cloud zur BI-Cloud.²⁹ Die BI-Software läuft also in der Cloud und wird bei wachsendem Ressourcenbedarf automatisch erweitert.³⁰

3.2 Frameworks

Bei der Betrachtung der Frameworks empfiehlt sich eine feinere Einteilung der Cloud-Services in Bezug auf Spezifika von BI-Anwendungen. Die Gruppe der SaaS kann dabei aufgeteilt werden in DaaS (Data as a Service), MaaS (Model as a Service) und VaaS (Visualisation as a Service).³¹ Wird nicht der gesamte BI-Prozess der Datenbeschaffung und -haltung, der analytischen Auswertung und der Aufbereitung für die Ausgabe fest betrachtet, sondern durch einzelne Anwendungen verwirklicht, so können diese auch als einzelne „Services“ getrennt in eine Cloud-Umgebung verlagert werden. Technologische Aspekte von BI-Systemen, die unabhängig von der Implementierungsplattform sind, bspw. verschiedene Zugriffsmethoden oder Datenbankschemat,³² sollen hier nicht weiter behandelt werden, da sie gleichermaßen auf Cloud-basierte und klassische serverbasierte BI-Lösungen zutreffen. Die Verantwortung für die richtige Auswahl der Datenbankschemata etc. hängt jedoch von der gewählten Lösung ab. Bei einer IaaS- oder PaaS-Cloud hängt die beim Kunden verfügbare Leistung von dessen Designentscheidungen für das Datenbanksystem ab. Bei einer SaaS-Cloud jedoch vom gewählten und vereinbarten Service Level. Auch Echtzeitfähigkeiten sind weniger ein Unterscheidungsmerkmal zwischen verschiedenen Cloud- und Vor-Ort-Lösungen, sondern ergeben sich größtenteils aus der Leistungsfähigkeit der Lösung. Dementsprechend werden diese auch nicht explizit bewertet, sondern unter dem Aspekt der Leistung zusammengefasst. Nicht alle denkbaren Kombinationen aus der Verortung der Cloud (private, öffentliche und hybrid) und Servicemodell sind für den Einsatz von BI geeignet. Die wichtigsten Modelle werden im Folgenden vorgestellt.³³

3.2.1 Private Cloud

Der Betrieb von BI-Systemen auf privaten Clouds birgt aus Anwendungs- und Anwendersicht die geringsten Umstellungen. Durch die unternehmensinterne Bereitstellung der IT-Ressourcen bleiben die Ansprechpartner die gleichen wie bei der Nutzung klassischer Rechenzentren bzw. Server. Der Unterschied ergibt sich bei privaten IaaS- und PaaS-Einsätzen in der dynamischen Lastzuweisung für BI. Ist auch die unternehmensinterne Anwendungsentwicklung in den Cloud-Betrieb mit einbezogen bzw. wird eine Cloud-fähige Lösung eines Drittanbieters auf einer privaten Cloud eingesetzt, sind interne DaaS-, MaaS- sowie VaaS-Lösungen sowie vollständige SaaS-BI-Clouds denkbar. Die Schnittstellenproblematik bei der Verwendung einer Teillösung (DaaS, MaaS und/oder VaaS), gemeinsam mit klassischen nicht-Cloud-Anwendungen für die verbleibenden Teile, wird bei einer privaten Cloud durch die gemeinsame Verortung im Unternehmensnetzwerk entschärft.

3.2.2 Öffentliche IaaS-Cloud

Der Einsatz einer BI-Lösung auf einer öffentlichen IaaS-Cloud bietet den Kunden eine große Auswahl an möglichen Anbietern, da die Voraussetzungen nur in der Bereitstellung ausreichender Hardwarekapazitäten und physischer Sicherheit dieser Hardware bestehen. Beides sind in der Regel aber unproblematische Aspekte. Hier kann gegebenenfalls eine bestehende BI-Lösung weiter verwendet werden, ohne den Beschränkungen der unternehmenseigenen IT-Ressourcen unterworfen zu sein. Allerdings erfordert eine derartige Lösung weiterhin den Plattform- und Anwendungsbetrieb durch interne IT-Kräfte, was einen Personal- und Verwaltungsaufwand mit sich bringt.

3.2.3 Öffentliche oder Hybrid-PaaS-Cloud

Eine PaaS-Cloud eignet sich gleichermaßen zum Einsatz eines BI-Produktivsystems wie auch zur Entwicklung bzw. zum Prototyping von BI-Systemen. Der besondere Vorteil ist die Bereitstellung einer geeigneten Kombination aus System-, Entwicklungs- und Betriebsumgebung durch den Cloud-Anbieter, bei gleichzeitiger Flexibilität der darauf entwickelten und/oder betriebenen BI-Anwendungen. Dieser Vorteil steht in enger Verbindung mit der Beschränkung auf eine Entwicklungs- und Betriebsumgebung für alle Anwendungen, die im Rahmen der Cloud betrieben werden sollen.

3.2.4 Öffentliche oder Hybrid-SaaS-Cloud

Eine SaaS-BI-Cloud, ggf. in Verbindung mit einem bestehenden Reporting und einer unternehmenseigenen Datenbank auch als MaaS-Lösung, liefert schnelle Ergebnisse und erfordert seitens des Kunden keinerlei Aufwand für die Erstellung einer Analytiklösung für BI. In Bezug auf umfassende SaaS-Lösungen steht der schnelle und unkomplizierte Einsatz einer begrenzten Auswahl an Anbietern mit vollständigen BI-Lösungen gegenüber. Wird ein MaaS-Modell gewählt, müssen Schnittstellen zwischen unternehmenseigenen und Cloud-Lösungen definiert und implementiert werden. In beiden Szenarien stellen Datenschutz und das Vertrauen in den Cloud-Anbieter wichtige Voraussetzungen dar.³⁴

[...]

¹ Vgl. Thompson (2010), S. 1-3.

² Vgl. Ouf (2011), S. 750.

³ Vgl. Seufert (2010), S. 34 f.

⁴ Vgl. Thompson (2010), S. 1.

⁵ Vgl. BARC (2014), S. 5.

⁶ Vgl. Seufert (2010), S. 36.

⁷ Vgl. Bauer (2004), S. 120 ff.

⁸ Vgl. Sigloch (2012), S. 13.

⁹ Vgl. Seufert (2010), S. 35 f.

¹⁰ Vgl. Chaudhuri (2011), S. 90.

¹¹ Vgl. Codd (1998), S. 9.

¹² Vgl. Codd (1998), S. 3.

¹³ Vgl. Chaudhuri (2011), S. 97.

¹⁴ Vgl. Seufert (2010), S. 36.

¹⁵ Vgl. Chaudhuri (2011), S. 95.

¹⁶ Vgl. Thompson (2010), S. 1 f.

¹⁷ Vgl. Thompson (2010), S. 1.

¹⁸ Vgl. Chaudhuri (2011), S. 95.

¹⁹ Vgl. Seufert (2010), S. 34.

²⁰ Vgl. Seufert (2010), S. 7 f.

²¹ Vgl. Ponemon (2014), S. 4 f.

²² Vgl. Seufert (2010), S. 37.

²³ Vgl. Al-Aqrabi (2015), S. 85.

²⁴ Vgl. Seufert (2010), S. 36 f.

²⁵ Vgl. Gurjar (2013), S. 84.

²⁶ Vgl. Seufert (2010), S. 4 f.

²⁷ Vgl. Al-Aqrabi (2015), S. 88.

²⁸ Vgl. Ouf (2011), S. 750.

²⁹ Vgl. Gurjar (2013), S. 82 f.

³⁰ Vgl. Ouf (2011), S. 750.

³¹ Vgl. Seufert (2010), S. 4 f.

³² Vgl. Chaudhuri (2011), S. 91 ff.

³³ Vgl. Gurjar (2013), S. 84.

³⁴ Vgl. Gujar (2013), S. 84.