Bedeutung von Business Intelligence im Unternehmen


Seminararbeit, 2016
24 Seiten, Note: 1,3
Anonym

Leseprobe

Inhaltsverzeichnis

Darstellungsverzeichnis

Abkürzungsverzeichnis

1 Die Bedeutung von Business Intelligence

2 Grundlagen Business Intelligence
2.1 Begriffsentwicklung managementunterstützender Systeme
2.2 Definition Business Intelligence
2.3 Rahmenarchitektur Business Intelligence

3 Business Intelligence im Unternehmen
3.1 Notwendigkeit von Business Intelligence im Unternehmen
3.2 Einsatzebenen von Business Intelligence im Unternehmen
3.3 Nutzen von Business Intelligence im Unternehmen
3.3.1 Umsatzsteigerung
3.3.2 Kostensenkung
3.3.3 Entscheidungsunterstützung in allen Anwendungsbereichen
3.4 Risiken bei der Einführung eines BI-Konzeptes im Unternehmen

4 Ausblick zur weiteren Entwicklung von BI im Unternehmen

Literaturverzeichnis

Darstellungsverzeichnis

Darstellung 1: BI-Rahmenarchitektur

Darstellung 2: Einsatzebenen von Business Intelligence im Unternehmen

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Die Bedeutung von Business Intelligence

“There is significant hidden value locked away in corporate databases waiting to be discovered and exploited”

(LOSHIN 2003, S. 1)

Dieses Zitat zeigt: Für Unternehmen ist es lohnenswert und zunehmend essentiell, gezielte Datenanalysen durchzuführen und hieraus einen Wert zu generieren. Ein Konzept hierfür ist Business Intelligence (BI).

Im halbjährlich durch den Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e.V. (BITKOM) durchgeführten Branchenbarometer stufen im Jahr 2013 die befragten Unternehmen der Informations- und Kommunikationstechnik-Branche Business Intelligence zusammen mit Big Data als drittwichtigsten Trend ein (nach BITKOM 2013, o. S.). Zwei Jahre später haben sich zwar die Begrifflichkeiten geändert; Big Data und Datability liegen dennoch auf Platz 3 (nach BITKOM 2015, o. S.). Ohne Zweifel ist es für Unternehmen zunehmend unabdingbar, aus der Analyse von Daten eine Strategie für ein langfristig profitables Wirtschaften abzuleiten.

Ziel der vorliegenden Arbeit ist, die Bedeutung von Business Intelligence im Unternehmen herauszuarbeiten. Hierzu ist es zunächst notwendig, in die Grundlagen von Business Intelligence einzuführen. Zu Beginn wird dafür zunächst auf die historische Entwicklung der Begrifflichkeiten managementunterstützender Systeme eingegangen (Kapitel 2.1), um anschließend den Begriff Business Intelligence näher zu umreißen (Kapitel 2.2). Zur weiteren inhaltlichen Anreicherung des Begriffs Business Intelligence wird im nachfolgenden Kapitel die BI-Rahmenarchitektur vorgestellt (Kapitel 2.3).

In Kapitel 3 wird anschließend auf das Themenfeld Business Intelligence im Unternehmen eingegangen. Hierbei wird zunächst die Notwendigkeit für BI im Unternehmen erläutert (Kapitel 3.1). Nachfolgend werden die verschiedenen Einsatzebenen für Business Intelligence im Unternehmen aufgezeigt (Kapitel 3.2), um anschließend den konkreten Nutzen von BI (Kapitel 3.3), aber auch die Risiken, die bei einer BI-Einführung eintreten können, aufzuzeigen (Kapitel 3.4).

2 Grundlagen Business Intelligence

Um die Bedeutung von Business Intelligence im Unternehmen darzulegen, müssen zunächst die Grundlagen von Business Intelligence näher beleuchtet werden. Im Folgenden geschieht dies über eine kurze Einführung in die historische Entwicklung der Begrifflichkeiten, eine Definition von Business Intelligence und abschließend die Beschreibung einer typischen BI-Rahmenarchitektur.

2.1 Begriffsentwicklung managementunterstützender Systeme

Systeme, die das Management im Unternehmen in der Entscheidungsfindung unterstützen sollen, gibt es im Grunde schon seit es die Informationstechnik (IT) gibt, auch wenn sich die Begrifflichkeiten im Zeitverlauf gewandelt haben (nach ENGELS 2009, S. 4).

In den 1960er-Jahren sprach man hauptsächlich von den sogenannten Managementinformationssystemen (MIS). Diese waren ursprünglich als Gesamtansatz zur betrieblichen Entscheidungsunterstützung konzipiert, eine durchgängige Implementierung scheiterte jedoch u. a. aufgrund einer fehlenden technischen Machbarkeit. Mithilfe der MIS wurde letzten Endes eher ein automatisiertes Berichtswesen etabliert, welches überwiegend interne Daten aufbereitet und keine Dialogelemente oder Personalisierungsmöglichkeiten bietet (nach CHAMONI, GLUCHOWSKI 2006, S. 6 f).

In den 1970er-Jahren rückte der Aspekt der konkreten Entscheidungsunterstützung in den Vordergrund, was sich auch in der in diesem Zeitraum häufig verwendeten Bezeichnung der Entscheidungsunterstützungssysteme (EUS) ausdrückt. Diese verarbeiteten erstmalig auch externe Daten und sollten eine Hilfestellung für einen spezifischen, komplexen Problembereich bieten (nach ABTS, MÜLDER 2009, S. 245). Im Gegensatz zu den MIS sollten die EUS mehr leisten als eine bloße Datenbereitstellung. Ein EUS sollte dem Nutzer relevante Daten (beispielsweise über den Vergleich verschiedener Alternativen) zur Verfügung stellen, mit dem Ziel, bessere Entscheidungen zu treffen (nach CHAMONI, GLUCHOWSKI 2006, S. 7). Ein Problem hierbei ist, dass die in den 1970er-Jahren konzipierten EUS häufig bloße Insellösungen für einzelne Probleme darstellten; es fehlte ein zusammenführendes Gesamtkonzept (vgl. CHAMONI, GLUCHOWSKI 2006, S. 7).

Ca. ab 1980 gab es einen weiteren Wandel der Begrifflichkeiten: Ab dann sprach man von Führungsinformationssystemen (FIS), die konsequent auf das Top-Management ausgerichtet waren. Mithilfe dieser Systeme sollten Entscheidungsträger der oberen Management-Ebenen umfassend und individuell, mithilfe aggregierter interner und externer (z. T. auch unstrukturiert vorliegender) Daten, auf ihre Entscheidungen vorbereitet werden (nach KEMPER, BAARS, MEHANNA 2010, S. 130). Hierbei kennzeichnet diese Systeme insbesondere eine individuell gestaltbare, interaktive Benutzeroberfläche, die es dem Nutzer ermöglicht, gezielt nach den jeweils relevanten Informationen zu suchen (nach GLUCHOWSKI, GABRIEL, DITTMAR 2008, S. 75). Heute werden diese Systeme jedoch eher durch die Fachbereiche als – wie ursprünglich vorgesehen – durch das Top-Management genutzt (nach CHAMONI, GLUCHOWSKI 2006, S. 8).

Für das Konglomerat all dieser Systeme wird heute häufig der Begriff Managementunterstützungssysteme (MUS) verwendet (nach CHAMONI, GLUCHOWSKI 2006, S. 9). Demgemäß sind hierunter alle Systeme zu fassen, die „für Führungskräfte eine adäquate Informationsversorgung und Entscheidungsunterstützung biete[n]“ (HANSEN, NEUMANN 2009, S. 1001).

2.2 Definition Business Intelligence

Erstmalig verwendet wurde der Begriff Business Intelligence schon bei LUHN (1958, S. 314); er ist jedoch bis heute nicht immer einheitlich definiert (vgl. KEMPER, RAUSCH, BAARS 2013, S. 4). Abgeleitet aus den in Kapitel 2.1 beschriebenen Systemen wird der Begriff Business Intelligence z. T. synonym zu dem Begriff der Managementunterstützungssysteme verwendet (vgl. GLUCHOWKSI, GABRIEL, DITTMAR 2008, S. 5).

KEMPER, BAARS und MEHANNA (2010, S. 9) verwenden eine etwas andere Definition, die auch der vorliegenden Arbeit zugrunde gelegt werden soll: „Business Intelligence […] bezeichnet einen integrierten, unternehmensspezifischen, IT-basierten Gesamtansatz zur betrieblichen Entscheidungsunterstützung.“ Hiernach ist BI also nicht ein bloßer Sammelbegriff für eine Vielzahl von Systemen; es stellt vielmehr die „vertikale Integration […] der verschiedenen managementunterstützenden Systeme“ dar (ABTS, MÜLDER 2009, S. 258). Dabei können lediglich die Werkzeuge für BI am Markt gekauft werden, die Implementierung eines BI-Gesamtkonzeptes hat unternehmensindividuell zu erfolgen (KEMPER, BAARS 2006, S. 9).

2.3 Rahmenarchitektur Business Intelligence

Auch wenn die Umsetzung eines BI-Konzeptes unternehmensindividuell erfolgen muss, so gibt es doch ein BI-Rahmenkonzept, welches sich allgemeingültig anwenden lässt. Dieses besteht aus mehreren Schichten, die im Folgenden vorgestellt werden.

Die unterste Schicht bilden die operativen Systeme mit ihren operativen Daten. Hierzu zählen z. B. Customer-Relationship-Management-Systeme (CRM) oder Enterprise-Resource-Planning-Systeme (ERP). Operative Daten sind dadurch gekennzeichnet, dass sie detaillierte Geschäftsvorfälle abbilden. Sie sind häufig inkonsistent und z. T. redundant (nach KEMPER, BAARS, MEHANNA 2010, S. 16). Ein Beispiel hierfür sind Bestelldaten von Kunden o. ä. (vgl. MÜLLER, LENZ 2013, S. 4).

Zur Generierung managementrelevanter Informationen müssen die operativen Daten zunächst in dispositive Daten umgewandelt werden. Dispositive Daten liegen also meist in aggregierter Sicht vor, sind standardisiert und auf ein spezifisches Themengebiet bezogen (nach KEMPER, BAARS, MEHANNA 2010, S. 16).

Die Umwandlung operativer Daten in durch die Entscheidungsträger interpretierbare Daten geschieht mittels des sogenannten ETL-Prozesses (vgl. KEMPER, BAARS, MEHANNA 2010, S. 27). Dabei läuft der Prozess nach HANSEN, NEUMANN (2009, S. 1019) in folgenden Schritten ab, von denen sich auch die Bezeichnung „ETL“ ableitet:

1. Extraction: das Extrahieren der operativen Daten aus den operativen Systemen,
2. Transformation: die Umwandlung der operativen Daten in dispositive Daten durch z. B. Bereinigung von Dubletten, Aggregation o. ä.,
3. Loading: das Laden der transformierten Daten in ein Data Warehouse.

Dieser Prozess wird regelmäßig (meist täglich) durchgeführt, um die Aktualität der Daten im Data Warehouse zu gewährleisten. Das Data Warehouse ist eine Datenbank, in der alle entscheidungsrelevanten Daten gespeichert werden (nach ABTS, MÜLDER 2009, S. 251). Es ist themenorientiert strukturiert, ermöglicht somit die gezielte Recherche nach Informationen (nach KEMPER, BAARS, MEHANNA 2010, S. 20) und fungiert als sogenannter „single point of truth“ (GLUCHOWSKI, GABRIEL, DITTMAR 2008, S. 124), da mithilfe des ETL-Prozesses unternehmensweite Daten von Widersprüchen befreit und standardisiert wurden. Ggf. finden in einzelnen Bereichen sogenannte Data Marts Anwendung. Diese funktionieren prinzipiell wie ein Data Warehouse, stellen jedoch nur einen Ausschnitt der gesamten Unternehmensdaten zur Verfügung, der auf die Informationsbedürfnisse des jeweiligen Bereiches zugeschnitten ist (nach LOSHIN 2003, S. 240).

Zur Analyse der Daten aus dem Data Warehouse bzw. den Data Marts werden anschließend Business-Intelligence-Applikationen verwendet. Diese filtern aus der Fülle an Daten die für die jeweilige Entscheidung wesentlichen Informationen heraus und strukturieren diese (nach ENGELS 2009, S. 10). Insbesondere kommen hierbei zwei Techniken zum Einsatz: Mithilfe von On-Line Analytical Processing (OLAP) können mehrdimensionale Berichtswürfel generiert werden (nach ABTS, MÜLDER 2009, S. 255). Die zweite wichtige BI-Technik, das Data-Mining, hilft, in einer großen Menge von Daten Zusammenhänge und Muster zu erkennen sowie ggf. Trends und Prognosen abzuleiten. Hierfür kommen vor allem statistische Verfahren zum Einsatz (vgl. HANSEN, NEUMANN 2009, S. 1032).

Die letzte Schicht der BI-Rahmenarchitektur bildet die Visualisierungsschicht. Die mithilfe der BI-Applikationen analysierten Informationen werden übersichtlich, personalisiert und graphisch veranschaulicht aufbereitet und sind damit für das Management geeignet (nach KEMPER, BAARS 2006, S. 16). Dies kann z. B. mithilfe eines Dashboardes erfolgen, welches eine Auswahl verschiedener Reports zur Verfügung stellt (nach BACHMANN, KEMPER 2011, S. 107 ff.). Unternehmensportale bieten dem Nutzer hingegen die Möglichkeit, sich selbstständig weiterführende Informationen in unterschiedlichen Detaillierungsgraden aus verschiedenen Blickwinkeln anzeigen zu lassen (nach GLUCHOWSKI, GABRIEL, DITTMAR, 2008, S. 216).

Alle Schichten der BI-Rahmenarchitektur sind noch einmal in Darst. 1 abgebildet.

Darst. 1: BI-Rahmenarchitektur

Abbildung in dieser Leseprobe nicht enthalten

Quelle: In Anlehnung an KEMPER, BAARS, MEHANNA 2010, S. 10 & 25 ff.

3 Business Intelligence im Unternehmen

Da nun die Grundlagen von Business Intelligence ausführlich erläutert wurden, soll im Folgenden auf die konkrete Bedeutung von Business Intelligence im Unternehmen eingegangen werden. Hierzu wird zunächst noch einmal dargestellt, welche Einflüsse und Rahmenbedingungen die Einführung eines BI-Konzeptes im Unternehmen notwendig machen. Im Anschluss werden die Einsatzebenen von BI im Unternehmen vorgestellt, um abschließend noch einmal Nutzen und Risiken von BI für das Unternehmen zu erläutern.

3.1 Notwendigkeit von Business Intelligence im Unternehmen

Unternehmen stehen in Zeiten der Globalisierung unter zunehmendem Druck. Insbesondere müssen Produktionszyklen verkürzt und Kosten gesenkt werden, um sich im weltweiten Wettbewerb – bei gleichzeitig knappen Ressourcen – behaupten zu können (vgl. DINTER, BUCHER 2006, S. 25; CHAMONI, GLUCHOWSKI 2006, S. 4; KEMPER, BAARS, LASI 2013, S. 13).

Der technische Fortschritt ist rasant (vgl. KEMPER, RAUSCH, BAARS 2013, S. 3) und es müssen die Anforderungen von einer zunehmenden Anzahl an Stakeholdern erfüllt werden. Hierunter fallen insbesondere Transparenz-anforderungen und die Umsetzung spezieller Gesetze zu Compliance und Regulierung (z. B. das Gesetz zur Kontrolle und Transparenz im Unternehmensbereich; KonTraG) (vgl. KEMPER, BAARS 2006, S. 8; DINTER, BUCHER 2006, S. 24).

Nicht zuletzt soll das Internet und sein Einfluss auf die Geschäftsprozesse angeführt werden. Als Schlagwort sei hier eBusiness genannt, welches die Zusammenarbeit zwischen Unternehmen, Kunden und Lieferanten grundlegend ändert (nach KEMPER, BAARS 2006, S. 9). Ansprüche von Kunden und Usern werden immer höher bei einer gleichzeitig geringen Zahlungsbereitschaft und gesättigten Märkten (vgl. DINTER, BUCHER 2006, S. 25; MÜLLER, LENZ 2013, S. 2; BACHMANN, KEMPER 2011, S.23).

Insgesamt lässt sich also festhalten, dass sich Unternehmen in einer zunehmend komplexen und volatilen Umwelt bewegen, was eine hohe Flexibilität der Unternehmen erforderlich macht (vgl. KEMPER, RAUSCH, BAARS 2013, S. 3; MÜLLER, LENZ 2013, S. 1; BACHMANN, KEMPER 2011, S. 22 f.).

Dies alles führt zu einer Explosion des Datenvolumens und für Unternehmen wird es immer schwieriger, wichtiges von unwichtigem zu unterscheiden (vgl. KEMPER, BAARS 2006, S. 9). Hinzu kommt, dass Daten häufig nur in semi- oder unstrukturierter Form vorliegen (vgl. MÜLLER, LENZ 2013, S. 1 f). Entscheidungen im Unternehmen werden demgemäß immer komplexer (nach KEMPER, BAARS 2006, S. 8).

Die unternehmensinternen Gegebenheiten lassen jedoch häufig keine systematische Analyse der riesigen Datenvolumen zu. Die IT-Landschaft in Unternehmen ist in den meisten Fällen sehr heterogen und wenig standardisiert. Z. T. ist dies auch durch Unternehmenszusammenschlüsse und -zukäufe bedingt, bei denen keine Vereinheitlichung der IT-Landschaft vorgenommen wurde (nach BACHMANN, KEMPER 2011, S.41 f.; HANSEN, NEUMANN 2009, S. 1017). Insellösungen erschweren den unternehmenseinheitlichen, konsistenten Blick auf relevante Daten und hiermit auch das Fällen zunehmend komplexer Entscheidungen. Durch die fehlende Transparenz werden Prozesse häufig ineffizient ausgeführt und Ressourcen nicht sinnvoll genutzt.

Business Intelligence mit dem in Kapitel 2.3 beschriebenen Data-Warehouse-Konzept stellt eine Lösung dieses Problems dar (nach HANSEN, NEUMANN 2009, S. 1017; KEMPER, BAARS 2006, S. 9). Mithilfe eines unternehmensweiten BI-Konzeptes können relevante Informationen verlässlich herausgefiltert und in aktueller Form bereitgestellt werden. Komplexe Entscheidungen werden zunehmend automatisiert vorbereitet und unterstützt (nach KEMPER, RAUSCH, BAARS 2013, S. 3; BACHMANN, KEMPER 2011, S. 22 f.).

Die genannten externen Trends und unternehmensinternen Gegebenheiten machen es für Unternehmen zunehmend unabdingbar, aus der systematischen Datenanalyse einen Wettbewerbsvorteil zu generieren, und den Produktionsfaktor Information beim Fällen jeglicher betriebswirtschaftlicher Entscheidungen sinnvoll zu nutzen (in Anlehnung an CHAMONI, GLUCHOWSKI 2006, S. 4).

3.2 Einsatzebenen von Business Intelligence im Unternehmen

Im Folgenden wird nun dargestellt, auf welchen Einsatzebenen ein unternehmensweiter BI-Ansatz implementiert werden sollte.

Da BI dabei helfen soll, bessere Entscheidungen zu treffen, dient es primär zur Unterstützung aller Entscheidungsträger und hilft damit hauptsächlich allen Führungskräfte im Unternehmen (in Anlehnung an HANSEN, NEUMANN 2009, S. 1002). Hierunter fallen die Ebenen des Top-, Middle- und Lower Managements.

Das Top-Management besteht im Wesentlichen aus dem Vorstand bzw. der Geschäftsführung eines Unternehmens. Auf dieser Ebene werden Entscheidungen von hoher strategischer Wichtigkeit – mit langfristigen Folgen – getroffen (nach KEMPER, BAARS, MEHANNA 2010, S. 10). Da sich diese Entscheidungen auf einen Zeitraum in der weiteren Zukunft beziehen, werden sie häufig unter Unsicherheit gefällt. Unerwartete Ereignisse müssen vorhergesehen und eventuell auftretende Probleme rechtzeitig erkannt werden. Alle diese Anforderungen muss eine BI-Applikation auf dieser Ebene berücksichtigen, z. B. durch die Einbeziehung externer Daten und das Aufstellen mathematischer Modelle und Prognosen (nach HANSEN, NEUMANN 2009, S. 1001 ff.). Zur Verdeutlichung soll noch ein denkbares Beispiel für eine strategische Entscheidung genannt werden:

Der Vorstand eines Bekleidungskonzerns beschließt, in den US-amerikanischen Markt einzutreten, da hier mithilfe von BI-Analysen ein großes Umsatzpotenzial ermittelt wurde.

Auch Entscheidungen des Middle-Managements lassen sich durch BI-Applikationen unterstützen. Auf dieser Ebene geht es primär um die Umsetzung der durch das Top-Management festgelegten Strategie, in dem Entscheidungen auf taktischer Ebene gefällt werden (nach HANSEN, NEUMANN 2009, S. 1003). Angewandt auf das oben genannte fiktive Unternehmen würde dies beispielsweise bedeuten:

Der Vertriebsleiter des Bekleidungskonzerns wählt 3 US-amerikanische Städte aus, in der die ersten Filialen des Unternehmens eröffnet werden sollen. Diese haben sich nach einer ausführlichen Analyse relevanter Daten als besonders geeignet erwiesen.

Das Lower Management trifft schließlich Entscheidungen auf operativer Ebene, also im täglichen Geschäft. Hierfür ist es eine Grundvoraussetzung, dass die nötigen (zumeist internen) Daten stets in aktueller Form vorliegen (nach HANSEN, NEUMANN 2009, S. 1004). Ein Beispiel für eine operative Entscheidung im oben genannten Unternehmen wäre:

Der neue ernannte Filialleiter der Filiale in Chicago wählt aus dem zur Verfügung stehenden Sortiment eine Erstbestückung seines Point of Sales aus. Auf Basis der Abverkaufsdaten in den folgenden Tagen wird der Warenbestand regelmäßig angepasst.

Insbesondere das gewählte Beispiel zeigt, dass mithilfe von Business Intelligence auf allen Führungsebenen im Unternehmen wichtige und notwendige Informationen bereitgestellt werden können.

Zusätzlich sind die Unternehmensbereiche mit Unterstützungs- und Koordinationsfunktionen auf Business-Intelligence-Applikationen und die mit deren Hilfe generierten Informationen angewiesen, um Entscheidungen der Management-Ebene angemessen vorbereiten zu können. Beispielsweise sei hier der Controlling-Bereich eines Unternehmens genannt (nach KEMPER, BAARS, MEHANNA 2010, S. 10).

Wie in Kapitel 2.3 beschrieben, beziehen Business-Intelligence-Applikationen die zur Analyse nötigen internen Daten aus den operativen Systemen. Abgrenzend zu den Führungsebenen des Unternehmens handelt es sich hierbei um die ausführende Ebene, auf der Mitarbeiter ohne Führungsfunktion tätig sind. Externe Daten, die zur Entscheidungsfindung des Managements nötig sind, gehen ebenfalls in BI-Analysen ein. Hierbei kann es sich z. B. um Konjunkturdaten oder Daten über die Konkurrenz handeln (nach GLUCHOWSKI, GABRIEL, DITTMAR 2008, S. 110).

Darstellung 2 bietet noch einmal einen Gesamtüberblick über die gerade behandelten Einsatzebenen von BI. Wie sich herausstellt, ist Business Intelligence nahezu im gesamten Unternehmen relevant (vgl. KEMPER, BAARS, MEHANNA 2010, S. 10).

Darst. 2: Einsatzebenen von Business Intelligence im Unternehmen

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Nach KEMPER, BAARS, MEHANNA 2010, S. 9.

Abschließend ist anzumerken, dass nach aktueller Lehrmeinung eine Einstufung verschiedener BI-Applikationen nach hierarischer Nutzergruppe zunehmend als unpassend erachtet wird. Auch wenn BI-Applikationen ursprünglich für die Anwendung durch Führungskräfte konzipiert wurden, werden Datenanalysen verstärkt auch von Fachkräften der operativen Ebene durchgeführt (vgl. CHAMONI, GLUCHOWSKI 2006, S. 4 & S. 10). Zur Integration dieses Aspektes in das oben vorgestellte Konzept für BI im Unternehmen, wird die Definition des Managementbegriffs zum Teil auch insofern erweitert, dass hierunter auch Mitarbeiter fallen, die in ihrer täglichen Arbeit umfangreiche Analysetätigkeiten leisten (vgl. GLUCHOWSKI, GABRIEL, DITTMAR 2008, S. 15).

Andere Ansätze erachten eine Kategorisierung von BI-Applikationen nach Anwendungsfeldern als sinnvoller (vgl. CHAMONI, GLUCHOWSKI 2006, S. 10). Im Folgenden soll daher der konkrete Nutzen von Business Intelligence noch einmal anhand der verschiedenen Anwendungsfelder aufgezeigt werden.

[...]

Ende der Leseprobe aus 24 Seiten

Details

Titel
Bedeutung von Business Intelligence im Unternehmen
Hochschule
FOM Hochschule für Oekonomie & Management gemeinnützige GmbH, Bonn früher Fachhochschule
Note
1,3
Jahr
2016
Seiten
24
Katalognummer
V317611
ISBN (eBook)
9783668167070
ISBN (Buch)
9783668167087
Dateigröße
710 KB
Sprache
Deutsch
Schlagworte
Business Intelligence
Arbeit zitieren
Anonym, 2016, Bedeutung von Business Intelligence im Unternehmen, München, GRIN Verlag, https://www.grin.com/document/317611

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Bedeutung von Business Intelligence im Unternehmen


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