Business Intelligence ist ein umfassendes Konzept, das unterschiedlichste Aufgaben für unterschiedliche Benutzer erfüllen soll. Jede Lösung muss speziell auf das Unternehmen und die zu erfüllenden Aufgaben angepasst werden. Dabei kommen je nach Anforderung unterschiedliche Komponenten zum Einsatz.
Die Seminararbeit gibt einen einführenden Überblick über Werkzeuge und Methoden des Business Intelligence. Weiterführende Informationen bietet die im Literaturverzeichnis aufgeführte Fachliteratur.
Inhaltsverzeichnis
1 Einleitung
1.1 Grundlagen
1.2 Zielsetzungen und Anforderungen
2 Methoden und Werkzeuge
2.1 Datensammlung
2.1.1 Datenintegration
2.1.2 Datenspeicherung
2.2 Datenaufbereitung
2.2.1 OLAP
2.2.2 Data Mining
2.3 Informationsdarstellung
3 Architektur
3.1 Allgemeine Architektur
3.2 Anbieterarchitekturen
4 Schlußwort
Zielsetzung und Themen
Das Hauptziel dieser Arbeit ist es, einen umfassenden Überblick über die Methoden und Werkzeuge zu geben, die zur Realisierung von Business Intelligence (BI) in Unternehmen eingesetzt werden. Die zentrale Forschungsfrage befasst sich dabei mit der Frage, wie diese technologischen Komponenten, von der Datensammlung bis zur Informationsdarstellung, in eine Architektur eingebunden werden können, um geschäftskritische Entscheidungsprozesse zu unterstützen.
- Grundlagen und Definitionen des BI-Konzepts
- Prozesse der Datensammlung (Integration und Speicherung)
- Methoden der Datenaufbereitung durch OLAP und Data Mining
- Formen der Informationsdarstellung (Reporting und Visualisierung)
- Architektonische Ansätze und Anbieterlösungen
Auszug aus dem Buch
2.1.1.1 ETL
ETL bedeutet: Extraktion, Transformation und Laden. So genannte OLTP-Systeme (On-Line Transaction Processing) bzw. operationale DV-Systeme dienen neben externen Quellen als Datenbasis für das Data Warehouse (DW). Mit Hilfe von ETL-Tools werden diese Daten extrahiert und in das Data Warehouse bzw. in Operational Data Stores (ODS) geladen. Um ein oder mehrere Data Marts (vgl. Punkt 2.1.2) mit Daten zu füllen, wird anschließend ebenfalls ein ETL-Tool benutzt.
Abbildung 1 zeigt die Funktionsbereiche eines ETL-Tools, wobei der Block in der Mitte den eigentlichen ETL-Prozess beinhaltet.
Im Rahmen der Datenselektion und –extraktion werden die Daten aus den Quellsystemen auf die Zielplattform übertragen. Dies kann zunächst eine Data Staging Area – ein Realzeit Data Mart -, ein Data Mart oder das Data Warehouse sein. Dabei unterstützt das ETL-Tool die unterschiedlichen Quellstrukturen, Plattformen und Datenbanksysteme der Unternehmen. [Systor] Die Quelldaten werden in ein einheitliches, für das Data Warehouse verständliches Format gebracht.
Die Datenqualität spielt dabei eine sehr wichtige Rolle, denn die unzureichende Qualität der Quelldaten ist eine der Hauptursachen für Misserfolge bei der Umsetzung von Data Warehouse-Projekten. „Datenmüll, sowie unsaubere und inkonsistente Daten ergeben falsche Informationen, diese wiederum führen zu Fehlentscheidungen aufgrund nicht verifizierter und in sich unstimmiger Daten. Die Datenqualität ist folglich auch ein entscheidender Faktor dafür, ob sich ein Unternehmen am Markt behaupten kann. Nach Schätzungen des US amerikanischen Data Warehousing Institute liegt der durch mangelhafte Datenqualität verursachte jährliche Schaden allein in den USA bei über 600 Milliarden Euro.“ [IT-Fokus, S. 17]
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel führt in den Begriff Business Intelligence ein, beleuchtet dessen geschichtliche Entwicklung und definiert die grundlegenden Anforderungen an entscheidungsunterstützende Systeme.
2 Methoden und Werkzeuge: Hier werden die zentralen Prozessphasen der Datensammlung, Datenaufbereitung mittels OLAP und Data Mining sowie die Möglichkeiten der Informationsdarstellung im Detail beschrieben.
3 Architektur: Das Kapitel erläutert, wie die verschiedenen BI-Komponenten in eine allgemeine Architektur integriert werden und gibt einen Einblick in die Lösungsansätze verschiedener Anbieter.
4 Schlußwort: Abschließend werden die wichtigsten Erkenntnisse zusammengefasst und aktuelle Trends wie Realtime Analytics sowie die Entwicklung hin zum Corporate Performance Management skizziert.
Schlüsselwörter
Business Intelligence, Data Warehouse, ETL, OLAP, Data Mining, Entscheidungsunterstützung, Datenintegration, Datenqualität, Reporting, Dashboards, Architektur, Strategie, Informationsverarbeitung, Prozessphasen, Corporate Performance Management
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt die Werkzeuge und Methoden, die zur Realisierung von Business Intelligence (BI) in Unternehmen erforderlich sind, um operative und strategische Entscheidungen zu unterstützen.
Was sind die zentralen Themenfelder?
Die zentralen Felder umfassen die Datengewinnung, deren Aufbereitung für Analysen sowie die zielgerichtete Visualisierung der Informationen für verschiedene Anwendergruppen.
Was ist das primäre Ziel der Arbeit?
Ziel ist es, einen Überblick über den Stand der Technik zu geben und aufzuzeigen, wie Daten aus verschiedensten Quellen in handlungsgerichtetes Wissen transformiert werden können.
Welche wissenschaftliche Methode wurde verwendet?
Es handelt sich um eine systematische Literaturanalyse, die auf aktuellen IT-Fachpublikationen und Studien von Marktbeobachtern basiert.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die drei Prozessphasen: Datensammlung (ETL), Datenaufbereitung (OLAP, Data Mining) und Informationsdarstellung (Reporting).
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit ist geprägt durch Begriffe wie Data Warehouse, ETL, OLAP, Data Mining und Corporate Performance Management.
Welche Rolle spielt die Datenqualität im ETL-Prozess?
Die Datenqualität ist kritisch, da unzureichende Datenquellen zu Fehlentscheidungen führen können. Das Kapitel 2.1 betont daher die Wichtigkeit von Data Profiling.
Was unterscheidet OLAP von Data Mining?
Während OLAP primär für die multidimensionale Analyse und das Modellieren von Informationen zuständig ist, konzentriert sich Data Mining auf das Entdecken von Mustern und unbekannten Zusammenhängen in großen Datenmengen.
Was versteht man unter dem Data Warehouse-Konzept?
Es handelt sich um eine themenorientierte, integrierte und nicht-volatile Datenbasis, die speziell für die Analyseanforderungen und Entscheidungsunterstützung des Managements konzipiert wurde.
- Quote paper
- Katja Günther (Author), 2004, Werkzeuge zur Realisierung des Business Intelligence, Munich, GRIN Verlag, https://www.grin.com/document/37086
