Der Einzug des Informationszeitalters lässt der Information, als begehrten Rohstoff, eine neue Bedeutung hinzukommen. Die Realisierung des eigentlichen Nutzens erfordert die Handhabung und Analyse von großen Datenmengen. In dieser Beziehung findet Business Intelligence (BI), als schnell gebrauchtes Trendwort Einzug. Bereits die Begrifflichkeit impliziert ein intelligentes Instrument zur Unternehmensführung. Zunächst soll die Begriffsherleitung und der begriffliche Rahmen definiert werden. Von der Kombination aus informationstechnischen und betriebswirtschaftlichen Prozessen zur Sammlung, Aufbereitung und Darstellung entscheidungsrelevanter Informationen, verspicht sich die Unternehmenswelt eine Antwort, auf ein komplexer und dynamischer werdendes Marktumfeld. Hierzu erfolgt eine Übersicht der internen und externen Bedarfstreiber sowie der Unternehmensziele.
Auch Softwarehersteller und -berater erkennen die Marktpotentiale für BI. Allein in Deutschland generierten im Jahr 2014 insgesamt 289 BI-Anbieter einen eine Gesamtumsatz von etwa 1,5 Milliarden Euro durch Lizenzverkäufe und Wartungsgebühren. Allein 317 Millionen Euro Umsatz generierte der Marktführer SAP. Die Voraussetzung für die Verarbeitung und Distribution großer Datenmengen schafft das Data Warehouse. Als Disziplin der Informatik und insbesondere der Wirtschaftsinformatik, bildet es das Herz und die technische Komponente einer BI-Lösung. Die Konkretisierung der BI-Architektur erfolgt mit der Implementierung für einen spezifischen Anwendungsfall. Das Grundgerüst des Data Warehouse bleibt dabei konstant und wird beleuchtet. Darauf aufbauend erfolgt der Einsatz von Analyseverfahren. Als meist genutzte Analysewerkzeuge, werden das Online Analytical Processing sowie das Data Mining vorgestellt. Die enge Verzahnung zur Unternehmensführung spiegelt sich im Einsatz von betriebswirtschaftlichen Methoden wider.
Inhaltsverzeichnis
1. Vorwort
2. Begriffsherleitung und Definition
3. Bedarfstreiber und Ziele
4. Integration einer BI-Lösung
4.1. Data-Warehouse-Konzept
4.2. Datenanalyse
4.2.1. Online Analytical Processing
4.2.2. Data Mining
4.3. Einführung eins BI-Systems
5. Betrieb eines integrierten BI-Systems
5.1. Anwendungsfelder
5.2. Betriebswirtschaftliche Anwendungsmethoden
6. Fallstudien
6.1. Customer Relationship Analytics im Einzelhandel
6.2. BI-Analyse im RFID-gestützten Supply Chain Management
6.3. Integration einer Real-time-Data-Warehousing-Lösung
7. Schlusswort
Zielsetzung & Themen
Diese Arbeit zielt darauf ab, ein fundiertes Verständnis für Business Intelligence (BI) als ganzheitlichen Ansatz zur betrieblichen Entscheidungsunterstützung zu schaffen, indem theoretische Grundlagen, technische Komponenten wie das Data-Warehouse-Konzept sowie praktische Anwendungsfelder in Fallstudien beleuchtet werden.
- Historische Herleitung und Definition von Business Intelligence
- Analyse der Bedarfstreiber und strategischen Unternehmensziele
- Technische Architektur: Data-Warehouse-Konzept und ETL-Prozesse
- Methoden der Datenanalyse: OLAP und Data Mining
- Einsatzmöglichkeiten und betriebswirtschaftliche Methoden im Management
Auszug aus dem Buch
4.2.1. Online Analytical Processing
Bei dem Online Analytical Processing (OLAP) handelt es sich um ein Konzept zur Datenanalyse und -verarbeitung. Müller und Lenz beschreiben es als „eine Vorgehensweise, die schnelle und flexible Ad-Hoc- Analysen von multidimensionalen Daten für einen breiten Nutzerkreis ermöglicht“. Hierbei nimmt die Definition Bezug auf den Grundstein von OLAP, das multidimensionale Datenmodell.
Anlässlich von Fragestellungen in operativen Systemen sind Punktabfragen vordergründig, wie exemplarisch die Abfrage der Anzahl eines bestimmten Materials im Lager oder die Abfrage der zu einer Kundennummer zugehörigen Adresse. Hier erfolgt die Ausgabe eines einzelnen Datensatzes oder Wertes. Im Gegenzug hierzu, konzentriert sich OLAP auf Punkt oder Bereichsabfragen von analytischen Fragestellungen. Zum Beispiel die Abfrage der Umsatzmenge des Produktes A am Standort Hamburg im Zeitraum von Januar bis März. Hierzu bildet die X-Achse eine Produktdimension, die Y-Achse eine Zeitdimension und die Z-Achse eine geographische Dimension (siehe Abbildung 2). Als Ergebnis repräsentieren sich multidimensionale Datenräume, sog. Datenwürfel. Ferner ist eine Aufteilung der einzelnen Dimensionen in Hierarchiestufen möglich. Die Dimension Ort kann sich so den Stufen Land und Kontinent unterordnen. Die Schnittpunkte im Koordinatensystem werden als Fakten beschrieben. Das Datenmodell ermöglichst so die Darstellung von aggregierten, gruppierten oder sortierten Daten. Diese Darstellungsmöglichkeiten können durch die nachfolgenden OLAP-Operationen verwirklicht werden.
Zusammenfassung der Kapitel
1. Vorwort: Einleitung in die Relevanz von Business Intelligence als Instrument der Unternehmensführung und Überblick über den strukturellen Aufbau der Arbeit.
2. Begriffsherleitung und Definition: Aufarbeitung der historischen Entwicklung von Management-Informations-Systemen hin zu modernen, integrierten Business-Intelligence-Ansätzen.
3. Bedarfstreiber und Ziele: Analyse der internen und externen Faktoren, die den Einsatz von BI notwendig machen, sowie Kategorisierung der strategischen Zielsetzungen.
4. Integration einer BI-Lösung: Detaillierte Betrachtung des Data-Warehouse-Konzepts als technische Basis sowie Vorstellung von Analysewerkzeugen und Phasen der Systemeinführung.
5. Betrieb eines integrierten BI-Systems: Erläuterung der Einsatzgebiete auf verschiedenen Führungsebenen und Vorstellung betriebswirtschaftlicher Anwendungsmethoden.
6. Fallstudien: Konkretisierung der theoretischen Aspekte anhand von praktischen Szenarien zu Einzelhandel, Supply Chain Management und Echtzeit-Data-Warehousing.
7. Schlusswort: Zusammenfassende Reflektion der Digitalisierung und der zentralen Rolle von Business Intelligence bei der Entscheidungsfindung im Unternehmen.
Schlüsselwörter
Business Intelligence, Data Warehouse, OLAP, Data Mining, Entscheidungsunterstützung, Unternehmensführung, ETL-Prozess, Kennzahlensysteme, Supply Chain Management, Echtzeit-Analyse, Klassifikation, Clustering, Regression, Datenwürfel, Berichtswesen
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht Business Intelligence (BI) als IT-basierten Gesamtansatz zur Unterstützung betrieblicher Entscheidungsprozesse und betrachtet dabei sowohl technische als auch methodische Aspekte.
Was sind die zentralen Themenfelder?
Die zentralen Themen sind das Data-Warehouse-Konzept, Analysemethoden wie OLAP und Data Mining, die Implementierung von BI-Lösungen sowie deren Anwendung im strategischen und operativen Unternehmensmanagement.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, den theoretischen Hintergrund von BI mit praktischen Anwendungsbeispielen aus der Wirtschaft zu verknüpfen und aufzuzeigen, wie Unternehmen komplexe Datenmengen effizient nutzen können.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt eine literaturbasierte Analyse sowie eine deduktive Herleitung, ergänzt durch Fallstudien aus der Unternehmenspraxis zur Verdeutlichung der Konzepte.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in technische Grundlagen (Data-Warehouse), Methoden der Datenanalyse (OLAP, Data Mining), das Projektmanagement bei der BI-Einführung und die betriebswirtschaftliche Anwendung in der Praxis.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird primär durch Begriffe wie Business Intelligence, Data Warehouse, Entscheidungsunterstützung, OLAP, Data Mining und Unternehmenssteuerung definiert.
Welche Rolle spielt das Data Warehouse bei der BI-Integration?
Es fungiert als zentrale, konsistente Datenbasis und technisches Herzstück, das die notwendige Struktur für analytische Prozesse bereitstellt.
Warum sind Fallstudien wie die zum Supply Chain Management wichtig?
Sie dienen dazu, den theoretischen Hintergrund der BI-Konzepte in realen Szenarien zu erden und die Herausforderungen sowie den Nutzen der Implementierung in komplexen Lieferketten zu demonstrieren.
- Arbeit zitieren
- Benedikt Bogner (Autor:in), 2017, Integration und Betrieb eines Business Intelligence Systems im Unternehmen, München, GRIN Verlag, https://www.grin.com/document/440919
