Einsatzpotentiale von Data Mining und OLAP als Bestandteile moderner Managementunterstützungssysteme


Diplomarbeit, 2005

41 Seiten, Note: 1,3


Leseprobe


Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung
1.3 Aufbau

2 Managementunterstützungssysteme
2.1 Begriff und Zweckbestimmung
2.2 Architektur

3 OLAP
3.1 Begriff und grundlegende Funktionsweise
3.2 Betriebswirtschaftliche Einsatzmöglichkeiten

4 Data Mining
4.1 Begriff und grundlegende Funktionsweise
4.2 Betriebswirtschaftliche Einsatzmöglichkeiten

5 Schlussbemerkungen

6 Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Aufgabenschwerpunkte bei Managementunterstützungssystemen

Abbildung 2: Architektur integrierter Managementunterstützungssysteme

Abbildung 3: Dreidimensionaler Hyperwürfel

Abbildung 4: Sichtweisen bei einem Datenwürfel

Abbildung 5: Unternehmensplanungsprozess

Abbildung 6: Bezugsgrößenhierarchie nach Riebel

Abbildung 7: DuPont-Kennzahlensystem (Ausschnitt)

Abbildung 8: Balanced Scorecard

Abbildung 9: Teilsysteme der Planung

Abbildung 10: Integrierte Erfolgs- und Finanzrechnung

Abbildung 11: Der Data-Mining-Prozess im Managementzyklus

Abbildung 12: Data-Mining-Verfahren

Abbildung 13: Support und Confidence

Abbildung 14: Kundensegmente als Ergebnis einer Clusteranalyse

Abbildung 15: Art der Kundenanalysen der befragten Unternehmen

Abbildung 16: Bedeutung von Data-Mining-Analysen in den Unternehmensbereichen

Abbildung 17: Einsatzgebiete von Data-Mining-Analysen

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

1.1 Problemstellung

Management ist das englische Wort für Führung. Führung seinerseits bedeutet das zielgerichtete Einwirken auf das Verhalten anderer Menschen. Es geht also um Ziele und um ein Einwirken.

Jedes Unternehmen wird mit einer Vision gegründet. Aus dieser Vision werden Handlungsstrategien abgeleitet, die die Erreichung von Zwischenzielen ermöglichen. Durch Vorgabe von konkreten Zielgrößen werden die Strategien operationabel gemacht. Das bedeutet, die Mitarbeiter des Unternehmens erhalten genaue Zielvorgaben, die sie zu erfüllen haben. Es stellt sich hierbei jedem Manager die Frage, welche Zielvorgaben zu wählen sind. Bei dieser Entscheidung sind einerseits die Vision des Unternehmens und die aktuellen Strategien von Bedeutung, andererseits aber auch die derzeitige Situation sowie die zurückliegende Entwicklung. Es sind also Unternehmensdaten aus der Vergangenheit und Gegenwart in Betracht zu ziehen und daraus Zukunftswerte, also Planzahlen, abzuleiten. Hierbei eignen sich EDV-Anlagen zur Unterstützung dieser Entscheidung sehr gut.

Der zweite Aspekt des Managements, das „Einwirken“ auf das Verhalten anderer, kann unterteilt werden in drei Phasen: Planung, Steuerung und Kontrolle. Planung bedeutet die „gedankliche Vorwegnahme künftigen Handelns, wobei die Zukunft verstanden wird als Raum vielfältiger Handlungsmöglichkeiten“[1]. „Unter Kontrolle … versteht man den Vergleich durch Gegenüberstellung von jeweils zwei oder mehr Größen, um Abweichungen festzustellen.“[2] Werden Abweichungen festgestellt, so besteht Handlungsbedarf seitens des Managers, der nun neu planen muss, um mit neuen Zielvorgaben die Tätigkeiten der Mitarbeiter unter seiner Verantwortung auf das Unternehmensziel auszurichten. Das bedeutet Steuerung. „Planungs- und Kontrollaufgaben greifen so eng ineinander, dass sie häufig als ‚Controlling’ zusammengefasst verrichtet werden.“[3] Auch hier bieten sich EDV-gestützte Systeme, sog. Informationssysteme, an.

„Ein Informationssystem besteht aus Menschen und Maschinen, die Information erzeugen und / oder benutzen und die durch Kommunikationsbeziehungen miteinander verbunden sind.“[4] Grundlage sind eine oder mehrere umfangreiche Datenbanken, die zur Bearbeitung der laufenden Geschäftsvorfälle durch Benutzereingaben abgefragt oder geändert werden können.[5] Hierbei werden operative Informationssysteme und sog. Führungsinformationssysteme (engl. Executive Information Systems, EIS) unterschieden. Nach Hansen zählen zu den operativen IS Systeme für die Abwicklung von Geschäftstransaktionen (Transaktionssysteme) und Systeme, die Entscheidungen vorbereiten oder selber treffen (Dispositionssysteme). Auf strategischer Ebene existieren Planungssysteme, die Führungskräfte bei ihren Planungsaufgaben unterstützen, und Kontrollsysteme, die zur Überwachung der Einhaltung der Pläne durch Soll-Ist-Vergleiche und Hinweise auf notwendige Korrekturmaßnahmen dienen. Sämtliche Arten von Informationssystemen für Führungskräfte werden als Managementunterstützungssysteme (MUS) bezeichnet.[6]

Abts und Mülder unterteilen Managementunterstützungssysteme nach der Art der Unterstützung gem. Abbildung 1[7]:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1[8]

Grundlage der Tätigkeit des Managements ist also Information, basierend auf den Daten, die die (operativen) Informationssysteme sammeln. „Daten werden dann zu Informationen, wenn sie einen Zweckbezug erhalten und damit für Planungs-, Entscheidungs-, Kontroll-, Leistungs- und Lernprozesse verwertbar sind.“[9] „Informationen sind heute die wichtigste unternehmerische Ressource. Wenn die richtigen Informationen am richtigen Ort zur richtigen Zeit vorliegen, bilden sie eine Grundvoraussetzung für unternehmerische Entscheidungen. Die aktuelle Situation in den Unternehmen ist allerdings weit entfernt von dieser Idealvorstellung. Durch den Einsatz moderner Informations- und Kommunikationstechniken steht zwar eine Vielzahl von digitalen Daten zur Verfügung, allerdings ist kaum jemand in der Lage, diese sinnvoll zu nutzen. Dieser Istzustand lässt sich charakterisieren als Informationsarmut trotz Datenflut. Die Datenflut entsteht durch den unternehmensweiten Einsatz operativer Anwendungssysteme.“[10] Es gilt also, aus der Unmenge an Daten die notwendigen - zweckbezogenen – Informationen herauszufiltern. Dafür hat sich eine Methodik herausgebildet, die als Online Analytical Processing (OLAP) bezeichnet wird. OLAP ist ein Datenbankmodell, ebenso wie das weit verbreitete relationale Datenmodell. Ein Datenmodell bestimmt die inhaltliche Gliederung einer Datenbasis, d.h. die Anordnung der einzelnen Datensätze.[11] Beim Relationenmodell werden (zweidimensionale) Tabellen durch Beziehungen (Relationen) miteinander verknüpft. OLAP unterscheidet sich deutlich von einer einfachen Abfrage bei einer relationalen Datenbank, z.B. mittels der Abfragesprache SQL. Mit OLAP können komplexe Datenanalysen durchgeführt werden. „OLAP-Werkzeuge verbinden Abfrage und Analyse und eignen sich deshalb für eine Vielzahl von Anwendungen.“[12]

Information ist, wie bereits erwähnt, wesentliche Grundlage für das Management. Informationen sind dabei der Anteil der Daten, der, bezogen auf einen bestimmten Zweck, für den Manager von Bedeutung ist. Information ist objektiv und für alle Unternehmen gleich. Liquiditätskennzahlen oder Umsätze pro Jahr zum Beispiel werden auf die gleiche Weise interpretiert; das kann man in allen einschlägigen Lehrbüchern zur Betriebswirtschaftslehre nachlesen. Der Unterschied zwischen verschiedenen Unternehmen (derselben Branche und mit gleicher Zielrichtung) besteht außer in unterschiedlichen Strategien auch in einer weiteren unternehmensimmanenten Ressource: Wissen. „Wissen bezeichnet das Netz aus Kenntnissen, Fähigkeiten und Fertigkeiten, die jemand zum Lösen einer Aufgabe einsetzt. In einem Prozess wählt der Mitarbeiter Informationen aus, die er vor seinem persönlichen Hintergrund bewertet, verbindet und transformiert, um ein Ziel zu erreichen.“[13] Somit kann Wissen zu einem Wettbewerbsvorteil führen. Diese Erkenntnis wird zielgerichtet eingesetzt bei der Suche nach neuem Wissen. Das Unternehmen bedient sich dabei seiner internen „Datenflut“, aber auch externer Informationsquellen. Der Prozess zur Generierung neuen Wissens aus umfassenden Datenbeständen wird Knowledge Discovery in Databases (KDD-Prozess) genannt. Das zentrale Verfahren ist das Data Mining. Data Mining bedient sich einer Vielzahl von Methoden der Künstlichen Intelligenz und der Statistik.

1.2 Zielsetzung

Datenanalyse per OLAP und Wissensmehrung mittels Data Mining besitzen für Unternehmen zahlreiche Anwendungsmöglichkeiten, die in dieser Arbeit teilweise vorgestellt werden sollen. Aufgrund der zeitlichen wie räumlichen Begrenzung der Hausarbeit sollen nur einzelne Anwendungsfelder skizziert und mit Beispielen belegt werden. Den Schwerpunkt bildet das Data Mining.

1.3 Aufbau

Im Kapitel 2 werden Managementunterstützungssysteme etwas genauer behandelt und besonders ihre Architektur vorgestellt, soweit dies für das grundlegende Verständnis der Funktionsweise von OLAP und Data Mining notwendig ist.

Kapitel 3 beschäftigt sich speziell mit dem Online Analytical Processing. Es wird kurz auf Funktionsweise und Besonderheiten eingegangen, damit der Leser sich ein Bild davon machen kann, was der Begriff bedeutet. Anschließend werden Anwendungsmöglichkeiten skizziert.

Daran schließt das vierte Kapitel zum Thema Data Mining an. Auch hier wird kurz der Begriff erläutert. Danach werden Anwendungsmöglichkeiten und Beispiele vorgestellt. Da es beim Data Mining sehr viele Einsatzvarianten gibt, bildet dieses Kapitel den Schwerpunkt der Arbeit.

Im letzten Kapitel werden einige abschließende Bemerkungen gemacht und ein Ausblick auf künftige Entwicklungen skizziert.

2 Managementunterstützungssysteme

2.1 Begriff und Zweckbestimmung

Abts und Mülder geben folgende Definition:

„Alle Formen der elektronischen Unterstützung von Managern bei ihrer Arbeit im Unternehmen werden als Managementunterstützungssysteme (Management Support Systeme oder auch analytische Informationssysteme, abgekürzt MUS) bezeichnet.“[14] Die Entwicklung computerbasierter Managementunterstützungssysteme ist gekennzeichnet durch eine Vielfalt an Modellen unterschiedlicher Sichtweisen und Integrationstiefe und reicht von den ersten Ansätzen total integrierter Management Information Systems bis zu neuen Architekturen wie Data Warehouses oder OLAP.

„Adressaten eines MUS sind alle Mitarbeiter eines Unternehmens, die Führungs-, Planungs-, Steuerungs- und Kontrollaufgaben wahrnehmen.“[15] Managementunterstützungssysteme dienen daher der Informationsversorgung betrieblicher Fach- und Führungskräfte zu Analysezwecken.[16]

2.2 Architektur

Nach Kemper besitzen Managementunterstützungssysteme folgende umfassende Architektur:[17]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2[18]

Es folgt eine kurze Beschreibung der einzelnen Komponenten:[19]

In der Data-Warehouse-Komponente werden die Daten der operativen Informationssysteme aus den einzelnen Unternehmensbereichen (z.B. Vertrieb, Marketing, Fertigung, usw.) sowie von externen Quellen (z.B. Marktstatistiken, Daten von Wettbewerbern, Analysen unabhängiger Organisationen, usw.) gesammelt und in einem Transformationsprozess an die Erfordernisse analytischer Auswertungszwecke angepasst. Das bedeutet insbesondere, dass verschiedene Datenformate vereinheitlicht, Synonyme und Homonyme aufgelöst, die Daten zu Kennzahlen verdichtet und ein Zeitraumbezug der Daten hergestellt wird. Die Data-Warehouse-Datenbank wächst so sehr schnell an. Damit die Performance des Systems nicht darunter leidet, wird die Datenbasis nach Unternehmensbereichen aufgeteilt. Es entstehen so kleinere, funktionsbereichsspezifische Data Warehouses, sog. Data Marts. „Ein Data Mart … ist ein aggregierter Teilausschnitt aus der unternehmensweiten Datenbasis, mit dem sich ein Großteil der Abfragen eines Funktionsbereiches oder einer Personengruppe einfach und schnell bedienen lässt.“[20]

Über die Informationskomponente werden modelgestützte Ad-hoc-Analysen, Datenrecherchen, multidimensionale Abfragen sowie die Generierung von Berichten und die Informationsdarstellung ermöglicht. Sämtliche Führungsebenen können dieses Informationsangebot nutzen.

Mit Hilfe der Kommunikations- und Kooperationskomponente können mehrere Mitarbeiter synchron oder asynchron innerhalb des Managementunterstützungssystems miteinander kommunizieren. Synchrone Kommunikation ist beispielsweise bei Videokonferenzen möglich. Als asynchrone Methode ist das Versenden von kontextsensitiven Emails möglich.

Die Frontend-Komponente schließlich ist die einheitliche Benutzerschnittstelle des Systems. Sie umfasst u.a. die graphische Benutzeroberfläche, aber auch moderne Ein-/Ausgabemöglichkeiten, wie z.B. Sprachein- und -ausgabe oder berührungssensitive Bildschirme.

3 OLAP

3.1 Begriff und grundlegende Funktionsweise

OLAP steht für On-Line Analytical Processing und ist eine Weiterentwicklung des relationalen Datenbankmodells. Das sog. Relationenmodell unterstützt keine Ad-hoc-Analysen. In den operativen Datenbanken werden die Daten in einzelnen zweidimensionalen Tabellen gespeichert, welche durch Beziehungen miteinander verknüpft sind. So ist es mittels der standardisierten Abfragesprache SQL möglich, auch komplexere Abfragen durchzuführen, um detaillierte Informationen zu erhalten. Das setzt eine spezielle Schulung des Anwenders voraus, die sich auch nur dann lohnt, wenn der Benutzer tagtäglich damit zu tun hat. In den einzelnen Funktionsbereichen des Unternehmens, wo Mitarbeiter des Lower Managements die operativen Informationssysteme ständig nutzen, ist dies der Fall. Man spricht hier auch von transaktionsorientierter Datenverarbeitung oder englisch On-Line Transaction Processing (OLTP). Benutzer von Entscheidungsunterstützungs- oder Führungsinformationssystemen sind aber nur an grundlegenden Trends bzw. an Kennzahlen und der meist graphischen Präsentation der Information interessiert bzw. wollen schnelle Was-wäre-wenn-Analysen durchführen. Die Abfrage von relationalen Datenbanken mittels SQL ist dafür zu unflexibel und zu kompliziert. Gesucht wird ein Modell, das einfach zu bedienen ist, den Anspruch von analytischen Auswertungen erfüllt und komplexe mehrdimensionale Abfragen ermöglicht in der Form: „Wie hoch war der Umsatz der Filiale X mit dem Produkt Y im letzten Quartal?“.

Diese Bedingungen erfüllt OLAP, das bereits die anfallenden Daten in mehrdimensionaler Form, als sog. Hyperwürfel oder Datenwürfel speichert. „Ein Hyperwürfel (engl.: hypercube) stellt eine Datenstruktur dar, die drei oder mehr Dimensionen umfasst. Die Benutzer können sich intuitiv in dem Würfel bewegen und an beliebiger Stelle Schnitte durch den Würfel ziehen, um Information zu vergleichen und selbständig Berichte zu erzeugen.“[21] Auf diese Weise wird eine hohe Performance erzeugt, weil die Bedienung benutzerfreundlich und die Zugriffszeiten kurz sind.

Als Beispiel diene ein dreidimensionaler Würfel:[22]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3[23]

Es gibt im Wesentlichen drei Manipulationsmöglichkeiten: Slicing, Dicing und Drill Down/Roll Up. Slicing, auf Deutsch „in Scheiben schneiden“, ermöglicht dem Benutzer, einen Datenvergleich entlang einer Dimension, z.B. eine Zeitreihenanalyse, durchzuführen. Beim Dicing („Würfeln“) kann sich der Anwender eine Kennzahl aus verschiedenen Blickwinkeln ansehen. Drill Down eröffnet tiefere Detailstufen, um genauere Analysen durchführen zu können. Roll Up ist das Gegenteil dazu.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4[24]

3.2 Betriebswirtschaftliche Einsatzmöglichkeiten

OLAP kann überall dort eingesetzt werden, wo Daten multidimensional gespeichert und manipuliert werden und wo die zu speichernde Datenmenge sehr groß ist.

Oehler führt Eignungskriterien auf, von denen zu mindest einige auf das betreffende Anwendungsfeld zutreffen sollten, damit sich ein OLAP-Modell rentiert:[25]

- Es sollten viele unterschiedliche Auswertungsrichtungen möglich sein, die einen vieldimensionalen Raum aufspannen.
- Es sollte sich bei den zu verarbeitenden Datenmengen um mittlere bis große Volumina handeln.
- Der Anwender sollte Interesse an einer flexiblen Navigation (mittels Slice und Dice, usw.) haben, statt nur an starren Informationsabfragen.
- Der Bedarf an vielfältigen Verdichtungsstufen ist ebenfalls ein Indikator für die Verwendung von OLAP, da herkömmliche (operative) Systeme oder Tabellenkalkulationen mit der Berechnung überfordert wären.
- Mehrdimensionale Werkzeuge eignen sich besonders gut bei der komplexen Ableitung von Informationen.

An diesen Kriterien lässt sich eine Eignung des Einsatzes von OLAP-Modellen im Controlling und insbesondere im Rechnungswesen erkennen. Aus diesem Bereich stammen auch die nachfolgend skizzierten Anwendungsbeispiele, die dem Buch von Oehler entnommen sind:[26]

1. Beispiel: Deckungsbeitragsrechnung im Vertriebscontrolling

Der Absatzbereich stellt auf den heutigen Käufermärkten den Ausgangspunkt der Unternehmensplanung dar. Das lässt sich gut an der folgenden Abbildung erkennen:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5[27]

Das Vertriebscontrolling unterteilt sich in die Phasen: Absatzplanung, Vertriebssteuerung und Vertriebskontrolle. Hier ist der typische Managementprozess zu erkennen (siehe Einleitung). In der Absatzplanung werden Aussagen über die Zukunft mittels Prognoseverfahren gemacht, die sich komplexer statistischer Modelle bedienen. Zur Steuerung werden sämtliche, auf den Vertrieb bezogene interne Daten, aber auch externe Informationen wie Konkurrenzdaten, Daten über die Marktentwicklung oder Kundendaten ausgewertet bzw. in Beziehung zueinander gesetzt, d.h. es gilt eine große Datenmenge auszuwerten. Mit einer DV-gestützten Anwendung kann so eine frühzeitige und schnelle Kontrolle durchgeführt werden, die das Verhalten der Mitarbeiter mit den Unternehmenszielen abstimmt.

[...]


[1] Ziegenbein, K. (2004), S. 69.

[2] Ebd., S. 135.

[3] Hansen, H.R., Neumann, G. (2005), S. 93.

[4] Ebd., S. 84.

[5] Vgl. ebd., S. 90 f.

[6] Vgl. ebd., S. 90 ff.

[7] Vgl. Abts, D., Mülder, W. (2000), S. 225.

[8] Abts, D., Mülder, W. (2000), S. 225.

[9] Ziegenbein, K. (2004), S. 142.

[10] Abts, D., Mülder, W. (2000), S. 219.

[11] Vgl. Ziegenbein, K. (2004), S. 150.

[12] Lusti, M. (2002), S. 153.

[13] Herbst, D. (2000), S. 9.

[14] Abts, D., Mülder, W. (2000), S. 221.

[15] Ebd., S. 222.

[16] A.a.O.

[17] Kemper, H.-G. (1999): Architektur und Gestaltung von Management-Unterstützungs-Systemen. Von isolierten Einzelsystemen zum integrierten Gesamtansatz, Stuttgart/Leipzig 1999, zitiert nach Abts, D., Mülder, W. (2000), S. 229.

[18] Abts, D., Mülder, W. (2000), S. 229.

[19] Vgl. ebd., S. 229 f.

[20] Hansen, H.R., Neumann, G. (2005), S. 821.

[21] Hansen, H.R.; Neumann, G. (2005), S. 819.

[22] Vgl. Ebd., S. 818.

[23] A.a.O.

[24] Abts, D., Mülder, W. (2000), S. 256.

[25] Vgl. Oehler, K. (2000), S. 250.

[26] Vgl. Oehler, K. (2000), S. 252-340.

[27] Ebd., S. 252.

Ende der Leseprobe aus 41 Seiten

Details

Titel
Einsatzpotentiale von Data Mining und OLAP als Bestandteile moderner Managementunterstützungssysteme
Hochschule
Verwaltungs- und Wirtschaftsakademie Essen
Note
1,3
Autor
Jahr
2005
Seiten
41
Katalognummer
V81706
ISBN (eBook)
9783638850445
ISBN (Buch)
9783638849586
Dateigröße
558 KB
Sprache
Deutsch
Schlagworte
Einsatzpotentiale, Data, Mining, OLAP, Bestandteile, Managementunterstützungssysteme
Arbeit zitieren
Christian Czech (Autor:in), 2005, Einsatzpotentiale von Data Mining und OLAP als Bestandteile moderner Managementunterstützungssysteme, München, GRIN Verlag, https://www.grin.com/document/81706

Kommentare

  • Noch keine Kommentare.
Blick ins Buch
Titel: Einsatzpotentiale von Data Mining und OLAP als Bestandteile moderner Managementunterstützungssysteme



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