Business Intelligence. Aufgaben, Prozess und Architektur

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

1. Einleitung

2. Grundverständnis: Business Intelligence
2.1. Wesen und Anforderungen an Business Intelligence
2.2. Daten bzw. Informationen für das Management
2.3. Zielsetzung eines Business Intelligence-Systems

3. Entwicklung des Business Intelligence
3.1. Vom Managementinformationssystem zum Business Intelligence-System
3.2. Wachstumsmotive des Business Intelligence
3.2.1. Real-time-Enterprise
3.2.2. Wertsteigerung von betriebswirtschaftlichen Anwendungen
3.2.3. Informationskonsolidierung und Integration heterogener Systeme
3.2.4. Wirtschaftliche Beschränkungen und Regulierungen
3.2.5. Nutzung analytischer Ergebnisse in operativen Geschäftsprozessen

4. Aufgaben und Prozesse des Business Intelligence
4.1. Datensammlung
4.1.1. Datenintegration
4.1.2. Datenspeicherung
4.2. Datenaufbereitung
4.3. Informationsdarstellung

5. Business Intelligence-Architektur
5.1. Allgemeines
5.2. Extrahieren-Transformieren-Laden (ETL)
5.3. Data Warehouse/Data Marts
5.4. Aufbereitung – OLAP und seine Speichermodi
5.5. Analyse- und Anwenderwerkzeuge
5.5.1. Mining Verfahren
5.5.1.1. Data Mining
5.5.1.2. Text Mining
5.5.1.3. Web Mining
5.5.2. Suchvarianten
5.5.3. Case Based Reasoning
5.5.4. Balanced Scorecard
5.5.5. Berichtswesen
5.5.6. Ad hoc Analysen & Reportings
5.5.7. Planung, Budgetierung & Simulation

6. Business Intelligence-Produktvergleich
6.1. Business Intelligence-Anbieter
6.2. Smart Business Intelligence der zetVisions AG
6.2.1. Das Unternehmen
6.2.2. Business Intelligence-Definition aus Sicht der zetVisions AG
6.2.3. Die zetVisions-Lösung zetControl
6.2.3.1. zetSmartPortal
6.2.3.2. zetConnect
6.2.4. Architektur der Smart Business Intelligence-Lösung
6.3. MI DecisionWare der MIS AG
6.3.1. Das Unternehmen
6.3.2. Zielsetzung und Kernkompetenz des Business Intelligence-Ansatzes der MIS AG
6.3.3. Die MIS-Lösung MIS DecisionWare
6.3.3.1. MIS Application Server
6.3.3.2. MIS DecisionWare Applications
6.3.3.3. MIS Frontends
6.3.3.4. MIS DecisionWare Studio
6.3.4. Architektur der Business Intelligence-Lösung
6.4. Vergleich der Business Intelligence-Lösungen

7. Neue Trends im Bereich der Managementunterstützung
7.1. Trendentwicklung von Business Intelligence
7.2. Business Performance Management
7.3. Decision Intelligence-System

8. Resümee

Anhang
Anhang 1: Fragebogen zetVisions AG
Anhang 2: Fragebogen MIS AG

Literaturverzeichnis

Internetquellenverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 1: Business Intelligence-Funktionsbereiche

Abbildung 2: Die Beziehungen zwischen den Ebenen der Begriffshierarchie

Abbildung 3: Erhöhung der Informationsdichte

Abbildung 4: Business Intelligence-Portfolio

Abbildung 5: Diskrepanz zwischen verfügbaren Daten und Analyseressourcen

Abbildung 6: Entwicklung der Informationssysteme

Abbildung 7: Prozesspyramide

Abbildung 8: Betriebliche Informationssystempyramide

Abbildung 9: Abgrenzung von Business Intelligence

Abbildung 10: Architektur von Business Intelligence-Systemen

Abbildung 11: ETL-Prozess im Überblick

Abbildung 12: Das Data Warehouse als zentraler Speicher

Abbildung 13: Das Data Warehouse als Sammlung von Data Marts

Abbildung 14: Daten- und Informationsfluss im Data Warehouse-Modell

Abbildung 15: Datenbasis analytischer Informationssysteme

Abbildung 16: OLAP-Architektur

Abbildung 17: FASMI

Abbildung 18: Verwendete OLAP-Serverarchitektur

Abbildung 19: Fragestellungen, Aufgaben und Methoden des Data Mininig

Abbildung 20: Perspektiven der Balanced Scorecard

Abbildung 21: Die Balanced Scorecard als strategischer Handlungsrahmen

Abbildung 22: Einordnung der zetVisions-Produkte mit SAP-Komponenten

Abbildung 23: Kernkompetenzen der Business Intelligence-Lösung der MIS AG

Abbildung 24: Produktarchitektur der MIS AG

Abbildung 25: Business Intelligence-Marktzyklus

1. Einleitung

Der Hot Topic Business Intelligence (BI) ist derzeit sowohl im technologischen als auch im betriebswirtschaftlichen Bereich in aller Munde und ist bedeutender denn je. In den letzten 10 Jahren kategorisierte man Business Intelligence noch überwiegend in den technischen Bereich, da der wirtschaftliche Aspekt nicht erkannt worden war. Heutzutage ist Business Intelligence jedoch nicht mehr nur für die Verantwortlichen im IT-Bereich von großer Bedeutung, insbesondere das Management vieler Unternehmen erkennt im Business Intelligence eine wichtige Technologie für die Zukunft. Infolgedessen findet sich der Sammelbegriff Business Intelligence immer häufiger bei den Top-Themen von Führungskräfte-Agendas.

Nach der Einführung umfassender betriebswirtschaftlicher Systeme erhoffen sich derzeit die Führungskräfte, mit Hilfe eines Business Intelligence-Systems aus der Informationsflut die richtigen Informationen entnehmen zu können. Ebenso will das Management die wesentlichen Daten zu neuen Erkenntnissen kombinieren und sichtbare oder latente Muster für Risiko- und Erfolgsfaktoren auffinden. Diese Managementforderungen sind legitim, denn die rasante Entwicklung der ökonomischen Globalisierung und das heutige Informationszeitalter haben Unternehmen gezwungen, den mächtigen Wettbewerbsdruck zu prognostizieren und angemessen darauf zu reagieren.^[1]

Die Unternehmen halten dem enormen Wettbewerbsdruck nur stand, wenn sie sich Wettbewerbsvorteile sichern, Marktchancen schnell erkennen und die vorhandene Informationsflut effektiv nutzen. Dabei sollten einerseits die Informations- und Wissensvorsprünge, die sich durch die ungleiche Verteilung von Wissen und Fähigkeiten in der Wirtschaft ergeben, als Chance erkannt und genutzt werden. Anderseits führt der Zuwachs der Datenmengen jedoch nicht unwillkürlich dazu, dass die Unternehmen sich in ihren Märkten auskennen oder dass sie dadurch eine Verbesserung ihres operativen Geschäfts erreichen. Die Unternehmen müssen Lösungen wie Business Intelligence einsetzen, die es ermöglichen, diese Daten- und Informationsmassen in nutzbares Wissen zu transformieren. Daher muss das Hauptmotiv zukunftsträchtiger Business Intelligence-Strategien die optimale Aufbereitung und Verteilung von Informationen sein, sodass dadurch ein Mehrwert für das Unternehmen erzielt werden kann. Ohne die Verwendung von Business Intelligence-Systemen sind ebenso enorme Datenmengen vorhanden, jedoch verbreiten diese dann Verwirrung und erschweren letztendlich den Geschäftsablauf.^[2]

In der vorliegenden Diplomarbeit wird der Themenkomplex Business Intelligence näher durchleuchtet, indem der technische sowie der wirtschaftliche Aspekt dem Leser dargestellt wird. Zu Beginn dieser Arbeit werden verschiedene Definitionen und Grundlagen zu diesem Themenpunkt ausgearbeitet und die Anforderungen an ein Business Intelligence-System erläutert. Weiterhin wird die technische Sicht von Business Intelligence-Systemen abgehandelt und mit Hilfe eines Produktvergleichs an den Beispielen der zetVisions AG und der MIS AG praxisnah veranschaulicht. Zuletzt werden geplante bzw. künftige Entwicklungen aufgezeigt und diese mit der Business Intelligence-Thematik verglichen.

Die Entwürfe und Konzepte in diesem Werk sollen als Orientierungshilfe verstanden werden. Ein Allheilmittel dürfen in ihnen nicht gesehen werden.

2. Grundverständnis: Business Intelligence

2.1. Wesen und Anforderungen an Business Intelligence

Das Schlagwort Business Intelligence ist äußerst jung, verspricht allerdings zu einem viel versprechenden Trend zu werden. Vor allem der englische Ausdruck Intelligence assoziiert etwas Positives. Das kommt daher, dass der Begriff Intelligence die Fertigkeit interpretiert, Informationen in Wissen zu transformieren und Wissen in konkrete Vorgänge umzusetzen. Martin Grothe übersetzt den Ausdruck Intelligence mit der Suche nach Informationen und definiert den Themenkomplex Business Intelligence wie folgt: „Business Intelligence bezeichnet den analytischen Prozess, der – fragmentierte – Unternehmens- und Wettbewerbsdaten in handlungsgerichtetes Wissen über die Fähigkeiten, Positionen, Handlungen und Ziele der betrachteten internen oder externen Handlungsfelder (Akteure und Prozess) transformiert.“^[3]

Diese Definition weist darauf hin, dass hinter der Bezeichnung Business Intelligence keine feste Größe steht, sondern ein Prozess charakterisiert wird. Ebenso wird ersichtlich, dass dieser gesamte Prozess die Entscheidungsfindung im Unternehmen durch die Auswertung verfügbarer Daten beschreibt. Grothe leitet daher aus dieser Definition die folgenden drei Prozessphasen ab:

1. „Bereitstellung quantitativer und qualitativer, strukturierter oder unstrukturierter Basisdaten.“
2. „Entdeckung relevanter Zusammenhänge, Muster und Musterbrüche oder Diskontinuitäten gemäß vorbestimmter Hypothesen oder hypothesenfrei.“
3. „Kommunikation der Erkenntnisse und Integration in das Wissens-management der Unternehmung: Teilen und Nutzung der gewonnen Erkenntnisse zur Stützung von Maßnahmen und Entscheidungen sowie Umsetzung des generierten Wissens in Aktionen.“^[4]

Durch diese Eigenschaften erfüllen Business Intelligence-Lösungen gemeinsam mit den IT-Systemen, zur Unterstützung operativer Geschäftsprozesse, alle diejenigen Anforderungen, die man von entscheidungsunterstützenden Systemen verlangt. Diese Anforderungen umfassen folgende Punkte:

- Um Informationen zu kombinieren müssen alle vorhandenen Daten, die dauerhaft gespeichert werden, integriert werden, um das Erkennen von Entwicklungen und Erstellen von Prognosen zu ermöglichen.
- In einem Informationsmodell sollen alle Daten in granulierter und aggregierter Form verfügbar sein.
- Komplexe Informationsabfragen müssen schnell durchgeführt werden und durch leicht bedienbare Anwenderwerkzeuge bearbeitbar sein, sodass jede Art von Anzeige- und Analyseaufgabe erfüllbar ist.^[5]

Abbildung in dieser Leseprobe nicht enthalten

Dadurch, dass Business Intelligence fast jedem unternehmerischen Bereich dienlich sein kann, ist Business Intelligence auch in annähernd allen Bereichen des Unternehmens anzutreffen. Zwar wird Business Intelligence primär noch in den Bereichen Finanzen und Controlling eingesetzt, die Tendenz in Richtung Vertrieb und Marketing steigt jedoch zunehmend. Diese Akzeptanz der Business Intelligence-Systeme steigt kontinuierlich und wird mit Hilfe der Abbildung 1 veranschaulicht.

Abbildung 1: Business Intelligence-Funktionsbereiche

(Quelle: Hannig, 2002, Seite 224)

Nachdem das Wesen und die Anforderungen des Business Intelligence-Ansatzes dargestellt worden sind, werden nachfolgend die verschiedenen Business Intelligence-Informationsarten näher betrachtet. Anschließend wird die Zielsetzung der Business Intelligence-Systeme durchleuchtet.

2.2. Daten bzw. Informationen für das Management

„Das Management von Daten, Information und Wissen prägt die aktuelle Theorie und Praxis unternehmerischen Handelns.“^[6] Bevor der Themenkomplex Business Intelligence in diesem Werk ausgearbeitet wird, muss zunächst eine Abgrenzung der Begriffe Daten, Informationen und Wissen vorhanden sein. Diese Begriffsklärung wird benötigt, um ein grundlegendes Verständnis und damit einen Bezug zu Business Intelligence überhaupt zu gewährleisten. Erste Anhaltspunkte über die Unterschiede von Zeichen, Daten, Informationen und Wissen sind in Abbildung 2 dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Die Beziehungen zwischen den Ebenen der Begriffshierarchie

(Quelle: Probst, 1998, Seite 34)

Der Kerngedanke der Abbildung 2 ist der Zusammenhang zwischen den unterschiedlichen Ebenen. Zeichen werden mit Hilfe einer Syntaxregel zu Daten. Sowohl strukturierte, als auch unstrukturierte Daten können gedeutet werden und stellen somit Informationen für den Empfänger dar. Informationen werden durch Vernetzung und die Ermöglichung der Anwendung in einem gewissen Handlungsfeld zu Wissen. Der Zusammenhang von Daten, Informationen und Wissen lässt sich mit Hilfe eines praktischen Beispiels näher erläutern:

Im Wohnzimmer sitzt ein Kind vor dem Fernseher und sieht auf der Fernbedienung verschiedene Tasten (z.B. 0-9). Anfangs werden die Zahlen auf der Fernbedienung nur als eine Art Datensammlung wahrgenommen. Aufbauend auf die Datensammlung wird eine Beziehung zwischen den Tasten der Fernbedienung und dem Programm im Fernseher aufgebaut. Dadurch wird eine Prognose möglich, die aussagt, dass durch die Betätigung einer beliebigen Programmtaste das entsprechende Programm dargestellt wird. Dieser musterbasierter Befund wird als Wissen gekennzeichnet.^[7]

In der heutigen Gesellschaft müssen Führungskräfte den Unterschied zwischen Daten, Informationen sowie Wissen kennen und den Zusammenhang dieser Ebenen verstehen. Jedoch ist in der Praxis die Kenntnis dieser Unterschiede nicht vorhanden, weshalb sich verschiedene Daten-, Informations- und Wissensbereiche entwickelten. Infolgedessen fehlt eine Abstimmung der jeweiligen Bereiche. So ist beispielsweise die IT-Abteilung generell nur für den Aufbau und die Pflege der Daten- und Informationsbasen verantwortlich. Im Gegensatz dazu ist die Forschungs- und Entwicklungsabteilung für Produktinnovationen und die Personalentwicklung für die Vermittlung von Fertigkeiten zuständig. Dessen ungeachtet ist ein vollkommenes Daten- oder Informationsmanagement zwecklos, wenn die Mitarbeiter nicht fähig sind, die angebotenen Informationsmengen anzuwenden.^[8]

Die theoretische Abgrenzung der Begriffe Daten, Information und Wissen ist sehr schwierig, da viele verschiedene Meinungen und Ansichten über dieses Themengebiet vorhanden sind. Dennoch gilt in der Praxis wie in Abbildung 3 ersichtlich, dass aus der vorhandenen Informationsvielfalt die wesentlichen Relationen, Muster und Prinzipien aufzufinden und auszunutzen sind. Unternehmen sollten sich die Daten speziell so zunutze machen, dass die Mitarbeiter Informationen erhalten, mit denen sie durch Wissen treffsicher und rechtzeitig Entscheidungen fällen können. Dadurch kann das Unternehmen aktiv am Markt agieren, anstelle nur mit Verzögerung zu reagieren.^[9]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Erhöhung der Informationsdichte

(Quelle: In Anlehnung an Grothe, 2000, Seite 18)

Das Business Intelligence-Konzept ermöglicht durch die Daten bzw. Informationen die Konzentration von Personen und Technologie zu einem starken Verbund. Hierdurch können Organisationen bzw. Unternehmen ökonomischer geführt werden. Die Suche nach unternehmerischen Daten wird in der Folge mit dem Begriff Business Intelligence in Verbindung gebracht.

Das Business Intelligence-Portfolio von Grothe zeigt verschiedene Werkzeuge auf, die Daten bereitstellen, entdecken oder kommunizieren. Diese Werkzeuge wurden bislang unter anderen Bezeichnungen bzw. Produktgruppen angeboten. Nunmehr werden jedoch die Werkzeuge in zwei Werkzeuggruppen unter dem Business Intelligence-Label serviert. Eine Werkzeuggruppe ist auf strukturierte, quantitative Daten fokussiert, die beispielsweise mit dem Themenkomplex Data Warehouse in Verbindung gebracht wird (dazu näheres in Kapitel 5.3). Im Gegensatz dazu werden unstrukturierte, qualitative Daten unter anderem mit den verschiedenen Mining Verfahren (siehe dazu Kapitel 5.5.1) charakterisiert, welche die andere Werkzeug-gruppe darstellt. Die Analyse dieser strukturierten und unstrukturierten Daten ist durch die heutigen technischen Möglichkeiten ein bedeutsamer Fortschritt.

Allerdings können vor allem die strukturierten Daten durch das traditionelle analytische Instrumentarium einfacher festgehalten werden, sodass den strukturierten Daten mehr Aufmerksamkeit gewidmet wird. Diese Subjektivität soll allerdings mit Hilfe von Business Intelligence kompensiert werden, das durch integrierte Tools diese Zweiteilung aufheben soll. Die integrierten Werkzeuge werden vor allem durch Methoden und kommunikative Elemente unterstützt, die zum leichteren Verständnis in einem Business Intelligence-Portfolio dargestellt werden. Dieses Tool-Portfolio baut auf die Business Intelligence-Definition und die Prozessphasen von Martin Grothe auf.^[10]

In Abbildung 4 ist das Business Intelligence-Portfolio abgebildet. Die Instrumente, die im nachfolgenden bearbeitet werden, sind blau markiert und haben einen Verweis auf das Kapitel, in dem sie erläutert werden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Business Intelligence-Portfolio

(Quelle: In Anlehnung an Grothe, 2000, Seite 21)

2.3. Zielsetzung eines Business Intelligence-Systems

Business Intelligence-Systeme verfolgen verschiedene Ziele. Die drei prägnantesten Ziele sind:

(1) Schnellere und bessere Entscheidungen.
(2) Informationen werden aus Daten gewonnen.
(3) Rationaler Management-Ansatz wird beansprucht.

Speziell die Unterstützung bei Entscheidungen ist ein bedeutendes Ziel, das dazu führt, dass Unternehmensvorhaben zügiger und einfacher ausgeführt werden können. Diese Entscheidungen können jedoch nur dann getroffen werden, wenn die dafür benötigten Informationen den Führungskräften und Managern zur Verfügung stehen. Allerdings existiert ein Ungleichgewicht zwischen den enormen Datenmengen, die täglich im Unternehmen angesammelt werden, und den wenigen Informationen, auf die Entscheidungsträger angewiesen sind. Das festgestellte Ungleichgewicht bzw. die Kluft zwischen Datenmengen und dem Informationsbedarf wird als Analyselücke bezeichnet. Diese Analyselücke kann durch den Einsatz von Business Intelligence-Systemen behoben werden. In Abbildung 5 sind die Datenmengen und der Informationsbedarf dargestellt. Die Analyselücke wird durch den Doppelpfeil markiert. Der Einsatz eines Business Intelligence-System als Management-Ansatz, als Organisationsstruktur oder als Management-Philosophie ist das letzte grundlegende Ziel der Business Intelligence-Systeme. Diese Business Intelligence-Haltung veranlasst Mitarbeiter und Unternehmen ihre rationale Entscheidungsfindung grundsätzlich auf Fakten basieren zu lassen.^[11]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Diskrepanz zwischen verfügbaren Daten und Analyseressourcen

(Quelle: Grothe, 2000, Seite 17)

3. Entwicklung des Business Intelligence

3.1. Vom Managementinformationssystem zum Business Intelligence-System

Seit den 60er Jahren ist es ein Ziel der betrieblichen Informationsverarbeitung, Führungskräfte bei der Entscheidungsfindung mit Informationssystemen zu unterstützen. Dieser Wunsch nach einer Informationssoftware, die den Managern die betriebswirtschaftlich benötigten Daten und Informationen zur richtigen Zeit und in der gewünschten Form zur Verfügung stellt, kristallisierte sich als Folge des Datenbank-einsatzes heraus. Solche Informationssysteme sind zu Beginn ihrer Ära durch die Bezeichnung Managementinformationssysteme (MIS) bekannt geworden (siehe Abbildung 6). Doch die Versuche zur Entwicklung von MIS scheiterten in den 60er und 70er Jahren aus den unterschiedlichsten Gründen. Technische Defizite, euphorische Versprechungen der Anbieter und falsche Erwartungen der Anwender waren entscheidende Scheiterungsgründe.^[12]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Entwicklung der Informationssysteme

(Quelle: In Anlehnung an Hannig, 2002, Seite 4)

Auch in den nachfolgenden Jahren und Jahrzehnten entwickelten sich Informations-systeme mit dem Versuch sich zu etablieren. In den 70er Jahren wurde das Decision Support-System (DSS) bzw. Entscheidungsunterstützungssystem (EUS) entwickelt. Dieses Informationssystem hatte nicht mehr nur das Ziel einer reinen Datenversorgung, sondern sollte den Entscheidungsträgern durch wertvolle Informationen behilflich sein. Das DSS bzw. EUS wies zum einen technische Mängel auf und wurde zum anderen nicht akzeptiert, da kaum ein Entscheidungsträger einem Computer das Lösen von Managementaufgaben zutraute.^[13]

Nach einer Zeit des Akzeptanzverlustes wurden die Informationssysteme in den achtziger Jahren als Führungsinformationssysteme (FIS) und Executive Information-Systeme (EIS) vertrieben. Die Zielgruppe dieser neuen Generation von Informations-systemen waren Topmanager und Controller, die schon Erfahrungen mit Analyse- und Planungstools aufwiesen. Dennoch konnten sich die Informationssysteme auch im zweiten Anlauf nicht etablieren. Das Scheitern begründete sich auch diesmal durch technische Schwächen und der Ablehnung der Manager. Weiterhin wollten die Informationssysteme jedem Endanwender eine individuelle Lösung bereitstellen, was aus technischer Sicht in dieser Zeit aussichtslos war.^[14]

In den 90er Jahren stieg das Interesse nach Informationssystemen durch den dynamischen Markt, den Trend nach Dezentralisierung und Globalisierung. In dieser Zeit boten die Informationssysteme fortschrittliche Visualisierungs- und Analyse-werkzeuge an und wiesen bemerkenswerte Grafiken sowie Planungshilfen auf. Jedoch konnten die Informationssysteme keine Fehler in den Datenbeständen bereinigen und aggregieren. Ebenso konnten die weit gestreuten Daten nicht genutzt werden. Aus diesen Gründen wurde erkannt, dass ein Informationssystem nur dann brauchbar ist, wenn eine komplette und konsistente Datenbasis existiert. Dieses lieferte das Data Warehouse und war daher die Grundlage für solch ein Informations-system. Der Aufbau eines zentralen Datenlagers bzw. eines Data Warehouse, das im Kapitel 5.3 näher erläutert wird, wurde schnell in Unternehmensplanungen priorisiert.^[15]

Nach der Data Warehouse-Einführung erhöhte sich die Akzeptanzbereitschaft von Informationssystemen und das Prinzip vom Business Intelligence (siehe Kapitel 2,3, 4 und 5) verbreitete sich. Der Business Intelligence-Begriff wurde 1993 von der Gartner Group geprägt und ermöglichte den ersehnten Siegeszug der Informations-systeme.^[16] Mit dem Business Intelligence-Ansatz wurde jedoch die Entwicklung der Informationssysteme nicht beendet. Die mit Wissen angereicherten Business Intelligence-Systeme eröffnen in absehbarer Zeit das Zeitalter der Decision Intelligence-Systeme (DSS) sowie des Business Performance Managements (BPM). Auf diese beiden Weiterentwicklungen des Business Intelligence-Ansatzes wird in Kapitel 7 eingegangen.^[17]

3.2. Wachstumsmotive des Business Intelligence

Die heutige Gesellschaft ist durch den starken Wettbewerb, der fortschrittlichen Technik, der Schnelllebigkeit, sowie der ständigen Unternehmensausdehnungen im stetigen Wandel. Durch diese Umstände wird die Unternehmensführung gezwungen, ihre operationalen und speziell ihre strategischen Entscheidungsprozesse ständig anzupassen. Diese notwendige Handlungsweise auf der einen Seite und weitere Motive auf der anderen Seite befürworten die Integration eines Business Intelligence-Systems in die eigene Unternehmensstruktur. Einige Motive werden in den nachfolgenden Unterkapiteln (Kapiteln 3.2.1-3.2.5) näher erläutert. Diese Motive betreffen jedoch nicht nur den dynamischen Markt, sondern greifen verstärkt auch auf andere Sektoren über. Sie reichen vom modernen Echtzeit-Unternehmen bis hin zu gesetzlichen Regulierungen.

3.2.1. Real-time-Enterprise

Immer mehr Unternehmen stellen fest, dass sie sich im Zeitalter des Internets vollständig zu einem Real-time-Enterprise (Echtzeit-Unternehmen) umorganisieren müssen. Die Umsetzung eines Echtzeit-Unternehmens ist heutzutage möglich und die Epoche des Real-time-Enterprise (RTE) ist gemäß der Gartner Group der nächste große Schritt unseres Informationszeitalters (siehe dazu Abbildung 25 in Kapitel 7.1). Dieser Bedarf an Echtzeit-Interaktionen ist nicht nur beim Online-Konsumenten vorhanden, sondern auch verstärkt in der Managementetage. Diese benötigt personenspezifische und aktuelle Daten um rechtzeitig auf Veränderungen im Markt reagieren zu können. Daher sind isolierte Werkzeuge nicht mehr fortschrittlich und werden von modernen, webbasierten Business Intelligence-Systemen abgelöst. Diese Systeme gestatten einen weltweiten, parallelen Zugriff auf bedeutende Informationen und bilden Unternehmen in Echtzeit-Unternehmen um. Daher verringern Echtzeit-Anwendungen vor allem zu hohe Transaktionszeiten bzw. verkürzen die Prozesszeiten und sparen dadurch Geld. Denn in den meisten Geschäftsprozessen sind noch unnötige Zeitreserven versteckt. Es wird aber dabei nicht die Zeitreduzierung der einzelnen Arbeitsschritte fokussiert, sondern die Minderung der überflüssigen Zeitreserven in der Reaktionszeit von Ereignissen. Mit dem Einsatz von Business Intelligence-Systemen werden diese Zeitüberschüsse vermieden, indem sie durch Informationen den Geschäftserfolg erhöhen. Alle wesentlichen Unternehmensdaten werden ohne Zeitverzögerung aus den unterschiedlichsten Datenbasen in ein System aufgenommen und verdichtet. Dies wird in Kapitel 4 und 5 detaillierter erläutert.

Speziell die Management-Prozesse sollten, wie die Prozesspyramide in Abbildung 7 darstellt, in Echtzeit abgewickelt werden, da auf dieser Ebene die Unternehmens-strategie entwickelt und Interaktionen mit dem Kapitalmarkt geregelt werden.^[18]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 7: Prozesspyramide

(Quelle: In Anlehnung an o.V. Computerwoche 1, 22.05.2004)

Generell wandelt eine Business Intelligence-Software Unternehmen zu Real-time-Enterprises um und ermöglicht der Führungsetage, erfolgreiche Entscheidungen in kürzester Zeit zu treffen. Denn neben dem Preis, dem Service und der Qualität ist die Zeit ein elementarer Erfolgsfaktor im internationalen Wettbewerb.^[19]

3.2.2. Wertsteigerung von betriebswirtschaftlichen Anwendungen

Zahlreiche Unternehmen besitzen teure betriebswirtschaftliche Anwendungen wie beispielsweise ERP-, CRM- und SCM-Systeme. Diese Systeme verfügen über eine gewaltige Datenmenge in ihren Datenbanken, die jedoch nicht optimal genutzt wird. Prinzipiell möchten alle Führungskräfte die vorhandenen Daten und Informationen über eine zentrale Plattform in Anspruch nehmen und Insellösungen vermeiden. Die integrierten betriebswirtschaftlichen Anwendungen sind jedoch nicht in der Lage, eine unternehmensweite Sicht der Daten und Informationen zu gewährleisten und diese über eine einzige Plattform anzubieten.^[20]

Die integrierten Berichtssysteme in diesen Anwendungen sind grundsätzlich nur an ein System gekoppelt, sodass wertvolle Daten und Informationen aus Datenquellen von anderen Systemen nicht verwendet werden (siehe auch Kapitel 3.2.3). Das Sammeln von Daten und Informationen ist jedoch nur dann zweckmäßig, wenn diese auch vorteilhaft ausgewertet werden. Es besteht daher ein Bedarf an Analyse-Tools, da die betriebswirtschaftlichen Anwendungen nicht in der Lage, sind Informations-auswertungen und -analysen durchzuführen (siehe auch Kapitel 3.2.5).^[21]

Der Einsatz von Business Intelligence-Tools kann eine Unterstützung für die Erreichung der strategischen und operativen Absichten eines Unternehmens sein. Denn Business Intelligence-Tools werten betriebswirtschaftliche Anwendungen auf und wandeln verfügbare Daten in Wissen um. Dazu wird in Kapitel 4.3 näher eingegangen. Ebenso kann mit Hilfe von Business Intelligence-Systemen der ROI (Return on Investment) sowohl gemessen als auch maximiert werden. Dies steigert ebenfalls den Wert der Anwendungen. Das Einsatzgebiet von Business Intelligence in den betriebswirtschaftlichen Anwendungen ist vielseitig und sehr groß. Dennoch werden Business Intelligence-Systeme noch selten mit betriebswirtschaftlichen Anwendungen kombiniert.^[22]

3.2.3. Informationskonsolidierung und Integration heterogener Systeme

In vielen Unternehmen sind die vorhandenen Datenbestände und Systeme als Insellösungen vorhanden, sodass sowohl die Daten und Informationen als auch die Systeme dem Anwender sehr schwer zugänglich sind. Diese Tatsache kann unter anderem mit Hilfe der Zusammenfassung von Daten und Informationen gelöst werden. Durch die Konsolidierung der unternehmerischen Daten und Informationen in einen zentralen Datenpool werden die vorhandenen Datenquellen effektiver genutzt. Dies kann mittels Data Warehouse oder Data Marts erreicht werden, die in Kapitel 5.3 ausführlicher abgehandelt werden.^[23]

Durch die technische Möglichkeit, Daten ohne Fehler zu bereinigen und zusammenzufassen, sowie durch das Aufkommen des Data Warehouses ist den Informationssystemen nach langen Anlaufschwierigkeiten der Durchbruch gelungen. Speziell das Data Warehouse war der entscheidende Faktor und die Grund-voraussetzung für den Siegeszug der Business Intelligence-Systeme bzw. Informationssysteme. Denn Informationssysteme bzw. Business Intelligence-Systeme sind nur dann sinnvoll und zuverlässig, wenn eine komplette und konsistente Datenbasis existiert. Bislang verfügten die Informationssysteme angesichts fehlender Datenanbindungswerkzeuge jedoch nur über ein spärliches Datenfundament und waren aus diesem Grunde nur auf Teilbereiche des Unternehmens konzipiert. Die Integration eines Business Intelligence-Systems bzw. Informationssystems ist durch das Data Warehouse daher heutzutage einfacher.^[24]

3.2.4. Wirtschaftliche Beschränkungen und Regulierungen

Basel II, KonTraG, HGB, US-GAAP, IAS sind nur einige Beschränkungen und Regulierungen, die auf betriebswirtschaftlich-rechtlicher Sicht auf Unternehmen einwirken. Sie sollen ausschließlich nur zuverlässige und qualitative Zahlen von Unternehmen zulassen. Die genannten Restriktionen und Regulierungen entstanden aus der gestiegenen Dynamik der Märkte und der Technologie. Diese neuen Herausforderungen stellen für viele Unternehmen ein brisantes Thema dar, da aussagkräftige Daten und Informationen aus verschiedenen Bereichen nicht immer aus den vorhandenen Systemen entnommen werden können. International agierende Unternehmen müssen außerdem ihre Finanzinformationen in zweierlei Formen anfertigen; d.h. diese Unternehmen müssen beispielsweise einen zweiten Jahresabschluss auf der Grundlage eines anderen Normensystems erstellen. Dies ist wiederum mit höheren Kosten verbunden. Diese hohen unternehmerischen Anforderungen können durch Business Intelligence Systeme unterstützt werden.^[25]

So fordert beispielsweise Basel II, dass sich ab 2006 sämtliche Betriebe, die neues Fremdkapital aufnehmen wollen, einem Rating bzw. einer Bewertung unterziehen müssen. Künftig soll sich die Höhe des benötigten Kapitals stärker nach den subjektiven Risiken der vergebenen Kredite richten. Dieses Rating ist eine Art Bewertungssystem und umfasst einige Ratingkriterien, die für die Kreditvergabe relevant sind. Diese Kriterien umfassen nicht nur quantitative (Hard Facts), sondern auch qualitative (Soft Facts) Faktoren. Aus der quantitativen Sicht sind die Kennzahlen aus dem Jahresabschluss zu nennen, die den vergangenen Erfolg des Unternehmens aufzeigen. Die qualitativen Daten weisen beispielsweise künftige Entwicklungen der Märkte und der Branche auf. Aber auch Eigenschaften der Produkte und des Unternehmens, die Strategie des Managements, die interne Wertschöpfung, die Unternehmensplanung, sowie die Risikosteuerung gehören zu den qualitativen Faktoren.^[26]

Abhilfe schaffen hier Business Intelligence-Systeme, die neben aktuellen Finanz-zahlen auch eine zeitgemäße Darstellung betriebswirtschaftlicher Beziehungen zu beliebigen Fristen gestattet. Daher gewinnen Business Intelligence-Systeme auch durch diese Neuregelung an Bedeutung. Denn die strategische Planung wird mit Hilfe der Planungsprozesse des Business Intelligence unterstützt und die professionelle Steuerung des Unternehmens wird optimiert. Aber auch die grafische Aufbereitung zusammengefasster Planungs- und Reportingdaten sowie die darauf aufbauenden Analyseinstrumente sind entscheidende Argumente für ein Business Intelligence-System (näheres siehe Kapitel 4 und 5).

3.2.5. Nutzung analytischer Ergebnisse in operativen Geschäftsprozessen

Abbildung in dieser Leseprobe nicht enthalten

Nur durch eine ausgereifte Informationslogik kann in der heutigen dynamischen Wirtschaftsentwicklung eine optimale Informationsversorgung für die Mitarbeiter und Führungskräfte gewährleistet werden. Wie in dem vorigen Kapitel schon erwähnt, sind hier die Analyseinstrumente und deren analytische Ergebnisse relevant. Diese analytischen Ergebnisse sollten personen-, problem- und situationsgebunden sein, um die heutigen Anforderungen der Anwender zu erfüllen. Mit Hilfe neuer Trends und Entwicklungen, wie beispielsweise Online Analytical Processing (OLAP), das es ermöglicht, analytische Ergebnisse in operative Geschäftsprozesse einzusetzen, wird der Anwender bei seinen Aufgaben unterstützt. Auf diese Komponente wird in Kapitel 5.4 näher eingegangen. Den Zusammenhang der analytischen Informationssysteme zu den operativen Informationssystemen wird in Abbildung 8 gezeigt.^[27]

Abbildung 8: Betriebliche Informationssystempyramide

(Quelle: Chamoni, 1999, Seite 11)

Der Einsatz analytischer Informationssysteme als Dachsystem für operative Informationssysteme wird durch Business Intelligence eingerichtet. Dabei wird dem Anwender ermöglicht, Online-Interaktionen durchzuführen. Ebenso kann der Anwender die benötigten Analysewerkzeuge nach ihren Anforderungen konstruieren, verwenden und fortentwickeln. Die Fortentwicklung der Analyseinstrumente ist grundlegend, da der Zuwachs von Unstetigkeiten langfristige Vorhersagen unmöglich machen. Gerade in der aktuellen Entwicklung von Instrumenten zur Software-unterstützung ist es deutlich zu beobachten, dass diese analysegerichteter und interaktiver werden.^[28]

4. Aufgaben und Prozesse des Business Intelligence

4.1. Datensammlung

Die Datensammlung enthält mit der Datenintegration und der Datenspeicherung zwei Kernfunktionen, die in verschiedenen Entscheidungslagen verwendbar sein sollen. In diesen beiden Kernfunktionen müssen die Aufgaben des Metadatenmanagements und der Datenqualitätssicherung berücksichtigt werden. Die Metadaten sind eine Art Datendokumentation, die Beschreibungen der Daten liefert. Diese Dokumentation der Informationsobjekte umfasst insbesondere Speicherparameter, Herkunft, Struktur, Zusammensetzung und inhaltliche Beschreibung. Die Qualität der Daten ist speziell bei Business Intelligence-Systemen diffizil, da operative Systeme generell qualitativ schlechte Daten liefern. Zu diesen Qualitätsmängeln zählen fehlende, mehrmalig vorkommende, falsch kombinierte, nichts sagend definierte und inhaltlich inkorrekte Daten. Diese Qualitätsmängel werden oft erst in Business Intelligence-Systemen erkannt, weil hohe Anforderungen an die Datenverarbeitung gestellt werden. Vorzugsweise bei der Datenkontrolle in den Vorsystemen und während der Datenintegrationsprozesse werden die Qualitätsmängel lokalisiert.^[29]

4.1.1. Datenintegration

Die Datenintegration ist ein ausschlaggebender Prozess in der Datensammlung, da die Definition der Datenintegration nahezu 50 - 80% des Aufwandes eines Business Intelligence-Projektes enthält. Dieser hohe Aufwand entsteht durch das Laden von heterogenen Daten aus den unterschiedlichsten Vorsystemen in die Datenhaltungs-komponenten der Business Intelligence-Systeme. Die ungleichen Datenformate müssen vor der Datenintegration in das Data Warehouse (näheres dazu in Kapitel 5.3) in eine konsistente und einheitliche Form transformiert werden. In diesem Vorgang müssen sowohl syntaktische Fehler behoben werden, als auch semantische Zusammenhänge definiert und harmonisiert werden (siehe auch Kapitel 3.2.3). Daher umfasst der Tätigkeitsbereich der Datenintegration sowohl den betriebswirtschaftlich-semantischen als auch den technisch-strukturellen Aspekt. Diese Aspekte sind die Extraktion von Daten aus ihren Vorsystemen, ihrer Transformation und das Laden in Data Warehouses, die in Kapitel 5.2 umfassender erläutert werden.^[30]

[...]

---

^[1] Vgl. Vitt, 2002, Seite 1-9

^[2] Vgl. Picot, 2003, Seite 70-76

^[3] Grothe, 2000, Seite 19

^[4] Grothe, 2000, Seite 20

^[5] Vgl. Bange, 2003, Seite 2f

^[6] Cappuro, 1998, Seite 2

^[7] Vgl. Grothe, 2000, Seite 18

^[8] Vgl. Probst, 1998, Seite 33-36

^[9] Vgl. Grothe, 2000, Seite 18f

^[10] Vgl. Grothe, 2000, Seite 20f

^[11] Vgl. Vitt, 2002, Seite 9-12

^[12] Vgl. Hannig, 2002, Seite 3

^[13] Vgl. Hannig, 2002, Seite 3f

^[14] Vgl. Hannig, 1996, Seite 1-3

^[15] Vgl. Hannig, 2002, Seite 4-6

^[16] Vgl. Wolf, 2003

^[17] Vgl. Hannig, 2002, Seite 6-7

^[18] Vgl. o.V. Computerwoche 1, 2003

^[19] Vgl. o.V. Computerwoche 1, 2003

^[20] Vgl. Gilg, 24.01.2002

^[21] Vgl. Hoffmann, 2001

^[22] Vgl. o.V. Systems-world, 01.05.2004

^[23] Vgl. Grothe, 2000, Seite 51f

^[24] Vgl. Schinzer, 1999, Seite 14-17

^[25] Vgl. Achleitner, 2003, Seite 21-31

^[26] Vgl. Schneck, 2003, Seite 1-5 und 77-114

^[27] Vgl. Chamoni, 1999, Seite 4-13

^[28] Vgl. Grothe, 2000, Seite 15-17

^[29] Vgl. Bange, 2003, Seite 3

^[30] Vgl. Bange, 2003, Seite 4