Der Einsatz analytischer Informationssysteme zur Vetriebsunterstützung im Öffentlichen Personen-Nahverkehr

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 Der öffentliche Personennahverkehr in Deutschland
2.1 Aufgaben und Situation
2.1.1 Zweckbestimmung nach dem Gesetz
2.1.2 Wirtschaftliche und politische Rahmenbedingungen
2.2 Unternehmensziele
2.2.1 Finanzielle Ziele
2.2.2 Kundenzufriedenheits-Ziel
2.2.3 Resultierender Informationsbedarf
2.2.4 Möglichkeiten der Informationsbereitstellung

3 Data Warehouse als Basis eines Analytischen Informations-systems
3.1 Grundlagen
3.1.1 Historische Entwicklung
3.1.2 Aufgaben
3.2 Architektur
3.2.1 Extraktions-, Transformations- und Ladeprogramme
3.2.2 Operational Data Store
3.2.3 Datenbasis
3.2.4 Archivierungssystem
3.2.5 Metadaten
3.2.6 On-Line Analytical Processing
3.2.7 Front End
3.3 Multidimensionale Datenmodelle
3.3.1 Grundlagen
3.3.2 Grafische Modellierungsformen
3.3.3 Transformation auf die logische Ebene
3.4 SAP Business Warehouse

4 Die Einführung von SAP BW im Vertrieb der DSW
4.1 Situation der Dortmunder Stadtwerke
4.1.1 Wirtschaftliche und politische Rahmenbedingungen
4.1.2 Organisatorische und informationstechnische Rahmenbedingungen
4.1.3 Zusammenfassung der Rahmenbedingungen
4.2 Projektverlauf
4.2.1 Definition von Anforderungen der Fachabteilungen
4.2.1.1 Vertriebsabteilung
4.2.1.2 Marketing-Abteilung
4.2.1.3 Beschwerdemanagement
4.2.1.4 Deliktverwaltung
4.2.1.5 Zusammenfassung der Anforderungen
4.2.2 Soll-Konzept
4.2.2.1 Datenmodell Verkauf
4.2.2.2 Datenmodell Beschwerdemanagement
4.2.2.3 Datenmodell Deliktverwaltung
4.2.3 Architektur und Implementierung
4.2.3.1 Die Datenquelle SAP PT
4.2.3.2 Modellierung innerhalb von SAP BW
4.2.3.3 Modellierung der Datenquellen
4.2.3.4 Ladeprozess Bewegungsdaten
4.2.3.5 InfoCube
4.2.4 Ausgewählte Beispiele der Queries
4.2.4.1 Verkauf und Umsätze Abonnement
4.2.4.2 Nutzung der Fahrscheindrucker
4.2.4.3 Vergleich externer Vorverkaufsstellen
4.3 Bewertung des Projektes
4.3.1 Erfolge
4.3.2 Problembereiche

5 Fazit und Ausblick

Literaturverzeichnis

Anhangverzeichnis
Anhang A: Abfrageoperationen für multidimensionale Daten
Anhang B: Beispielbericht Entwicklung der Verkehrsleistung
Anhang C: Auszug Bewegungsdaten Flatfile
Anhang D: Screenshot inSight-Oberfläche VIS
Anhang E: Screenshot inSight-Diagramm

Abbildungsverzeichnis

Abb. 1: Modifiziertes DuPont-Kennzahlensystem zur Bewertung von CRM-Projekten

Abb. 2: Komponenten einer CRM-Lösung

Abb. 3: Data Warehouse-Referenzarchitektur

Abb. 4: Datenwürfel Umsatz

Abb. 5: Hierarchie

Abb. 6: Snowflake-Schema

Abb. 7: Star-Schema

Abb. 8: SAP BW-Architektur

Abb. 9: R/3-Modul Public Transport

Abb. 10: Projektverlauf

Abb. 11: PT-Modulübersicht

Abb. 12: Kundenmanagement und Data Mining

Abb. 13: ADAPT-Kernelemente

Abb. 14: ADAPT-Dimensionselemente

Abb. 15: ADAPT-Dimensionstypen

Abb. 16: Datenmodell Verkauf

Abb. 17: Datenmodell Beschwerdemanagement

Abb. 18: Datenmodell Deliktverwaltung

Abb. 19: Produkt-Stammdaten

Abb. 20: Produkthierarchie

Abb. 21: InfoCube BW-Datenmodell

Abb. 22: BW-InfoSources

Abb. 23: Datenfluss Bewegungsdaten

Abb. 24: Datenstruktur im InfoCube

Abb. 25: BEx Query-Designer

Abb. 26: Query Abo-Verkauf

Abb. 27: Query Entwicklung Abonnentenzahl

Abb. 28: Query Verkauf Fahrscheindrucker

Abb. 29: Query Vergleich Verkaufsleistung externer Vorverkaufsstellen

Tabellenverzeichnis

Tab. 1: CRM-Ursache-Wirkungszusammenhang

Tab. 2: Kennzahlen für die Vertriebsabteilung

Tab. 3: Kundeinformationen

Tab. 4: Schnittstelle Bewegungsdaten PT – BW

Tab. 5: Selektierte Bewegungsdaten der Schnittstelle

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

„In allen Dingen hängt der Erfolg von den Vorbereitungen ab.“^[1] – das erkannte bereits der chinesische Philosoph Konfuzius mehr als 500 Jahre vor unserer Zeitrechnung. Eine Komponente der Vorbereitung ist das Treffen der richtigen Entscheidungen. Im betriebswirtschaftlichen Umfeld werden diese zu einem großen Teil auf Basis von Informationen getroffen. So benötigt jeder Entscheidungsträger eine Informationsquelle, die ihm bei der Vorbereitung von Entscheidungen hilfreich ist. Eine mögliche Informationsquelle stellt ein Data Warehouse dar, dessen Aufgabe die zentrale Bereitstellung entscheidungsrelevanter Informationen^[2] ist. Unter einem Data Warehouse wird im Folgenden eine Technologie verstanden, die Informationen „inhaltsorientiert, integriert und dauerhaft“^[3] sammelt, transformiert und Entscheidern^[4] zur Unterstützung bereitstellt.

Informationen erweitern nach Meinung verschiedener Autoren die drei konventionellen Produktionsfaktoren Boden, Arbeit und Kapital um einen weiteren Faktor.^[5] Wie sich dieser Faktor mit Hilfe der Data Warehouse-Technologie im öffentlichen Personennahverkehr (ÖPNV) nutzen lässt, wird in der Arbeit anhand einer praktischen Projekterfahrung bei der Dortmunder Stadtwerke Aktiengesellschaft (DSW AG, kurz DSW) aufgezeigt. Dazu werden im folgenden Kapitel die derzeitigen wirtschaftlichen und juristischen Rahmenbedingungen dieser Branche in Deutschland umschrieben und daraus mögliche Zielsysteme^[6] der Unternehmen abgeleitet. Im Anschluss daran wird der Informationsbedarf^[7] für die Zielerreichung analysiert.^[8]

Im dritten Kapitel wird die Data Warehouse-Technologie als eine Möglichkeit der Bereitstellung der nötigen Informationen vorgestellt. Dazu wird ein kurzer historischer Überblick über die Entwicklungsgeschichte dieser Technologie gegeben und die Architektur erklärt. Der aktuelle Stand der Technik wird anhand des Business Warehouse (BW) der Firma SAP-AG demonstriert, welches in dem Projektbeispiel das zum Einsatz gekommene Data Warehouse darstellt.

Der Verlauf des Projektes sowie ein Vorschlag über die mögliche zukünftige Ausgestaltung des Data Warehouse sind Gegenstand der Ausführungen in Kapitel 4. Es schließt mit einer Zusammenfassung auf Basis der gewonnenen Erfahrungen, welche die Grundlage für eine kritische Betrachtung und einen Blick in die Zukunft in Kapitel 5 bieten.

2 Der öffentliche Personennahverkehr in Deutschland

Der deutsche kollektive öffentliche Verkehr, zu dem der ÖPNV neben dem Schienenpersonenverkehr und dem Luftverkehr gehört, befindet sich seit den Liberalisierungsbestrebungen^[9] der Europäischen Union (EU)^[10] in einer Zwitterstellung. Auf der einen Seite bestehen noch (staats-)monopolistische Strukturen, während die andere Seite bereits marktwirtschaftlich geprägt ist.^[11]

Das Regionalisierungsgesetz (RegG)^[12] des Bundes bewirkte eine Verlagerung der Aufgaben- und Finanzverantwortung von der Ebene des Bundes herunter in den Bereich der Bundesländer. Diese gaben entsprechend der jeweiligen Landesgesetzgebung ihrerseits die Kompetenz an kommunale Institutionen weiter. Die Veränderung hatte eine Anpassung der Unternehmensstrukturen zur Folge, bei der ehemals isoliert agierende Verkehrsunternehmen sich Verkehrsverbänden (oder auch Verkehrsverbünden) organisiert haben. Neben den neuen Aufgaben für die Verbände resultierten aus der Reorganisation auch neue Anforderungen an die Verkehrsunternehmen, beispielsweise die verstärkte Koordination mit anderen ÖPNV-Unternehmen.^[13]

2.1 Aufgaben und Situation

Die Struktur aus einzelnen Verkehrsunternehmen, die in Verkehrsverbänden organisiert sind, ist für die Aufgabenverteilung und Situation^[14] der einzelnen Unternehmen verantwortlich. So muss danach unterschieden werden, welche Aufgaben der Verband wahrnimmt und welche in die Zuständigkeit der Unternehmen fallen. Daneben muss zwischen den Leistungsempfängern unterschieden werden, da neben dem Kunden Fahrgast verschiedene weitere Empfänger (im weitesten Sinne auch Kunden) wie Kommunen, öffentliche und private Unternehmen und Kooperationspartner, also andere ÖPNV-Unternehmen und der Verkehrsverbund existieren. Wenn mögliche Unternehmensziele diskutiert werden, muss auf diese Besonderheiten Rücksicht genommen werden, da sie den Handlungsspielraum der Unternehmen beschränken, indem nur bestimmte Aufgaben von einem ÖPNV erfüllt werden müssen (bzw. dürfen), während die Unternehmen von anderen Aufgaben (wie einer autonomen Tarifgestaltung) ausgeschlossen sind.^[15]

Gemeinsames Ziel aller Akteure im Umfeld des ÖPNV ist die Sicherstellung regionaler^[16] Mobilität, verstanden als Fähigkeit der Beweglichkeit von Menschen in einer Region.^[17] Wird Mobilität als ein Grundbedürfnis des Menschen angesehen (wovon in Deutschland regelmäßig ausgegangen wird), so ist sie nach der Theorie des Marktversagens immer dann durch staatlichen Eingriff zu gewährleisten, wenn das freie Spiel der Kräfte auf dem Markt diese Bedürfnisse nicht oder in einem zu geringem Maße befriedigen würde.^[18]

In der Vergangenheit wurde dieses Marktversagen regelmäßig angenommen, unter anderem mit der Begründung, dass der Individualverkehr und der private Personenverkehr nicht allen Menschen ausreichend Mobilität gewährleistet.^[19] Insbesondere der Aufbau von schienengebundenen Verkehrsnetzen wurde aufgrund der hohen Investitionskosten für private Unternehmen als unrentabel erachtet, so dass hier staatliche Unternehmen aktiv wurden.^[20]

Diese Ansicht hat sich im Laufe der Zeit verändert, was sich unter anderem anhand der Privatisierungsbestebungen nationaler und supranationaler Organe erkennen lässt.^[21] Davon ungeachtet werden jedoch auch heute noch Gründe für eine staatliche Einflussnahme auf den Personennahverkehr angeführt. Das stetige Wachstum der Mobilität, insbesondere des automobilen Individualverkehrs, führt zu negativen externen Effekten^[22], wie Umwelt- oder Lärmbelästigung.^[23] Da diese aufgrund mangelnder Zuordnungsmöglichkeit nicht über den Markt internalisiert werden können, ist eine notwendige Bedingung für einen Staatseingriff vorhanden.^[24]

2.1.1 Zweckbestimmung nach dem Gesetz

Die erwähnte Rechtfertigung für öffentlichen Personennahverkehr findet sich in den betreffenden Gesetzestexten wieder und definiert damit auch den Zweck eines ÖPNV. Auf europäischer Ebene bildet dazu die EG-Verordnung 1893/91 die Grundlage; auf nationaler Ebene sind es das Personenbeförderungsgesetz (PBefG) und das Regionalisierungsgesetz.

Neben der Gewährleistung der Mobilität^[25] und dem Ziel der Verringerung von Umweltbelastungen durch Substitution des Individualverkehrs, hat der ÖPNV Erschließungs- und Versorgungsfunktionen zu erfüllen, der Chancengleichheit gerecht zu werden und Verkehrssicherheit zu gewährleisten.^[26] Ausgehend vom Sozialstaatsprinzip^[27] ist es im Sinne des Gemeinwohls gewünscht, dass in einem Flächenstaat die Überwindung von räumlicher Entfernung überall gleichermaßen möglich ist. Dementsprechend sollen auch ländlichere Gegenden durch Verkehrsinfrastruktur er- bzw. angeschlossen und versorgt werden.^[28]

Mobilität ist zugleich auch Bedingung für die politische, soziale, kulturelle und wirtschaftliche Betätigung des Einzelnen und trägt damit zur Chancengleichheit bei, die unter anderem im Grundgesetz^[29] garantiert wird.^[30]

2.1.2 Wirtschaftliche und politische Rahmenbedingungen

Die gesetzlichen Vorgaben stellen nur eine Grenze für den Handlungsspielraum der ÖPNV-Unternehmen dar – darüber hinaus gibt es verschiedene weitere Restriktionen, wie die politische Umwelt und wirtschaftliche Gegebenheiten. Auch nach der Privatisierung der meisten ÖPNV-Unternehmen sind diese noch unterschiedlich stark mit den kommunalen Behörden und politischen Institutionen verbunden – sei es finanziell oder personell.^[31] Durch diesen Hintergrund können politische Kräfte Einfluss auf die Entwicklung der ÖPNV-Unternehmen auswirken und damit die unternehmerische Entscheidungsfreiheit einschränken.

Zusätzlich besteht die Möglichkeit der direkten Einflussnahme aufgrund bestimmter personeller Strukturen, da nicht selten politische Amtsträger einer Kommune gleichzeitig auch Entscheidungsträger innerhalb des lokalen ÖPNV-Unternehmens sind. Konkret kann dies dazu führen, dass die politische Rationalität Vorrang vor der wirtschaftlichen Rationalität bekommt, wenn beispielsweise wirtschaftlich nötige Preiserhöhungen mit Rücksicht auf einen bevorstehenden Wahltermin nicht durchgeführt werden.^[32]

In der Regel decken die aus Beförderungsentgelten erzielten Einnahmen die Kosten der Verkehrsleistungen nicht. Der Kostendeckungsgrad war in der Vergangenheit bei privaten Unternehmen größer als bei kommunalen oder gemischtwirtschaftlichen Unternehmen. Dabei ist jedoch zu berücksichtigen, dass in Ballungsgebieten häufiger noch kommunale Unternehmen zu finden sind, die aufgrund ihrer Versorgungsdichte und des oftmals integrierten Schienenverkehrs relativ höhere Kosten tragen müssen.^[33]

Jedes ÖPNV-Unternehmen ist verpflichtet, seinen jährlichen Verkehrsverlust zu errechnen, welcher die Höhe des finanziellen Fehlbetrages aufgrund der öffentlichen Verkehrsleistung angibt. Der Betrag wird von den Eigentümern der Unternehmen ausgeglichen, bei denen es sich meistens um Kommunen oder Bundesländer handelt. Zusätzlich beteiligen sich diese auch an der Finanzierung von Investitionen, Ausgleichs- und Erstattungsleistungen aufgrund sozial- und bildungspolitisch begründeter Niedrigtarife^[34]. Somit stellt sich das Finanzierungssystem als ein komplexes Konstrukt aus Subventionierung durch Steuervergünstigungen, Investitionen und Zuschüssen dar. Bund und Länder teilen sich beispielsweise die Kosten, welche durch ermäßigte Tarife für Beförderung von Schwerbehinderten entstehen. Gemeinden und Schulträger finanzieren gemeinsam die Beförderungskosten für Schüler, denen nach entsprechenden Landesgesetzen vergünstigte Tarife angeboten werden müssen.^[35]

An dieser Stelle wird erneut deutlich, dass die Preisgestaltung, einer der wichtigsten Wettbewerbsparameter^[36], nur unzureichend durch die Unternehmen beeinflusst werden kann.

Die systematische Kostenunterdeckung führt zu weiteren Besonderheiten, unter anderen den sogenannten Querverbunden. In diesem Zusammenschluss von öffentlichen Unternehmen unterschiedlicher Sparten werden Verluste aus dem ÖPNV zum Beispiel durch Gewinne eines Energieversorgungsunternehmens ausgeglichen.^[37]

Eine weitere Einschränkung der Unternehmensfreiheit bewirken Konzessionen und Genehmigungsbehörden. Geplante Veränderungen der Streckenführung müssen nicht nur mit anderen ÖPNV-Unternehmen und dem Verbund abgesprochen werden, sondern sind auch von der Zustimmung verschiedener kommunaler oder Landesbehörden abhängig.^[38]

Die Genehmigung, eine Linie unterhalten bzw. ein bestimmtes Gebiet versorgen zu dürfen, kann als zeitlich begrenzte Konzession angesehen werden. Das bedeutet für das Unternehmen den Besitz einer regional begrenzten Monopolstellung^[39] für das Angebot von ÖPNV-Leistungen. Die Vergabe dieser Konzession geschieht auf unterschiedliche Weise – in der Regel wurde sie fest an die etablierten ÖPNV-Unternehmen vergeben, in jüngster Vergangenheit halten aber auch andere Verfahren Einzug. So werden die Konzessionen beispielsweise ausgeschrieben, und (ehemals) öffentliche Unternehmen bewerben sich in Konkurrenz mit privaten Anbietern (beispielsweise Reisebusunternehmen) um die Zuteilung. Den Zuschlag erhält das Unternehmen, das die Linienversorgung der Kommune zu den besten Konditionen anbieten konnte.^[40]

Eine solche Vorgehensweise ist derzeit jedoch der Ausnahmefall. Bisher gibt es nur wenige Regionen, in denen die ÖPNV-Unternehmen private Konkurrenz oder Wettbewerb fürchten müssen. Sie erhalten meistens die Konzessionen für neue Linien, da davon ausgegangen wird, dass die Einbindung neuer Unternehmen die integrierte Verkehrsbedienung erschweren würde. Benachbarte ÖPNV-Unternehmen stellen ebenso keine Konkurrenz dar – zwischen ihnen bestehen entweder Demarkationsabsprachen, die den Verzicht auf konkurrierende Angebotserstellung verhindern, oder ihnen ist es aufgrund von Regelungen im Regionalisierungsgesetz untersagt, außerhalb ihrer Kommune wirtschaftlich tätig zu werden.^[41]

Zusammenfassend stellt sich ein ÖPNV-Unternehmen als ein regional begrenzter Monopolist dar, der aufgrund bestehender Marktzutrittsbarrieren keinen Markteintritt anderer Unternehmen fürchten braucht. Eine Verbesserung der Marktposition bedeutet nicht eine Verbesserung der Position gegenüber anderen ÖPNV-Unternehmen, sondern gegenüber konkurrierenden Fortbewegungsmöglichkeiten im Regionalbereich, womit in erster Linie der motorisierte Individualverkehr in Form des PKWs gemeint ist.

2.2 Unternehmensziele

Die Entscheidung für ein oder mehrere Ziele, die durch die Tätigkeit eines ÖPNV-Unternehmens erreicht werden sollen, wird durch die wirtschaftlichen, politischen und gesetzlichen Restriktionen ein

geschränkt. Der Handlungsspielraum ist kleiner als bei vergleichbaren Unternehmen in anderen Branchen, da zum Beispiel eine Veränderung des räumlichen Marktes, der Tarifstruktur oder der angebotenen Leistungen kaum möglich ist.

In der Vergangenheit fehlten aufgrund der Abhängigkeitsverhältnisse, Kosten- und Leistungsintransparenz und staatlichen Finanzierungsmethoden Anreize, finanzwirtschaftliche Ziele zu priorisieren. Seit den EU-initiierten Privatisierungsbestrebungen sind jedoch Veränderungen in den Unternehmenszielen zu erkennen.^[42]

2.2.1 Finanzielle Ziele

Die Reformen des ÖPNV in Deutschland führten durch verschiedene Maßnahmen zu einer Verringerung der Abhängigkeit zur öffentlichen Hand. Unternehmen wurden aus der Verantwortung der Kommunen ausgegliedert und in eigenständige Rechtsformen (häufig Aktiengesellschaften) umgewandelt, Bereiche wurden outgesourct^[43], und das Konzept des Public-Private-Partnership^[44] kam oftmals zum Einsatz.^[45] Diese Veränderungen ermöglichten, dass heute ein Teil der ÖPNV-Unternehmen in erster Linie finanzielle Ziele verfolgt. Darunter fallen unter anderem die Maximierung des Shareholder-Value^[46] und die Erhöhung der Kapitalrentabilität oder des Unternehmenswertes.^[47]

Die anhaltend geringen Möglichkeiten, auf das Finanzergebnis durch Mengen- oder Preisvariationen Einfluss zu nehmen, bewirken ein verstärktes Bemühen um Effizienzverbesserungen. Der Begriff Effizienz wird hier – im Unterschied zum Effektivitätsbegriff (Tue die richtigen Dinge) – in Anlehnung an Drucker als Tue die Dinge richtig verstanden.^[48]

Eine Effizienzsteigerung ermöglicht eine Verringerung der nötigen Finanzzuweisungen, was im Zusammenhang mit der negativen Entwicklung der öffentlichen Haushaltsbudgets meist auch politisch gewollt ist. Wenn die Finanzzuweisungen jedoch konstant bleiben, obwohl die Effizienz in einem ÖPNV-Unternehmen gestiegen ist, steigt das Volumen der dem Unternehmen zur Verfügung stehenden Mittel an. Damit vergrößert sich der Handlungsspielraum der Unternehmensführung, die über den Einsatz der Mittel entscheiden und sie beispielsweise zur Verbesserung der eigenen Marktposition einsetzen kann. Der Mitteleinsatz bleibt faktisch jedoch an den Unternehmenszweck und den politischen Willen gebunden, selbst wenn das Unternehmen in einer eigenständigen Rechtsform besteht.^[49]

2.2.2 Kundenzufriedenheits-Ziel

Die Zahl der potenziellen Kunden ist auf die Einwohner und Besucher der Region des Unternehmens beschränkt, wodurch die Verbesserung der Marktposition auf folgende zwei Varianten begrenzt wird. Zum einen kann die Leistungsinanspruchnahme bestehender Kunden erhöht und zum anderen die Zahl der Kunden vergrößert werden. Bezogen auf die erste Möglichkeit haben verschiedene Umfragen und Untersuchungen gezeigt, dass die Zufriedenheit der Kunden die Schlüsselrolle für die Häufigkeit und Form der Leistungsnachfrage darstellt. Häufigkeit meint dabei nicht nur die Anzahl der Fahrten innerhalb eines bestimmten Zeitraumes, sondern auch die zeitliche Länge der Kundenbeziehung.^[50]

Die Meinung der derzeitigen Kunden hat zudem Einfluss auf die Wahrscheinlichkeit, dass Personen erstmals die Leistung des Unternehmens in Anspruch nehmen.

Unter der Annahme, dass eine höhere Anzahl zufriedener Kunden einen höheren Umsatz und damit einen höheren Gewinn generiert, dient Kundenzufriedenheit der Erreichung finanzieller Ziele.^[51]

Unter Berücksichtigung der besonderen Aufgaben des ÖPNV, insbesondere des Beitrages zur Verringerung von Umweltschädigungen durch Verkehr, kommt dem Ziel Kundenzufriedenheit aber auch weitere Bedeutung hinzu. Es ist somit nicht nur finanziellen Zielen untergeordnet, sondern in Teilen auch gleichgestellt.^[52]

Alle Methoden und Instrumente, die auf eine Erhöhung der Kundenzufriedenheit abzielen, werden unter dem Begriff Customer Relationship Management (CRM) zusammengefasst.^[53] Für die Zielerreichung wird dabei der in Tabelle 1 dargestellte Ursache-Wirkungszusammenhang angenommen.^[54]

Abbildung in dieser Leseprobe nicht enthalten

Tab. 1: CRM-Ursache-Wirkungszusammenhang

Für Imagesteigerungen eines Unternehmens sind, neben der Qualität der angebotenen Produkte, vor allem die Erfahrungen von Kunden beim Kontakt mit dem Unternehmen entscheidend.^[55] Ein positiver Eindruck entsteht bei Kunden, wenn sie den Zugangskanal^[56] zum Unternehmen selbst wählen können und ihre Erwartungen an die Betreuung dabei mindestens erfüllt, besser jedoch übertroffen werden. Erreicht werden kann das beispielsweise durch individuell zugeschnittene Betreuung. Für ÖPNV-Unternehmen eignen sich dazu besonders die Bedienung durch ein Call-Center oder über das Internet.^[57]

Die Erreichung einer höheren Effizienz wird u.a. durch eine Optimierung der Organisation von Kundenschnittstellen^[58] erreicht. Die schnellere und korrekte Bearbeitung einer Kundenanfrage spart dem Unternehmen nicht nur Ressourcen, sondern hat auch positive Auswirkungen auf den Eindruck des Kunden vom Unternehmen. Ähnlich verhält es sich bei der Auswahl und Gestaltung von Marketing-Aktivitäten. Die passende Werbung für die richtigen Kunden erhöht die Response-Wahrscheinlichkeit^[59] und senkt damit Streuverluste^[60]. Zusätzlich wird das Risiko, den Umworbenen durch als unpassend empfundene Werbung zu verärgern, verringert. Voraussetzung sind Kenntnisse über die Bedürfnisse und Erwartungen seiner Kunden.^[61]

Das Wissen über seine Kunden ermöglicht darüber hinaus Rückschlüsse auf potenzielle Neukunden. Zielgerichtetes Zugehen auf Erfolg versprechende Kundensegmente^[62] zeigt sich in der Wahl der Kundenschnittstelle, Ansprachenintensität und Anspracheninhalt für das ausgesuchte Kundensegment. Bei gleichem Ressourceneinsatz kann so nicht nur die Neukundenzahl erhöht werden, sondern es besteht auch die Möglichkeit eine Auswahl der neuen Kunden vorzunehmen. Werden im Rahmen einer Kundensegmentierung bestimmte Gruppen als besonders ertragreich identifiziert, können Werbeaktionen gezielt auf Personen mit ähnlichen Eigenschaften abgestimmt werden.^[63]

Die aktive Gewinnung neuer Kunden ist in der Regel mit Kosten verbunden, die erst ab einer bestimmten Dauer oder Intensität einer Kundenbeziehung durch den erbrachten Deckungsbeitrag^[64] ausgeglichen werden. Günstiger ist oftmals die Aufrechterhaltung der Geschäftsbeziehungen zu bestehenden Kunden. Alle Bemühungen, dies zu beeinflussen, werden unter Kundenbindung zusammengefasst, die sehr verschiedene Formen annehmen kann – für den ÖPNV sind in diesem Zusammenhang das Beschwerdemanagement und Maßnahmen bei drohender Kündigung von Aboverträgen von besonderer Bedeutung. Um jedoch auf eine drohende Kündigung reagieren zu können, muss dem Unternehmen bekannt sein, wann ein bestimmter Kunde eine hohe Kündigungswahrscheinlichkeit aufweist.^[65]

2.2.3 Resultierender Informationsbedarf

Die möglichen Maßnahmen zur Erhöhung der Kundenzufriedenheit sind sehr unterschiedlich, weisen jedoch auch verschiedene Gemeinsamkeiten auf. Eine davon ist der Bedarf an Informationen - in erster Linie über den Kunden und die Geschäftsbeziehung zu ihm. Im Folgenden wird dargestellt, welche Informationen innerhalb eines Unternehmens benötigt werden, um das Ziel zu erreichen bzw. eine Erfolgskontrolle durchführen zu können.^[66] Der Informationsbedarf des Customer Relationship Management wird anhand der zu bewältigenden Aufgabe kategorisiert.

Auf der einen Seite besteht eine Nachfrage der Kundenschnittstellen nach direkten und aktuellen Informationen über den Kunden, um die Betreuungsaufgabe kundenorientiert erledigen zu können. Damit sind neben den klassischen Vertriebsinformationen wie Adress-, Vertrags- und Kontaktinformationen auch Informationen über die verbundenen operativen Prozesse gemeint.^[67]

Auf der anderen Seite steht der Bedarf an Informationen, die eine Steuerung der Kundenbeziehungen unterstützen. Dabei wird in der Regel die Sicht von Einzelfällen zugunsten einer Zusammenfassung mehrerer Kundenbeziehungen aufgegeben.^[68] Die Aufgaben der Planung und Kontrolle erfordern mengen- und wertmäßige Kenntnisse über die Vertriebsaktivitäten eines Unternehmens. Ausgehend von einer Angabe über die Zahl verkaufter Produkte und den damit erwirtschafteten Umsatz werden dabei auch Verknüpfungen zum Bereich der Kostenrechnung erstellt. Bei der Bewertung des Erfolges von Vertriebsaktivitäten und CRM-Projekten wird häufig der Kunde als Investitionsobjekt angesehen.^[69] Im Bereich des ÖPNV hat sich aufgrund der Langfristigkeit der Kundenbeziehungen die Berechnung des Customer-Lifetime Value (CLV) durchgesetzt.^[70] Bei dieser an die Kapitalwertmethode angelehnten Rechnung wird der Wert eines Kunden aus den abgezinsten, dem Kunden direkt zurechenbaren Aus- und Einzahlungsströmen über die gesamte Dauer der Kundenbeziehung abgeleitet. Formal liegt dem CLV folgende Berechnungsvorschrift zugrunde:

Abbildung in dieser Leseprobe nicht enthalten

^[71]

Unter Kenntnisse der Kosten einzelner CRM-Aktivitäten und der Annahme einer korrekten Zurechnung auf einzelne Kunden oder Kundensegmente lässt sich deren Erfolg anhand der Veränderung des CLV messen.^[72] Da diese Zahl alleine jedoch nicht in der Lage ist die komplexen Beziehungen und Abhängigkeiten einer Kundenbeziehung darzustellen werden verschiedene weitere Informationen und Messzahlen benötigt. Hippner et al. schlagen dazu das in Abbildung 1 dargestellte Kennzahlen-System vor, bei dem es sich um eine Modifikation des populären DuPont-Kenzahlensystem^[73] handelt.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Modifiziertes DuPont-Kennzahlensystem zur Bewertung von CRM-Projekten^[74]

Für den Einsatz im ÖPNV ist dieses System jedoch nicht ausreichend, da der Return of Investment (ROI) nur die Auskunft über den Erfolg finanzieller Ziele gibt, Umweltziele oder Versorgungsziele jedoch unberücksichtigt bleiben.

Über die Arbeit der Kundenschnittstellen und der Erfolgsmessung hinaus geht insbesondere die Gestaltung der drei CRM-Phasen Interessenten-, Kundenbindungs- und Rückgewinnungsmanagement. Um die betreffenden Geschäftsprozesse in den Kundenschnittstellen optimal gestalten zu können, muss zuvor definiert werden, welche Instrumente in welcher Form zum Einsatz kommen.^[75] Eine Entscheidung, beispielsweise über Art, Inhalt und Empfänger eines Werbeanschreibens, bedarf umfangreicher Informationen über die Kunden und Möglichkeiten zur gezielten Auswahl der Empfänger. Hierzu sind nicht nur wert- und mengenmäßige Informationen, sondern auch nichtquantifizierbare wie soziografische oder psychografische Daten nötig.^[76] Für den ÖPNV sind hier insbesondere Informationen über Nutzungsverhalten und Nutzungshintergrund interessant. So stellt der Erwerb eines Autos (bzw. eines Führerscheins) einen der häufigsten Kündigungsgründe dar, während der Verlust dieser Güter die betreffenden Personen zu potenziellen Neukunden werden lässt. Die Kenntnisse über entsprechende Ereignisse könnten für gezielte Aktivitäten im Sinne des CRM von Nutzen sein.^[77]

2.2.4 Möglichkeiten der Informationsbereitstellung

Die genannten drei Aufgabenbereiche mit unterschiedlichem Informationsbedarf werden in der Regel durch verschiedene Informationssysteme^[78] unterstützt.

Im Bereich der Kundenschnittstellen stehen bei ÖPNV-Unternehmen unter anderem mobile und stationäre Verkaufsgeräte^[79], Abonnenten-Verwaltungs-Anwendungen, Call-Center-Anwendungen oder E-Mail zur Verfügung. Steuerung, Planung und Kontrolle erfolgt mit Hilfe von betriebswirtschaftlicher Standardsoftware (beispielsweise Enterprise Resource Planning-Systemen^[80] (ERP-Systeme) und Reporting-Software^[81], die oftmals auch verschiedene Analysefunktionen beinhalten. Häufig handelt es sich dabei um von einander getrennte Systeme, die, begründet durch historische Wachstumsprozesse, nur unzureichend aneinander angepasst sind. Wo es zwingend erforderlich war, wurden Schnittstellen geschaffen, um beispielsweise die Daten der Aboverwaltung Mitarbeitern eines Call-Centers verfügbar zu machen. Die Heterogenität und unzureichende Integration der Systeme führt zwangsweise zu inkonsistenten, falschen, unvollständigen oder veralteten Informationen über Kunden. Dies wiederum erschwert die Arbeit aller Prozessbeteiligten und damit auch die Verbesserung der Kundenzufriedenheit.^[82]

Diese Erfahrungen sind der Hintergrund für die Entwicklung integrierter CRM-Systeme, in denen die Einzellösungen zu einer einheitlichen und koordinierten Systemlandschaft vereint werden. Anwendungen für den Vertrieb, das Beschwerdemanagement oder für Call-Center greifen dabei genau wie ERP-Systeme auf eine Kundendatenbank zurück, so dass eine ganzheitliche Sicht auf den Kunden einen stimmigen Dialog mit diesem ermöglicht.

Allgemein lassen sich folgende Kernaufgaben für CRM-Systeme erkennen:^[83]

- Synchronisation und operative Unterstützung von Kundenschnittstellen, Marketing, Vertrieb und Service
- Integration aller Kommunikationskanäle zwischen Unternehmen und Kunde
- Zusammenführung und Auswertung aller Kundeninformationen

Bei einer Unterteilung der Systeme nach ihrem primären Anwendungsgebiet, lassen sich mindestens die beiden in Abbildung 2 dargestellten Ausprägungen von einander unterscheiden.^[84]

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2: Komponenten einer CRM-Lösung^[85]

Das operative CRM (oCRM) unterstützt alle Bereiche mit direktem Kundenkontakt, indem es alle notwendigen Informationen für den Dialog mit Kunden enthält und die notwendigen Kommunikationsmittel zur Verfügung stellt. Darüber hinaus ist es für die Aufnahme und Sammlung neuer Daten zuständig, die durch den Kontakt mit dem Kunden entstehen.^[86]

Das analytische CRM (aCRM) greift auf diese gesammelten Daten zurück, reichert sie mit Hilfe anderer Datenquellen um wichtige Informationen (beispielsweise aus der Kostenrechnung) an und stellt sie anschließend für Analysen zur Verfügung. Die dazu nötigen Anwendungen wie Berichtsgeneratoren, Statistikprogramme, OLAP (On-Line Analytical Processing) oder Data Mining Methoden^[87] werden ebenfalls als Teil des aCRM angesehen.^[88] Die Verwendung von aCRM ermöglicht auf der einen Seite die Steuerung, Planung und Kontrolle der in den Kundenschnittstellen ablaufenden Prozesse, auf der anderen Seite können beispielsweise durch systematische Auswertung von dort aufgenommenen Kundenreaktionen die angebotenen Dienstleistungen optimiert werden. Die primäre Aufgabe entsprechender Systeme ist die Analyse von Kundenbeziehungen, woraus auch der Begriff der analytischen CRM-Systeme abgeleitet wurde. In erster Linie handelt es sich dabei um einen auf Kundenbeziehungen spezialisierten Ausschnitt der analytischen Informationssysteme (AIS), zu deren Technologie beispielsweise Data Warehousing (bzw. Data Marts^[89] ) und Data Mining-Methoden gehören.^[90]

Beide Systeme stehen in einer engen Austauschbeziehung und greifen auf dieselben Datenbasen zurück. Neben dieser Beziehung untereinander sind auch Schnittstellen zu anderen Informationssystemen notwendig, wie in Abbildung 2 am Beispiel von Systemen des ERP-Systems gezeigt wird. Für ein ÖPNV-Unternehmen würde sich an dieser Stelle die Anbindung von Fahrplangestaltungs-Software anbieten, um zum einen bei einer Anpassung des Fahrplans vorhandene Kundenanregungen berücksichtigen zu können, zum anderen aber auch die Auswirkungen von durchgeführten Veränderungen des Streckenplans auf Kundenreaktionen untersuchen zu können.^[91]

3 Data Warehouse als Basis eines Analytischen Informations-systems

Unter Analytischen Informationssystemen werden alle Systeme und Konzepte verstanden, deren primäre Funktion die Informationsversorgung betrieblicher Fach- und Führungskräfte zu Analysezwecken darstellt. Damit umfassen die AIS nicht nur das Data Warehouse-Konzept, Data Mining-Verfahren oder OLAP, sondern integrieren auch traditionelle Ansätze wie Erkenntnisse des Operations Research^[92].^[93] Die unterschiedlichen Komponenten lassen sich in einem Drei-Ebenen-Konzept voneinander unterscheiden. Die erste Ebene bildet das Data Warehouse mit seinen Funktionen zur Datenselektion, Datenintegration und Datenspeicherung. Darüber befinden sich auf der zweiten Ebene OLAP-Werkzeuge zur schnellen Bereitstellung mehrdimensionaler Daten für Analysen, welche von Komponenten der dritten Ebene (wie Data Mining oder beispielsweise Business Intelligence^[94] ) durchgeführt werden.^[95]

3.1 Grundlagen

Allgemein handelt es sich bei einem Data Warehouse um ein unternehmensweites Konzept zur Bereitstellung von entscheidungsorientierten Daten. Immon definierte ein Data Warehouse 1996 als „a subject oriented, integrated, non-volatile, and time variant collection of data in support of management's decision.”^[96]

Im Hinblick auf den Einsatz von CRM können die vier kennzeichnenden Merkmale dabei wie folgt beschrieben werden:

- Themenorientierung (subject oriented): Die gesammelten Daten sind nicht wie in den Transaktionssystemen prozessorientiert sondern themenbezogen organisiert.^[97] Für die analytischen CRM-Systeme bedeutet dies eine Fokussierung auf die Kunden und Produkte anstelle von isolierten Daten über einzelne Geschäftsprozesse oder Transaktionen.
- Vereinheitlichung (integrated): Die Heterogenität der Quellsysteme, aus denen die Daten des Data Warehouse stammen, macht es in vielen Fällen notwendig, die einzelnen Daten einander anzupassen. Dies kann beispielsweise durch Vereinheitlichung der Namensgebungen, Formaten, etc. geschehen. Ziel ist ein konsistenter Datenbestand, der Analysen ermöglicht, ohne Besonderheiten der jeweiligen Datenquelle berücksichtigen zu müssen.^[98]
- Dauerhaftigkeit (non-volatile): Nach der idealtypischen Konzeption sind einmal aufgenommene Daten im Data Warehouse ewig gespeichert. Eine Aktualisierung geschieht nur in den operativen Quellsystemen, die später wiederum die aktuellen Daten dem Data Warehouse zur Verfügung stellen, ohne jedoch dort bereits vorhandene Daten zu überschreiben.^[99] Für kundenbezogene Analysen eröffnet sich so die Möglichkeit, ehemalige Kundenbeziehungen einzubeziehen.^[100]
- Zeitorientierung (time variant): Das Laden von Daten aus den Quellsystemen kann als Schnappschuss des aktuellen Datenbestandes und der derzeitigen Unternehmenssituation verstanden werden. Das Data Warehouse verwahrt diese ähnlich einem Fotoalbum und ermöglicht so den Vergleich der Situationen unterschiedlicher Zeitpunkte. Dadurch wird die Zeitpunktbetrachtung der Quellsysteme durch eine Zeitraumbetrachtung ersetzt. Zeitinformationen werden zudem in den operativen Systemen meistens für den Zweck der Prozessabwicklung gespeichert.^[101] Die Zeit ist dabei abhängig von dem eigentlichen Prozess – nicht selten weichen dabei Zeitbezüge voneinander ab, beispielsweise wenn die Daten der Buchung, der Leistungserstellung oder des Vertragsabschlusses einander nicht entsprechen. Innerhalb des Data Warehouse muss gewährleistet sein, dass jeweils nur identische Zeitbezüge miteinander verglichen werden.^[102]

3.1.1 Historische Entwicklung

Die Grundidee einer getrennten Datenansammlung für Entscheidungsträger geht bereits in die 50er und 60er Jahre zurück. Die (elektronische) Datenverarbeitung (DV bzw. EDV) stand am Anfang ihrer Entwicklung und fand erst in Teilbereichen der Unternehmungen Einzug. Eine Aneinanderreihung von Insellösungen mit flachen Strukturen^[103] kennzeichnete die Systemlandschaft. Wo es notwendig war, wurden individuelle Schnittstellen zwischen den einzelnen Systemen entwickelt, welche jedoch die aufkommenden Forderungen des Managements nach periodischen, verdichteten, zentralisierten, aktuellen und korrekten Informationen nicht immer gerecht werden konnten. Die starke Heterogenität der gewachsenen Systeme nahm mit der Zahl von neuen Systemen zu und verschärfte die damit verbundenen Probleme überproportional.^[104]

Zur informationstechnischen Lösung dieser Probleme wurden in den letzten 40 Jahren eine Vielzahl unterschiedlicher Konzepte herangezogen und teilweise wieder verworfen. Je nach ihrem Aufgabenschwerpunkt und ihren Komponentenbündel werden sie verschiedenen Konzeptklassen zugeordnet.^[105] Eine mögliche Einteilung stellt dabei die Unterscheidung in Management Information Systeme (MIS), Decision Support Systeme (DSS) und Executive Information Systeme (EIS) dar^[106], wobei alle Systeme zusammen die Gruppe der Management Support Systeme (MSS) bilden.

Während am Anfang die Datenbeschaffung als Engpass galt, führte die Weiterentwicklung im Bereich der Hard- und Software im Anschluss zu einem Datenüberfluss. Die fehlenden Möglichkeiten zur Filterung, Säuberung und Verdichtung der Daten bewirkten, dass das Informationsdefizit durch eine Informationsflut ersetzt wurde.^[107]

Die Erfahrungen des Einsatzes der MSS führten zu dem Bemühen, möglichst relevante, unterschiedliche und konsistente Informationen den Entscheidungsträgern zur Verfügung zu stellen, ohne dabei jedoch einen Informationsüberfluss zu erzeugen.^[108] Teile dieser Bestrebungen führten zu der Entwicklung des Data Warehouse-Konzeptes, dessen Merkmal unter anderem die einheitliche Speicherung von ausgesuchten Daten ist. Weitere Bedeutung bekam dieser Ansatz zudem durch die Tatsache, dass viele der MSS-Entwicklungen nur eine horizontale Integration^[109] aufwiesen, vertikal^[110] jedoch isoliert arbeiteten, was der Idee einer gesamtheitlichen Unternehmenssteuerung widerspricht. Das Bestreben einer vollständigen Integration in Form einer einzigen Datenbank zeigte jedoch erst durch die Entwicklung leistungsfähigerer Hardware und den Fortschritt in der Datenbanktechnologie Erfolg.^[111]

Data Warehousing entstammt somit zu einem wesentlichen Teil aus den Erfahrungen mit MSS, was sich beispielsweise daran zeigte, dass in den frühen 90er Jahren hauptsächlich Lösungen entwickelt wurden, die entscheidungsrelevante Informationen für die Unternehmenssteuerung enthielten. Gluchowski et al. ordneten sie in diesem Zusammenhang als „integrierten Informationstechnologiebaustein zur Informationsrecherche für das Management“^[112] ein.

Die technischen Wurzeln, insbesondere die Art der Speicherung und Verarbeitung von großen Datenmengen, geht hingegen auf die Statistical and Scientific Databases^[113] der 70er Jahre zurück.^[114] Damit hat das Konzept nicht nur einen betriebswirtschaftlichen Hintergrund, sondern entstammt auch wissenschaftlichen und technischen Forschungsanwendungen. Die Analysierbarkeit der Daten im Data Warehouse wird auch außerhalb des betrieblichen Umfelds, beispielsweise in den Naturwissenschaften, genutzt.^[115]

3.1.2 Aufgaben

Die unterschiedlichen Anwendungsbereiche der Data Warehouse-Technologie führen dazu, dass die jeweiligen Aufgaben eines Data Warehouse sich unterscheiden können. Lösungen, die in erster Linie der Entscheidungsunterstützung dienen, zeigen andere Schwerpunkte als analytische CRM-Systeme.

Dennoch lassen sich folgende Kernfunktionen eines Data Warehouse bestimmen:

Informationslieferung: Die Bereitstellung der Informationen geschieht häufig in Kennzahlendarstellung. Sie erfassen die Unternehmensleistung und Situation in Messgrößen und stellen damit eine wesentliche Grundlage für die Führungsaufgaben Planung, Steuerung und Kontrolle dar. Während in der Vergangenheit finanzielle und betriebliche Kennzahlen deutlich im Vordergrund standen, führen neue Controlling-Konzeptionen wie der Balanced-Scorecard-Ansatz^[116] zu einer Ausweitung der Informationsbasis auf weiche Informationen^[117].^[118]

Datenanalyse: Neben der direkten Bereitstellung der Daten für den Anwender liefert das Data Warehouse Daten an Analyse-Anwendungen und ist in der Lage, die Daten selber in bestimmten Weisen zu analysieren. Das Spektrum reicht hier von Trendextrapolationen^[119] bis hin zu komplexen Data Mining-Verfahren, beispielsweise zur automatisierten Kundensegmentierung. Die verschiedenen Realisierungsformen und Verständnisse eines Data Warehouse führen dazu, dass eine eindeutige Trennung in die vorher genannten drei Ebenen nicht immer möglich ist.^[120]

Datenspeicherung: Die Speicherung^[121] von Daten stellt eine Grundvoraussetzung für die Erfüllung aller weiteren Aufgaben eines Data Warehouse dar. Dazu gehört auch die Entgegennahme der Daten aus Quellsystemen und deren Transformation vor der endgültigen Sicherung im Data Warehouse.^[122]

Neuere Entwicklungen zeigen eine Abkehr von dem Paradigma des rein lesenden Zugriffs auf ein Data Warehouse. Die Nutzung dieser Technologie zur integrierten Unternehmensplanung macht es erforderlich, Planungs-Daten in das Data Warehouse zu schreiben.^[123]

3.2 Architektur

Für die Erfüllung der beschriebenen Aufgaben sind verschiedene Komponenten innerhalb eines Data Warehouse verantwortlich. In der Praxis ist die eindeutige Trennung in einzelne Bausteine nicht immer möglich, weshalb zur allgemeinen Beschreibung der Architektur von Data Warehouses eine Referenzarchitektur^[124] verwendet wird. Die einzelnen Umsetzungen des Data Warehouse-Gedankens weisen dabei unterschiedliche Parallelen zu der idealtypischen Bauweise einer Data Warehouse-Lösung auf. Die individuelle Architektur ist in der Regel abhängig von dem Einsatzgebiet und den Zielsetzungen des konkreten Systems.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3: Data Warehouse-Referenzarchitektur^[125]

Die Referenzarchitektur ist dazu primär funktionsorientiert aufgebaut, um eine Vergleichbarkeit einzelner Komponenten zu erleichtern. Sie wird im Folgenden, angelehnt an Abbildung 3, dem Datenfluss entsprechend von der Quelle zum Ziel vorgestellt.^[126]

3.2.1 Extraktions-, Transformations- und Ladeprogramme

Operationale DV-Systeme und (unternehmens-) externen Datenquellen stellen die wichtigsten Quellen für das Data Warehouse dar. Während die manuelle Eingabe von Daten eine Ausnahme darstellt, wird der Hauptanteil automatisiert aus den Quellsystemen extrahiert und in das System transportiert. Um die Konsistenz der Daten zu gewährleisten und Einheitlichkeit zu erlangen, werden sie anschließend transformiert und letztendlich in die Data Warehouse-Datenbasis^[127] geladen.

Der beschriebene Prozess wird von Extraktions- Transformations- und Ladeprogrammen (ETL-Programme) gesteuert. Dazu haben sie folgende Funktionen integriert:

Datenextraktion aus Quellsystemen

Transport der Daten

Transformation der Daten (Filterung à Harmonisierung à Verdichtung à Anreicherung)

Laden von Daten in das Data Warehouse

Administration und Monitoring des gesamten Prozesses

Der Vorgang der Datengewinnung hat entscheidenden Einfluss auf die Datenqualität^[128] im Data Warehouse und damit letztendlich auf die Qualität der Analysen. Unvollständige Extraktion oder falsche Transformation sind mögliche Fehlerquellen, die durch entsprechende Prüfungsverfahren verhindert werden sollten. Weitere Kontrollfunktionen werden durch eine Monitoring-Komponente ermöglicht, die Log-Dateien^[129] des ETL-Prozesses auswertet.^[130] Da unter Umständen eine sehr große Menge von Quellsystemen und Quelldaten vorhanden ist, kann die Extraktion erhebliche Zeit, Rechenleistung und Transfervolumen beanspruchen. Hier bieten sich verschiedene Optimierungsmöglichkeiten, beispielsweise durch Einsatz von Komprimierungsverfahren^[131] oder des Delta-Verfahrens^[132], an.^[133]

3.2.2 Operational Data Store

Vor der Übernahme^[134] der Daten in die endgültige Datenbasis können diese in einer Art Zwischenspeicher für operative Daten (ODS) abgelegt werden. Dies wird immer dann empfohlen, wenn eine große Menge Daten mit hoher Granularität^[135] erforderlich ist, die nach Ablauf eines absehbaren Zeitraumes nicht mehr in dieser Detailstufe benötigt werden. So könnte es nur während des laufenden Geschäftsjahres nötig sein, alle Daten über einzelne Verkaufstransaktionen zur Verfügung zu haben. Zum Abschluss der Periode würden die Daten dann beispielsweise auf Monatsbasis aggregiert und in die eigentliche Datenbasis geladen.^[136]

3.2.3 Datenbasis

Die Kernkomponente des Data Warehouse-Konzeptes stellt die Datenbasis dar. Das primäre Ziel (dieser Datenbank) ist die Entgegennahme der durch den ETL-Prozess gelieferten Daten und deren Speicherung. Bei der Form der Speicherung gibt es derzeit drei verschiedene Verfahren:

1. Relationale Speicherung: In dem von Codd^[137] entwickelten relationalen Datenbankmodell werden die Daten in zweidimensionalen Tabellen mit einer festen Anzahl von Spalten und einer beliebigen Anzahl von Zeilen gespeichert. Durch den Normalisierungsprozess^[138] sollen Redundanzen^[139] vermieden werden, um Speicherplatz und Verwaltungsaufwand zu verringern.
Das Verfahren wird derzeit aufgrund seiner Leistungsfähigkeit im Hinblick auf effiziente Speicherung großer Datenmengen am häufigsten für Data Warehouses eingesetzt. Nachteile entstehen durch die umständliche Formulierung von multidimensionalen Abfragen, weshalb verschiedene Anbieter das Modell für diese Zwecke erweitert haben.^[140]
2. Multidimensionale Speicherung: Das Ablegen der Daten in multidimensionale Datenbanken bedeutet eine Speicherung in allen Aggregationsstufen. Dadurch wird, im Unterschied zur relationalen Speicherung, eine wesentlich kürzere Antwortzeit auf multidimensionale Anfragen erreicht. Das Defizit dieser Methode besteht jedoch hinsichtlich der Skalierbarkeit^[141] – die redundante Speicherung der Daten führt zu einem überproportionalen Anstieg der gespeicherten Datenmenge, so dass die derzeit entwickelten Systeme nur bei begrenzter Datenmenge einen Vorteil gegenüber den anderen Verfahren bieten.^[142]
3. Hybride Speicherung: Die Kombination aus relationalen und multidimensionalen Datenbanken wird als Hybrid bezeichnet. Dabei werden nur hochaggregierte Daten multidimensional gespeichert, während der Hauptteil relational abgelegt ist. Ziel ist die Verbesserung der Antwortzeiten bei möglichst hoher Skalierbarkeit.^[143]

Die physische Größe der Datenbasis eines Data Warehouse überschreitet heute in vielen Fällen bereits 10 Terabyte (TB). Entscheidenden Einfluss auf die Größe haben die Granularität und die Denormalisierung (redundante Speicherung aus Perfomancegründen).^[144]

3.2.4 Archivierungssystem

Die Sicherung und Archivierung der Daten eines Data Warehouse übernimmt ein Archivierungssystem. Die Sicherung dient in erster Linie der Behebung von Fehlern durch Wiederherstellung nach rogramm- oder Anwenderfehlern.

Die Archivierung stellt eine Möglichkeit dar, die Systemgeschwindigkeit zu erhöhen, indem Detail-Daten, die ein vorgegebenes Alter erreicht haben, ausgelagert werden und nur bei Bedarf in das Data Warehouse zurück geladen werden.^[145]

3.2.5 Metadaten

Als Metadaten bezeichnet man Daten über Daten^[146] – im Falle des Data Warehouse also jegliche Informationen über die dort gespeicherten Daten.

Die Metadaten und die sie verwaltende Meta-Datenbank haben verschiedene Aufgaben zu erfüllen. Innerhalb der Metadaten sind drei Ebenen zu unterscheiden:

Operational Metadata enthalten Informationen über die operationalen Datenquellen und beschreiben die Datenstruktur, Organisation, den ETL-Prozess und die Verwendung in den Quellsystemen.

Core Warehouse Metadata beschreiben Daten im Hinblick auf ihre (unternehmerische) Interpretation. Damit sind beispielsweise zugrunde liegende Definitionen und Berechnungsvorschriften gemeint.

User-Level Metadata werden im Allgemeinen auf den Clients^[147] abgelegt und enthalten benutzerspezifische Konfigurationen.^[148]

Die Speicherung und Bereitstellung von detaillierten Metadaten kann die Transparenz eines Data Warehouse erhöhen.^[149] Das bedeutet, dass Anwender auf Basis der Metadaten effizienter mit dem System arbeiten können, wenn beispielsweise die Metainformationen das Auffinden von Daten oder deren Interpretation erleichtern.^[150]

[...]

---

^[1] Konfuzius (auch K’ung-fu-tzu) 551 - 479 v. Chr.

^[2] Obwohl in der Wirtschaftsinformatik die Bergriffe Informationen und Daten als Synonym verwendet werden, wird in dieser Arbeit eine Trennung vorgenommen, bei der Informationen anhand ihrer Zweckeignung von Daten unterschieden werden. Umfangreiche Diskussionen über die Verwendung dieser Begriffe finden sich bei Lehner / Maier (1994), S 5 ff. und Streubel (1996), S. 3 ff.

^[3] Inmon (1995), zitiert nach Chamoni / Zeschau (1996), S. 62.

^[4] Groffmann (1997), S. 8 ff. und Holthuis et al. (1995), S. 10 ff. definieren den Begriff enger, indem sie die Data Warehouse Technologie auf den Einsatz bei Fach- und Führungskräften (von Unternehmen) einschränken.

^[5] Vgl. Krcmar (1997), S. 22 ff. und Picot / Franck (1988), S. 544 f.

^[6] Unter einem Zielsystem wird die Gesamtheit aller Sach-, Formal- und sonstiger Ziele verstanden, die simultan verfolgt werden. Vgl. dazu Kern (1972), S. 361, Heinen (1966), S. 115 ff. und Hahn / Hungenberg (2001), S. 11 ff.

^[7] „Informationsbedarf bezeichnet die Art, Qualität und Menge der Information, welche Aufgabenträger (Personen oder Organisationseinheiten) zur Erfüllung einer bestimmten Aufgabe benötigen.“ Stelzer (2001), S. 238.

^[8] Vgl. Mucksch / Behme (1996), S. 5.

^[9] Unter Liberalisierung wird eine Angleichung der Bedingungen in den EU-Mitgliedsstaaten im Hinblick auf Freizügigkeit, Marktzugang und Preisbildung durch Befreiung von staatlichen Eingriffen und Steuerungen verstanden. Hier ist insbesondere die Harmonisierungsentscheidung des Rates vom 13.05.1965 von Bedeutung. Vgl. Fromm (1995), S. 256 f.

^[10] Vgl. Barth (2000), S. 50 ff.

^[11] Vgl. Daduna (1995), S. 187 ff.

^[12] Hier insbesondere Art. 4: Gesetz zur Regionalisierung des öffentlichen Personenverkehrs.

^[13] Vgl. Forst (2002), S. 25 f.

^[14] Mit Situation ist hier sowohl der wirtschaftliche, als auch der politisch organisatorische Zustand der Unternehmen gemeint.

^[15] Vgl. Buschor (1988), S. 23 f.

^[16] Regional bedeutet laut § 2 RegG eine mittlere Reisezeit von nicht mehr als einer Stunde.

^[17] Vgl. Buschor (1988), S. 23 f.

^[18] Vgl. Fritsch et al. (1999), S. 305 ff.

^[19] So wurde unter anderem angeführt, dass nicht alle Personen (beispielsweise Schulkinder) Individualverkehr nutzen können.

^[20] Vgl. Bayer / Manka (1998), S. 8 ff.

^[21] Ein bekanntes Beispiel stellt die Privatisierung der Deutschen Bundesbahn dar.

^[22] Als externe Effekte werden positiv oder negativ gewertete Auswirkungen einer Aktivität bezeichnet, die der Verursacher weder unmittelbar bei sich selbst noch indirekt über den Marktpreis zu spüren bekommt. Vgl. Coase (1960), S. 1 ff.

^[23] Vgl. Kirchgässner (1994), S. 470 ff.

^[24] Vgl. Nesemeier (1997), S. 34 ff.

^[25] „Die Sicherstellung einer ausreichenden Bedienung der Bevölkerung mit Verkehrsleistungen im öffentlichen Personennahverkehr ist eine Aufgabe der Daseinsvorsorge.“ Regionalisierungsgesetz § 1 Abs. 1.

^[26] Vgl. Ewers (1996), S. 217 ff.

^[27] Das Sozialstaatsprinzip ist durch die beiden Ziele soziale Sicherheit und sozialer Ausgleich gekennzeichnet. Es wird aus dem Grundgesetz (GG) Art. 20 und ergänzend Art. 28 abgeleitet. Vgl. Stein (1998), S. 170 f.

^[28] Vgl. Barth (2000), S. 72.

^[29] Siehe dazu Art. 2 Abs. 1 GG (allgemeine Handlungsfreiheit).

^[30] Vgl. Barth (2000), S. 72 f.

^[31] Vgl. Krölls (1992), S. 281 ff.

^[32] Ein solches Verhalten rechtfertige die Annahme der Neuen Politischen Ökonomie, nach der Politiker nicht gemeinwohlmaximierend handeln, sondern ihren persönlichen Nutzen maximieren. Dies wird durch Machterhaltung bzw. Machtvergrößerung erreicht - im Beispiel also durch die Wiederwahl. Vgl. dazu Frey / Kirchgässner (1994), S. 14 ff. und Mueller (1979), S. 255 ff.

^[33] Vgl. Barth (2000), S. 39 f.

^[34] Dazu gehören in erster Linie Schüler- und Studentenfahrausweise, deren Verkaufspreise erheblich unter den Preisen gleichwertiger Normalfahrausweise liegen.

^[35] Vgl. Nesemeier (1997), S. 42.

^[36] Dahinter steht die Annahme, dass Unternehmen auch im freien Wettbewerb Einfluss auf die Preise ihrer Produkte nehmen können und Preise nicht ausschließlich durch das Verhältnis von Angebot und Nachfrage von den Marktkräften bestimmt werden.

^[37] Vgl. Barth (2000), S. 41.

^[38] Vgl. §§ 21, 39 und 40 PBefG.

^[39] Ein Monopol liegt vor, wenn eine Marktseite (Angebots- oder Nachfrageseite) nur durch einen Markteilnehmer besetzt ist. Vgl. Ott (1980), S. 107.

^[40] Ausführlich setzen sich Fromm / Fey (1992) mit der Linienkonzession nach § 13 PBefG auseinander.

^[41] Vgl. Barth (2000), S. 47 f.

^[42] Vgl. Nesemeier (1997), S. 280 f.

^[43] Die Abgabe von vormals selbst erstellten Leistungen an externe Unternehmen wird als Outsourcing bezeichnet. Vgl. Zahn et al. (1998), S. 1 ff.

^[44] Public-Private-Partnership bezeichnet die Kooperation zwischen öffentlichen Verwaltungen und Unternehmen (bzw. privaten Organisationen) um öffentliche Aufgaben wahrzunehmen. Ausführlicher dazu: Roentgen (2001).

^[45] Vgl. Flohe et al. (2001), S. 51 ff.

^[46] Unter Shareholder-Value wird hier der finanzielle Wert des Unternehmens als Barwert derjenigen Zahlungsüberschüsse definiert, welcher nicht wieder für Investitionen in das Anlagevermögen oder das Netto-Umlaufvermögen verwendet werden muß. Vgl. Rappaport (1986), S. 51.

^[47] Beispiele für finanzielle Ziele sind Umsatzsteigerung, Deckungsbeitragssteigerung und Kostensenkung.

^[48] Vgl. Drucker (1973), S. 45.

^[49] Vgl. Nesemeier (1997), S. 30 f.

^[50] Vgl. Probst / Richter (2000), S. 143 ff. und Homburg et al. (1998), S. 81 ff.

^[51] Näheres zu den Auswirkungen findet sich bei Homburg / Werner (1998).

^[52] Vgl. Nesemeier (1997), S. 60 ff.

^[53] Einen Überblick über die Methoden und Instrumente des CRM findet sich bei Holland / Heeg (1998).

^[54] Vgl. Wehrmeister (2001), S. 27 ff.

^[55] Vgl. Probst / Richter (2000), S. 146.

^[56] Unter Zugangskanälen werden alle Wege verstanden, auf denen Kunden Kontakt mit dem Unternehmen herstellen können, also beispielsweise Telefon, Post, E-Mail etc.

^[57] Vgl. Wehrmeister (2001), S. 30 ff.

^[58] Alle Organe eines Unternehmens, die regelmäßig direkte Kommunikation (bzw. Kontakt) mit Kunden haben, werden zu den Kundenschnittstellen gezählt.

^[59] Die Response-Wahrscheinlichkeit gibt den Erwartungswert an, wie viele Antworten / Reaktionen auf eine Marketing-Aktion (beispielsweise ein Anschreiben) eingehen werden. Im Falle einer Postsendung wird auch von der Rücklaufquote gesprochen. Vgl. Wehrmeister (2001), S. 36.

^[60] Streuverluste sind ungewollte Überschreitungen des Rahmens der anvisierten Zielgruppe, die mit der Werbebotschaft erreicht werden sollte. Sie treten auf, wenn bei der Streuung der Werbemaßnahmen keine Deckungsgleichheit von Streu- und Absatzgebiet erzielt wird. Vgl. Hadeler (2000), S. 2967.

^[61] Vgl. Hermanns / Thurm (2000), S. 474 f.

^[62] Kundensegmentierung bezeichnet alle Verfahren um Gruppen von Kunden mit gleichen Merkmalen zu identifizieren. Einen Überblick über die Verfahren geben Krafft / Albers (1999).

^[63] Vgl. Wehrmeister (2001), S. 33 ff.

^[64] Der Deckungsbeitrag wird durch Subtraktion der variablen Kosten von den Erlösen errechnet. Synonym wird auch der Begriff einstufige Deckungsbeitragsrechnung (Direct Costing) verwendet. Mögliche Erstattungen oder öffentliche Zuschüsse bleiben hier unberücksichtigt. Weitere Ausführungen finden sich u.a. in Däumler / Grabe (1985).

^[65] Vgl. Kummer / Probst (2001), S. 342 ff.

^[66] Die Beschränkung auf unternehmensinterne Empfänger schließt dabei den Informationsbedarf des Kunden aus, der in der ÖPNV-Branche primär an Informationen über Fahrpläne und Tarifstrukturen interessiert ist. Zweifelsohne führt eine optimale Bereitstellung dieser Informationen auch zu einer höheren Zufriedenheit, ist aber nicht Gegenstand dieser Arbeit. Eine ausführliche Beschreibung von Fahrgastinformationssystemen und Telematik im ÖPNV findet sich bei Girnau et al. (2001).

^[67] Für die Betreuung des Kunden kann es hilfreich sein zu wissen, ob möglicherweise seine Beschwerde schon bearbeitet wurde oder von welchen Marketing-Maßnahmen er berührt wurde.

^[68] Die Zusammenfassung kann dabei auch temporär sein – beispielsweise wenn ein Kundensegment anhand des gemeinsamen Wohnorts untersucht wird.

^[69] Hippner et al. (2001), S. 20 ff.

^[70] Weitere Methoden den Wert von Kunden zu ermitteln stellen beispielsweise die Kundenwertanalyse und Kundenerfolgsrechnung dar. Einen Überblick über die verschiedenen Verfahren gibt Krafft (1999), S. 165 ff.

^[71] Vgl. Perridon / Steiner (1998), S. 58.

^[72] Dies gilt natürlich nur insoweit, als der Einfluss weiterer Faktoren als ausgeschlossen oder unbedeutend angesehen wird.

^[73] Dieses Kennzahlensystem geht zurück auf eine Entwicklung des Chemiekonzerns DuPont de Nemours and Co. (1919). Vgl. Perridon / Steiner (1991), S. 492 f.

^[74] Quelle: Hippner et al. (2001), S. 20.

^[75] Vgl. Kummer / Probst (2001), S. 343 ff. und Reiser / Holthuis (1996), S. 127.

^[76] Vgl. Hippner et al. (2001), S. 18 ff.

^[77] Vgl. Becker (1998), S. 250 ff.

^[78],,Ein Informationssystem ist ein nach organisatorischen und technischen Prinzipien zusammengefaßtes Ganzes von Informations- und Kommunikationsbeziehungen zwischen Menschen und Maschinen, die Informationen erzeugen, benutzen, ausgeben und vernichten." Krückeberg / Spaniol (1990), S. 301. Ausführlicher dazu: Picot / Maier (1992), S. 923 ff.

^[79] Gemeint sind in erster Linie Verkaufsautomaten an Haltestellen, Fahrscheindrucker in Fahrzeugen und Verkaufsgeräte der Vorverkaufsstellen.

^[80] ERP-Systeme werden auch als betriebswirtschaftliche Standardsoftware bezeichnet. Sie integrieren alle administrativen und operativen Aufgabenbereiche und Prozesse entlang der gesamten Wertschöpfungskette mit Hilfe einer zentralen Datenbasis. Bekanntestes Beispiel ist das SAP R/3-System. Einen Überblick über die verschiedenen Definitionen gibt Hufgard (1994).

^[81] Mit Reporting Software sind alle Anwendungen und Komponenten gemeint, deren primäre Funktion das automatisierte Generieren von Berichten umfasst. Ausführlicher zu den Funktionen Gluchowski et al. (1997), S. 95 ff.

^[82] Vgl. Wehrmeister (2001), S. 48.

^[83] Vgl. Hippner et al. (2001), S. 30.

^[84] In Bange / Schinzer (2002) werden hingegen drei CRM-Systeme unterschieden, da Kommunikationssysteme wie E-Mail oder Fax als kollaborative CRM-Systeme bezeichnet werden. Vgl. Bange / Schinzer (2002), S. 80 f.

^[85] Quelle: Hippner et al. (2001), S. 31.

^[86] Vgl. Gerecke (2001), S. 235 f.

^[87] Data Mining ist die softwaregestützte Ermittlung bisher unbekannter Zusammenhänge, Muster und Trends in großen Datenmengen. Im Gegensatz zu empirisch analytischen Verfahren, die in der Regel ausgehend von einer Theorie ihres Gegenstandes hypothesengeleitet sind, ist das Data Mining a-theoretisch und datengeleitet. Mit Hilfe einer Kombination verschiedener multivarianter statistischer Verfahren können beispielsweise Abwanderungstendenzen bestimmter Kundengruppen oder Cross-Selling Potenziale ermittelt werden. Vgl. Hansen (1998), S. 979.

^[88] OLAP und andere Komponenten werden in Kapitel 3 ausführlicher vorgestellt.

^[89] Die Grundidee des Data Mart-Konzeptes besteht darin, einen inhaltlichen oder organisatorischen Teilbereich des Unternehmens eigenständig im Data Warehouse abzubilden. Ein Data Mart wird auch als kleines Data Warehouse bezeichnet. Vgl. Bauer / Günzel (2001), S. 58 ff.

^[90] Vgl. Bange / Schinzer (2002), 80 f.

^[91] Vgl. Wehrmeister (2001), S. 255.

^[92] Operations Research befasst sich mit dem Einsatz mathematischer Methoden zur Lösung betriebswirtschaftlicher Problemstellungen. Vgl. Hansen (1998), S. 270.

^[93] Vgl. Chamoni / Gluchowski (1999), S. 4 ff.

^[94] Business Intelligence bezeichnet Front End-Anwendungen mit Auswertungs- und Planungsfunktionalitäten.

^[95] Vgl. Schinzer / Bange (1999), S. 47.

^[96] Inmon (1996), S. 3.

^[97] Vgl. Chamoni / Zeschau (1996), S. 64.

^[98] Vgl. Mucksch (1996), S. 89.

^[99] Diese Eigenschaft wird auch als das Paradigma des rein lesenden Zugriffs bezeichnet. Vgl. Bauer / Günzel (2001), S. 7.

^[100] Vgl. Mucksch (1996), S. 88.

^[101] Vgl. Gluchowski (1997), S. 268 ff.

^[102] Vgl. Mucksch / Behme (1996a), S. 90 f.

^[103] Gemeint ist das Vorhandensein einer Vielzahl informationstechnischer Lösungen, die isoliert voneinander, kleine Teilbereiche abdecken. Chamoni / Gluchowski (1999) sprechen von Datenverabeitungs-Wildwuchs. Vgl. Chamoni / Gluchowski (1999), S. 7 f.

^[104] Vgl. Gluchowski (1997), S. 152 f

^[105] Die Zuordnung erfolgte dabei jedoch selten eindeutig, da es nicht gelang trennscharfe und allgemein anerkannte Eigenschaften zur Abgrenzung zu finden. Vgl. Gluchowski et al. (1997), S. 3 ff.

^[106] Eine ausführliche Beschreibung der Konzepte geben Gluchowski et al. (1997).

^[107] Vgl. Koreimann (1971), S. 10.

^[108] Vgl. Gluchowski (1997), S. 266 f.

^[109] Unter horizontaler Integration von Informationssystemen wird die Verbindung von Administrations- und Dispositionssystemen innerhalb der betrieblichen Wertschöfpungskette verstanden.

^[110] Vertikale Integration von Informationssystemen bedeutet die Anbindung von Management Support Systemen (zur Planung und Kontrolle) an die operativen Administrations- und Dispositionssysteme.

^[111] Vgl. Gluchowski et al. (1997), S. 267 f. und Bauer / Günzel (2001), S. 11 f.

^[112] Gluchowski et al. (1997), S. 275.

^[113] Die Statistical and Scientific Databases wurden aufgrund von Anforderungen verschiedener naturwissenschaftlicher Forschungsprojekte entwickelt, bei denen sehr große Datenmengen verarbeitet werden mußten. Im Bereich der Klima- und Umweltforschungsprojekte war es beispielsweises notwendig täglich über 1 Terabyte Messdaten zu verarbeiten. Vgl. Bauer / Günzel (2001), S. 13.

^[114] Vgl. Michalewicz (1991), o.S.

^[115] Vgl. Bauer / Günzel (2001), S. 11 ff.

^[116] Das Balanced-Scorecard Konzept (frei übersetzt: Ausgewogene Anzeigetafel) geht auf einen Aufsatz von Kaplan / Norton (1992) zurück und versucht, anhand von strategiebedeutsamen Ziel- und Messgrößen der vier gleichwertigen Perspektiven Benutzer, Finanzen, Geschäftsprozesse und Potenziale, die Unternehmenssituation darzustellen.

^[117] Weiche Informationen (auch qualitative Informationen genannt) sind Meinungen, Gerüchte, Pressenotizen oder ähnliches. Sie sind meist nicht unmittelbar nachprüfbar, ihre Genauigkeit ist fraglich, sie sind nicht standardisiert und haben meist eine kurze Lebensdauer, tragen aber wesentlich zum Unternehmenserfolg bei, denn im Gegensatz zu den harten Informationen (Fakten), wie Finanzberichte o.ä. kommentieren sie diese und erzeugen so einen integrativen Mehrwert.

^[118] Vgl. Bauer / Günzel (2001), S. 15 ff.

^[119] Trendextrapolation ist ein analytisches Prognoseverfahren, bei dem Trends der Vergangenheit in die Zukunft fortgeschrieben werden.

^[120] Vgl. Bauer / Günzel (2001), S. 57 f. und 65.

^[121] Die einzelnen Formen der Ablage werden später erläutert.

^[122] Vgl. Bauer / Günzel (2001), S. 117 f.

^[123] Ähnliches gilt für den Einsatz von operativem und analytischem CRM. Die Mitarbeiter im Kundenkontakt sammeln mit Hilfe des operativen CRM Informationen über Kunden und Interessenten. Das analytische CRM liefert aus der Analyse Erkenntnisse für Marketing- und Verkaufskampagnen. Diese werden wiederum vom operativen Part ausgeführt. Dieser Ansatz wird derzeit unter dem Begriff Closed Loop diskutiert. Vgl. Martin (2000), o.S.

^[124] In der wissenschaftlichen Diskussion finden sich allerdings auch unterschiedliche Referenzarchitekturen, so dass auch in diesem Punkt kein eindeutiger Konsens besteht. Bauer / Günzel (2001) zählen beispielsweise eine Basisdatenbank zu der Referenzarchitektur, die bei Gluchowski (1997) nicht erwähnt wird.

^[125] Quelle: Herden (2001), S. 9.

^[126] Vgl. Bauer / Günzel (2001), S. 32 f.

^[127] In der Abbildung 3 ist diese Komponente mit DWH für Data Warehouse beschriftet.

^[128] Gemeint ist in diesem Zusammenhang in erster Linie die Korrektheit und Vollständigkeit der Daten. Auf die verschiedenen Auslegungen des Begriffs (Daten-) qualität wird an dieser Stelle nicht weiter eingegangen. Nähere Ausführungen dazu finden sich bei Redman (1996), S. 126 ff.

^[129] Die elektronischen Aufzeichnungen über Fehler und Erfolge von Prozessen (wie dem ETL-Prozess) werden als Log-Dateien bezeichnet.

^[130] Vgl. Mucksch / Behme (1996a), S. 100 ff.

^[131] Komprimierung bedeutet, dass Daten (vor der Übertragung) mit Hilfe eines Algorithmus verdichtet werden, um das (zu übertragende) Datenvolumina zu verringern. Vgl. Herden (2001), S. 11.

^[132] Beim Delta-Verfahren werden nur Daten, die seit der letzten Übertragung in das Data Warehouse verändert wurden oder neu hinzugekommen sind, übertragen. Vgl. Bauer / Günzel (2001), S. 76 ff.

^[133] Vgl. Bauer / Günzel (2001), S. 48 ff.

^[134] Je nach Bedarf ist aber auch eine gleichzeitige Übernahme in die Datenbasis, eventuell in aggregierter Form, möglich.

^[135] Granularität bezeichnet den Detaillierungsgrad von Daten. Die Granularität nimmt mit steigender Verdichtung zu. Vgl. Mucksch (1996), S 95.

^[136] Im Gegensatz zu der Eigenschaft der Dauerhaftigkeit von Daten im Data Warehouse sind Veränderung der Daten im ODS möglich, was jedoch aufgrund der resultierenden Probleme umstritten ist.

^[137] Vgl. Codd (1970), S. 377 ff.

^[138] Bei der Normalisierung werden Tabellen mit Redundanzen in weitere Relationen zerlegt.

^[139] „Redundanzen liegen vor, sobald ein Teil des Bestandes ohne Informationsverlust weggelassen werden kann.“ Bange et al. (2000), S. 34.

^[140] Vgl. Bauer / Günzel (2001), S. 198 ff.

^[141] Skalierbarkeit beschreibt die Eigenschaft einer Hard- oder Software, sich flexibel erweitern zu lassen (im Bereich der Datenbanken also eine Erhöhung des Datenvolumens oder der Benutzerzahl) ohne, dass die Performance beeinträchtigt wird.

^[142] Vgl. Gluchowski (1996), S. 243 ff.

^[143] Vgl. Bange et al. (2000), S. 33 ff.

^[144] Vgl. Mucksch (1996), S. 91 ff.

^[145] Vgl. Mucksch (1996), S. 104.

^[146] Metadaten sind jede Art von Informationen, die für Entwurf, Konstruktion und Benutzung eines Informationssystems benötigt werden. Vgl. Bauer / Günzel (2001), S. 326.

^[147] Bei räumlicher Trennung von Data Warehouse und Anwender-PC fungiert letzterer als Client, der die Daten vom Server empfängt. Einen Überblick über diese und weitere Organisationsformen des Data Warehouse gibt Mucksch (1996), S. 106 ff.

^[148] Vgl. Seligman / Rosenthal (1996).

^[149] Für die Metadatenverwaltung werden verschiedene Begriffe verwendet. Auth (2002), S 123 ff. spricht vom Metadata-Warehouse, Soeffky (1999), S. 121 hingegen von einem zentralen Repository.

^[150] Vgl. Mucksch (1996), S. 105.