Unternehmen stehen heutzutage eine Fülle von Informationen zur Verfügung. Der Umgang mit Daten ist dabei nicht mehr nur ein taktisches Instrument, sondern ein Teil der Differenzierungsstrategie geworden. Die heutige Ausweitung und Beschleunigung des Unternehmens- und des Wettbewerbsumfeldes erfordern umfangreichere und verfeinerte Reportingmöglichkeiten. Durch die Ausweitung des Unternehmens- und des Wettbewerbsumfeldes entstehen immer neue Informationen, die in die strategischen Ententscheidungen mit einbezogen werden müssen. Auf Grund der Datenfülle ist eine Verdichtung diese Daten erforderlich. Oftmals ist dem Prozess der Verdichtung der Prozess der Zusammenführung der unterschiedlichen Daten vorangestellt. Denn jeder Unternehmensbereich produziert Daten, die teilweise redundant und unterschiedlich aktuell sind. Daten gibt es also im Überfluss. Die Herausforderung besteht dagegen in der Analyse der Daten. Ohne eine fundierte Analyse kann das Unternehmen keinen Nutzen aus seinen Daten ziehen. Damit steigt die Gefahr, dass auf Grund der Datenfülle wichtige Informationen übersehen und so Wissen nicht genutzt werden. Daten können demnach als kritische Ressource im Wettbewerb angesehen werden. Die Art und Weise, wie die einzelnen Mitarbeiter Daten nutzen kann zu einem Schlüsselfaktor für den Erfolg des Unternehmens werden.
Inhaltsverzeichnis
1. EINLEITUNG
1.1. PROBLEMSTELLUNG HEUTIGER UNTERNEHMEN
1.2. BEGRIFFSABGRENZUNG
1.2.1. DATEN
1.2.2. INFORMATIONEN
1.2.3. WISSEN
2. BUSINESS INTELLIGENCE (BI)
2.1. DEFINITION
2.2. ZIELE
2.3. ARCHITEKTUR/FRAMEWORK
2.4. METHODEN
2.4.1 DATA WAREHOUSING
2.4.2 DATA MINING
2.4.3. OLAP
2.5. LEISTUNGSMERKMALE
3. ZUSAMMENFASSUNG UND FAZIT
Zielsetzung & Themen der Arbeit
Die vorliegende Seminararbeit untersucht die Rolle von Business Intelligence (BI) als integrativen Ansatz zur systematischen Sammlung, Auswertung und Darstellung von Geschäftsdaten, um daraus fundierte Entscheidungsgrundlagen zu gewinnen. Die Forschungsfrage fokussiert sich darauf, wie BI-Systeme durch Methoden wie Data Warehousing, Data Mining und OLAP die Transformation von operativen Daten in strategisch relevantes Wissen unterstützen können, um den Unternehmenserfolg in einem beschleunigten Wettbewerbsumfeld nachhaltig zu steigern.
- Grundlegende Definition und Abgrenzung von Daten, Informationen und Wissen.
- Darstellung des Business Intelligence Frameworks als Referenzmodell.
- Analyse zentraler BI-Methoden zur Datenverarbeitung und Informationsgenerierung.
- Diskussion wesentlicher Leistungsmerkmale für die strategische Unternehmensführung.
Auszug aus dem Buch
1.1. Problemstellung heutiger Unternehmen
Unternehmen stehen heutzutage eine Fülle von Informationen zur Verfügung. Der Umgang mit Daten ist dabei nicht mehr nur ein taktisches Instrument, sondern ein Teil der Differenzierungsstrategie geworden. Die heutige Ausweitung und Beschleunigung des Unternehmens- und des Wettbewerbsumfeldes erfordern umfangreichere und verfeinerte Reportingmöglichkeiten.
Durch die Ausweitung des Unternehmens- und des Wettbewerbsumfeldes entstehen immer neue Informationen, die in die strategischen Ententscheidungen mit einbezogen werden müssen. Auf Grund der Datenfülle ist eine Verdichtung diese Daten erforderlich. Oftmals ist dem Prozess der Verdichtung der Prozess der Zusammenführung der unterschiedlichen Daten vorangestellt. Denn jeder Unternehmensbereich produziert Daten, die teilweise redundant und unterschiedlich aktuell sind.
Daten gibt es also im Überfluss. Die Herausforderung besteht dagegen in der Analyse der Daten. Ohne eine fundierte Analyse kann das Unternehmen keinen Nutzen aus seinen Daten ziehen. Damit steigt die Gefahr, dass auf Grund der Datenfülle wichtige Informationen übersehen und so Wissen nicht genutzt werden.
Daten können demnach als kritische Ressource im Wettbewerb angesehen werden. Die Art und Weise, wie die einzelnen Mitarbeiter Daten nutzen kann zu einem Schlüsselfaktor für den Erfolg des Unternehmens werden.
Zusammenfassung der Kapitel
1. EINLEITUNG: Dieses Kapitel erläutert die zunehmende Bedeutung von Daten als strategische Ressource und grenzt die Begriffe Daten, Information und Wissen voneinander ab.
2. BUSINESS INTELLIGENCE (BI): Hier wird der BI-Ansatz definiert, seine Ziele im Management erläutert, das technische Framework vorgestellt sowie methodische Ansätze wie Data Warehousing, Data Mining und OLAP beschrieben.
3. ZUSAMMENFASSUNG UND FAZIT: Das Kapitel fasst die Erkenntnisse zusammen und identifiziert Datenqualität, Abfragegeschwindigkeit und Bedienkomfort als Erfolgsfaktoren für BI-Systeme.
Schlüsselwörter
Business Intelligence, Daten, Informationen, Wissen, Data Warehousing, Data Mining, OLAP, Reporting, Analyse, Entscheidungsunterstützung, Datenmodellierung, Wettbewerbsvorteil, ETL-Prozess, Unternehmensstrategie, BI-Framework
Häufig gestellte Fragen
Worum geht es in dieser Seminararbeit grundsätzlich?
Die Arbeit bietet einen systematischen Überblick über Business Intelligence als Konzept zur effizienten Aufbereitung und Nutzung von Geschäftsdaten für Entscheidungsprozesse.
Welche zentralen Themenfelder werden abgedeckt?
Die zentralen Felder umfassen die begriffliche Fundierung, die Architektur von BI-Systemen sowie die methodische Umsetzung der Datenanalyse.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es aufzuzeigen, wie Unternehmen durch den Einsatz von BI-Systemen aus heterogenen Datenmengen wertvolles Wissen generieren können, um den Unternehmenserfolg zu sichern.
Welche wissenschaftlichen Methoden kommen zum Einsatz?
Die Arbeit stützt sich auf eine fundierte Literaturanalyse und die methodische Herleitung über Referenzmodelle der Wirtschaftsinformatik.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil widmet sich der Definition und den Zielen von BI, dem strukturellen Aufbau (Framework) und der detaillierten Beschreibung der Methoden Data Warehousing, Data Mining und OLAP.
Welche Schlüsselbegriffe charakterisieren diese Arbeit?
Die Arbeit wird maßgeblich durch Begriffe wie Data Mining, Data Warehouse, Entscheidungsunterstützung und Datenqualität definiert.
Warum ist eine Unterscheidung zwischen Daten, Information und Wissen für BI wichtig?
Die Abgrenzung ist essenziell, da BI-Systeme primär darauf ausgelegt sind, den Transformationsprozess von neutralen Rohdaten über kontextbezogene Informationen hin zu handlungsrelevantem Wissen effizient abzubilden.
Welche Rolle spielt der ETL-Prozess innerhalb des BI-Frameworks?
Der ETL-Prozess ist die notwendige technische Basis, um operative Daten aus verschiedenen Quellsystemen zu extrahieren, zu transformieren und in das Data Warehouse zu laden.
- Quote paper
- Heiko Ennen (Author), 2008, Business-Intelligence - Eine Übersicht über Systeme, Methoden und Leistungsmerkmale, Munich, GRIN Verlag, https://www.grin.com/document/93769
