Business Intelligence

Frontend: OLAP Analysen

Output / Layer: Aggregationen, Planung, Forecast, OLAP Würfel

Data, Storage Layer: Data Warehouse

Integration Layer: ETL

Quellsysteme: Administrations- und Dispositionssysteme, externe Daten, Internet

BI-Fehlentwicklungen in der Praxis:

• Strategisches Wirksamkeitsdefizit: Unzureichende Ausnutzung des BI-Potenzials
• Strategische Insufizienz: völlige Fehleinschätzung des gesamten Komplexes

Bild

• BI Governance Committee
• BI Competence Center

1. Definition
2. Analyse
3. Bewertung
4. Konzeption
5. Massnahmen

Bild

1. Ableitung der BI-Strategie aus dem strategischen Unternehmensrahmen
2. Ableitungen der BI-Strategie aus den Informationsbedürfnissen (Information von Marketing, Controlling, etc. holen)
3. Orientierung an Reifegradmodellen (wenn Unternehmen bereits gut organisiert ist, gute Prozesse hat, dann will es weiter in der Zukunft...)

1. Informationsbedarfsanalyse aus Unternehmenszielen
2. Ableitung von BI-Strategieelementen aus den Unternehmenszielen
3. Darstellung des Informationsbedarfs
4. Kennzahlen-Dimensions-Matrix
5. Analyse der Architektur
6. Einordnung der Anwendungssysteme

1. Bewertung der Architektur und Technologie
2. Organisatorische Bewertung
3. Beispiel für SWOT Analyse

1. Zielarchitektur: Output-, Application-, EDW-, Source-Layer
2. Nutzwertanalyse
3. Kostentreiber: Endandwender, Anwendung, Infrastruktur, Daten

1. BI-Projektportfolio
2. Projektorganisation
3. Risikobetrachtung
4. Controlling

• Das BI-Portfolio beinhaltet alle Projekte, die im Rahmen der BI-
Strategie (und später im Rahmen der laufenden Weiterentwicklung)
durchgeführt werden sollen
• Es kennzeichnet Abhängigkeiten zwischen den einzelnen Projekten,
beschreibt aber auch die Spezifika der einzelnen Projekte
• Folgende Punkte sollten in einer Projektbeschreibung enthalten sein:

• • Inhaltlicher Schwerpunkt des Projektes (z.B. „Neues Vertriebsreporting“, „Redesign ETL-Prozesse“)
• • Dringlichkeit/Priorität (Abgeleitet aus Strategieprozess: 1 – „sehr niedrig“ bis 5  „unternehmenskritisch“)
• • Investitionshöhe (Bildung von Investitionsklassen: z.B. von 1 – „sehr gering“ (Budget <10 Tsd. Euro) bis zu 5 – „sehr hoch“ (200- 500 Tsd. Euro))  
• • Nutzen (z.B. von 1 – „praktisch keiner“ bis zu 5 – „sehr hoch“, zusätzlich kurze textuelle Beschreibung worin der Nutzen besteht)

Unterschieden werden im BI-Projektportfolio fünf Arten von Projekten,
wobei nicht
in jedem Portfolio alle Arten vorhanden sein müssen

• • BI-Strategieprojekt: Entwicklung oder Anpassung einer BI-Strategie
• • BI-Organisationsprojekt: Veränderung der von BI „betroffenen“ Unternehmensbereiche oder Einführung neuer Unternehmensbereiche (z.B. BICC)
• • Fachprojekt: Konzeptionelle Arbeiten wie z.B. Kennzahlendefinitionen, Steuerungskonzeption, etc.
• • IT-Projekt: Nicht direkt sichtbare Änderungen in Steuerung oder Business-Intelligence Systemen wie z.B. Hardwaremodernisierung, Software-Updates, etc.
• • BI-Projekt (im klassischen Sinne): Einführung eines Reporting Konzepts und/oder Reporting-Systems, Datenqualitätsinitiativen, etc.

«Ein Business Intelligence Competency Center (BICC) ist eine
Organisationsform, die Verantwortlichkeiten und Aufgaben
wahrnimmt und entsprechende Rollen und Prozesse durch ein
interdisziplinäres Team ausfüllt, um den effektiven Einsatz von
Business Intelligence in Unternehmen zu fördern.»
 
Dies erfolgt durch:
 
• Standardisierung und Organisation
• Unterstützung der BI-Strategie
• Portfoliomanagement
• Weiterbildung und Beratung
• Projektunterstützung

Bild

• BI-Management
• BI-Unterstützung
• BI-Architektur
• BI-Umsetzung

• Kernrollen
• zusätzliche Rollen

Bild

1. Linie
2. Stabstelle
3. Matrix

Vor- und Nachteile siehe Grafik

Zentrales BICC

Vor- und Nachteile siehe Grafik

Externes BICC

Vor- und Nachteile siehe Grafik

Siehe Bild

Siehe Modell

Methodik zur Implementierung eines DWHs.

1. Zentrale Informationsverfügbarkeit (Single Source of Truth)
2. Beherrschung der Datenmengen und Komplexität
3. Zeitgerechte Informationsverfügbarkeit
4. Erleichterung strategischer Entscheidungen
5. Fundierte Möglichkeit den Status Quo Ihrer Organisation zu prüfen
6. Effektive Steuerung des Unternehmens  
7. High Resolution Management

− Welche Kunden zahlen in welchen Zeiträumen?
− Gibt es Kundengruppen mit auffälligem Zahlungsverhalten?
− Wie viele Rechnungen werden beanstandet  –  von welchen Kunden? Wie verbessere
ich diese Situation?
− Welche Reklamationsgründe kommen wie häufig vor, auf welche Artikel beziehen sie
sich?
− Welche Artikel sind die größten Umsatzbringer, welche sorgen für Stückzahlen, welche
haben den besten Gesamtdeckungsbeitrag?
− Welche Artikel verursachen die höchsten Kosten?
− Wie hoch ist der Umsatz bestimmter Zeiträume?
− Welchen Forecast haben wir für einen bestimmten Zeitraum?
− Welche Kunden/Kundengruppen kaufen wann, wie viel, besonders häufig, was?
− Wie erfolgreich sind bestimmte Werbeaktionen?

− Wie hoch ist mein Wareneinsatz im einzelnen Projekt bzw. über eine
Anzahl von Projekt hinweg?
− Wie hoch ist mein Ressourceneinsatz im konkreten Projekt bzw.
typischerweise?
− Werden Meilensteine eingehalten bzw. kommt es zu Über-
/Unterschreitungen und welches Ausmaß nehmen diese Abweichungen
an?
− Wie steht es um meine Budgettreue?
− Wo entstehen immer wieder Liegezeiten und Verzögerungen?
− Wo steht mein Unternehmen im Vergleich zu Mitbewerbern?

− Welche Artikel drehen besonders schnell? Wie hoch ist meine
Shopper/Buyer Quote – Conversion Rate?
− Welche Artikel sollten im Bestand reduziert bzw. erhöht werden?
− Wie hoch sind meine Lagerkosten je Artikel bzw. Artikelgruppe?
− Wie liefertreu ist welcher Lieferant?
− Wie stellt sich die eigene Liefertreue gegenüber den Kunden dar?
− Wie hoch ist das gebundene Lagerkapital?
− Wie viele Reklamationen je Artikel und Lieferant entstehen innerhalb
eines betrachteten Zeitraums?
− Wie hoch ist meine durchschnittliche Out-of-Shelve Quote? Wann
entstehen Spitzen? Wo sind die Enpässe?
− Wie hoch ist der monatliche Verlust durch Abschriften (bsp Frische)?

− Wie sind meine Mitarbeiter oder Maschinen ausgelastet?
− Wie viele Fehler entstehen an welchen Maschinen/ Arbeitsplätzen?
− Wie ist die Entwicklung der Fehlerhäufigkeit im zeitlichen Ablauf?
− Wo sind die kritischen Engpässe und welche Auswirkungen auf den
Umsatz haben diese?
− Wie lässt sich ein Lieferengpass umgehend lösen?

Grafik

Strategisches, taktisches und operationales Business
Intelligence

Siehe Grafik

«Data  Warehouses  (DWHs)  sind  von  den  operativen  Datenbeständen  getrennte,  logisch
zentralisierte, dispositive Datenhaltungssysteme. Idealtypisch dienen sie als unternehmensweit
einheitliche  und  konsistente  Datenbasis  für  alle  Arten  von  Managementunterstützungssystemen
(Mucksch/Behme 2000, S. 6; Gabriel et. al. 2000, S. 76).»
 
«Der Begriff Data Warehouse wurde wesentlich von William H.
Inmon geprägt. Danach ist ein Data-Warehouse-System durch die
Merkmale der Themenorientierung, der Integration, des Zeitraumbezugs
und der Nicht-Volatilität charakterisiert (Inmon 2005,
S. 29 ff.).»

Der größte Teil an Daten, die im Unternehmen anfallen, entsteht intern, das heißt in den operativen Systemen. Diese im Tagesgeschäft erzeugten, operativen Unternehmensdaten sind in der Regel auf die Steuerung und Überwachung des Unternehmens ausgerichtet.

Operative Daten sind meist transaktionsorientiert und werden oft von Administrations- und Abrechnungssystemen generiert. Dazu gehören beispielsweise Daten, wie sie Warenwirtschaftssysteme, Buchhaltungsprogramme oder ERP-Systeme wie SAP erzeugen. Auch Auskunfts- und Bestellsysteme liefern operative Daten.

Solche tagesaktuellen Daten können eine strategische und operative Entscheidungsfindung kaum unterstützen. Hierfür müssten die Daten beispielsweise langfristig gespeichert werden, um Trends zu erkennen und Prognosen zu erstellen. Auch müssen unterschiedliche Komplexitätsstufen abgedeckt werden. All dies können die IT-Systeme in den Unternehmen nicht leisten.

Operative Daten müssen deshalb in einem ersten Schritt aufbereitet und in längerfristig gespeicherte Daten, so genannten dispositive Daten, überführt werden. Diese Daten stellen dann mehr oder weniger direkt Informationen für das Management bereit.

Oft handelt es sich bei dispositiven Daten um verdichtete, bereits transformierte und hoch aggregierte Daten. Sie können vom Management direkt als entscheidungsunterstützende Daten für unterschiedlichste Analyse-, Kontroll- und Steuerungszwecke eingesetzt werden. Die Tabelle fasst einige typische Merkmale operativer und dispositiver Daten zusammen.

Quelle: http://www.tecchannel.de

1. Unabhängig zwischen Datenquellen und Analysesystemen (bzgl. Verfügbarkeit, Belastund, laufender Änderungen)
2. Historisierung
3. Dauerhafte Bereitstellung integrierter und abgeleiteter Daten (Persistenz)
4. Mehrfachverwendbarkeit der bereitgestellten Daten
5. Möglichkeit der Durchführung prinzipiell beliebiger Auswertungen
6. Unterstützung individueller Sichten (z.B. bzgl. Zeithorizont, Struktur)
7. Erweiterbarkeit (z.B. Integration neuer Quelle)
8. Automatisierung der Abläufe -> insb. ETL
9. Eindeutigkeit über Datenstrukturen, Zugriffsberechtigungen und Prozesse
10. Ausrichtung am Zweck: Analyse der Daten

« Abteilungsdatenbank; physikalisch getrennter Auszug aus einem Data Warehouse,
dessen Datenbestand einer Fachabteilung für ihre spezifischen Auswertungen (z.B.
durch OLAP- oder Data Mining-Werkzeuge) zur Verfügung steht.»
http://wirtschaftslexikon.gabler.de/Archiv/75479/data-mart-v7.html

« Data Marts sind kleinere Datenpools für eine Klasse von Applikationen,
die üblicherweise für einen eingeschränkten Benutzerkreis
aufgebaut werden. Ihre Daten werden in aller Regel mit
Hilfe weiterer Transformationsprozesse aus dem Core Data
Warehouse extrahiert.»

Siehe Tabelle

«Eine Architektur beschreibt die grundlegende Struktur eines Systems mit seinen Elementen,
den Beziehungen zwischen diesen Elementen sowie den Beziehungen des Systems zur
Umwelt (ISO 2000). Darüber hinaus sollten auch Prinzipien für die Konstruktion, Weiterentwicklung
und Nutzung des Systems beschrieben werden (IEEE 2000). Eine Architektur unterscheidet sich
von anderen Ansätzen (z. B. der unternehmensweiten Datenmodellierung) zum einen durch eine
ganzheitliche Sicht auf ein System, was die Breite der betrachteten Elemente angeht. Zum anderen
unterscheidet sie sich durch die Beschränkung auf aggregierte Elemente und Beziehungen, was
den Grad der Detaillierung angeht.»

1. Unabhängige Data Marts
2. Mehrere C-DWHs (Core Data Warehouse)
3. abgestimmte Datenmodelle
4. C-DWH und abhängige Data Marrts
5. Zentrales C-DWH
6. DWH-Architektur-Mix

1. Vordefinierte Berichte
2. Funktionales Data Warehouse
3. Unternehmensweites Data Warehouse
4. Erweiterte Analyse
5. Aktive Wissenverarbeitung

Ein Operational Data Store beinhaltet aktuelle transaktionsorientierte
Daten aus verschiedenen operativen Quellsystemen und
stellt sie für Anwendungs- und Auswertungszwecke bereit. Die
Daten werden hierbei jedoch nicht längerfristig historisiert, sondern
– in Analogie zur operativen Datenhaltung – im Bedarfsfalle
durch neue Transaktionen überschrieben