Business Intelligence

-kontextfreie Angaben aus interpretierten Zeichen / Signalen

-Bsp.: 1 € 0 , M

-dienen der Informationsversorgung und funktionalen Unterstützung von Analysezwecken

-besteht aus: Data Warehouse (OLAP und Reporting), Data Mining und betriebswirtschaftliche Anwendungen

jede Art von quantitativer Information

gibt Auskunft über unternehmensinterne oder unternehmensexterne Sachverhalte

1) Obejktivität

-obejktiv, wenn sie direkt erhoben wird (Berechnung, Ableitung aus anderen Kennzahlen)

-subjektiv, wenn sie indirekt erhoben wird (Befragung von Nutzern)

Bsp: Temperaturen, Verfügbarkeit

2) Zeitorientierung

-zeitorientiert sind meist finanzielle Kennzahlen (Ergebnisindikatoren)

-nicht-zeitorientiert sind meist nicht-finanzielle Kennzahlen (Leistungsindikatoren)

Bsp: Umsatz und dessen Bezug zur Verfügbarkeit des Bestellsystems

beschreiben voneinander abhängige Gruppen von Kennzahlen und deren Berechnungsvorschriften

Managementrollen:

-Interpersonelle Rolle (Vorbild, Führer)

-Informstionsrolle (Monitor, Sprecher)

-Entscheiderrolle (Problemlöser, Verhandler)

Managementaufgaben:

-Mitarbeiterführungsaufgaben

-Planungsaufgaben

-Organisationsaufgaben

-Steuerungsaufgaben

-Kontrollaufgaben

Bild S.19

-Mix aus IT- und Businessstrategie

-fachliche Leitung liegt meist im Controlling (Teil der Finanzstrategie)

-enthält Aussagen zu:

-erwarteter Nutzen + Kosten

-Scope

-Richtlinien zur fachlichen Systemarchitektur

-Maßnahmen zur Sicherstellung der Konsistenz der Informationen

-Datenqualitätsmanagement

-Datenschutz und Datensicherheit

-Lifecycle Management

Kommerziell:

-SAP BW/BusinessObjekts

-Oracle Hyperion

-Tableau

-Microsoft PowerBI

Open Source:

-Pentaho

-Jasper

-Hadoop

-Palo

-Konsolidierung

-Challenger gewinnen massiv an Bedeutung

-Agile Delivery-Methoden (Beschaffung und Betrieb durch Fachbereich)

Ausgangssituation:

-gewachsene, häufig nicht integrierte, Systemlandschaft

-Analyseanfragen lesen große Mengenvon Daten und erzeugen eine hohe Last auf den operativen Systemen

-Skalierung der Systeme schlecht planbar (Abfragen nicht regelmäßig)

-historische Daten allenfalls über Änderungsbelege verfügbar

Vorteile Data Warehouse:

-Datenintegration liefert konsistente Daten für Management

-Aufnahme der Systemlast für analytische Abfragen

-historisierende Datenhaltung

Warehouse = Lager (Amazon Lager)

Eigenschaften: Subjektorientierung, zeitliche Varianz, Beständigkeit, Integration

-Datenhaltung in transaktionalen Systemen normalisiert

-mehr Zugriffe, aber optimierte Datenhaltung

-Daten werden werden im DWH zu einem Subjekt in einer Tabelle gespeichert

-weniger Zugriffe, dafür größere Datenbank (Ziel der Subjektorientierung)

-ERP-Systeme enthalten aktuelle Daten

-Änderungsbelege sind meist vorhanden, aber sehr aufwändig zu verarbeiten

-DWH-Systeme enthalten auch historische Daten

-damit ist die Veränderung von Daten innerhalb von historischen Zeiträumen darstellbar

-Daten in ERP werden überschrieben/gelöscht

-Daten in DWH werden niemals überschrieben/gelöscht

Bsp: in ERP würde nur 30 stehen, in BI werden alle 3 stehen (siehe Bild)

-Unternehmensdaten in verschiedenen Informationssilos (Buchhaltung, Vertrieb, Logistik,..)

-unterschiedliche Daten in unterschiedlicher Syntax

-DWH führt diese Daten aus den Silos zusammen

Single Point of Truth = nicht die einzelnen, datenliefernden Systeme werden für Analysen verwendet, sondern die integrierte und harmonisierte Sicht des EDW

-Oranisationsweit aufgestellt, deckt alle Bereiche ab

-Daten werden mit langer Historie gespeichert

-Datenvolumen sind sehr groß

-Daten sind denormalisiert

-Daten können aggregiert sein, müssen aber nicht

-logisch gruppierte Datenauszüge (fachlich, technisch, organisatorisch)

-eher kleinere Datenmengen

-für spezielle Analysebedürfnisse (Mobilität, Geschwindigkeeit, Sicherheit)

1) Operational Data Store (ODS)

-normalisierte und harmonisierte Daten

-hohe Detailtiefe

-geringeer zeitlicher Umfang

-direkter Zugriff mit Analyseanwendungen möglich

2) Multidimensional (OLAP Cube)

-X-dimensionale "Würfel"-struktur

-Daten werden nach Achen (Dimensionen) gegliedert

-Daten werden in verschiedenen Aggregationsstufen gespeichert

-ermöglicht verschiedene Sichten auf die Daten

insert Text

Tabelle einfügen

1) Multidimensionale kozeptionelle Perspektiven

2) Transparenz

3) Zugriffsmöglichkeiten

4) Stabile Anwortzeiten bei der Berichtserstattung

5) Client-Server-Architektur

6) Generische Dimensionalität

7) Dynamische Handhabung dünn besetzter Matrizen

8) Mehrbenutzerunterstützung

9) Unbeschränkte dimensionsübergreifende Operationen

10) Intuitive Datenanalyse

11) Flexibles Berichtswesen

12) Unbegrenzte Anzahl von Dimensionen und  Konslidierungsebenen

=Fast Analysis of Shared Multidimensional Information

-Fast: Antowrtzeiten sollen kleeiner als 2s sein, maximal 20s für komlpexe Abfragen

-Analysis: spezifische ANfoderungen des Analysezwecks sollen erfüllt werden (OLAP-Navigation,..)

-Shared: Mehrbenutzerfähigkeit des Systems (Updates und Lesen)

-Multidimensional: konzeptionelle Siccht auf die Daten mit Unterstützung vonHierarchien

-Information: gleichbleibende Antwortzeiten unabhängig von der Datenbankgröße