Lade Inhalt...

Analyse der Anforderungen an Business Intelligence as a Service (BIaaS)

Bachelorarbeit 2011 57 Seiten

Informatik - Wirtschaftsinformatik

Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 Grundlagen
2.1 Business Intelligence
2.1.1 Einsatzgebiete
2.1.2 Framework
2.1.3 Bereitstellung einer BI-Anwendung
2.2 Cloud Computing
2.2.1 Organisatorische Ordnungskriterien
2.2.2 Architekturstack
2.2.3 Cloud Computing im Vergleich mit anderen Sourcing Modellen
2.3 Business Intelligence as a Service
2.3.1 Herleitung des Begriffes
2.3.2 Service Framework
2.4 Unterscheidungskriterien für Anforderungen

3 Definition des Untersuchungsrahmens
3.1 Funktionale Anforderungen
3.2 Nicht funktionale Anforderungen

4 Anforderungsanalyse an Business Intelligence as a Service
4.1 Analyse von funktionalen Anforderungen
4.1.1 Visualisation as a Service
4.1.2 Model as a Service
4.1.3 Data as a Service
4.2 Analyse von nicht funktionalen Anforderungen
4.2.1 Produktanforderungen
4.2.2 Unternehmensanforderungen
4.2.3 Externe Anforderungen

5 Resümee

Literaturverzeichnis

Verzeichnis der verwendeten Gesetze

Abbildungsverzeichnis

Abbildung 2.1: BI-Framework

Abbildung 2.2: ETL Prozess

Abbildung 2.3: Komponenten und Datenflüsse im DWH

Abbildung 2.4: Wertbeitrag von IT und BI

Abbildung 2.5: Archetypen von BI-Organisationen

Abbildung 2.6: Organisatorische Perspektive des Cloud Computing

Abbildung 2.7: Cloud Architekturstack

Abbildung 2.8: Sourcing Modelle

Abbildung 2.9: Begriffsherleitung BIaaS

Abbildung 2.10: BIaaS Framework

Abbildung 2.11: Sichtweisen auf Anforderungen

Abbildung 2.12: Arten von Anforderungen

Abbildung 3.1: Arten nicht funktionaler Anforderungen

Abbildung 4.1: Nutzertypen der Visualisierungsschicht

Abbildung 4.2: DaaS Architektur

Abbildung 4.3: Produktanforderungen

Abbildung 4.4: Unternehmensanforderungen

Abbildung 4.5: Externe Anforderungen

Tabellenverzeichnis

Tabelle 2.1: Charakteristiken dispositive Daten

Tabelle 2.2: FASMI Anforderungen an OLAP

Tabelle 2.3: Cloud Charakteristiken

Tabelle 2.4: Vergleich Sourcingmodelle

Tabelle 4.1: Zusammenfassung Informationsdarstellung

Tabelle 4.2: Zusammenfassung Modelle

Tabelle 4.3: Zusammenfassung Datenbereitstellung

Tabelle 4.4: Zusammenfassung Produktanforderungen

Tabelle 4.5: Zusammenfassung Unternehmensanforderungen

Tabelle 4.6: Zusammenfassung externe Anforderungen

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Auf der einen Seite verändern neue Sourcing Modelle wie etwa Cloud Computing und Application Service Provider (ASP) allmählich den Markt für Informationssysteme. Auf der anderen Seite stellen sowohl die Globalisierung als auch globale Krisen das Management von Unternehmen vor neue Herausforderungen. Zur Unterstützung der Unternehmenssteuerung haben sich in den letzten Jahren BI-Systeme als fester Bestandteil ergeben (Kemper, Mehanna und Baars 2010, S. 5 f). Cloud Computing ist ebenso bei vielen IT Entscheidern ein Gesprächsthema. Jim Hagemann Snabe (2011), Vorstandssprecher der SAP AG, bezeichnet Cloud Computing auf dem DSAG Jahreskongress 2011 als den größten Verursacher von Veränderungen am Markt für IT-Systeme der kommenden Jahre.

Nun stellt sich die Frage, ob und unter welchen Rahmenbedingungen und Einschränkungen sich Business Intelligence mit den Möglichkeiten des Cloud Computing realisieren lässt. In dieser Fragestellung spielen in der Regel unterschiedliche Anforderungen eine Rolle. Organisatorische und rechtliche Vorgaben sind hier ebenso relevant, wie etwa der Funktionsumfang der geforderten BI-Lösung.

Ziel dieser Bachelorarbeit ist es, den Business Intelligence as a Service (BIaaS) Ansatz nach funktionalen Anforderungen, Randbedingungen sowie Einschränkungen für die Nutzung eines Cloud BI-Services zu untersuchen. Die Analyse erfolgt hierbei aus der Perspektive der Business Intelligence. Sie soll einen Planungsansatz liefern, um Unternehmen bei der Einführung einer BI as a Service Lösung zu unterstützen.

Um dieses Ziel zu erreichen, werden im zweiten Kapitel begriffliche und konzeptuelle Grundlagen geschaffen. Bei der Betrachtung von Cloud Computing und Business Intelligence aus verschiedenen Gesichtspunkten werden neben betriebswirtschaftlichen auch technologische Aspekte eingeführt. Dabei erfolgt die Vorstellung des BI-Ordnungsrahmens sowie eines BIaaS Frameworks. Abschließend wird nach einer Möglichkeit gesucht, Anforderungen zu kategorisieren.

Diese Kategorien dienen im dritten Abschnitt dem Aufbau des Untersuchungsrahmens nach funktionalen und dysfunktionalen Gesichtspunkten. Nicht funktionale Anforderungen fassen dabei die Randbedingungen und Einschränkungen begrifflich zusammen.

Nachdem alle Voraussetzungen für die eigentliche Anforderungsanalyse geschaffen sind, folgt diese im vierten Kapitel. Aufbauend auf dem definierten Untersuchungsrahmen werden Anforderungen an ein BIaaS aus verschiedenen Themenbereichen untersucht. Dabei erfolgt eine Unterscheidung der Bereiche Darstellung, Erzeugung und Speicherung von Informationen. Ebenso spielen die unterschiedlichen Einsatzszenarien einer BI eine Rolle.

Ein Resümee schließt diese Bachelorarbeit ab. Hierbei wird kurz auf die aktuelle Marktsituation eingegangen und geprüft, ob die definierten Anforderungen bereits von Anbietern umsetzbar sind. Ein Ausblick zeigt zudem mögliche Trends für die Weiterentwicklung von Cloud Lösungen auf.

2 Grundlagen

Um sich weiter mit dem Begriff „BI as a Service“ zu befassen, ist es notwendig, eine klare Vorstellung von diesem Begriff zu haben. Darüber hinaus müssen Grundlagen für den Einstieg in die Anforderungsanalyse gelegt werden. Das folgende Kapitel beschäftigt sich mit diesen grundlegenden Themen. Dabei wird das Akronym BIaaS in seine Hauptbestandteile „Business Intelligence“ und „as a Service“ zerlegt. „As a Service“ beschreibt hier eine Ausprägung der Cloud Computing Architektur. Aufbauend auf den Grundlagen zu Business Intelligence und Cloud Computing beschäftigt sich der nächste Abschnitt mit dem BIaaS Konzept. Abschließend erfolgt eine Abgrenzung und Einordnung für den Begriff Anforderung.

2.1 Business Intelligence

Es existieren verschiedene Betrachtungen für Business Intelligence (BI) in Wissenschaft und Praxis, wobei der Begriff aus dem Englischen stammt und in der aktuellen Zeit neben vielen anderen im Deutschen ohne Übersetzung verwendet wird. Eine wörtliche Übersetzung ergibt einen Begriff wie etwa Geschäftsintelligenz. Mit Intelligence soll in diesem Zusammenhang aber mehr in Richtung Einsicht oder Verständnis des Unternehmens gegangen werden (Gluchowski 2001, S. 6). Business Intelligence fasst dabei die klassischen Management Support Systeme wie Management Information System (MIS), Decision Support System (DSS) und Executive Information System (EIS) zusammen (Gluchowski, Gabriel und Dittmar 2007, S. 15).

Kemper, Mehanna und Baars (2010, S. V) bezeichnen dazu BI als „IT-Lösung zur Managementunterstützung“. Diese Betrachtung von Business Intelligence beschäftigt sich nicht nur mit den Informationen, sondern auch mit dem Prozess zur Informationsbereitstellung. Das Ziel ist eine zeitnahe verlässliche Versorgung mit allen, für Entscheider nötigen, betrieblichen Informationen (Gluchowski, Kemper und Seufert 2009, S. 9). In einer engen Definition zählen dazu nur Anwendungen zur Aufbereitung und Darstellung von Informationen. In einem weiten Verständnis kommen Werkzeuge zum Bereitstellen, Speichern und Analysieren von Daten hinzu (Gluchowski, Gabriel und Dittmar 2007, S. 90 f). Um alle Architekturebenen einer BI-Anwendung zu berücksichtigen, liegt dem Begriff BI in dieser Arbeit folgende Definition zu Grunde:

Business Intelligence beschreibt eine Sammlung von Softwarekomponenten und Prozessen zur Extraktion, Transformation, Speicherung, Aufbereitung und Darstellung von entscheidungsrelevanten Informationen (Gluchowski, Gabriel und Dittmar 2007, S. 93).

Nachdem damit für diese Arbeit ein BI Begriffsverständnis geschaffen ist, folgt nun die Betrachtung von Einsatzgebieten. Softwarekomponenten und Prozesse werden im BI-Framework, dem zweiten Unterkapitel, näher aufgezeigt. Der letzte Block dieses Abschnittes beschäftigt sich mit dem Design und Betrieb einer BI-Lösung.

2.1.1 Einsatzgebiete

Der Einsat von BI-Systemen liegt im gesamten Bereich der Führung eines Unternehmens. Alle Managementebenen können Nutzer einer BI-Anwendung sein. Das Top Management nutzt BI-Systeme zur Unterstützung von strategischen Entscheidungen. Im mittleren und unteren Management werden strategische Entscheidungen aus dem übergeordneten Management in konkrete Programme und Pläne umgewandelt. Zudem nutzen alle Ebenen Informationen, um Entscheidungen vorzubereiten. Das untere Management stellt darüber hinaus die Schnittstelle zu den operativen Einheiten des Unternehmens dar. Eine BI unterstützt alle drei Ebenen beim Planen, Steuern und Überwachen der operativen Wertschöpfungsprozesse (Kemper, Mehanna und Baars 2010, S. 10).

Nutzergruppen einer BI-Anwendung lassen sich dabei wie folgt charakterisieren (Kemper, Mehanna und Baars 2010, S. 164) (Gluchowski, Gabriel und Dittmar 2007, S. 105):

- Informationskonsumenten: Sie nutzen vorab definierte Informationen ohne weitere Aufbereitung. Dies kann auch als Standardberichtwesen bezeichnet werden.
- Analytiker: Ein Analytiker benötigt mit bestehenden Modellen einen möglichst flexiblen Zugriff auf die bereitgestellten Informationen.
- Spezialisten: Diese nutzen zur Betrachtung ökonomischer Probleme statistische und wirtschaftsmathematische Methoden, um daraus Modelle zu generieren.

Eine aktuelle Entwicklung ergänzt die vorgestellten Einsatzgebiete einer BI um die sogenannte „Operational BI“ (OPBI). Hierbei ist das Ziel, mit Hilfe von BI automatisiert operative Prozesse zu beeinflussen (Gluchowski, Kemper und Seufert 2009, S. 8). Produktionsprozesse können somit teilweise automatisch gesteuert werden.

Bei Markt- und Wettbewerbsanalysen dient BI ebenso zur Analyse von strukturierten und unstrukturierten Informationen. Dies wird als „Competitive Intelligence“ (CI) bezeichnet und hat zum Ziel, Wettbewerbsvorteile durch Informationen über Mitbewerber und Markttrends zu erlangen (Kemper, Mehanna und Baars 2010, S. 258 f). Zur CI wird an dieser Stelle auf weiterführende Fachliteratur verwiesen (Michaeli 2006).

2.1.2 Framework

Business Intelligence beschäftigt sich im klassischen Modell mit den Bereichen Informationszugriff, Informationsdistribution sowie Informationsgenerierung. Diese Begriffe werden oft in einem BI-Ordnungsrahmen oder BI-Framework dargestellt. Die nachstehende Abbildung stellt dieses Framework vereinfacht dar. Die Ebenen Visualisierung, Modelle und Daten werden im Anschluss vorgestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.1: BI-Framework

Quelle: in Anlehnung an (Kemper, Mehanna und Baars 2010, S. 11) (Seufert und Bernhardt 2010, S. 35)

Die Datengrundlage der BI stellen die Prozesse und Komponenten der Datenbereitstellung in der untersten Architekturebene dar. Bei Daten kann allgemein zwischen operativen und dispositiven Daten differenziert werden. Dies beruht auf der Unterscheidung von Tätigkeiten nach Erich Gutenberg (1973). Prozesse und unterstützende IT-Systeme erzeugen operative Daten , die unmittelbar mit der Leistungserstellung in Verbindung stehen. Durch unterschiedliche Charakteristiken, wie etwa Ziel und Zeitbezug, können operative Daten jedoch nicht direkt für managementunterstützende Systeme verwendet werden (Kemper, Mehanna und Baars 2010, S. 16). Für Systeme zur Managementunterstützung werden dispositive Daten benötigt. Um die Informationsbereitstellung sicherzustellen wurde deshalb das Konzept von Data Warehouse (DWH) und Data Mart Systemen entwickelt. Diese Ansätze dienen dazu, die Verfügbarkeit und Aktualität der benötigten Daten zu gewährleisten (Gluchowski, Gabriel und Dittmar 2007, S. 143). Ein DWH stellt dispositive Daten zentralisiert zur Verfügung. Damit ist eine Speicherung getrennt von den operativen Daten möglich. Charakterisiert ist ein DWH und sein Datenbestand durch die folgenden Merkmale (Kemper, Mehanna und Baars 2010, S. 19 ff):

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2.1: Charakteristiken dispositive Daten

Quelle: in Anlehnung an (Kemper, Mehanna und Baars 2010, S. 19 ff)

Ein Data Mart ist eine weitere Erscheinungsform zur Datenbereitstellung, die es ermöglicht, Daten aus einem DWH für einzelne Funktionsbereiche oder Nutzergruppen zu extrahieren. Somit werden langsame und unflexible Anfragen auf den umfangreichen Datenbestand eines unternehmensweiten DWH vermieden .

Zum Laden der Daten in das DWH existiert der in folgender Abbildung dargestellte ETL-Prozess (Extrahieren, Transformieren, Laden).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.2: ETL Prozess

Quelle: eigene Darstellung

Zuerst werden Daten aus einem operativen Vorsystem, wie beispielsweise CRM oder ERP Anwendungen, extrahiert. Im weiteren Schritt erfolgt beim Transformieren ein Harmonisieren, Bereinigen und Zuordnen von Daten. Hier werden Datenbestände so zusammengestellt, dass die operativen Daten nach Themenbezug aufbereitet sind. Ziel dabei ist es, aus den Rohdaten betriebswirtschaftlich interpretierbare Daten zu erzeugen . Redundante Informationen werden durch das Bereinigen und Harmonisieren der Rohdaten vermieden (vgl. hierzu Tabelle 2.1). Abschließend erfolgt das Laden der Daten in das Data Warehouse (Kemper, Mehanna und Baars 2010, S. 25). Für den Ladeprozess ist es notwendig, dass eine Datenverbindung zwischen Datenquelle und DWH besteht. Durch die Transformation der Daten ist es möglich, dass wesentlich mehr Daten aus dem operativen Vorsystem geladen werden, als danach im DWH geschrieben werden. Dies ist durch die Zusammenfassung von Daten anhand ihres Themenbezuges begründet. Abhängig des zu extrahierenden Datenumfanges muss der notwendige Datendurchsatz in der Netzwerkverbindung bereitstehen.

Folgende Abbildung zeigt die Datenflüsse und die in diesem Abschnitt beschriebenen Komponenten einer BI-Umgebung auf.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.3: Komponenten und Datenflüsse im DWH

Quelle: in Anlehnung an (Gluchowski 1997)

Um Informationen entsprechend darzustellen ist es notwendig, diese vorab entsprechend zur Verfügung zu stellen, womit sich die Ebene Informationsgenerierung des BI-Ordnungsrahmens befasst. Im Vordergrund steht hier die Verknüpfung und Umformung bestehender Daten, um daraus zusätzliche Informationen zu generieren (Gluchowski, Gabriel und Dittmar 2007, S. 112). Dabei dienen Modelle als Grundlage für die Abbildung der Realität in verständlichen Ausschnitten. Als Modell wird eine Verknüpfung mehrerer Methoden für eine Entscheidungsaufgabe bezeichnet (Kemper, Mehanna und Baars 2010, S. 112). Methoden können aus den Bereichen Statistik, künstliche Intelligenz oder der Datenmustererkennung stammen (Kemper, Mehanna und Baars 2010, S. 115).

Bei der Datenanalyse gibt es OLAP und Data Mining als grundlegende Vorgehensweisen. Online Analytical Processing ( OLAP ) dient zur Überprüfung von Hypothesen, die durch den Datenbestand eines DWH online vom Anwender unterstützt wird. Dabei ist das Ziel, Daten nach mehreren Dimensionen bzw. Perspektiven zu filtern. Für die Darstellung der Dimensionen wird stets der Begriff „Cube“ verwendet.

Alle wichtigen Anforderungen an ein OLAP System wurden von Pendse (2008) unter dem Akronym FASMI „Fast Analysis of Shared Multidimensional Information“ konsolidiert. Folgende Tabelle gibt diese Eigenschaften zusammengefasst wieder (Kemper, Mehanna und Baars 2010, S. 100).

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2.2: FASMI Anforderungen an OLAP

Quelle: entnommen aus (Kemper, Mehanna und Baars 2010, S. 100)

Ziel des Data Mining ist es, aus den bereitgestellten Daten automatisch Hypothesen zu generieren, um daraus nützliches Wissen abzuleiten. Dazu sollen effiziente, allgemein verwendbare und autonome Methoden zur Wissensgenerierung aus großen Rohdatenmengen zur Datenmustererkennung bereitgestellt werden. Ein Data Warehouse zur Datenbereitstellung stellt eine optimale Datengrundlage für die Datenanalyse im Data Mining dar (Mucksch und Behme 1998, S. 447 f) (Gluchowski, Gabriel und Dittmar 2007, S. 143).

Systeme zur Informationsdistribution stellen eine Schnittstelle zum betrieblichen Wissensmanagement dar. Mit Hilfe eines etablierten Wissensmanagements ist es möglich, dass weitere Entscheidungsträger das erzeugte Wissen ebenfalls für Entscheidungen nutzen können (Kemper, Mehanna und Baars 2010, S. 12). Zu Wissensmanagement in Unternehmen wird an dieser Stelle auf weiterführende Literatur verwiesen (Probst, Raub und Romhardt 2010).

Die oberste Integrationsebene des BI-Framework aus Abbildung 2.1 widmet sich dem Bereich Informationszugriff . Benutzerschnittstellen ermöglichen es dem Anwender, die unterschiedlichen steuerungsrelevanten Informationen darzustellen. Um den Zugang zu ermöglichen, werden hierfür meist Portale im Firmennetz eingesetzt. Über Personalisierung und Rollen kann die Oberfläche an den einzelnen Nutzer individuell angepasst werden (Kemper, Mehanna und Baars 2010, S. 13). Zur Aufbereitung und Präsentation von multidimensional organisiertem Datenmaterial existieren in der Praxis verschiedene Operationen. Dies beinhaltet etwa Produkte zum „Slice and Dice“ oder „Color Coding“. Bei „Slice and Dice“ geht es um die Einschränkung mehrdimensionaler Datenbestände auf bestimmte Kriterien (Gluchowski, Gabriel und Dittmar 2007, S. 90 f). „Color Coding“ beschreibt die nach verschiedenen Bewertungskriterien farblich angepasste Darstellung von Informationen.

2.1.3 Bereitstellung einer BI-Anwendung

Eine BI-Anwendung muss selbst entwickelt oder extern beschafft werden. Bei der Bereitstellung von Systemen existieren unterschiedliche Prozesse und Vorgehensweisen, die Einfluss auf den Designprozess nehmen. Bei der Gestaltung einer BI-Lösung ist es wichtig, diese bedarfsgerecht aufzubauen. Die Abbildung 2.4 liefert hierzu den Einstieg und dient zugleich zur Veranschaulichung des nachfolgenden Abschnittes.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.4: Wertbeitrag von IT und BI

Quelle: in Anlehnung an (Krcmar 2009, S. 520)

Die Abbildung zeigt auf, dass für alle Bereiche des Unternehmens folgender Zusammenhang besteht. Die Unternehmensstrategie bedingt direkt das Geschäftsmodell, wobei dieses mit der IT in gegenseitiger Wechselwirkung steht. Ein Geschäftsprozess ist direkt für die Leistungserstellung im Unternehmen verantwortlich, welcher durch das Geschäftsmodell bestimmt und durch die IT unterstützt wird. Da die IT an sich keine Leistung erstellt, besteht der Bezug zur Leistungserstellung nur mittelbar über den Geschäftsprozess (Krcmar 2009, S. 520) . Die Ausrichtung des BI wird durch die Unternehmensstrategie bestimmt. Umgekehrt beeinflussen Erkenntnisse aus der BI wiederrum die strategischen Entscheidungen im Unternehmen. Dies ist möglich, da hierfür Informationen aus den Geschäftsprozessen aufbereitet zur Verfügung gestellt werden. Umgekehrt kann ein OPBI auch direkt einen Geschäftsprozess steuern (vgl. Kapitel 2.1.1.). BI-Systeme unterstützen somit strategische und operative Entscheidungsprozesse in einer Organisation. Für eine optimale Unterstützung müssen BI-Services am Informationsbedarf der Entscheidungsprozesse ausgerichtet sein (Gluchowski und Chamoni 2010, S. 6 ff).

Um dieses Ziel zu erreichen, sind bei der Gestaltung einer BI-Anwendung die Dimensionen Geschäftsnähe, Lebenszyklus und Komponenten zu betrachten. Diese Blickwinkel beeinflussen neben der konzeptuellen Planung der BI auch das Sourcing. Im Bereich Komponenten wird zwischen den technologischen Ebenen Datenbereitstellung, Informationsdistribution bzw. -generierung sowie Informationszugriff unterschieden. Je nach Integrationsebene sind dafür geeignete Softwarekomponenten vorzusehen. Die Geschäftsnähe beschreibt den Bezug der BI-Organisationsform zu Unternehmensprozessen und fachlichen Kompetenzen. In einer BI-Umgebung erfolgt die Differenzierung von technischen Services und fachlichen Dienstleistungen. Die Hardware eines BI-Systems hat die größte technische Nähe und ein Modell ist dichter an der fachlichen Perspektive angesiedelt. In der Dimension Lebenszyklus eines Service sind die Phasen Bereitstellung und Betrieb wesentlich (Kemper, Mehanna und Baars 2010, S. 180). In ITIL V3 wird der Servicelebenszyklus detaillierter in die Phasen Service Strategy, Service Design, Service Transition, Service Operation und Continual Service Improvement eingeteilt. In der Service Strategy Phase werden Vorgaben für alle weiteren Phasen gesetzt. Die Betrachtung der Beschaffungsmärkte und die Ermittlung des Servicebedarfs zählen hier ebenso dazu, wie die Implementierung einer Servicestrategie. Design, Transition und Operation beschäftigen sich mit der Bereitstellung und dem Betrieb des Services. Fortlaufende Optimierung und strategische Anpassungen sind in Phase fünf, dem Continual Service Improvement vorgesehen (van Bon, et al. 2007, S. 22) (Krcmar 2011, S. 169). Sind nur die Bereiche Geschäftsnähe und Fertigungstiefe von BI-Komponenten relevant, können daraus BI-Sourcingmodelle abgeleitet werden. Die Fertigungstiefe bezeichnet dabei die Tiefe der Einbindung der BI-Organisation in die Bereitstellungsprozesse des BI-Services aus IT-Sicht. Folgende Abbildung stellt mögliche BI-Sourcing-modelle dar und wird im Anschluss erklärt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.5: Archetypen von BI-Organisationen

Quelle: entnommen aus (Dittmar und Ossendorf 2010, S. 72)

Ein BI Full Service Provider beschäftigt sich mit der Bereitstellung und dem Betrieb des BI mit allen Modellen und Daten. Zudem ist er für die Erstellung von Standardberichten und umfangreichen Analysen verantwortlich. Der Business Service Provider ist für die fachliche Ebene der Berichterstellung und Analyse verantwortlich. Die technischen BI Aufgaben werden jedoch nicht von diesem erbracht. Der BI Platform Provider beschäftigt sich primär mit der technischen Bereitstellung und dem Betrieb der BI-Lösung. Fachliche Aufgaben werden nicht übernommen. BI Competence Center übernehmen weder die fachliche noch die technische Bereitstellung. Es werden Zulieferer koordiniert und in Bezug auf die Leistungserbringung überwacht. Die Zuständigkeit kann ebenso den Support der Lösung umfassen (Dittmar und Ossendorf 2010, S. 72 f).

2.2 Cloud Computing

Der Begriff Cloud Computing wird in der Wissenschaft und Praxis sehr unterschiedlich verwendet. Viele IT Dienstleister haben ihre bewährten Produkte, ohne daran eine Änderung vorzunehmen, nun Cloud-Services getauft. Es sind allerdings auch neue Geschäftsfelder entstanden, die durch die Unterstützung von Cloud Computing revolutionäre Produkte anbieten (Metzger, Reitz und Villar 2011, S. 5). Durch ihre hohe Marktpräsenz und den prototypischen Charakter sind an dieser Stelle Amazon Webservices und Google App Engine beispielhaft zu erwähnen (Baun, et al. 2010, S. 39). Die BITKOM (2009, S. 1) hat in diesem Zusammenhang formuliert, dass Cloud Computing eine Evolution in der Technik und eine Revolution im Business darstellt. Diese Aussage wird durch die nun folgende Betrachtung der unterschiedlichen Begriffsverständnisse manifestiert.

Die BITKOM (2009, S. 9) definiert Cloud Computing mit Schwerpunkt auf die Nutzung und der verbrauchsabhängigen Verrechnung von dynamischen IT-Ressourcen. In der Definition des NIST (National Institute of Standards and Technology) setzen die Autoren Grance und Mell (2009) den Schwerpunkt auf eine technologische Betrachtung. Sie bezeichnen Cloud Computing dabei als ein Modell zur bedarfsgerechten Bereitstellung geteilter IT-Ressourcen. Diese können mit minimalem Aufwand für den Anbieter dynamisch bereitgestellt werden (Armbrust, et al. 2010, S. 50). Nach einer weiteren verbreiteten Definition ist Cloud Computing eine Form des IT-Sourcing, bei dem der gesamte Betrieb sowie die Wartung beim Anbieter verbleiben. Der Auftraggeber bezahlt dabei lediglich die in Anspruch genommene Leistung. Ihm stehen je nach gewünschter Integrationstiefe komplette Softwareanwendungen oder nur Bestandteile zur Verfügung (Repschläger, Pannicke und Zarnekow 2010, S. 6) (Stanoevska-Slabeva, Wozniak und Ristol 2010, S. 48 f). Wie an den unterschiedlichen Definitionen zu erkennen ist, hat sich in der Literatur noch kein einheitliches Begriffsverständnis durchgesetzt. Da folgende Spezifizierung alle wesentlichen Inhalte der vorgestellten Interpretationen zusammenfasst, liegt diese der weiteren Arbeit zu Grunde.

Cloud Computing beschreibt ein flexibles IT-Betriebsmodell, bei dem die Abrechnung auf der tatsächlichen Inanspruchnahme beruht. Hierzu werden IT-Ressourcen mit Hilfe von Virtualisierungstechniken über Datenleitungen als standardisierte dynamische Dienstleistung bereitgestellt (Baun, et al. 2010, S. 3 f).

Für eine weitere ganzheitliche Betrachtung kommen in dieser Definition sowohl die technologische Perspektive als auch der Dienstleistungscharakter des Cloud Computing zur Geltung.

Aus dem Servicemodell des Cloud Computing lassen sich für den Nutzer folgende Vorteile ziehen (Metzger, Reitz und Villar 2011, S. 25):

- Konzentration auf Kernprozesse des Unternehmens
- Nutzung von neuen IT-Technologien, ohne diese im Detail zu kennen
- Konzentration auf die Veränderung der Unternehmensumwelt und Anpassung der Prozesse in den IT Anwendungen an diese Veränderungen

Neben der Definition von Cloud Computing hilft ein Überblick über die typischen Eigenschaften des Cloud Computing. Das NIST nennt in seiner Definition fünf charakteristische Merkmale einer Cloud Umgebung. Folgende Tabelle führt diese auf und erklärt ihre begriffliche Bedeutung.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2.3: Cloud Charakteristiken

Quelle: in Anlehnung an (Grance und Mell 2009)

Die in der Tabelle 2.3 dargestellten Eigenschaften verdeutlichen nochmals, dass die Cloud Computing Technologie mit dem neuartigen Dienstleistungscharakter große Vorteile für das Sourcing von IT-Services bieten kann. Im Jahr 2010 bezeichnete Gartner (2010) Cloud Computing für die nächsten drei Jahre als größten Wachstumsmarkt zur Bereitstellung von IT-Lösungen.

2.2.1 Organisatorische Ordnungskriterien

Eine Cloud Umgebung kann nicht nur über das Internet von einem externen Serviceanbieter bezogen werden, sondern auch durch die Technologienutzung den unternehmenseigenen IT-Bereitstellungsprozess unterstützen. Folgende Abbildung stellt die bekanntesten o rganisatorischen Perspektiven auf und dient zur Veranschaulichung des Abschnittes

[...]

Details

Seiten
57
Jahr
2011
ISBN (eBook)
9783656247883
ISBN (Buch)
9783656251132
Dateigröße
2.5 MB
Sprache
Deutsch
Katalognummer
v198453
Institution / Hochschule
FernUniversität Hagen – Betriebswirtschaftslehre, insbesondere Informationsmanagement
Note
2,7
Schlagworte
Bi Cloud Computing BIaaS Business Intelligence

Autor

Teilen

Zurück

Titel: Analyse der Anforderungen an Business Intelligence as a Service (BIaaS)