Business-Intelligence - Eine Übersicht über Systeme, Methoden und Leistungsmerkmale

Inhaltsverzeichnis

Abbildungsverzeichnis

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

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Abgrenzung zwischen Daten, Information und Wissen in Anlehnung an Kemper (2006)

Abbildung 2: Das Business-Intelligence Framework in Anlehnung an Zimmermann (2008)

1. Einleitung

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.^[1] Die heutige Ausweitung und Beschleunigung des Unternehmens- und des Wettbewerbsumfeldes erfordern umfangreichere und verfeinerte Reportingmöglichkeiten.^[2]

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.^[3]

Daten können demnach als kritische Ressource im Wettbewerb angesehen werden.^[4] Die Art und Weise, wie die einzelnen Mitarbeiter Daten nutzen kann zu einem Schlüsselfaktor für den Erfolg des Unternehmens werden.^[5]

1.2. Begriffsabgrenzung

1.2.1. Daten

Einleitend wurden bereits die Schlagwörter Daten, Information und Wissen genannt, ohne sie vorab zu definieren. Oftmals werden diese Begriffe als Synonym gebraucht, was sich nach der folgenden Abgrenzung als falsch herausstellen wird.

Daten sind nach DIN 44300 als neutrale Zahlen, Werte und Fakten, die maschinell verarbeitet werden können, definiert. Dabei liegen Daten entweder in strukturierter oder unstrukturierter Form vor. Daten stellen den kleinsten Baustein des Wissens dar.^[6]

1.2.2. Informationen

Informationen sind im Vergleich zu den Daten bereits zweckorientiertes Wissen.^[7] Sie entstehen, wenn den Daten Bedeutung zukommt. Informationen sind erkennbar und lassen sich am Grad ihrer Aktualität unterscheiden.^[8]

1.2.3. Wissen

Wissen schließlich ist an den Menschen gebunden. Dabei unterscheidet man Wissen in

- explizites Wissen: alles was als dokumentiertes Wissen in Formeln, Diagrammen, Datenbanken, usw. vorliegt, sowie
- implizites Wissen: Erfahrungen und Fertigkeiten von Mitarbeitern.

Den Zusammenhang zwischen Daten, Information und Wissen soll nachfolgende Grafik nochmals deutlich machen:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Abgrenzung zwischen Daten, Information und Wissen in Anlehnung an Kemper (2006): S. 127

2. Business Intelligence (BI)

2.1. Definition

Business Intelligence kann als die Sammlung, Auswertung und Darstellung aller in einem Unternehmen vorhandenen Geschäftsdaten gesehen werden.^[9] Business Intelligence ist ein integrativer Gesamtansatz. Dabei werden Strategien, Prozesse und Technologien integriert, um aus heterogenen Unternehmens-, Markt- und Wettbewerbsdaten erfolgswirksames Wissen zu erzeugen.^[10] Der Transformationsprozess von Daten in entscheidungsrelevantes Wissen entsteht, wenn Business Intelligence Systeme die Daten operativer Systeme und externer Anbieter integriert und in Informationen transformiert. Diese Informationen werden durch die Analyse der Anwender in Wissen umgewandelt.^[11]

BI ist jedoch kein neues Konzept, sondern vielmehr eine begriffliche Klammer, die eine Vielzahl von unterschiedlichen Ansätzen zur Analyse geschäftsrelevanter Daten zu verbündeln versucht. Dieses Begriffgebilde hat sich in den letzten Jahren als fester Bestandteil der IT-Landschaft etablieren können.^[12]

2.2. Ziele

Übergeordnetes Ziel von Business Intelligence ist es allen Entscheidungsträgern auf sämtlichen Unternehmensebenen des Top, Middle und Lower Managements, Information zur Verfügung zu stellen. Dabei handelt es sich um jene Informationen, die benötigt werden, um eine möglichst schnelle und qualitativ hohe Entscheidung treffen zu können. Als Ergebnis soll dadurch der Unternehmenserfolg gesteigert werden.^[13]

Dem Management werden also Informationen bereit gestellt, die unternehmenswichtige Entscheidungen erleichtern.^[14]

2.3. Architektur/Framework

Das zugrundeliegende Business Intelligence Framework dient als Referenzmodell für individuelle Implementierung von BI-Systemen. Es besteht aus drei Ebenen:^[15]

- Datenbereitstellung
- Datenmodellierung
- Informationsgenerierung

Die folgende Grafik dient dazu das Zusammenspiel der einzelnen Ebenen untereinander aufzuzeigen und soll so als Orientierungsrahmen für die nächsten Kapitel dienen:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Das Business-Intelligence Framework in Anlehnung an Zimmermann (2008)

Die Überführung der operativen Daten in das Data Warehouse erfolgt über den ETL-Prozess. Der Begriff wird aus den englischen Begriffen Extraction, Transformation und Loading zusammengesetzt.^[16]

[...]

^[1] Vgl. Twardoch (2002).

^[2] Vgl. Zimmermann (2008).

^[3] Vgl. Schmiedeberg (2004).

^[4] Vgl. Seufert (2006), S. 7.

^[5] Vgl. O.V. (2008a).

^[6] Vgl. Schmiedeberg (2004).

^[7] Vgl. Schmiedeberg (2004).

^[8] Vgl. Seufert (2006), S. 5.

^[9] Vgl. Zimmermann (2008).

^[10] Vgl. Seufert (2006), S.14ff.

^[11] Vgl. Wolf (2004).

^[12] Vgl. Gluchowski (2001).

^[13] Vgl. O.V. (2008a).

^[14] Vgl. Zimmermann (2008).

^[15] Vgl. Seufert (2006), S. 74.

^[16] Vgl. Kemper (2006): S. 22.