Business Intelligence

Diese Animation stammt aus dem Kurs Business Intelligence im Online Wirstschaftsinformatik Fernstudiengang. Mehr Infos: http://oncampus.de/index.php?id=1205 Es gibt eine Reihe von Gründen, warum Unternehmen nicht in der Lage sind, das volle Potential des BPM auszuschöpfen. Die Studie von Neely und Yaghi (2007) basiert auf der Befragung von 633 Unternehmen in fünf Ländern: Australien, China, Japan, USA und Großbritannien. Eine wichtige Erkenntnis dieser Studie ist, dass es eine Ausführungslücke im BPM gibt . Greifen wir die Metapher einer Reise für das Design und den Einsatz eines BPM-Systems von eben auf und betrachten -- basierend auf der Studie von Neely (Neely und Yaghi, 2007), welches die Steine auf dem Weg dieser Reise sind. Neely et al. sprechen in diesem Zusammenhang von einer Lücke zwischen der Vision eines BPM-Systems und der Ausführung dieser Vision im Unternehmen. Dabei werden acht Gründe für diese Lücke gefunden, die wie in dieser Animation dargestellt in drei Hauptkategorien unterteilt werden.

Diese Animation stammt aus dem Kurs Business Intelligence im Online Wirstschaftsinformatik Fernstudiengang. Mehr Infos: http://oncampus.de/index.php?id=1205 Die Pivotierung/Rotation wird in der folgenden Animation veranschaulicht. Definition Pivotierung: Pivotierung bedeutet das Rotieren des Würfels um seine beiden eigenen Achsen, sodass eine andere Kombination von Dimensionen sichtbar wird. Somit erhält der Anwender mittels der Rotation jeweils unterschiedliche Sichten auf den betrachteten Datenwürfel.

Diese Animation stammt aus dem Kurs Business Intelligence im Online Wirstschaftsinformatik Fernstudiengang. Mehr Infos: http://oncampus.de/index.php?id=1205 Svenska Handelsbanken ist es also gelungen, weitgehende dezentrale Autonomie mit wenigen Führungs- und Steuerungsinstrumenten zu verbinden, die für die notwendige Konsistenz innerhalb der Organisation sorgen. Das sind im Wesentlichen die für die gesamte Bank gültigen Werte und Handlungsprinzipien, die durchgehende Transparenz bei den Performance-Kennzahlen, und der Managementprozess in Form eines Managementdialogs, der sich kontinuierlich durch die gesamte Organisation zieht. Im Laufe der Jahre wurde die Organisation der Hierarchie innerhalb der Bank extrem flach. Handelsbanken kommt mit lediglich drei Führungsebenen aus. Zur Unterstützung dieser netzwerkartigen Organisation mit hochgradig dezentralisierter Entscheidung sind entsprechende Performance-Management-Prozesse nötig. Hier setzt die Bank auf Anpassungsfähigkeit und Flexibilität. Konventionelle Jahresplanung wurde abgelöst durch eine Menge „relativer Leistungsverträge". Die Planung fixierter Jahresperioden entfiel, anstelle statischer Budgets werden „rollierende" Leistungsvergleiche zwischen Ist-Zahlen und jährliche Aktionsplanungen eingesetzt, die den Dialog zwischen Führungskräften unterstützen.

Diese Animation stammt aus dem Kurs Business Intelligence im Online Wirstschaftsinformatik Fernstudiengang. Mehr Infos: http://oncampus.de/index.php?id=1205 Bei den sogenannten agglomerativen hierarchischen Verfahren (Bottom-up-Verfahren) bildet zu Beginn jedes Datenobjekt zunächst ein eigenes Cluster. Im weiteren, iterativen Verlauf des Verfahrens werden dann alle vorliegenden Cluster jeweils paarweise auf ihre Ähnlichkeit hin verglichen. Die Ähnlichkeiten zwischen den Clustern werden in einer Ähnlichkeitsmatrix (oder Distanzmatrix) festgehalten. Die jeweils zwei ähnlichsten Cluster (bzw. die beiden Cluster mit der geringsten Distanz zueinander) werden zu einem neuen Cluster zusammengefasst. Das Verfahren endet, wenn ein zu Beginn des Verfahrens definiertes Abbruchkriterium erreicht worden ist oder sich alle Datenobjekte in einem einzigen Cluster befinden. Als Abbruchkriterien können beispielsweise eine vorgegebene Anzahl k von Clustern dienen oder eine vorgegebener Wert für die Güte der Clusterbildung. Der Abstand zweier Cluster Ci und Cj kann auf unterschiedliche Arten gemessen werden. Im Folgenden werden einige Distanzmaße aufgeführt: - Single-Linkage (Minimale Distanz zwischen zwei Datenobjekte aus beiden Clustern) - Complete-Linkage (Maximale Distanz zwischen zwei Datenobjekte aus beiden Clustern) - Average-Linkage (Durchschnittliche Distanz zwischen zwei Datenobjekte aus beiden Clustern) - Average Group-Linkage Linkage (Der durchschnittliche Abstand aller Datenobjektpaare aus der Vereinigung zweier Cluster)

Diese Animation stammt aus dem Kurs Business Intelligence im Online Wirstschaftsinformatik Fernstudiengang. Mehr Infos: http://oncampus.de/index.php?id=1205 In einem relationalen Datenbanksystem ist die grundlegende Datenstruktur die Relation, die sich als Wertetabelle visualisieren lässt. Das relationale Datenmodell geht zurück auf E.F. Codd, und mit SQL steht eine weit verbreitete deskriptive Abfragesprache zur Verfügung, die auf der relationalen Algebra basiert. Ziel der relationalen Datenmodellierung im Kontext der mehrdimensionalen Datenanalyse ist es, eine Abbildung zu finden, die folgenden Anforderungen genügt: -Die im konzeptuellen mehrdimensionalen Datenmodell enthaltene anwendungsbezogene Semantik (wie z.B. Klassifikationshierarchien) sollte nicht verloren gehen. -Mehrdimensionale Anfragen sollten effizient übersetzt werden können und die Abarbeitung dieser Anfragen durch ein relationales Datenbanksystem sollte in möglichst effizienter Weise geschehen können. -Die Wartung der auf dem Relationenschema basierenden Relationen (wie z.B. das Laden neuer Daten) sollte effizient möglich sein. Das relationale Datenmodell sollte somit der spezifischen Anfrage- und Aktualisierungscharakteristik bei der mehrdimensionalen Datenanalyse entsprechen. D.h. aber auch, dass hier bewährte Entwurfstechniken nicht zwingend im Bereich der OLTP-Applikationen anzuwenden sind. Hierzu zählt beispielsweise die im Bereich der operativen Systeme häufig anzutreffende Beachtung der funktionalen und mehrwertigen Abhängigkeiten der Daten durch Normalisierung der Relationenschemata. Bei der Umsetzung des mehrdimensionalen semantischen Datenmodells in eine Menge von Relationenschemata ist insbesondere ein Augenmerk auf die semantikerhaltende Abbildung der Klassifikationshierarchien der Dimensionen zu legen. Die Umsetzung eines Würfels ohne die Beachtung der Existenz von Klassifikationshierarchien der Dimensionen, die den Würfel aufspannen, ist hingegen mit einer Relation möglich.

Diese Animation stammt aus dem Kurs Business Intelligence im Online Wirstschaftsinformatik Fernstudiengang. Mehr Infos: http://oncampus.de/index.php?id=1205 Die Frage, welche Key Performance Indikatoren (KPIs) bzw. Kennzahlen im Rahmen des Business Performance Managements gemessen werden sollen, ist von zentraler Bedeutung für die Qualität des Business Performance Management. Denn die Maßnahmen zur Steigerung der Leistungsfähigkeit einer Organisation werden auf Basis dieser Kennzahlen entschieden und gesteuert. Daher ist es von entscheidender Bedeutung, dass die verwendeten Kennzahlen die Leistungen der Organisation und seiner Wirkungen widerspiegeln. Da somit die Kennzahlen im Rahmen des Business Performance Management immer im Zusammenhang mit den strategischen oder operativen Zielen und Maßnahmen zu sehen sind, ist die Definition der zu beobachtenden Kennzahlen Bestandteil der strategischen und operativen Planung. Dabei werden in der Regel Kennzahlensysteme verwendet. Je nach verwendetem System werden hierbei nicht nur finanzielle Kennzahlen (wie z.B. Umsatz oder Eigenkapitalrendite), sondern auch nicht-monetäre Kennzahlen (wie z.B. Mitarbeiterzufriedenheit oder Reklamationsquote) definiert.

Diese Animation stammt aus dem Kurs Business Intelligence im Online Wirstschaftsinformatik Fernstudiengang. Mehr Infos: http://oncampus.de/index.php?id=1205 Die Anzahl der Ausprägungen einer Dimension (also z.B. die Anzahl der Länder) determinieren die Länge der Achsen des Würfels. Die Achsenlängen können daher unterschiedlich sein (beispielsweise ist in der obigen Animation die Restriktion auf 4 Monate nur der Übersichtlichkeit bzw. der Größe der Darstellung geschuldet und hat keine weiteren fachlichen Gründe). Auch können mehr als drei Dimensionen betrachtet werden. Dennoch eignet sich der Würfel als Methapher, da er die Gleichwertigkeit der Auswertungsrichtungen und die Koexistenz der Dimensionen in jeder Zelle zum Ausdruck bringt. Gleichwertigkeit der Auswertungsrichtungen meint, dass die Kennzahlen und die Dimensionen in den einzelnen Zellen unabhängig voneinander sind und man beliebig zwischen den einzelnen Daten dieser multidimensionalen Datenmenge navigieren kann. Legen wir für die Schreibweise vereinfachend ein numerisches Koordinatensystem zugrunde, so kann man sich beispielsweise vom Punkt (2,2,2) zum Punkt (2,3,2), (2,2,3), (3,2,2) usw. fortbewegen. In der Terminologie der datenerzeugenden Ereignisse bedeutet dies, dass jedes Produkt in jedem Monat in jedem Land verkauft werden könnte oder dass in jedem Monat jedes Produkt in jedem Land verkauft werden kann. Auch wenn, wie gezeigt, viele wichtige Aspekte mehrdimensionaler Datenmengen mit der Würfelmetapher veranschaulicht werden können, ist ein wesentlicher Nachteil, dass eine Veranschaulichung von mehr als drei Dimensionen schwierig ist.

Diese Animation stammt aus dem Kurs Business Intelligence im Online Wirstschaftsinformatik Fernstudiengang. Mehr Infos: http://oncampus.de/index.php?id=1205 Neben modell- und datengetriebenen Entscheidungsunterstützungssystemen werden kommunikations-, dokumenten- und Wissensbasierte Systeme unterschieden. Um abschätzen zu können, woher das Business Intelligence kommt und wo seine informationstechnischen Wurzeln liegen, soll in diesem Abschnitt ein kleiner historischer Abriss erfolgen. Bei kommunikationsgetriebenen Systemen, wie z.B. Groupware- oder Videokonferenzsysteme, steht die Unterstützung der Kommunikation und Kollaboration im Rahmen von Entscheidungsprozessen im Vordergrund. Dokumentengetriebene Systeme stellen das Retrieval von Dokumenten und die Analyse der Dokumente ins Zentrum der computergestützten Entscheidungsunterstützung. Im Gegensatz zu datengetriebenen Systemen, die in der Regel auf eher strukturierten Daten basieren, sind dokumentengetriebene Systeme auf unstrukturierte, textbasierte Daten ausgerichtet. Diese Differenzierung wird aber zunehmend unschärfer, da zunehmend auch unstrukturierte Daten z.B. im Rahmen des Text Mining in BI-Systemen verwendet werden. Unter die Bezeichnung Wissensbasierte Entscheidungsunterstützungssystem fallen Expertensysteme, die für eine in der Regel recht eingegrenzte Wissensdomäne Expertenwissen mit Methoden der künstlichen Intelligenz zur Verfügung stellen.

Diese Animation stammt aus dem Kurs Business Intelligence im Online Wirstschaftsinformatik Fernstudiengang. Mehr Infos: http://oncampus.de/index.php?id=1205 Primäres Ziel des Business Intelligence ist es, - den Mitarbeiterinnen und Mitarbeitern in den Organisationen (wie z.B. Unternehmen, Behörden etc.) einen interaktiven Zugang (manchmal auch in Echtzeit) auf alle für sie relevanten Daten zu geben - die Daten je nach Bedarf darzustellen und in eine Beziehung zu setzen - eine Analyse dieser Daten zu ermöglichen. Letztendlich sollen damit im Rahmen eines analytischen Prozesses eine Transformation von verfügbaren Daten in handlungsgerichtetes Wissen erreicht werden. So brauchen beispielsweise Vertriebsmanager und Mitarbeiter/-innen im Kundendienst oder im Einkauf ganz unterschiedliche Informationen. Diese Informationen müssen aber in einer Form aufbereitet sein und nur die Informationen umfassen, die mit ihren täglichen Aufgaben und Tätigkeiten in Relation stehen. Sie brauchen dabei aber nicht nur die Informationen, sondern auch (automatisierte) Prozesse und gesteuerte Analysen, die ihnen helfen, die Informationen zu interpretieren und zu analysieren. Dies soll ein modernes und umfassendes Business Intelligence heutzutage leisten. Ursprünglich war der Fokus des Business Intelligence rein auf die Unterstützung strategischer Entscheidungen gerichtet. Dies wird aber zunehmend erweitert in die eben beschriebene Richtung eines operativen Business Intelligence.