Entscheidungsunterstützung

Größe: px
Ab Seite anzeigen:

Download "Entscheidungsunterstützung"

Transkript

1 Seminar im Grundstudium Institut für Informatik TU Clausthal Ausarbeitung Thema: Entscheidungsunterstützung von Tino Schmidt

2 Inhaltsangabe 1.Entscheidungsunterstützung 1.1.Einführung 1.2.Nutzen und Formen der Entscheidungsunterstützung 1.3.Sichten der Entscheidungsunterstützung 2.Entwicklung der DSS Methodik 2.1.Historische Entwicklung 2.2. Group Decision Support System ( GDSS ) 2.3.Organisational Decision Support Systems ( ODSS ) 2.4.Data Warehousing, OLAP und Data Mining 2.5.Ein Blick in die Zukunft der DSS 3.Decision Support Systems 3.1.Grundlegendes zum DSS 3.2.Aufbau der Decision Support Systems 3.3.Grundfunktionen eines DSS 1

3 1.Entscheidungsunterstützung 1.1.Einführung Der Mensch hat täglich hunderte von Entscheidungen zu treffen, dass es nicht gleich verständlich ist, warum uns der Computer hierbei unterstützen kann oder soll. Allerdings sind Entscheidungen,wie zum Beispiel welche Butter oder Milch man kaufen soll oder ob man bei Gelb noch über die Ampel fahren soll nicht leichter oder schneller mit Hilfe des Computers zu treffen. Dies sind Entscheidungen, die trivial, alltäglich, spontan oder reflexartig zu lösen sind. Hierbei haben entscheidungsunterstützende Systeme nichts zu suchen, denn der Einsatz würde die Lösung des Problems nur verzögern. Allerdings gibt es auch Probleme die schwierig, arbeitsaufwendig, aufreibend, kontrovers und mit hohem Risiko und hoher Verantwortung verbunden sind. Manager und Politiker, auch Entscheidungsträger, bereiten meist diese Probleme unter hohem Einsatz an Resourcen, Personal und Zeit vor. Diese Aufbereitung der Entscheidungsunterlagen nennt man Reviewing oder in der Politik Vernehmlassungsverfahren. Ist die Entscheidungsfindung allerdings zu schwierig, aufwendig und vielschichtig um allein oder in Gruppen gelöst zu werden, wird die formal oder computergestützte Entscheidungsunterstützung eingesetzt. Da die Lösung der Probleme was mit Bewertung und Auswahl zu tun hat und die Übersicht nicht verloren gehen darf, kann man sagen das der Mensch besser für die Entscheidungsfindung geeignet ist als der Computer. Der Mensch ist dabei nicht auf den Computer angewiesen, der Computer jedoch auf den Menschen. Die Computerunterstützung allerdings notwendig um die Entscheidung schneller, effektiver und effizienter zu treffen. Entscheidungsunterstützende Systeme, im englischen Decision Support Systems, sind keine Entscheidungsautomaten. Diese Automaten sind vor allem in Telefonzentralen und Computernetzwerken zu finden. Kennzeichnend für die Automaten ist, das sie gut strukturiert sind und nach immer gleichen Regeln und Zielen gelöst werden können. 2

4 Sie sind also im Voraus entscheid und programmierbar, wodurch die zu erlangende Qualität der Entscheidungen bekannt und kontrollierbar ist. Es reicht also hin den Automaten mit der Zeit zu erneuern. Manchmal kommt es vor das ein Decision Support System in einer bestimmte Umgebung ein Problem so perfekt löst, dass es wie ein Automat eingesetzt werden kann, was jedoch nicht typisch ist und im weitern nicht beachtet wird. Decision Support Systems haben darüber hinaus noch Funktionen die über die eines Entscheidungsautomaten hinausgehen. 1.2.Nutzen und Formen der Entscheidungsunterstützung ( EU ) Durch die Anwendung der EU entstehen 5 wichtige Vorteile bei der Entscheidungsfindung. Zum einen können Entscheidungen schneller getroffen werden wodurch ein Zeitgewinn entsteht, der auf operativer Ebene das wichtigste Kriterium ist. Meistens bildet die Zeit eine harte Restriktion, da in der Zeitspanne t entschieden werden muss, Vorschläge nach dem Zeitpunkt t 0 + t sind wertlos. Des weiteren werden effektivere Entscheidungen getroffen. Auf strategischer Ebene steht die Qualität der Entscheidung im Vordergrund.Die optimale Entscheidung verbessert das Erreichen der Ziele in ihrer Gesamtheit. Es wird ein Ziel erreicht, welches nur noch gering oder mit verhältnismäßig kleinem Aufwand verbessert werden kann. Es kommt also zu besseren ( vorteilhafteren ) Entscheidungen. Durch den Einsatz von Decision Support Systems ist die Entscheidungsfindung meistens weniger aufwendig ( kostspielig ), sie ist effizienter. Dank der detaillierten Angabe der Ausgabedaten ist die Entscheidung transparenter, was bedeutet das eine bestimmte Entscheidung ( Wahl ) einem Dritten vollständiger, anschaulicher und überzeugender dargeboten werden kann. Zum Schluss kommt es immer wieder zu gleichen Entscheidungen, wenn die Bedingungen, Präferenzen gleich bleiben, dass heißt die Entscheidung ist rationaler, robuster und reproduzierbarer.

5 3 Diese 5 Vorteile treten im allgemeinen bei 2 verschiedenen Formen der Entscheidungsunterstützung auf. Zum einen gibt es die EU im weitesten Sinne. Darunter versteht man die Unterstützung durch Hilfmittel die nicht zielgerichtet für die EU hergestellt wurden. Zum Beispiel können ein Stift, ein Taschenrechner oder ein Internetzugang die Entscheidungsfindung positiv beeinflussen, was aber nicht ihre eigentliche Aufgabe ist. Dagegen werden bei der Entscheidungsunterstützung im engeren Sinne alle Prozesse, Vorkehrungen, Tätigkeiten,Informationen und Methoden betrachtet, welche gezielt zur Entscheidungsfindung eingesetzt werden. Für die EU braucht es allerdings nicht nur Informationstechnologie sondern auch Menschen in verschiedensten Bereichen. Decision Support Systems im engeren Sinne sind auf keine bestimmte Umgebung ausgelegt.im gegebenen Umfeld machen sie es allerdings möglich, schnell und präzise eine gegebene, neue oder hypothetische Situation zu erfassen, wobei die Arbeit von Entscheidungsberatern oder assistenten unterstützt werden. Oft sind einige Vorwegentscheide oder Teilentscheide nicht mehr entscheidbar, dann besteht die Entscheidungsberatung im engeren Sinne aus einer Generierung einer oder mehrerer Vorschläge welche möglich sind und nach vereinbarten Kriterien bewertet werden können. In der Praxis erfolgt bei diesen Vorschlägen nach der Analyse und Beurteilung nochmal ein Verfeinerung und Nacharbeitung, bevor die Wahl getroffen werden kann. Decision Support Systems sind auf eine Interaktion zwischen den Fähigkeiten des Systems und Beurteilungs und Revisionsprozessen der Berater und Entscheidungsträger angewiesen.

6 4 1.3.Sichten der Entscheidungsunterstützung Architekten der Decision Support Systems beziehen sich bei der Programmierung im wesentlichen auf das Fachwissen von drei unterschiedlichen Gruppen von Gesprächspartnern. Das sind zum einen die Entscheidungsträger und Entscheidungsberater, die ihre Anforderungen darlegen, welche Unterstützung sie für welche Probleme in ihrem Umfeld brauchen. Entscheidungsträger stellen die Anforderung, das sie alle möglichen Alternativen kennen oder analysieren können. Dabei sind die vom Entscheidungsberater gegebenen, möglichst gut dargestellten Vorschläge sehr wichtig. Entscheidungsträger möchten Teile, in denen sie eine Wissensbasis besitzen oft selbst entscheiden, sie wollen den Vorschlag so ändern, das einzelne Werte von ihnen einfließen müssen ( exogene Entscheidung ).Ein Decision Support System soll dies auf jeden Fall zulassen. Methodiker, zu denen Betriebswirte, Mathematiker, Organisatoren, Statistiker und theoretische Informatiker gehören, beurteilen welche Probleme prinzipiell und konkret zur Zeit lösbar sind, also in einem Computerprogramm umgesetzt werden können. Sie beurteilen welche Lösungsqualität erreicht werden kann. Desweiteren stellen sie Modelle, Algorithmen und Prozeduren für die Entscheidungsunterstützung bereit. Dabei wenden die Methodiker auf folgende grundlegenden Modelle an. Die Darstellung der Alternativen ist dabei die einfachste Methode. Hierbei werden alle Lösungsalternativen in expliziten Listen, Expertensystemen oder Datenbanken bereitgestellt. Bei der Modellierung der Konsequenzen der Entscheidungen werden zu den Lösungsalternativen auch mögliche Konsequenzen aufgeführt. Diese werden durch Berechnungen, Schätzen oder Regelwissen ermittelt. Noch einen Schritt weiter geht man bei der Darstellung der Kriterien zur Bewertung der Konsequenzen. Es werden Skalen zum Messen der Konsequenzen festgelegt und Kriterien definiert die zur Beurteilung der gemessenen Konsequenzen dienen. Werden die Vorschläge

7 5 synthetisiert ist die Modellierung der Präferenzen des Entscheidungsträgers notwendig. Der Träger hat hie die Aufgabe die verschiedenen Kriterien zu ordnen, das heißt nach der Bedeutung zu sortieren. Zudem soll er Angaben zur Lösung der Konflikte geben.bei der Synthese von Entscheidungsvorschlägen werden durch Suche, Ableitung oder Optimierung die Vorschläge nach den besten Alternativen durchsucht und nach verschieden Gruppen der Varianten sortiert. Hierbei findet auch eine Unterscheidung zwischen der Machbarkeit bzw. Zulässigkeit von Entscheidungsvorschlägen und zwischen der Qualität bzw.güte statt. Informatiker haben die Aufgabe die die Vorschläge und Wünsche der Methodiker und Entscheidungsträger in einem Programm umzusetzen und des weiteren das Decision Support System zu warten, d.h. es immer auf dem neuesten Stand zu halten. Der Entscheidungsträger stellt folgende Anforderungen an das Programm, welche der Informatiker möglichst umsetzen sollte. Zum einen sollte es anwenderfreundlich sein. Dem Entscheidungsträger nützt es nichts, wenn er sich erst ein bestimmtes Wissens aneignen muss um das Programm zu verstehen. Wäre dies der Fall würde der Zeitvorteil eines Decision Support Systems nicht vorhanden sein. Unter der Performance versteht man die Leistungsfähigkeiten des Systems. Es muss in der Lage sein innerhalb von Minuten tausende von Daten zu verarbeiten und Systeme mit komplexen Variablen und Restriktionen auszuwerten. Aus Gründen der Zeitgewinnung darf dem Entscheidungsträger keine Arbeitsumgebung aus mehreren heterogen Systemen mit verschiedenen Systemen dargeboten werden, sondern es müssen so gut wie alle Systeme in einem einzigen integriert werden. Da sich die Entscheidungsumfelder im Laufe der Zeit verändern muss das System in der Lage sein, auf ändernde Situationen zu reagieren. Ein Decision Support System brauch daher offene Daten, Modell und Methodenbasen, es muss ein offenes System sein. Zu dem muss eine umfassende Unterstützung des Systems gegeben sein. Es ist wertlos,

8 6 wenn fehlende Daten, Modelle oder Methoden erst beschafft werden müssen, es ist also eine Wissensbasis notwendig die gepflegt und vervollständigt werden muss. Drei Sichten auf ein Decision Support System ( DSS )

9 2.Entwicklung der DSS Methodik 2.1. Historische Entwicklung 7 Mathematik, Mikroökonomie und empirische Verhaltensforschung sind Grundlagen der Entscheidungstheorie. Das Operations Research, welches die Methoden der Mathematik und der Wirtschaftswissenschaften verbindet, gilt als methodische Grundlage der Entscheidungsunterstützung. In den 60er und 70er Jahren galt es als fortschrittlichste und leistungsfähigste Art der Entscheidungsunterstützung. Bei der Operations Research wird unter Anwendung mathematischer Modelle das Problem bzw. der Handlungs oder Entscheidungsraum dargestellt und mit Algorithmen oder Heuristiken wird der Raum analysiert oder es wird nach Lösungen gesucht. Sind schon Zielfunktionen gegeben werden diese nach der optimalen Lösung durchsucht. Häufig verwendete Algorithmen sind die Linearprogrammierung oder der Simplex Algorithmus. Allerdings ist eine klassische Input Output orientierte Operations Research Anwendung zur heutigen Zeit nicht mehr für eine direkte Entscheidungsunterstütztung geeignet. Mit der Operations Research werden aber noch Teile der Wissensbasis eines Decision Support Systems aufgebaut. Der Grund, das das Operations Research als reine Entscheidungsunterstützung sich nicht durchsetzte, lag in der Tatsache, das die Expressivität für den reinen Mathematiker zwar sehr hoch war, für die Entscheidungsträger und berater allerdings zu kompliziert war. Daher muss die Benutzeroberfläche der Decision Support Systems auf den typischen Entscheidungsberater ausgelegt werden. In den 80er Jahren entstanden mit der Entwicklung der Künstlichen Intelligenz die Expertensysteme. Bei diesen regelbasierten Systemen wird aufgrund von Erfahrungswissen, das in Form von Wenn dann Regeln dargestellt wird, Hypothesen getestet. Auf dieser Basis ist es möglich, Ziele zu suchen, die bei bestimmten Voraussetzungen noch zu erreichen sind. Es können aber auch die

10 8 nötigen Voraussetzungen ermittelt werden, die man brauch um gegebene Ziele zu erreichen. Zudem entstand in den 80er Jahren das Downsizing der Datenbanken, welches es möglich machte,die Datenbanktechnologie auf die Arbeitsplatzrechner zu übertragen. Dadurch konnte man Datenbankabfragen spontan und interaktiv machen und die Ergebnisse in Reporting Systemen darstellen. Pioniersysteme diesbezüglich waren dbase und ACCESS. Diese Programme ermöglichten es Informationen aus den Datenbanken schnell und anschaulich für die Entscheidungsunterstützung bereitzustellen. Mit der Entwicklung der Datenbanken entstanden auch die Spread Sheets. Mit dieser Tabellenkalkulation war es möglich ohne große Programmierkenntnisse Was wäre wenn Kalkulationen und Simulationen aufzubauen und anzuwenden. Da der Umgang mit der Tabellenkalkulation recht einfach und übersichtlich war, erlebte die Entscheidungsunterstützung mit den Spread Sheets einen neuen Aufschwung. Allerdings ist die Resultatdarstellung nur auf die zwei Dimensionen der Ebene ausgelegt. Unter diesen Bedingungen lassen sich jedoch die zu modellierenden quantitativen oder logischen zusammenhänge nicht effizient und anschaulich genug darstellen, so dass mit zunehmendem Umfang und Komplexität dieübersicht der Zusammenhänge verloren geht. Dadurch ist das Zusammenhangwissen der Spread Sheets schwierig auszuwerten und nicht einfach wieder zu verwenden. So entstanden Mitte der 80er Jahre Modellierumgebungen, also mathematische Modelliersysteme, welche eine effizientere Darstellung des Zusammenhangwissen ermöglichte. Tools wie GAMS, LPL, AMPL, LAMP, oder Modler gehörten zu dieser Softwarekategorie. Mit Hilfe dieser Modellierumgebungen, wurde es möglich, Modelle so darzustellen, das Wissensbasen in fallspezifisches Faktenwissen und fallunabhängiges Zusammenhangwissen getrennt werden können, so dass die methodische Basis der Wissensdartsellung verbessert wurde und die Kosten erheblich gesenkt werden konnten. 9

11 Zudem wurde dem Entscheidungsberater der Zugang zum Faktenwissen, durch die Auslagerung der Daten aus den Modellen in die Datenbanken, erleichtert. Allerdings wurde ihm dadurch auch die Einsicht in die Zusammenhänge oder die Pflege dieses Wissens verbaut. Zusammen mit den Modellierumgebungen entstanden auch sogenannte DSS Generatoren. Hierbei handelt es sich um Entwicklungsebenen, die für den Aufbau und die Pflege der Decision Support Systems gedacht waren. Sie bestanden aus einer Wissensbasis, die wiederum Datenbasen, Modellbasen, Methoden für Inferenz und Optimierung und ein Reporting, welches aus Spread Sheets besteht, umfasst. In diesem Zusammenhang sind das IFPS ( Interactive Financial Planning System ) und das FCS EPS (Financial Control System Enhanced Programming System ) zu nennen, die zu den wichtigsten Vertretern der DSS Generatoren zählen. Aus heutiger Sicht stellen die DSS Generatoren eher ein Arbeitsumgebung für Methodiker als für Entscheidungsberater dar. Zum Schluss ist noch die Büroautomation zu nennen, die mit der zunehmenden Entwicklung der Vernetzung aufblühte. Hierbei entstanden Office Programme wie Textverarbeitung, Datenbanken, Graphikanwendungen oder Terminverwaltung. Trotz der leichten Verfügbarkeit wird bei diesen Programmen aber nicht von eigentlicher Entscheidungsunterstützung gesprochen. 10

12 2.2. Group Decision Support System ( GDSS ) Mit Hilfe der lokalen und später globalen Netzwerke entstanden neue Formen der Arbeitsteilung, der Zusammenarbeit und der Kommunikation innerhalb von Gruppen. Daraus entstanden die virtuellen Gruppen, die ähnlich einer Personengruppe funktionieren. Der Vorteil einer virtuellen Gruppe besteht darin, das die Mitglieder dank des Netzwerkes nicht an Raum und Zeit gebunden sind. Der virtuelle Gruppenraum entsteht durch den Einsatz von integrierten Netzwerkanwendungen, der GroupWare, der eigentliche Arbeitsplatz ist jedoch bei jedem zu Hause an seinem Computer. Das Treffen der Gruppe unabhängig von der Zeit nennt man asynchrone Kommunikation. Diese findet in einem zweckmäßigem Zeitraum statt, der eine ausreichende Gruppendynamik zulässt. Die Intervention der Gruppenmitglieder erfolgt innerhalb dieses Zeitraums zu für die Mitglieder günstigen Zeitpunkten. In den meisten Fällen erfolgt die Entscheidungsunterstützung durch Gruppen aus Beratern, Assistenten, Sekretären, Planern, Adjunkten und den vorgesetzten Kaderleuten unterstellten Kaderleuten, so das der Einsatz von GroupWare in der Entscheidungsuntertstützung nahe liegt. Durch die Kombination der virtuellen Gruppe und der klassischen Entscheidungsunterstützung entstanden die Group Decision Support Systems. Auf Grund der Vereinigung entstehen auch neue Elemente, Techniken und Möglichkeiten der Entscheidungsunterstützung. Das Wiederverwenden und Austauschen von umfassenden Anwendungsobjekten zwischen kooperierenden Partner ist diesbezüglich ein neues Element, ein Exchangemanager eine neue Funktionalität und die Arbeitsteilung zwischen verschiedenen RollenträgereineneueMöglichkeit der Entscheidungsunterstützung. Zwischen 1991 und 1995 bildeten die GDDS die Hauptstossrichtung der DSS Forschung. 11

13 2.3. Organisational Decision Support Systems ( ODSS ) Bei den Organisational Decision Support Systems werden Organisationen als eine Struktur übergeordneter Gruppen aufgefasst, sie sind also Gruppen von Gruppen die rekursiv mit der elementaren Gruppe verknüpft sind. In Gruppen werden gemeinsame Ziele verfolgt, so dass innerhalb von Gruppen Kooperation herrschen sollte. Da verschiedene Gruppen in der Regel auch verschiedene Ziele vertreten herrscht eine Konkurrenz zwischen ihnen. Werden Gruppen zu einer übergeordneten Gruppe zusammengefasst, die auch übergeordnete Ziele vertritt, entsteht eine Organisation. In einer Organisation herrscht in der Horizontalen zwischen den Gruppen Wettbewerb und in der Vertikalen Kooperation. Divergieren die Eigenintressen der Gruppen mit den Zielen der übergeordneten Gruppen entsteht auch taktischen Verhalten oder es werden temporäre Allianzen gebildet. Dadurch erhält die Entscheidungsunterstützung in Organisationen weitere Dimensionen und eine zusätzliche Funktionalität. Forschungen in die Richtung der ODSS gibt es erst seit einigen Jahren und bewegen sich zur Zeit noch weitgehend auf konzeptioneller Ebene. Durch das, zwischen den Gruppen vorhandende Vertrauen und Misstrauen bei den ODSS, erfordern diese sehr leistungsfähige Erklärungskomponenten, um die Entscheidungsvorschläge nach Vor und Nachteilen zu durchleuchten. 12

14 2.4. Data Warehousing, OLAP und Data Mining Data Warehousing, Online Analytical Processing ( OLAP ) und Data Mining sind Techniken, mit denen man Informationen, die explizit oder implizit in Transaktionsdatenbanken gespeichert sind, verfügbar machen kann. Durch die Einführung von Strichcodes und Scannern, Kredit und Kundenkarten und anderer Möglichkeiten, die Waren und Geldflüsse sowie Arbeitsabläufe durchgehend dokumentieren, fallen dabei massenhaft Daten an, die in Transaktionsdatenbanken gespeichert werden müssen.mit Einführung dieser durchgehenden Informativierung gewannen Data Warehousing, OLAP und Data Mining immer mehr an Bedeutung. Bei Data Warehousing handelt es sich dabei um eine Datenbank über Datenbankzustände einer großen Geschäfts oder Bürodatenbank, bei der in regelmäßigen Zeitabständen Momentaufnahmen gemacht werden. Alle wichtigen Daten werden dann ins Data Warehouse geladen. Ein Data Warehouse besteht zu meist aus Fakten über Geschäftsvorfälle und Dimensionen. Die Verkaufsmenge je Produkt je Filiale je Tag ist ein Faktum mit drei Dimensionen. Dies nennt man auch Datenwürfel. Ein Data Warehouse besteht aus mehreren n dimensionalen Datenwürfeln zu Fakten über Geschäftsvorfälle, es ist also praktisch das Unternehmensgedächtnis. Unter Online Analytical Processing versteht man Abfrage und Analyseprogramme, mit denen man bequem Fragen an ein Datawarehouse stellen kann. Die Antworten können dann anschaulich aufbereitet werden. Mit Data Mining kann man implizite, in den Daten unsichtbare Informationen, sichtbare machen. Letztendlich ist Data Mining eine benutzerfreundliche Anwendung der statistischen Methoden auf Daten eines Data Warehouse. Die Anwendung von Programmen zum Zwecke der Analyse von Geschäftsdaten gilt als neueste Funktion der Entscheidungsunterstützung. 13

15 2.5. Ein Blick in die Zukunft der DSS Waren bisherige DSS Generationen fast ausschließlich auf Modellierer ausgerichtet, müssen zukünftige Programme speziell auf alle Akteure ausgerichtet sein. Ein Entscheidungsträger ist selten direkter Benutzer eines DSS. Er möchte allerdings informiert werden über auftretende Probleme, Handlungsbedarf oder ausstehende Entscheide. Die eigentlichen Anwender sind die Entscheidungsberater. Über sie kommuniziert der Entscheidungsträger mit dem DSS. Eine Einsicht in die Faktenbasis und modellierten Zusammenhänge muss den Fachexperten ermöglicht werden. Sie sind verantwortlich für die Wissensbasis, müssen den Output analysieren und das Modellverhalten beurteilen. Für das Organisieren der Datenpflege sind die Datenpfleger zuständig. Sie müssen Daten importieren, exportieren, editieren kontrollieren und dokumentieren. Die Modellierer haben die Aufgabe, das technisch organisatorische Zusammenhangs wissen darzustellen. Sie müssen ein mögliches Fehlverhalten der Modelle auf Wissenslücken in der Wissensbasis zurück führen und dieses mit Hilfe der Fachexperten zu beheben versuchen, in dem sie nach weiteren Regeln oder Prozeduren suchen. Das Einfügen dieser neuen Wissenselemte fällt genauso in ihren Aufgabenbereich wie das Stilllegen von bestehenden Elementen. Die Gestaltung der DSS Benutzeroberfläche ist die Aufgabe des DSS Designers. Er muss dabei nicht nur auf den Entscheidungsberater eingehen sondern auch auf die anderen Anwender. Auch bei ihm ist es wichtig das die Oberfläche immer auf mögliche Änderungen im Aufgabenbereich des Entscheidungsberater angepasst wird. Dies passiert zum Beispiel durch das Anlegen neuer Tasks zu Modellen und Methoden Decision Support Systems

16 3.1.Grundlegendes zum DSS Decision Support Systems stellen computerbasierte Systeme dar, die Planung und Entscheidungsfindung bei komplexen Problemstellungen unterstützen. Prinzipiell handelt es sich um die Verknüpfung von Datenbanken mit analytischen Modellen und Expertenwissen. Es sind keine Entscheidungsautomaten, da die zu behandelnden Probleme sich mit der Zeit ändern und die DSS sich an diese Änderungen anpassen müssen. Decision Support Systems sind immer auf spezielle Problem ausgerichtet, so das sie nicht in Massenproduktion hergestellt werden können. Ein DSS besteht grob gesehen aus einer Wissensbasis und einer Funktionsebene. Die Wissensbasis eines DSS muss alle Daten beinhalten, die notwendig sind um alle möglichen Erscheinungen und Konsequenzen vorauszusehen und somit alle erdenklichen Lösungsvorschläge darzustellen.dies setzt voraus das die Wissensbasis offen sein muss, dass heißt es muss die Möglichkeit bestehen sie immer auf den neuesten Stand zu bringen. Die Funktionsebene muss sowohl passive als auch aktive Entscheidungsunterstützung anbieten können. Unter passiver Entscheidungsunterstützung versteht man das Darstellen von Konsequenzen zu schon vorhandenen Lösungsvarianten. Aktive Entscheidungsunterstützung ist dagegen das Suchen nach interessanten Lösungsvorschlägen auf neue Ausgangssituationen oder Fragestellungen. Die Zusatzfunktion eines Expertensystems ist dann gegeben wenn das DSS die Eigenschaft hat die gefundenen Alternativen auch noch zu begründen. Letztendlich ist es noch wichtig das die DSS dem Entscheidungsträger nicht dessen Aufgabe, das Fällen von Entscheidungen, abnehmen, sondern ihm nur bei der Problemlösung helfen. Die Hilfe wird durch die Darstellung aller analysierten Entscheidungsmöglichkeiten, aus denen dann gewählt wird, ermöglicht. 15

17 3.2.Aufbau der Decision Support Systems Das DSS besteht im wesentlichen wie oben genannt aus einer Wissensbasis und einer Funktionsebene. Die Wissensbasis besteht des weiteren aus einer Wissensbank und einer Datenbank. Die Datenbank enthält das gespeicherte Faktenwissen hierzu gehören Umweltzustände oder feststehende Regeln, Formeln oder Funktionen. Die Wissensbank dagegen beinhaltet das gespeicherte Zusammenhangwissen. Hierzu zählen zum Beispiel schon gewonnen Erkenntnisse über bestimmte Reaktionen auf bestimmte Ereignisse. Auf diese kann man allerdings nur zurückgreifen wenn die gleichen Bedingungen herrschen. Die Funktionsebene besteht in der Regel aus Objektmanagern. Zu den wichtigsten Objektmanagern gehören der Datenmanager, der Szenariomanager, der Taskmanager, der Reportmanager und manchmal auch der Querymanager. Der Datenmanager ist dafür verantwortlich das die Wissensbasis immer auf dem neuesten Stand gebracht wird. Um diese Aufgabe zu erleichtern besitzt er viele Funktionen und Hilfsprogramme die ihm die Datenpflege erleichtern. Man spricht von einem Normalzustand wenn alle Daten nach den vorgegebenen Regeln aktualisiert wurden. Haben alle Erträge, Prozesse und Funktionen gewohnte Werte angenommen, ist der Normalzustand zu diesem Zeitpunkt erreicht. Treten nun Störungen auf müssen diese auf strategischer Ebene behoben werden. Hierfür ist der Szenariomanager von Nutzen. Mit ihm können die verschieden Auswirkungen auf mögliche eintreffende Ereignisse auf die Datenbereiche spezifiziert werden. Um die Beratung des Entscheidungsberater zu gewährleisten, müssen die unterschiedlichsten Fragen an das System gestellt werden können. Um die richtigen Fragen an das DSS zu stellen ist der Taskmanager verantwortlich. Die vielen gestellten Fragen benötigen natürlich auch richtige Antworten. Zur 16

18 korrekten Darstellung der gefundenen Informationen benötigt man den Reportmanager. Mit ihm können gleich Informationen mit richtigen Fragen und Auswertungsaufträgen verknüpft werden. Werden Ad hoc Abfragen der Datenbank benötigt, steht ein Querymanager zur Verfügung. Er beendet zum eine das mühsame Suchen nach vordefinierten Abfragen (Queries) und hilft andererseits auch beim Erstellen und Verwalten der Queries. Aufbau eines DSS am Beispiel des DSS ESSA Das DSS ESSA ist ein Decision Support System der Ernährungssicherungs Strategie für die Angebotslenkung. IS LAG ist die Bezeichnung für ein Auskunftssystem, dass zur Lagerbeurteilung und Verwaltung der Nahrungsressourcen dient. Des weiteren Steht die Abkürzung AGIS für das Agrarinformationssystem. Dieses gibt Auskünfte über Tierbestände und Anbauflächen. 17

19 3.3.Grundfunktionen eines DSS Die Bedienung eines Decision Support System erfolgt in der Regel nach einem ganz bestimmten Schema. Als erstes muss die Entscheidungssituation erfasst werden. Darunter versteht man das definieren von Fakten, Annahmen, Restriktionen, Aufgaben, Zielsetzungen und Vorgaben des Entscheidungsträgers. Ist die Entscheidungssituation schon bekannt, kann bei gleichen Bedingungen auch auf bisher bekannte Verfahren zurückgegriffen werden. Der nächste Schritt besteht in der Aufgabe Entscheidungsalternativen zu suchen, sie darzustellen und zu generieren. Hierbei werden die möglichen Alternativen meist in einer exlpiziten Liste vorliegen. Sind die Alternativen bekannt und liegen dem Benutzer vor werden Konsequenzen der Alternativen aufgezeigt, abgeschätzt und bewertet.unter den Konsequenzen versteht man hierbei beobachtbare Eigenschaften eines Systems. Diese Konsequenzen werden dann hinsichtlich verschiedener Kriterien bewertet. Zur Festlegung dieser Kriterien wird in drei Schritten vorgegangen. Zum einen wird die Wahl der Dimension des Präferenzsystems getroffen. Ist dies geschehen werden Skalen zum Messen der Konsequenzen festgelegt und zum Schluss werden Wahrnehmungsfunktionen zur Beurteilung der gemessenen Konsequenzen definiert. Nachdem die Alternativen berechnet und ausgewertet wurden werden sie sortiert, zu meist mit dem besten voran, damit die optimale Lösung schneller zu finden ist. Ist auch dieses geschehen muss der Entscheidungsträger nur noch seine Wahl treffen und diese dokumentieren, was mit Hilfe der vom DSS bereitgestellten Informationen nicht mehr allzu schwierig sein sollte. 18

20 Quellenangabe : iiuf.unifr.ch/ds/courses/dss2000/ inf.uni essen.de/suche/mss.html Henn/Künzi : Einführung in die Unternehmensforschung II, Springer

1 Einführung, Konzepte der Entscheidungsunterstützung

1 Einführung, Konzepte der Entscheidungsunterstützung 1 Einführung, Konzepte der Entscheidungsunterstützung 1.1 Wesen und Problem der Entscheidfindung 1.1.1 Probleme der Entscheidfindung Wir fällen täglich so viele Entscheide, dass es uns auf Anhieb nicht

Mehr

Spezialisierung Business Intelligence

Spezialisierung Business Intelligence Spezialisierung Business Intelligence Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg peter.becker@h-brs.de 10. Juni 2015 Was ist Business Intelligence? Allgemein umfasst der Begriff Business

Mehr

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Prof. Dr. Anett Mehler-Bicher Fachhochschule Mainz, Fachbereich Wirtschaft Prof. Dr. Klaus Böhm health&media GmbH 2011 health&media

Mehr

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

Data Mining-Projekte

Data Mining-Projekte Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein

Mehr

Nach Data Warehousing kommt Business Intelligence

Nach Data Warehousing kommt Business Intelligence Nach Data Warehousing kommt Business Intelligence Andrea Kennel Trivadis AG Glattbrugg, Schweiz Schlüsselworte: Business Intelligence, Data Warehouse Zusammenfassung Data Warehouse bedeutet, dass operative

Mehr

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

Mehr Visibility. Wie Sie täglich mehr aus Ihren Daten machen.

Mehr Visibility. Wie Sie täglich mehr aus Ihren Daten machen. Mehr Visibility. Wie Sie täglich mehr aus Ihren Daten machen. Definitionen Business Intelligence (BI) bezeichnet Verfahren, Prozesse und Techniken zur systematischen Analyse von Daten in elektronischer

Mehr

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

Mehr

Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung

Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte DWH Projekt, Methodik, Stärken und Schwächen, Übersicht, Weg der Daten,

Mehr

1. Einführung und Grundbegriffe

1. Einführung und Grundbegriffe 1. Einführung und Grundbegriffe Business Intelligence 1. Einführung und Grundbegriffe Lernziele: Wichtige Grundbegriffe verstehen, einordnen und erläutern können; Grundlegende Merkmale von Decision Support

Mehr

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage

Mehr

The Need for Speed. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

The Need for Speed. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor The Need for Speed CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor The Need for Speed Industrialisierung, Agilität und Compliance die Rolle von Performance Management

Mehr

Mit User Experience Design effizient Produkte entwickeln, die begeistern

Mit User Experience Design effizient Produkte entwickeln, die begeistern Mit User Experience Design effizient Produkte entwickeln, die begeistern Die Benutzer machen das Produkt zum Erfolg Der Erfolg eines Softwareprodukts wird in den meisten Fällen an seinem Return On Investment

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Lösungsvorschlag für das Übungsblatt 1. Aufgabe 1.

Lösungsvorschlag für das Übungsblatt 1. Aufgabe 1. Lösungsvorschlag für das Übungsblatt 1. Aufgabe 1. Zusammengefasst aus Ihren Beiträgen Wie bewerten sie das System ingesamt? Das Watson System verdeutlicht den Fortschritt der Künstlichen Intelligenz Forschung/Computerlinguistik/Informatik

Mehr

1. Einführung und Grundbegriffe. Business Intelligence. Definitionsvielfalt

1. Einführung und Grundbegriffe. Business Intelligence. Definitionsvielfalt 1. Einführung und Grundbegriffe Lernziele: Wichtige Grundbegriffe verstehen, einordnen und erläutern können; Grundlegende Merkmale von Decision Support Systemen kennen; Arten von Wissen kennen und gegeneinander

Mehr

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06 Business Intelligence Data Warehouse / Analyse Sven Elvers 2005-07-06 Einleitung Dieses Dokument beschreibt einen für das Verständnis relevanten Teil der Präsentation. Business Intelligence Motivation

Mehr

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10.

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10. Titel1 Business Analytics als Werkzeug zur Titel2 Unternehmenssteuerung Business Excellence Day 2015 Michael Shabanzadeh, 10. Juni 2015 World Communication GmbH 2015 Seite 1 Definition Business Analytics

Mehr

Repetitorium zum Staatsexamen für Lehramtsstudenten. Informationswirtschaft & Planung und Entscheidung 30.05.2014 NB-201. Sommersemester 2014

Repetitorium zum Staatsexamen für Lehramtsstudenten. Informationswirtschaft & Planung und Entscheidung 30.05.2014 NB-201. Sommersemester 2014 Sommersemester 2014 Repetitorium zum Staatsexamen für Lehramtsstudenten Informationswirtschaft & Planung und Entscheidung 30.05.2014 NB-201 Lehrstuhl für ABWL und Wirtschaftsinformatik Prof. Dr. Alexandros

Mehr

Data Mining (ehem. Entscheidungsunterstützungssysteme)

Data Mining (ehem. Entscheidungsunterstützungssysteme) Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE

Mehr

Raber+Märcker Business Intelligence Lösungen und Leistungen

Raber+Märcker Business Intelligence Lösungen und Leistungen Business Intelligence Raber+Märcker Business Intelligence Lösungen und Leistungen www.raber-maercker.de 2 LEISTUNGEN Business Intelligence Beratungsleistung Die Raber+Märcker Business Intelligence Beratungsleistung

Mehr

Einführungsveranstaltung: Data Warehouse

Einführungsveranstaltung: Data Warehouse Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring

Mehr

Problemlösungstechniken Systematisch analysieren & sicher entscheiden

Problemlösungstechniken Systematisch analysieren & sicher entscheiden Problemlösungstechniken Systematisch analysieren & sicher entscheiden Vancore Group GmbH & Co. KG Frankfurt Talstrasse 23 60437 Frankfurt am Main Germany Tel.: +49 (0) 69 509 299 790 Fax: +49 (0) 69 509

Mehr

Kompetenzmodell für Informatik

Kompetenzmodell für Informatik Kompetenzmodell für Informatik als Grundlage des Lehrplans für den Pflichtgegenstand Informatik in der 5. Klasse und für den Wahlpflichtgegenstand Informatik in der 6. bis 8. Klasse Das Kompetenzmodell

Mehr

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Einordnung der Begriffe Business Intelligence Strategic Association Management Controlling and Data Warehousing Data Mining, Knowledge

Mehr

1.1 So sollten Sie Ihr Excel-Modell aufbauen!

1.1 So sollten Sie Ihr Excel-Modell aufbauen! 1.1 So sollten Sie Ihr Excel-Modell aufbauen! Die Möglichkeiten von Excel in Bezug auf den Aufbau von Modell für das Controlling / Finanzwesen sind nahezu unbegrenzt. Die Grenzen werden allein von der

Mehr

Data Warehousing und anderetrends beim Einsatz der SAS Software in Unternehmen KSFE. 1. Konferenz der SAS Benutzer in Forschung und Entwicklung

Data Warehousing und anderetrends beim Einsatz der SAS Software in Unternehmen KSFE. 1. Konferenz der SAS Benutzer in Forschung und Entwicklung Data Warehousing und anderetrends beim Einsatz der SAS Software in Unternehmen KSFE 1. Konferenz der SAS Benutzer in Forschung und Entwicklung Unterschiedliche Geschäftsprozesse Operativer Dispositve Geschäftsbetrieb

Mehr

Liste der Handbücher. Liste der Benutzerhandbücher von MEGA

Liste der Handbücher. Liste der Benutzerhandbücher von MEGA Liste der Handbücher Liste der Benutzerhandbücher von MEGA MEGA 2009 SP4 1. Ausgabe (Juni 2010) Die in diesem Dokument enthaltenen Informationen können jederzeit ohne vorherige Ankündigung geändert werden

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendung 1 MInf1 HAW Hamburg Betreuender Professor: Prof. Dr. Zukunft by Jason Hung Vuong [12] Gliederung 1. Hamburg Energie Kooperation 2. Motivation 3. Business Intelligence 4.

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Open Source BI Trends. 11. Dezember 2009 Wien Konstantin Böhm

Open Source BI Trends. 11. Dezember 2009 Wien Konstantin Böhm Open Source BI Trends 11. Dezember 2009 Wien Konstantin Böhm Profil Folie 2 JAX 2009 11.12.2009 Gründung 2002, Nürnberg 50 Mitarbeiter Innovative Kunden Spezialisiert auf Open Source Integration Open Source

Mehr

Beheben von verlorenen Verknüpfungen 20.06.2005

Beheben von verlorenen Verknüpfungen 20.06.2005 Vor folgender Situation ist sicher jeder Solid Edge-Anwender beim Öffnen von Baugruppen oder Drafts schon einmal gestanden: Die Ursache dafür kann sein: Die Dateien wurden über den Explorer umbenannt:

Mehr

Unlimited Controlling

Unlimited Controlling smcolap Unlimited Controlling Heute müssen beliebige Bereiche eines Unternehmens schnell und effizient analysiert werden. Dabei darf es keine Rolle spielen, wo die Daten liegen und in welcher Relation

Mehr

Kapitel 4: Data Warehouse Architektur

Kapitel 4: Data Warehouse Architektur Data Warehousing, Motivation Zugriff auf und Kombination von Daten aus mehreren unterschiedlichen Quellen, Kapitel 4: Data Warehousing und Mining 1 komplexe Datenanalyse über mehrere Quellen, multidimensionale

Mehr

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

Mehr

Agile Programmierung - Theorie II SCRUM

Agile Programmierung - Theorie II SCRUM Agile Programmierung - Theorie II SCRUM Arne Brenneisen Universität Hamburg Fakultät für Mathematik, Informatik und Naturwissenschaften Seminar Softwareentwicklung in der Wissenschaft Betreuer: Christian

Mehr

Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung

Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung Hochschulstudium (Wirtschaftsinformatik oder ein vergleichbarer Studiengang) Fachliche und technische Kenntnisse im Bereich Business

Mehr

The Intelligent Way of Project and Planning Data Management

The Intelligent Way of Project and Planning Data Management The Intelligent Way of Project and Planning Data Management EN4M Multi-Projekt- und Planungsdaten-Management System (PPDM) Mit der Software EN4M können Unternehmen Projekte und Prozesse planen, steuern

Mehr

Agile Software Development

Agile Software Development Dipl. Wirtsch. Ing. Alexander Werth Methoden der Softwareentwicklung 6-1 Agile Manifest Individuen und Interaktion statt Prozessen und Tools. Funktionierende Software statt umfangreicher Dokumentation.

Mehr

Das Management Informationssystem für die Wertstoff- und Entsorgungswirtschaft und den Metallhandel

Das Management Informationssystem für die Wertstoff- und Entsorgungswirtschaft und den Metallhandel Das Management Informationssystem für die RECY CLE by tegos - das Management Informationssystem für die by tegos wurde von der tegos GmbH Dortmund basierend auf Microsoft Technologie entwickelt. Sie erhalten

Mehr

Risk Management für Unternehmen

Risk Management für Unternehmen Risk Management für Unternehmen Überlassen Sie nichts dem Zufall RM- Risk Management für Unternehmen methodisch vorgehen Dem Risk Management (RM) liegt ein dauernder, sich stets verändernder Prozess im

Mehr

SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt

SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt Corporate Performance Management SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt Martin Krejci, Manager CPM Matthias Schmidt, BI Consultant Kristian Rümmelin, Senior BI Consultant Braincourt GmbH

Mehr

SOA und Business Intelligence. Whitepaper von Thomas Volz

SOA und Business Intelligence. Whitepaper von Thomas Volz SOA und Business Intelligence Whitepaper von Thomas Volz I N H A LT 1 Zielsetzung dieses Whitepapers 2 Was ist SOA? 3 Warum ist das gerade jetzt ein Thema? 3 Was ist der Nutzen für den BI-Anwender? 4 Wird

Mehr

Das Management Informationssystem für die Wertstoff- und Entsorgungswirtschaft und den Metallhandel

Das Management Informationssystem für die Wertstoff- und Entsorgungswirtschaft und den Metallhandel Das Management Informationssystem für die Wertstoff- und Entsorgungswirtschaft und den Metallhandel BI RECY CLE BI by tegos - das Management Informationssystem für die Wertstoff- und Entsorgungswirtschaft

Mehr

Wissensmanagement für E-Learning-Anwender ZWH-Bildungskonferenz 2005

Wissensmanagement für E-Learning-Anwender ZWH-Bildungskonferenz 2005 Wissensmanagement für E-Learning-Anwender ZWH-Bildungskonferenz 2005 Birgit Küfner, 21. Oktober 2005 1 The Power of Learning Wissensmanagement für E-Learning-Anwender Überblick 1. Porträt time4you GmbH

Mehr

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 OPEN SYSTEMS CONSULTING IT-KOMPLETTDIENSTLEISTER IM MITTELSTAND GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 Business Analytics Sascha Thielke AGENDA Die Geschichte des Reporting Begriffe im BA Umfeld

Mehr

Internorm Controlling Information System

Internorm Controlling Information System A-4050 Traun, Johann-Roithner-Straße 131 Tel: +43/7229/22 130 www.solentia.at Projektbeschreibung Internorm Controlling Information System 1 Motivation / Zielsetzung Um das Jahr 2000 kam die bisher bei

Mehr

Master-Thesis (m/w) für unseren Standort Stuttgart

Master-Thesis (m/w) für unseren Standort Stuttgart Master-Thesis (m/w) für unseren Standort Abschlussarbeit im Bereich Business Process Management (BPM) Effizienzsteigerung von Enterprise Architecture Management durch Einsatz von Kennzahlen Braincourt

Mehr

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Datei: Asklepius DA Flyer_Leistung_2 Seite: 1 von:5 1 Umfassende Datenanalyse Mit Asklepius-DA

Mehr

Intelligente Kanzlei

Intelligente Kanzlei Seite 1 von 5 Intelligente Kanzlei Datawarehouse und OLAP in der Steuerkanzlei Notwendigkeit eines Kanzleiinformationssystems Seit einigen Jahren sind enorme Veränderungen am Beratungsmarkt durch einen

Mehr

Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen

Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen SAS PharmaHealth & Academia Gabriele Smith KIS-Tagung 2005 in Hamburg: 3. März 2005 Copyright 2003, SAS Institute Inc. All rights

Mehr

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon

Mehr

PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN

PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN INFORMATIONEN ZU DEN WAHLPFLICHTMODULEN IM BACHELORSTUDIENGANG IN MANAGEMENT & ECONOMICS AGENDA Was ist OR / Management Science Wer kann

Mehr

Grundlagen der Wirtschaftsinformatik KE1 5

Grundlagen der Wirtschaftsinformatik KE1 5 Fernstudium-Guide - Klausurvorbereitung Grundlagen der Wirtschaftsinformatik KE1 5 Version vom 28.05.2015 Alle Rechte vorbehalten 1 Fernstudium-Guide - Klausurvorbereitung Liebe Studierende, Wir begrüßen

Mehr

Survival Guide für Ihr Business Intelligence-Projekt

Survival Guide für Ihr Business Intelligence-Projekt Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren

Mehr

W.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik)

W.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik) Modulbeschrieb Business Intelligence and Analytics 16.10.2013 Seite 1/5 Modulcode Leitidee Art der Ausbildung Studiengang Modultyp W.WIINM42.13 Information ist eine derart wichtige Komponente bei der Entscheidungsfindung,

Mehr

Technische Seminarreihe Empowering Business Intelligence

Technische Seminarreihe Empowering Business Intelligence PRESSEMITTEILUNG / Veranstaltungshinweis Technische Seminarreihe Empowering Business Intelligence Trivadis bietet für Entwickler, Projektleiter, Datenbank-Administratoren sowie DWHund BI-Interessierte

Mehr

Fachbereich Informatik Praktikum 1

Fachbereich Informatik Praktikum 1 Hochschule Darmstadt DATA WAREHOUSE SS2015 Fachbereich Informatik Praktikum 1 Prof. Dr. S. Karczewski Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.April.2015 1. Kurzbeschreibung In diesem Praktikum geht

Mehr

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management Andrei Buhrymenka Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management Für Unternehmen mit Business Intelligence Diplomica Verlag Andrei Buhrymenka Erfolgreiche Unternehmensführung

Mehr

Informationssysteme für das Management

Informationssysteme für das Management FHBB l Departement Wirtschaft l Informationssysteme für das Management Michael Pülz, Hanspeter Knechtli Lernziele Den Unterschied zwischen operativen und analytischen Informationssystemen beschreiben können

Mehr

Integration Services - Dienstarchitektur

Integration Services - Dienstarchitektur Integration Services - Dienstarchitektur Integration Services - Dienstarchitektur Dieser Artikel solle dabei unterstützen, Integration Services in Microsoft SQL Server be sser zu verstehen und damit die

Mehr

OLAP und Data Warehouses

OLAP und Data Warehouses OLP und Data Warehouses Überblick Monitoring & dministration Externe Quellen Operative Datenbanken Extraktion Transformation Laden Metadaten- Repository Data Warehouse OLP-Server nalyse Query/Reporting

Mehr

Vorwort. Zu dieser Reihe. Autoren. Vorwort

Vorwort. Zu dieser Reihe. Autoren. Vorwort Vorwort 9 10 Vorwort Vorwort Herzlich Willkommen zu einem Fachbuch von Comelio Medien, ein Bereich der Comelio GmbH. Dieses Buch aus unserer Reihe zur.net-entwicklung ist das Ergebnis einer Forschungsarbeit,

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

Mehr

Einführung in die Wissensverarbeitung und Data Mining

Einführung in die Wissensverarbeitung und Data Mining Einführung in die Wissensverarbeitung und Data Mining Peter Becker FH Bonn-Rhein-Sieg Fachbereich Angewandte Informatik!" $# Vorlesung Wintersemester 2001/02 1. Einführung Vorbemerkungen 1 Einführung Vorbemerkungen

Mehr

Roundtable. Dashboards und Management Information. Rüdiger Felke / Christian Baumgarten 29.11.2011

Roundtable. Dashboards und Management Information. Rüdiger Felke / Christian Baumgarten 29.11.2011 Roundtable Dashboards und Management Information Rüdiger Felke / Christian Baumgarten 29.11.2011 Agenda Behind the Dashboards Was ist ein Dashboard und was ist es nicht? SAP BusinessObjects Dashboards

Mehr

Data Mining-Modelle und -Algorithmen

Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining ist ein Prozess, bei dem mehrere Komponenten i n- teragieren. Sie greifen auf Datenquellen, um diese zum Training,

Mehr

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 MIS Glossar by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 Aggregat Data Cube Data Marts Data Mining Data Warehouse (DWH) Daten Decision Support Systeme (DSS)

Mehr

Auswertung für Warenwirtschaft/ERP, Interbase und ODBC... 2

Auswertung für Warenwirtschaft/ERP, Interbase und ODBC... 2 Cubix O.L.A.P... 2 Auswertung für Warenwirtschaft/ERP, Interbase und ODBC... 2 Datenverbindung über ODBC... 4 Datenbereitstellung über SQL... 5 Festlegung der Dimensionen... 6 Festlegung der Summen...

Mehr

Das Moderationstool. für kollektive Intelligenz

Das Moderationstool. für kollektive Intelligenz Das Moderationstool für kollektive Intelligenz Stimmen zu nextmoderator 1 Es wird immer wichtiger, die Menschen im Unternehmen frühzeitig in Ideenentwicklung und Meinungsbildungsprozesse mit einzubeziehen...

Mehr

Abb.: Darstellung der Problemfelder der Heine GmbH

Abb.: Darstellung der Problemfelder der Heine GmbH Entwicklung eines SOLL-Konzeptes Kehl Olga 16.05.10 Wie aus der Ist-Analyse ersichtlich wurde, bedarf die Vorgehensweise bei der Abwicklung von Projekten an Verbesserung. Nach der durchgeführten Analyse

Mehr

Proaktive Entscheidungsunterstützung für Geschäftsprozesse durch neuronale Netze

Proaktive Entscheidungsunterstützung für Geschäftsprozesse durch neuronale Netze Proaktive Entscheidungsunterstützung für Geschäftsprozesse durch neuronale Netze INAUGURALDISSERTATION zur Erlangung des akademischen Grades eines Doktors der Wirtschaftswissenschaften an der Wirtschaftswissenschaftlichen

Mehr

Social Media trifft Business

Social Media trifft Business Social Media trifft Business Intelligence Social Media Analysis als Teil der Unternehmenssteuerung Tiemo Winterkamp, VP Global Marketing Agenda Social Media trifft Business Intelligence Business Intelligence

Mehr

MASTER FERNSTUDIENGANG WIRTSCHAFTSINFORMATIK

MASTER FERNSTUDIENGANG WIRTSCHAFTSINFORMATIK MASTER FERNSTUDIENGANG WIRTSCHAFTSINFORMATIK STUDIENBRIEF: MODUL: Semester IV Spezialisierung Wissensmanagement: Wissensbasierte Systeme AUTOR: Prof. Dr.-Ing. Uwe Lämmel 2 IMPRESSUM IMPRESSUM WINGS Wismar

Mehr

Die Beurteilung normativer Managementsysteme

Die Beurteilung normativer Managementsysteme Die Beurteilung normativer Managementsysteme Hanspeter Ischi, Leiter SAS 1. Ziel und Zweck Um die Vertrauenswürdigkeit von Zertifikaten, welche durch akkreditierte Zertifizierungsstellen ausgestellt werden,

Mehr

Visual Business Intelligence Eine Forschungsperspektive

Visual Business Intelligence Eine Forschungsperspektive Visual Business Intelligence Eine Forschungsperspektive Dr. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155 646 Fax.: +49

Mehr

Ergebnisreport Eingruppierung Online

Ergebnisreport Eingruppierung Online Ergebnisreport Eingruppierung Online HR Business Partner Musterreport HR Online Manager Email: info@hronlinemanager.com Eingruppierung Online / HR Business Partner Seite 2 von 7 DAS STELLENANFORDERUNGSPROFIL

Mehr

Business Performance Management Next Generation Business Intelligence?

Business Performance Management Next Generation Business Intelligence? Business Performance Management Next Generation Business Intelligence? München, 23. Juni 2004 Jörg Narr Business Application Research Center Untersuchung von Business-Intelligence-Software am Lehrstuhl

Mehr

Referenzen Basis-Plattform

Referenzen Basis-Plattform Unternehmensportal / Intranet Diese Unternehmen stellen Ihren Mitarbeitern einen zentralen Zugangspunkt für Informationen, Dokumente und Inhalte zur Verfügung. Mitarbeiter haben so einen kollaborativen

Mehr

BI ist tot, lang lebe BI!

BI ist tot, lang lebe BI! BI ist tot, lang lebe BI! SAP HANA Live vs. SAP BW powered by HANA Glaubt man der ein oder anderen aus Walldorf stammenden Marketingfolie, so sind die Tage von herkömmlichen Business Intelligence Systemen

Mehr

AGM Project & Education GmbH

AGM Project & Education GmbH AGM Project & Education GmbH Leipzig Datenschutzkonferenz dtb Kassel November 2011 20.11.2011 Detlev.Sachse@agm-onside.com 1 Zur Person 20.11.2011 Detlev.Sachse@agm-onside.com 2 Thema Data-Mining am Beispiel

Mehr

Vom Intranet zum Knowledge Management

Vom Intranet zum Knowledge Management Vom Intranet zum Knowledge Management Die Veränderung der Informationskultur in Organisationen von Martin Kuppinger, Michael Woywode 1. Auflage Hanser München 2000 Verlag C.H. Beck im Internet: www.beck.de

Mehr

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Aufbaustudium 3. Musterklausur IT-gestützte

Mehr

Von BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Von BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von BI zu Analytik bessere Entscheidungen basiert auf Fakten Webinar Mai 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von Business Intelligence zu Analytik Die Bedeutung

Mehr

Generalthema: Zinsrisikomanagement und der Jahresabschluß von Kreditinstituten Thema 5: Ansätze zur Bewertung von Zinsoptionen

Generalthema: Zinsrisikomanagement und der Jahresabschluß von Kreditinstituten Thema 5: Ansätze zur Bewertung von Zinsoptionen Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Seminar zur BBL und ABWL Wintersemester 2003/2004 Zuständiger Mitarbeiter: Dipl.-Kfm. Christian Wolff Generalthema:

Mehr

Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr

Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche

Mehr

eevolution Business Intelligence

eevolution Business Intelligence eevolution Business Intelligence Haben Sie sich schon häufig gefragt, warum Ihr Berichtswesen so kompliziert sein muss? Warum Sie nicht einfach mit wenigen Handgriffen Ihr Berichtswesen einrichten und

Mehr

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile

Mehr

Informatik und Informationstechnik (IT)

Informatik und Informationstechnik (IT) Informatik und Informationstechnik (IT) Abgrenzung Zusammenspiel Übersicht Informatik als akademische Disziplin Informations- und Softwaretechnik Das Berufsbild des Informatikers in der Bibliothekswelt

Mehr

Trends in Business Intelligence

Trends in Business Intelligence Trends in Business Intelligence Dr. Carsten Bange Business Intelligence (BI) beschreibt die Erfassung, Sammlung und Darstellung von Information zur Planung, Steuerung und Kontrolle der Unternehmensleistung.

Mehr

Geschäftsprozessmanagement

Geschäftsprozessmanagement Geschäftsprozessmanagement Der INTARGIA-Ansatz Whitepaper Dr. Thomas Jurisch, Steffen Weber INTARGIA Managementberatung GmbH Max-Planck-Straße 20 63303 Dreieich Telefon: +49 (0)6103 / 5086-0 Telefax: +49

Mehr

ALLGEMEINE FRAGEN ZU DR. TAX OFFICE 3.0... 3

ALLGEMEINE FRAGEN ZU DR. TAX OFFICE 3.0... 3 INHALT ALLGEMEINE FRAGEN ZU DR. TAX OFFICE 3.0... 3 1. Wofür steht Dr. Tax 2.0 bzw. Dr. Tax?... 3 2. Warum wird Dr. Tax 3.0 eingeführt?... 3 3. Was sind die Unterschiede zwischen Dr. Tax 2.0 und 3.0?...

Mehr

Logische Modellierung von Data Warehouses

Logische Modellierung von Data Warehouses Logische Modellierung von Data Warehouses Vertiefungsarbeit von Karin Schäuble Gliederung. Einführung. Abgrenzung und Grundlagen. Anforderungen. Logische Modellierung. Methoden.. Star Schema.. Galaxy-Schema..

Mehr

Teamcenter Rapid Start (Rich Client)

Teamcenter Rapid Start (Rich Client) 15.06.15-1 - E:\Stefan\CAD\Teamcenter\TCRS10\Anleitungen\TeamcenterRich.doc Teamcenter Rapid Start (Rich Client) 1. Starten und Beenden - Teamcenter starten (Desktop-Verknüpfung): - Anmeldeinformationen

Mehr

Wie schreibt man eine Literaturübersicht?

Wie schreibt man eine Literaturübersicht? Wie schreibt man eine Literaturübersicht? Hinweis: Eine Literaturübersicht kann sowohl ein eigenständiger Text oder Teil einer wissenschaftlichen Arbeit sein. Im zweiten Fall findet sich in der Arbeit

Mehr

Business Intelligence mit MS SharePoint Server

Business Intelligence mit MS SharePoint Server Business Intelligence mit MS SharePoint Server Business Intelligence mit MS SharePoint Server Business Intelligence mit MS SharePoint Server erleichtert es den Entscheidungsträgern, auf Informationen jederzeit

Mehr