W2A. Operational Intelligence und Enterprise Decision Management. Christian Schieder Christian Kurze

Transkript

1 W2A 7. Europäische TDWI Konferenz Juni 2008 Forum am Deutschen Museum, München Operational Intelligence und Enterprise Decision Management Christian Schieder Christian Kurze

2 Operational Intelligence & Enterprise Decision Management 7. Europäische TDWI Konferenz Christian Shid Schieder / Christian Kurze TDWI München Decision Support bei Caenorhabditis elegans Operational Intelligence & Enterprise Decision Management Quelle: Besserau, Jean Louis: Genetics and Neurobiology of C. elegans, Institute national de la santé et de la recherche médicinal, 2007, Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 1

3 Das Grundproblem der Intelligence Operational Intelligence & Enterprise Decision Management Ein großer Teil der Nachrichten, die man im Krieg bekommt, ist widersprechend, ein noch größerer falsch und bei weitem der größte einer ziemlichen Ungewißheit unterworfen. Carl von Clausewitz (1827), Preußischer General, in seinem Standardwerk Vom Kriege, Erstes Buch Über die Natur des Krieges, Kap. VII Nachrichten im Kriege. Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 2 Inhalt Operational Intelligence & Enterprise Decision Management 1 Einleitung 2 Theoretische Grundlagen 3 Praktische Umsetzung Pause 4 Marktüberblick 5 BI Cool(Tool)Tour 6 Ausblick Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 3

4 Inhalt Operational Intelligence & Enterprise Decision Management 1 Einleitung 2 Theoretische Grundlagen 3 Praktische Umsetzung Pause 4 Marktüberblick 5 BI Cool(Tool)Tour 6 Ausblick Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 4 Einleitung Gartner Hype Cycle Business Intelligence 2007 Quelle: Gartner, Juli Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 5

5 Einleitung Operational Intelligence Buzzword Dschungel Real Time Warehousing Automated Decision Making Dynamic Warehousing Predictive Analytics Streaming Analytics Ati Active Warehousing Business Atiit Activity Monitoring i Business Rules Technology Process Performance Measurement Business Intelligence 2.0 Pervasive Business Intelligence Dynamic Process Control Complex Event Processing Operational Data Store Event Correlation Adaptive Enterprise Zero Latency Event Stream Processing Agil Enterprise Visual Analysis Enterprise Decision Management Operational Business Intelligence Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 6 Einleitung Anwendungsfelder Betrugserkennung (Fraud detection) Verkehrs und Produktionsüberwachung, Logistik, Netzwerkverwaltung (Systems monitoring) Nachrichtenüberwachung (Presse, Börse, Wetter, ) Demand sensing Payments & cash monitoring Data security monitoring Algorithmic trading Application performance monitoring Dynamic pricing and yield management RFID/sensor network data analysis Data validation Risk management Supply chain optimization Call center optimization Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 7

6 Einleitung Corporate Performance Management Definition von Unternehmenszielen Ergebnisanalyse Strategische Ebene Definition strategischer KPIs Prozessdesign Process & Design KPI Definition & KPI Definition Planung der Prozessleistung Operative Ebene Prozess- ausführung Prozessleistungs- ermittlung Plan- & Prozessanpassung Prozessautomatisierung Prozessleistungsanalyse Prozessüberwachung Angepasst nach: Melchert, F.; Winter, R.; Klesse, M.: Aligning Process Automation and Business Intelligence to Support Corporate Performance Management. Proc. of the 10th AmCIS, New York, 2004, S Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 11 Einleitung Latenzzeiten I (Potenzieller) Wert der Entscheidung Geschäftsvorfall Daten im DW verfügbar Analyseergebnisse verfügbar Entscheidung getroffen Maßnahme umgesetzt tt Datenlatenz Analyselatenz Entscheidungslatenz Umsetzungslatenz Zeit Quelle: Hackathorn, Richard: Minimizing Action Distance, Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 12

7 Einleitung Latenzzeiten II Zusätzlicher Gewinn (Gewinnvorsprung) bei sofortiger Entscheidung Operative Entscheidungssituation Taktische Entscheidungssituation Strategische Entscheidungssituation Zeit Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 13 Inhalt Operational Intelligence & Enterprise Decision Management 1 Einleitung 2 Theoretische Grundlagen 3 Praktische Umsetzung Pause 4 Marktüberblick 5 BI Cool(Tool)Tour 6 Ausblick Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 14

8 Menschliches Verhalten Das S O R Modell Theoretische Grundlagen. Verhaltenswissenschaft Verhaltenswissenschaft beschreibt, erklärt und versucht menschliches Verhalten in Organisationen vorherzusagen S O R Modell des Neobehaviorismus betrachtet intrapersonelle Konstrukte zur Voraussage und Beeinflussung von Verhalten Stimulus (S) Organismus (O) Black Box Reaktion (R) Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 15 Menschliches Verhalten Das S O R Modell Theoretische Grundlagen. Verhaltenswissenschaft Organismus (O) Stimulus (S) Rez zeptor Wahrn nehmung Instinkte/Triebe Bedürfnisse/Motive Werte/Einstellungen Anspruchsniveau/Erwartungen Qualifikationen on Verhalte ensintenti Eff fektor Reaktion (R) Reize aus der Umwelt erregen Sinnesorgane (Augen, Ohren, Haut) und werden über Rezeptoren (Netzhaut, Schnecke, Schleimhaut) wahrgenommen. Die Erregung des autonomen und motorischen Systems, aktivierte i t Motive, Erwartungen, Fähigkeiten etc. führen zu Verhaltensintentionen, die über Effektoren (Muskeln, Sehnen) zu beobachtbaren Reaktionen führen Quelle: Staehle, Wolfgang; Management Eine verhaltenswissenschaftliche Perspektive, 1999, S. 163 Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 16

9 Sense and Response Loops Theoretische Grundlagen. Kybernetik und Verhaltenswissenschaft Fünf Schritte innerhalb einer Sense and Response Loop: S I (F) A D R: () Sense,, Interpret p (Filter), Analyze, y, Decide,, Respondp Einordnung in das menschliche Verhalten: Organismus (O) Stimulus (S) Rez zeptor Wahrn nehmung Instinkte/Triebe Bedürfnisse/Motive Werte/Einstellungen Anspruchsniveau/Erwartungen Qualifikationen Verhalte ensintentio on Eff fektor Reaktion (R) Sense Interpret (Filter), Analyze Decide Respond Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 17 Enterprise Decision Management definiert Theoretische Grundlagen Enterprise Decision Management is a systematic approach to automating and improving operative business decisions. It aims to increase the precision, ii consistency, and agility of these decisions i and reduce the time to decide and the cost of the decision. Quelle: Taylor, James; Raden, Neil: Smart (Enough) Systems How to Deliver Competitive Advantages by Automating Hidden Decisions, Prentice Hall, 2007, S. 39. Enterprise Decision Management,, entails all aspects of managing automated decision design and deployment that an organization uses to manage its interactions with customers, employees and suppliers. Quelle: Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 18

10 Kennzeichen operativer Entscheidungen Theoretische Grundlagen. Enterprise Decision Management Ausprägung niedrig i hochh Frequenz Zit Zeitsensitivität itiität IT Unterstützung Interaktivität strategisch Ebene operativ Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 19 Kernforderungen des EDM Theoretische Grundlagen. Enterprise Decision Management Genauigkeit Zielgerichtetheit einer Entscheidung im Hinblick auf die Erreichung von Unternehmenszielen (Effektivität). Konsistenz Agilität Einheitlichkeit von Entscheidungen ceteris paribus über die Zeit, über alle organisatorische Einheiten im Sinne der Unternehmensstrategie. Geschwindigkeit Kosten Zeit vom Treffen einer Entscheidung bis zu deren Umsetzung. Monetärer Aufwand für das Vorbereiten und Treffen einer Entscheidung (Effizienz). Geschwindigkeit und Kosten für die Anpassung organisationaler Regeln, Richtlinien und Prozeduren (Flexibilität). Robustheit? Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 20

11 Operational Intelligence Theoretische Grundlagen Operational Intelligence focuses on providing real time monitoring of business processes and activities as they are executed within computer systems, and in assisting i in optimizing i i these activities iii and processes by identifying and detecting situations that correspond to interruptions and bottlenecks. This is achieved by observing the progress of the business processes andcomputingseveral metrics inreal time using these progress events and publishing the metrics to one or more channels. Quelle: Operational Business Intelligence delivers information and insights to a broad range of users within hours or minutes for the purpose of managing or optimizing operational or time sensitive business processes. Quelle: Eckerson, Wayne W.: Best Practices in Operational BI, TDWI Best Practises Report, 2007, S. 6. Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 21 Abgrenzung von Operational Intelligence Theoretische Grundlagen. Operational Intelligence Perspektive Strategic Intelligence Tactical Intelligence Operational Intelligence Entscheidungsfokus Grundsatzentscheidungen Ausgestaltungsentscheidungen Ausführungsentscheidungen Nutzer C Level VP Level LOB Level Zeithorizont Langfristig Mittelfristig Kurzfristig Datenhorizont Historisiert Historisiert Ereignisbasiert & Historisiert Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 22

12 Ebenen der Operational Intelligence Theoretische Grundlagen. Operational Intelligence LOW IME REAL T DA ATALATENCY EXECUTE PROCESSES FACILITATE PROCESSES MONITOR PROCESSES HIGH DAILY ANALYZE PROCESSES Operational reports Operational dashboards Composite applications BUSINESS VALUE Event-driven Analytic platforms HIGH Quelle: Eckerson, Wayne W.: Best Practices in Operational BI, TDWI Best Practises Report, 2007, S. 6. Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 23 Entscheidungen im ECA Tupel Theoretische Grundlagen. Operational Intelligence Entscheidungen lassen sich als Teil eines 3 Tupels von Ereignis, Bedingung und Handlung (engl. Event, Condition, Action; ECA) konzeptualisieren. i Entscheidungen entsprechen dabei dem Übergang von Bedingung zu Handlung. Ereignis Sensor Daten Erkenntnis Bedingung Entscheidung Action Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 24

13 Entscheidungsunterstützung Theoretische Grundlagen. Operational Intelligence Feedbacklatenz Handlungen Handlungslatenz ERP CRM Operative Systeme Entscheidung Datenlatenz Datenintegration ESB Entscheidungslatenz OLAP Data Mining Analytische Systeme Erkenntnis Analyselatenz Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 25 Technologien zur Verringerung von Latenzzeiten Theoretische Grundlagen. Operational Intelligence Dt Datenlatenz lt Micro batches Change Data Capture Event Stream Processing In Memory Databases Grid Computing Entscheidungslatenz Business Rules s Case based Reasoning Analyselatenz l Data/Process Mining Visual Analysis Complex Event Processing Business Activity Monitoring Handlungslatenz Workflow/ Process s ERP/ CRM/ SCM/ Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 26

14 Drei Säulen der Operational Intelligence Theoretische Grundlagen. Operational Intelligence Operational Intelligence PPM Process Performance Management / Measurement BAM Business Activity Monitoring PFS Planning, Forecasting, Simulation Ex post (Blick in den Rückspiegel) Analyse und Verbesserung Prozess und Kommunikationsstatistiken In situ (Blick auf Abläufe in Bearbeitung) Ad hoc Maßnahmen und Alerting Event und Regel orientiert Ex ante (Blick durch die Windschutzscheibe) Unterstützung bei Entscheidungen Event und Regel orientiert Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 27 Events / Ereignisse Theoretische Grundlagen. Operational Intelligence An Event is a notable thing that happens inside or outside your business. An event (business or system) may signify a problem or impending problem, anopportunity orthreat threat, a threshold or deviation. Quelle: Michelson, B.: Event Driven Architecture Overview, cc, 2006, S. 2. Ein Ereignis (v. althochdeutsch irougen = voraugen stellen, zeigen) findet immer dann statt, wenn etwas passiert oder sich etwas verändert. In der Regel geht ein Ereignis mit der Veränderung eines Zustands einher bzw. ist deren Auslöser. Unter einem Ereignis (engl. event) versteht man dasjenige, was eine Aktion (Event Handler Programm) und damit eine Zustandsveränderung auslöst. Diese Ereignisse können Benutzereingaben (Mausklick, Taste, Spracheingabe, Geräteanschluss,...) oder Systemereignisse (Zeitpunkt, Fehler, Datenveränderung, Sensor,...) sein. Quelle: Wikipedia, Abruf vom Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 28

15 Datenströme Events in der IT Theoretische Grundlagen. Operational Intelligence Datenstrom: Kontinuierlich übersandte Datensätze, deren Größe, Menge sowie schnelles Aufkommen verbieten, sie vor der Verarbeitung zu speichern. ih Bisherige Forschung: Überwachung eines Datenflusses auf das Vorkommen bestimmter Daten und Analyse von Daten innerhalb des Stroms Unterscheidung: Transaktionsströme (Log Daten: Kreditkartennutzung, Telefonanrufe, Zugriff auf Wb Webressourcen) Messdatenströme (Sensoren, Rechnernetzwerke, wissenschaftliche Messstationen) Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 29 Datenströme Events in der IT Theoretische Grundlagen. Operational Intelligence Überwachung und Anfrageauswertung: Überwachung: Suche nach bestimmten Mustern, z.b. Nachrichten über ein bestimmtes Land in Strom von Pressemeldungen, große Kursschwankungen in Strom von Börsendaten, lebensbedrohliche Wertkombinationen in medizinischen Messdaten Filtern/Anfragen: komplexe Anfragen, wie in Datenbankanwendungen; selbe Anfragesprachen wie für traditionelle Datenbanksysteme (SQL, XPath) Analyse von Datenströmen: Ermittlung aggregierter g Werte Anwendungen: Trendanalyse, Abrechnung über die Nutzung von Rechnern und Rechnernetzen sowie Verkehrswegen, Systemüberwachung, Früherkennung von Ereignissen Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 30

16 Business Rules / Geschäftsregeln Theoretische Grundlagen. Operational Intelligence Eine Geschäftsregel ist eine Direktive oder Guideline, die das Geschäftsverhalten beeinflussen oder leiten soll. Quelle: Schacher, M.; Grässle, P.: Agile Unternehmen durch Business Rules, Springer, 2006, S. 17. Ableitungsregeln: Herleiten neuer Informationenausbestehendenaus Informationen Premium Kunden sind solche, deren Umsatz in denletzten 12Monatenüber EUR lag. Einschränkungen: Aussagen über das Geschäft, die wahr sein müssen; Verbote und Gebote Ein Kunde darf sein Kreditlimit nie überschreiten. Prozessregeln: Anstoßen, verhindern oder erlauben von Aktionen Bei Bestellungsaufgabe ist die Bonität des Kunden zu prüfen. Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 31 Business Rules Management BRM Theoretische Grundlagen. Operational Intelligence Regeln sind eine wertvolle Unternehmensressource, der Umgang mit ihnen muss in einem kontrollierten Prozess erfolgen Externalisierung und Dokumentation der Geschäftsregeln Quelle: Schacher, M.; Grässle, P.: Agile Unternehmen durch Business Rules, Springer, 2006, S. 19. Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 32

17 Inhalt Operational Intelligence & Enterprise Decision Management 1 Einleitung 2 Theoretische Grundlagen 3 Praktische Umsetzung Pause 4 Marktüberblick 5 BI Cool(Tool)Tour 6 Ausblick Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 33 Real Time und Active Business Intelligence Praktische Umsetzung Real Time Business Intelligence = right time as needed Real Time Business Intelligence ist ein dispositives System, das Informationen in jeder benötigten Aktualität und Antwortzeit zur Verfügung stellen kann. Die Aktualität und Antwortzeit sind dabei nicht einheitlich, sondern bedarfsorientiert (Stage 1 bis Stage 4). Active Business Intelligence = event driven acting BI Active Business Intelligence ist ein dispositives System, das Ereignisse identifizieren und verarbeiten kann und darauf mit einer Aktion in der Systemumgebung reagiert. Das Ziel ist die teilweise oder vollständige Automatisierung ti i von Routineentscheidungen t id (Stage 5). Agile Business Intelligence Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 34

18 Information Evolution in Data Warehousing Praktische Umsetzung Quelle: Brobst, Stephen; Rarey, Joe, Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 35 Architektur Dschungel verschiedener Anbieter Praktische Umsetzung Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 36

19 Architekturen Reporting Praktische Umsetzung ERP Purchase SCM Distribution Data Warehouse Reports Analysten CRM Customer Care Legacy Processes Systems Data Integration Data Storage Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 37 Architekturen Analyzing Praktische Umsetzung ERP Purchase Reports SCM Distribution Data Warehouse Analysten Customer Care CRM OLAP Legacy Manuelle Rückkopplung Processes Systems Data Integration Data Storage Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 38

20 Architekturen Predicting Praktische Umsetzung ERP Purchase SCM Reports Data Warehouse Distribution CRM OLAP Analysten Customer Care Legacy ODS Workflow Data Mining Manuelle Rückkopplung Processes Systems Data Integration Data Storage Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 39 Architekturen Monitoring Praktische Umsetzung ERP Reports Purchase SCM Data Warehouse Distribution CRM OLAP Analysten Customer Care Legacy ODS Data Mining Workflow Micro Batches Enterprise Service Bus Dashboards Manuelle Rückkopplung Processes Systems Data Integration Data Storage Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 40

21 Architekturen Decisioning Praktische Umsetzung ERP Data Warehouse Reports Purchase SCM OLAP Distribution CRM Micro Batches ODS Event Processing Data Mining Analysten Customer Care Legacy Stream Cache Dashboards Workflow Event Streams Business Rules Repository Decision Service Bus Business Rules Mobile Devices Transaction Service Bus Rückkopplung durch automatisierte Entscheidungen Manuelle Rückkopplung Processes Systems Data Integration Data Storage Decisions Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 41 Operational Intelligence PPM Praktische Umsetzung. Komponenten ERP Data Warehouse Reports Purchase SCM OLAP Distribution CRM Micro Batches ODS Event Processing Data Mining Analysten Customer Care Legacy Stream Cache Dashboards Workflow Event Streams Business Rules Repository Decision Service Bus Business Rules Mobile Devices Transaction Service Bus Rückkopplung durch automatisierte Entscheidungen Manuelle Rückkopplung Processes Systems Data Integration Data Storage Decisions Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 42

22 Operational Intelligence BAM Praktische Umsetzung. Komponenten ERP Data Warehouse Reports Purchase SCM OLAP Distribution CRM Micro Batches ODS Event Processing Data Mining Analysten Customer Care Legacy Stream Cache Dashboards Workflow Event Streams Business Rules Repository Decision Service Bus Business Rules Mobile Devices Transaction Service Bus Rückkopplung durch automatisierte Entscheidungen Manuelle Rückkopplung Processes Systems Data Integration Data Storage Decisions Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 43 Operational Intelligence PFS Praktische Umsetzung. Komponenten ERP Data Warehouse Reports Purchase SCM OLAP Distribution CRM Micro Batches ODS Event Processing Data Mining Analysten Customer Care Legacy Stream Cache Dashboards Workflow Event Streams Business Rules Repository Decision Service Bus Business Rules Mobile Devices Transaction Service Bus Rückkopplung durch automatisierte Entscheidungen Manuelle Rückkopplung Processes Systems Data Integration Data Storage Decisions Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 44

23 Event Processing / Ereignisverarbeitung Praktische Umsetzung. Komponenten An Event is a notable thing that happens inside or outside your business. An event (business or system) may signify a problem or impending problem, an opportunity or threat, a threshold h or deviation. Quelle: Michelson, B.: Event Driven Architecture Overview, cc, 2006, S. 2. Datenstrom: Kontinuierlich übersandte Datensätze, deren Größe, Menge sowie schnelles Aufkommen verbieten, sie vor der Verarbeitung zu speichern. Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 45 Event Processing / Ereignisverarbeitung Praktische Umsetzung. Komponenten SimpleEvent Processing (SEP) Ereignis initiiert eine nachgelagerte Handlung Bsp.: einfache Workflow, Triggers Ti Event Stream Processing (ESP) Ereignisse werden klassifiziert und an Abonnenten weitergestreamt Fokus liegt auf der Versorgung nachgelagerter Ereigniskonsumenten mit Echtzeit Information Complex Event Processing (CEP) Semantische, räumliche und zeitliche Korrelationen zwischen Ereignissen werden evaluiert, ausgewertet und entsprechende Handlungen angestoßen Einsatz von komplexen Algorithmen und Verfahren, um Ereignisse über lange Zeiträume und verschiedene Ereignistypen hinweg zu korrelieren Quelle: Michelson, B.: Event Driven Architecture Overview, cc, 2006, S. 2f. Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 46

24 Event Processing / Ereignisverarbeitung Praktische Umsetzung. Komponenten Verschiedene Algorithmen zur Anfrageauswertung und Analyse von Datenströmen Integration von historischen und streambasierten Daten Quelle: Espertech, Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 47 Event Flow / Ereignisfluss Praktische Umsetzung. Komponenten Event Generators: Quelle des Events: Applikation, Datenspeicher, Service, Geschäftsprozess, Collaboration Werkzeug (E Mail, Instant Messenger) Event Sensor: Router / Filter, Aufnahme von Events Event Channel: Transportiert den Event: i.d.r. messaging backbone Event Processing: Evaluierung gegen Processing Rules, Initiierung von Aktionen: Serviceaufruf, Starten eines Geschäftsprozesses, Publishing an Subscriber, Notifying, Generierung von neuen Events, Speichern für analytische Zwecke Event Consumers: Getriggerter Event Consumer führt seine Aktivität aus Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 48

25 Event Flow / Ereignisfluss Praktische Umsetzung. Komponenten Event Consumer ERP Data Warehouse Reports Purchase Distribution SCM CRM Event Sensor Micro Batches ODS Event Processing OLAP Data Mining Analysten Customer Care Legacy Workflow Stream Cache Event Streams Business Rules Repository Decision Service Bus Business Rules Dashboards Mobile Devices Event Generators Transaction Service Bus Event Event Rückkopplung durch automatisierte Entscheidungen Manuelle Processing Rückkopplung Channel(s) Processes Systems Data Integration Data Storage Decisions Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 49 Drei Typen von Business Rules Technologie Praktische Umsetzung. Komponenten 1. Rule Execution Technologie (Business Rule s; BREs) Eigentliche Business Rule s Workflow Management Systeme Datenbanksysteme (via Trigger, Stored Procedures) ERP Systeme (implizite Rules) 2. Rule ManagementTechnologie Management keine automatische Ausführung Frontend für Rule (Weiter )Entwicklung Oftmals Vermischung mit Rule Execution 3. Rule Discovery Technologie Reverse ering von Legacy Code Process Mining Quelle: Schacher, Markus; Grässle, Patrick: Agile Unternehmen durch Business Rules. Springer 2006, S. 214 f. Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 50

26 Lebenszyklus von Business Rules Praktische Umsetzung. Komponenten Externalisierung Ablage Rule Developer Werkzeuge: Rule Builder Werkzeug: Rule Repository Ausführung Business Rules Management Business User verbessern / passen Rules an Process Mining Werkzeuge: Web Editor, Rule Builder Quelle: Yasu Technologies, Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 51 Business Rules Praktische Umsetzung. Komponenten ERP Data Warehouse Reports Purchase SCM OLAP Distribution Customer Care CRM Legacy Micro Batches Rule Storage ODS Stream Cache Event Processing Data Mining Rule Execution Dashboards Analysten Workflow Event Streams Business Rules Repository Decision Service Bus Business Rules Mobile Devices Transaction Service Bus Rückkopplung durch automatisierte Entscheidungen Manuelle Rückkopplung Processes Systems Data Integration Data Storage Decisions Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 52

27 Kritische Erfolgsfaktoren Praktische Umsetzung Kritische Erfolgsfaktoren bei der Umsetzung einer EDA: Support durch das Top Management Business Ownership der Gesamtlösung Balance zwischen kurz und langfristigen g BI Zielen Adäquate Ressourcen für Entwicklung und Betrieb Sicherstellung von Datenintegrität und qualitätq Flexibilität der Datenstrukturen, Metadatenmanagement Flexibilität und Vielseitigkeit der Architektur Robustes System und weitreichender User Support Realisierung der Erfolgsfaktoren durch SLAs Quellen: Markarian, J., Brobst, S., Bedell, J., Critical Success Factors Deploying Pervasive BI, 2007; Davis, J. R., Business Intelligence NetworkTM Research Report, Using Operational Business Intelligence for Intra Day Analysis and Decision Making, Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 53 Inhalt Operational Intelligence & Enterprise Decision Management 1 Einleitung 2 Theoretische Grundlagen 3 Praktische Umsetzung Pause 4 Marktüberblick 5 BI Cool(Tool)Tour 6 Ausblick Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 54

28 Agile Business Intelligence Architecture Marktüberblick ERP Data Warehouse Reports Purchase SCM OLAP Distribution CRM Micro Batches ODS Event Processing Data Mining Analysten Customer Care Legacy Stream Cache Dashboards Workflow Event Streams Business Rules Repository Decision Service Bus Business Rules Mobile Devices Transaction Service Bus Rückkopplung durch automatisierte Entscheidungen Manuelle Rückkopplung Processes Systems Data Integration Data Storage Decisions Analytics User Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 55 Gartner Magic Quadrant Business Intelligence Marktüberblick Source: Gartner, January Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 56