Auswirkungen von In- Memory-Datenmanagement auf Geschäftsprozesse im Business Intelligence

Transkript

1 Auswirkungen von In- Memory-Datenmanagement auf Geschäftsprozesse im Business Intelligence Chair for Information Systems and Information Management, Prof. Dr. Jörg Becker

2 In-Memory-Datenmanagement - Vision Bill Gates (1994): Information at your fingertips Quelle: Gartner (2012) Hasso Plattner (2009): The impact on management of companies will be huge, probably like the impact of Internet Search Engines on all of us 1

3 Forschungsfragen RQ 1 Welche Literatur zum Thema IMDM wurde bereits im Kontext betriebs-wirtschaftlicher Prozessänderungen publiziert? RQ 2 Inwiefern werden Geschäftsprozesse im BI-Umfeld durch IMDM beeinflusst oder verändert? 2

4 Agenda 1. Grundlagen In-Memory-Datenmanagement (IMDM) 2. Methodik 3. Auswirkungen von IMDM 4. Auswirkungen auf BI-Geschäftsprozesse 5. Fazit und Diskussion 3

5 Grundlagen In-Memory-Datenmanagement Die Idee ist nicht neu und entstand schon in den 80er Jahren Unzuverlässigkeit des Hauptspeicher hohe Kosten softwarebedingte Adressierungsfehler Tape is Dead, Disk is Tape, Flash is Disk, RAM Locality is King Gray (2006) Multicore-Architekturen und 64-Bit-Technologie spaltenorientierte Datenspeicherung sinkendes Preisniveau von Hauptspeicher S1 S2 S3 Zeilenorientierte Datenorganisation Z1 Z2 Z3 Z4 A B C A B C A B C A B C Zeile Zeile Zeile Zeile Spaltenorientierte Datenorganisation Spalte Spalte Spalte Quelle: Plattner, H., Zeier, A.: In-Memory Data Management: An Inflection Point for Enterprise Applications. Springer Heidelberg Dordrecht London New York (2011). 4

6 Methodik Literaturanalyse Rückwärtssuche über ein Level Bei besonders relevanten Autoren Vorwärtssuche 25 Publikationen relevant im Sinne der Forschungsfragen (70 Publikationen insges.) RQ 1 3 Diskussionsaspekte RQ 2 Performance zur Echtzeit-Analyse Zusammenspiel von Big Data und In-Memory In-Memory und Integration von OLAP und OLTP Beispiele aus der Literatur semi-strukturierte Interviews mit vier erfahrenen BI-Beratern 5

7 Performance zur Echtzeit-Analyse Source Acker et al Davenport und Snabe 2011 Fabian und Günther 2011 Gartner 2011 Lechtenbörger/Vossen 2011 Lehner 2011 Plattner und Zeier 2011 Richardson 2011 Schütte 2012 Sinzig und Sharma 2011 Thiele et al Winter et al Zeier et al Evaluation Standpunkt Mit Hilfe von IMDM kann die Vision von Realtime Business Intelligence endlich umgesetzt werden. Zustimmung Neutral Wiederspruch 6

8 Zusammenspiel von Big Data und In-Memory Source Chamoni 2011 Gartner 2011 Kemper und Neumann 2011 Kossmann 2011 Krueger et al Lehner 2011 Ousterhout et al Piller und Hagedorn 2011 Plattner und Zeier 2011 Russom 2011 Sinzig und Sharma 2011 Stonebraker 2011 Thiele et al. (2011) Evaluation Standpunkt IMDM sorgt dafür, dass die Herausforderungen durch Big Data im Business Intelligence gelöst werden können Zustimmung Neutral Wiederspruch 7

9 Integration von OLAP und OLTP Source Davenport und Snabe 2011 Kemper und Neumann 2011 Kossmann 2011 Krueger et al Piller und Hagedorn 2011 Plattner 2009 Plattner und Zeier 2011 Sinzig und Sharma 2011 Stonebraker 2011 Strohmeier 2012 Thiele et al Winsemann 2011 Winter 2011 Winter et al Zeier et al Evaluation Standpunkt IMDM wird dafür sorgen, dass OLAP und OLTP- Systeme langfristig integriert werden können. Zustimmung Neutral Wiederspruch 8

10 Geschäftsprozesseigenschaften für die potentielle Nutzung von IMDM Änderungsdynamik der Daten Häufige und unvorhersehbare Änderungen, der einem Geschäftsprozess zugrunde liegenden Daten Schwankungsbreite der Kenngrößen Starke Änderung der Kennzahlenwerte, die einen potentiellen Einfluss auf den Unternehmenserfolg haben Anzahl der Auswertungsoptionen Anzahl der Handlungsalternativen, die idealerweise gegeneinander abgewogen werden müssen Dringlichkeit der Analyseergebnisse Auswertungsergebnisse werden zeitnah benötigt Komplexität der Auswertungen Die Auswertungen sind aufgrund der Algorithmen oder Datenstrukturen vergleichsweise aufwendig Datenmenge In dem zugrunde liegenden Geschäftsprozess werden relativ große Datenbestände verarbeitet 9

11 Nutzenpotentiale und Effekte von IMDM Massive Steigerung der Auswertungshäufigkeit durch die Verringerung der Programmlaufzeiten Erhöhung der Auswertungsflexibilität ohne vordefinierte Strukturen und durch die Möglichkeit viele Szenarien durchzuspielen Steigerung der Aktualität der Daten Vergrößerung der Datenbandbreite durch historische und aktuelle Daten Höherer Detaillierungsgrad durch den Zugriff auf Einzelbelege 10

12 IMDM - Anwendungsfälle Marketing iterative Kundensegmentierungen für Marketingkampagnen auf der Basis von operativen Daten Vertrieb Servicequalität über mobile Applikationen zum Wettbewerbsvorteil steigern Deckungsbeitrag- Absatz- und Umsatzanalysen auf der Basis von Einzelposten mit statistischen Methoden zur Abweichungsanalyse Planung kürzere Planungszyklen und kurzfristige Änderungen Disposition Bedarfsprognoserechnung - Vermeidung von Out-of-Stock-Situationen SALE 11

13 Änderungsdynamik Schwankungsbreite Auswertungsoptionen Dringlichkeit der Analyseergebnisse Komplexität Datenmenge Auswertungshäufigkeit Auswertungsflexibilität Aktualität Datenbandbreite Detaillierungsgrad Auswirkung von IMDM auf BI-Geschäftsprozesse Hoch Mittel Niedrig Operatives Reporting Operatives Reporting Explorative Analyse Analyse Komplexe Auswertungsverfahren komplexe Auswertungsverfahren Adaptive Planung Adaptive Planung Daten aus Endverbrauchergeräten Daten aus mobilen Geräten Geschäftsprozesseigenschaften Nutzenpotential Geschäftsprozesseigenschaften Quelle: Piller, Hagedorn (2011) Business Benefits And Application Capabilities Enabled By In-Memory Data Management 12

14 Vorläufige Ergebnisse der Fallstudienanalyse 4 semi-strukturierte Interviews [...] die Situation in der ich in kürzester Zeit schnelle Entscheidungen treffen muss und damit auf eine hohe Performance angewiesen bin. [ ] Ich kann aber nur das in Echtzeit darstellen, was im System in Echtzeit verfügbar ist. Der [ ] Prozess verändert sich insofern, dass durch die Wiederholung des Prozesses in kürzeren Zeitabständen Informationen gewonnen werden. [...] Wenn ich den Speicherplatz und die Performance zur Verfügung habe, ist es mir egal, ob ich mehr Informationen aufnehme. In einer Welt mit einem System würde im Prinzip nur noch ein Transform stattfinden. [ ] Die Auswirkungen einer Buchung werde ich realtime sofort erkennen können. 13

15 Auswirkungen auf die Praxis Fazit und Diskussion IMDM ist eine technologische Innovation mit Potential die wachsenden Herausforderungen im BI-Umfeld zu erfüllen neue Formen von Anwendungsklassen benötigen innovative Ideen Höhe des Integrationsbedarfs ist ein entscheidender Aspekt bei der Integration von OLAP und OLTP Die gezielte Fragestellung und die Relevanz von Informationen innerhalb von Geschäftsprozessen im BI-Umfeld sind nach wie vor entscheidend. Anwendungsbereiche für IMDM sind von den Eigenschaften der jeweiligen Geschäftsprozesse und den zu erzielenden Effekten abhängig Auswirkungen auf die Forschung nur wenig Arbeiten thematisieren die Auswirkungen von IMDM auf Geschäftsprozesse empirische und domänen-spezifische Forschung gefordert 14