Business Intelligence: Entwicklungstendenzen und Herausforderungen Ein Blick in die Zukunft des Themas BI

Transkript

1 Business Intelligence: Entwicklungstendenzen und Herausforderungen Ein Blick in die Zukunft des Themas BI Prof. Dr. Jürgen Jacobs / Prof. Dr. Sven Piechota November

2 Anwendungsorientierte Brennpunkte von BI Ausgangslage Planung Glied derung Reporting und Analyse Technisch-analytische Innovationschancen Real Time und Active Datawarehousing Integration von CM- und DW-Systemen Advanced Analytics 2

3 Die Ausgangslage: 80% der Nutzer traditioneller BI könnten ohne BI leben 3

4 aber wahrscheinlich nicht ohne EXCEL. Of the 150 million business users of Microsoft Excel worldwide, a large proportion p are devoted to entering data by hand, extracting data manually from other systems, including data warehouses and even BI reports and performing as report servers. In fact, a great deal of the BI usage in organizations is driven by the need to populate spreadsheets, not replace them. Quelle: Neil Raden, Hired Brains, Inc.:Guided and Open-ended Analytics: Serving the Real Users of Business Intelligence, Sept

5 Die Ausgangslage: wie Manager die Deckung ihrer Informationsbedarfe sehen Wir brauchen ein flexibles System, das auch für die Zukunft tragfähig ist 5

6 und welche Bedenken anwendungsorientierte Wissenschaftler zu diesem Thema haben. Theorie Praxis 6

7 und lässt die Controller die Sinnfrage des tradierten Planungs- und Reportingvorgehens überdenken. Quelle: WHU Controllerpanel 7

8 Insgesamt wird die Lage für alle Unternehmensfunktionen nicht entspannter: aber gerade IT-Investitionen müssen sich mehr denn je rechnen Quelle: manager magazin 6/2009, S.84 8

9 Sogar die Finanzbereiche kommen unter Druck: die Zeit der Financial Transformation ist da Qualität Zeit Kosten struktur Kostenniveau Zuverlässige Informationen Kompatibel mit internationalen Standards Schnelle, e, aber zuverlässige Berichte Flexible Ad hoc Analysen Verkürzte Planungs / Forecastzyklen Hohe esteuerungs u relevanz der Informationen Wettbewerbsfähige Kosten Finanz/ Controlling Rationalisiert die Rationalisierer Umsetzung von regulatorischen Vorschriften (IFRS, BilMoG, SOX, Steuern, ) erfordert Ressourcen und treibt Kosten 9

10 Aktionsfeld Planung: Potenzial dynamischer Planungen freisetzen Schwachstelle Transformationsziele Handlungsfelder Prinzipien Planungseffizienz Hohe Detaillierung Lange Planungszeiten Hoher Aufwand Geringe Aktualität Ineffiziente IT-Unterstützung Reduktion Planungsaufwand und Planungszeit Aktualität Zielvorgaben und volatiler Daten Planungseffizienz Refokussierung und Entfeinerung Straffung und Parallelisierung Prozesse Harmonisierte IT-Architektur Vereinfachung Standardisierung + + Harmonisierung i + + Industrialisierung + + Planungseffektivität Fehlende Kopplung der Planungsschichten Wenig Top-down-Ziele Geringe Bewertungsfestigkeit für strategische Aktionen/Budgets (Markt) Maßnahmenintegration Systemintegration Motivation für profitables Wachstum Planungseffektivität Redesign Planungsarchitektur Operational strategy systems Rollierendes Forecasting KPI-Steuerung Wachstumsorientierte Incentives Zentralisierung i + Outsourcing 10

11 Konzeptionelle Fundierung der analytischen IT statt Applikations-Platonismus Architektur statt Applikations-Zoo Analytischer Service Quantitative Daten in Modellen gespeichert und mit unterschiedlichen Methoden analysiert Content Service Qualitative Daten in multimedialen Dokumenten gespeichert und mit AS verbunden ( Content Intelligence ) Planung / Budgetierung als analytische Kollaboration (CAP collaborative analytical processing) Operational BI am Beispiel smarttags Prozess Service Unterstützung Managementprozesse und Aufbereitung der Vordaten sowie Logistik und Dokumentation der analytischen / Content Information 11

12 Wichtige Bausteine eines Operational Strategy Systems Wesentliche Planungskomponenten Sales and Operational Planning Dezentrale, hochaktuelle Marktdaten t Intelligente Anpassung der kapazitativen Pläne Programm Planung Projektanalytik (z.b. Earned Value Method) Integration Business Plan und Budgetierung Parametrische Planung Makro-Treiberebene (Dynamic Strategy) t Mikro-Treiberebene (prozessorientierte Budgetierung) g) 12

13 Makro-Treiberebene: Dynamische Strategieabbildung durch Treibermodelle 13

14 Mikro-Treiberebene: TDABC (Zeitgesteuerte t t Prozesskostenrechnung) Sales Plan als Masterplan Business-Logik (Aktivitäten basiert) Kapazitäten (analytisch abgeleitet) 14

15 Prozessorientierte (Outputorientierte) Budgetierung 15

16 Big Points für eine technisch effiziente Planung Einfache Modellierung Endbenutzerorientierte, rasche Modellierung Real Time Kalkulation Änderungen spiegeln sich sofort auf allen Ebenen wieder Splashing Verdichtete Eingabe auf allen Ebenen sowie Verteilung über Schlüsseln Multicube Architektur Realitätsnahe Abbildung der Controllingstrukturen (die Welt ist kein Würfel) Waterfall modelling Modellierung ist keine rein zentral benötigte Funktionalität Planung per Web Eingabe von Planzahlen über Web - Komponenten 16

17 Transformationsansätze in Reporting und Analyse Schwachstelle Transformationsziele Handlungsfelder Prinzipien Effizienz Inkonsistenz der Daten Hoher manueller Aufwand für die Datenaufbereitung Geringe Zeit zur Analyse der Daten Heterogen Datenquellen aus IT-Systemen Integrierte und harmonisierte Reportingplattformen Intelligentes XLS- Reenginering Effizienz Single point of truth Reengineering XLS Industrialisierung Standardreporting Prozessintegration Bildung von Analytical Experts Vereinfachung + Standardisierung Harmonisierung i + + Industrialisierung + + Effektivität Aussagelose Managementberichte Trennung legale und Führungssicht Unausgewogene Zusammenstellung der Performancedaten Konzern Blindflug Konsistente, einheitliche Standardreports Intelligente Sonderanalysen Reduktion Ressourceneinsatz Effektivität Corporate Report Design Standards Integriertes Stakeholderreporting Differenzierte Unternehmenssteuerung Metadatenmanagement Zentralisierung i + + Outsourcing 17

18 Reengineering XLS Beispiel: Integrierter Group Reporting Prozess/Steuerbilanzierung Änderungen des bisherigen Ablaufes Primärerfassung im Web Plausibilisierung vor Ort Weltweites Echtzeit-Monitoring der Abläufe Integration Managerment- und Legalstrukturen Hohe Automatisierung Einheitliches Standardreporting Anzeige der aktuellen Daten und Kommentierungen Hochglanzberichte 18

19 Reportdesign als schweres, aber sinnvolles Thema verstehen (Design-Regeln) Informationsdichte schaffen 19

20 Big Points für ein effizientes Reporting 1 Pushed Reports Automatisches ti Generieren und Verteilen von Standardberichten db an Endanwender 2 Mehrsprachigkeit Anwendung und Strukturdaten in unterschiedlichen Sprachen darstellbar Verknüpfen mit Kontextdaten Kommentieren und Verweisen auf allen Ebenen des Modells 3 p Freier Reportaufbau Endanwender d gestalten sich individualisierte id i Bericht aus OLAP-Datenräume Zentral gesteuertes Stakeholder-Reporting Strukturierte Reports aus einer Datenquelle Excel-Reengineering Transformation von Excel-Modellen auf zentrale Anwendungen 20

21 Business Analytics 21

22 Business Analytics 22

23 Business Analytics 23

24 Big Points für eine effiziente Analyse 1 Controlling Intelligence Was das Data Warehouse für die Daten ist eine OLAM-Komponente für die Methoden 2 Multidimensionale Methodenvielfalt Ranking, ABC-, Bewegungs-, Deckungsbeitragsfluß-, Portfolio-, Zeitreihenanalyse, Benchmarking u.v.m. auf Basis multidimensionaler Datenräume zu integrieren Interactive Modelling Erweiterungen des Datenmodells um neue Erkentnisse on the fly Wiederverwendung von Analysesitzungen Abspeichern von wichtigen Einsichten in Analysesitzungen und Publizieren als Kontext Publizieren von Einsichten, nicht von Daten oder Formen Publizieren von Analysesitzungen als Dokument oder im Intranet 24

25 Anwendungsorientierte Brennpunkte von BI Ausgangslage Planung Glied derung Reporting und Analyse Technisch-analytische Innovationschancen Real Time und Active Datawarehousing Integration von CM- und DW-Systemen Advanced Analytics 25

26 Real Time und Active Datawarehousing: Niveaus der Prozessunterstützung Quelle: Eckerson: BEST PRACTICES IN OPERATIONAL BI: Converging Analytical and Operational Processes, TDWI BEST PRACTICES REPORT, 3 rd quarter (2007) 26

27 Ereignis-gesteuerte Analytik Quelle: Stefanov et al.: Bridging the Gap between Data Warehouses and Business Processes, Proceedings of the 2005 Ninth IEEE International EDOC Enterprise Computing Conference (2005) 27

28 Complex Event Processing und Datenstromverarbeitung Quelle: Heinz/Greiner: Business Activity Monitoring mit Stream Mining am Fallbeispiel TeamBank AG, HMD - Praxis der Wirtschaftsinformatik 268 (2009)

29 Datenbank-Managementsysteme vs. Datenstrom-Managementsysteme DBMS DSMS persistente Relationen gelegentliche Abfragen unbegrenzter Plattenplatz l t geringe Aktualisierungsrate keine Echtzeit-Dienste transiente Ströme kontinuierliche Abfragen begrenzter Hauptspeicher sehr hohe Aktualisierungsrate Echtzeit-Anforderungen 29

30 Real Time und Active Datawarehousing: technologische Hebel Neue Speichertechnologien hauptspeicherbasierte Systeme, spaltenorientierte Speicherung Analyse von Datenströmen kontinuierlich eintreffende Daten Service-orientierte Softwarearchitekturen (SOA) Kapselung von Funktionalitäten in einzelne Services (Pull-Prinzip) Prinzip) Ereignis-gesteuerte Softwarearchitekturen (EDA) Steuerung des Zusammenspiels von Komponenten durch Ereignisse (Push- Prinzip) 30

31 Integration von CM- und DW-Systemen: Nutzung von Content auf dem Vormarsch Quelle: Russom: BI SEARCH AND TEXT ANALYTICS: New Additions to the BI Technology Stack, TDWI BEST PRACTICES REPORT, 2 rd quarter (2007) 31

32 Beispiel: Analyse von Nutzerbeiträgen aus Support-Foren Quelle: Löser et al.: Web 2 Business Analytics, Datenbank Spektrum 25 (2008)

33 Kontextualisiertes DW Quelle: Pérez-Martínez et. al.: Contextualizing data warehouses with documents, Decision Support Systems 45 (2008)

34 R-Cube-Abfrage Quelle: Pérez-Martínez et. al.: Contextualizing data warehouses with documents, Decision Support Systems 45 (2008)

35 Automatische Metadatenextraktion (Calais von Thomson Reuters) Quelle: 35

36 Beispiel: Semantik RDF-Ausgabe Quellen: und 36

37 Analytics as a Service (IBM s BISON) Quelle: Maximilien et al.: Text analytics and data access as services - a case study in transforming a legacy client-server text analytics workbench and framework to SOA. ICEIS (1) (2007)

38 Integration von CM- und DW-Systemen: technologische Hebel Nutzung von XML-Technologien Formalisierung und Strukturierung von Wissensbereichen Analyse und Modellierung unstrukturierter Daten Text Analytics/Mining, Multimedia Mining, Ontologien Service-orientierte Softwarearchitekturen (SOA) Kapselung von Funktionalitäten in einzelne Services (Pull-Prinzip) Prinzip) 38

39 Advanced Analytics: Next Generation DW-Plattformen Quelle: Russom: Next generation Data Warehouse Platforms, TDWI BEST PRACTICES REPORT, 4 th quarter (2009) 39

40 Mining von Bildern im Web über Text, Layout und Link-Strukturen Quelle: Cai et al.: Hierarchical Clustering of WWW Image Search Results Using Visual, Textual and Link Analysis, 12th ACM International Conference on Multimedia (2004) 40

41 Advanced Analytics: Analyse komplexer Objekte Analyse von Datenströmen kontinuierlicher Fluss großer Datenmengen Analyse geordneter Daten Sequenzen, Zeitreihen, Geoinformationen Analyse von Daten mit komplexen Verknüpfungen WWW, soziale Netze Analyse unstrukturierter Daten Text Mining, Multimedia Mining 41

42 Ein Schlusswort Die Zukunft des Themas BI verspricht spannend zu werden. Alle Prognosen jedoch sind mit Vorsicht zu genießen. 42