Diplomarbeit. Erstellung eines Konzepts zur Einführung eines Business Intelligence Systems

Transkript

1 Fachhochschule Regensburg Fachbereich Informatik und Mathematik Studiengang Wirtschaftsinformatik Diplomarbeit (nach 31 Rahmenprüfungsordnung und 12 der Allgemeinen Prüfungsordnung der Fachhochschule Regensburg) Erstellung eines Konzepts zur Einführung eines Business Intelligence Systems Verfasser: Florian Oppacher Rauschbergstraße Bernau am Chiemsee Matrikelnummer: Aufgabensteller: Zweitprüfer: Prof. Dr. rer. nat., Dipl.-Math. Edwin Schicker Prof. Dr. rer. nat., Dipl.-Math. Fritz Jobst Firma: Betreuer: Brückner Maschinenbau Königsberger Straße Siegsdorf Josef Ramelsberger Ausgabedatum: Abgabedatum:

2 Business Intelligence I Inhalt 1 Motivation Umfeld der Diplomarbeit Notwendigkeit der Diplomarbeit Herangehensweise und Aufbau der Arbeit Theoretische Grundlagen Grundbegriffe Die Ressource Information Business Intelligence Data-Warehouse Qualität der Daten Mehrdimensionale Sicht der Dinge Kennzahlen Dimension Hierarchisierung Würfel Thema Operationen in multidimensionalen Cubes Informationsbedarfsanalyse Techniken Aufgabenanalyse Dokumentenanalyse Interviewtechniken Schriftliche Befragung Methodenkombinationen Fragebögen Fragebogen für Berichte Fragebogen für Berichte Quelldatenanalyse Modellierung eines Cubes Abbildung der Grundbestandteile einer Dimension Hierarchische Darstellung von Merkmalen Weitere Beschreibungen von Dimensionen... 27

3 Business Intelligence II 5.4 Modellierung von Würfeln Beispielmodellierung Implementierung Cubeware Importer Operative Systeme Extraktion Lademethoden Aktualisierungszeitpunkte Staging Area Modellierung komplexer Sachverhalte Views Überführung in Würfel Datenbereitstellungsebene Metadaten Präsentationsebene Ablage der verschiedenen Themen Metadatenverwaltung Generierung der Metadaten Einlesen der Daten vom SQL Server in Access Beschreibung der Metadaten für das Testsystem Abgleich der Access Systeme untereinander Übersicht zur Metadatenverwaltung Namenskonventionen Bereichskürzel Quellsysteme Datenbanken Tabellen aus den Quellsystemen Views Prozeduren auf dem SQL Server Rollen für Berechtigungen im Active Directory Namen für Berichte in Cockpit Freigabekonzepte Freigabeschritte bei Neuerstellung eines Würfels Freigabeschritte bei Aktualisierung eines Würfels Meldungssystem... 63

4 Business Intelligence III 10 Berechtigungskonzept Elemente des Berechtigungssystems Ausprägung der Rechte Active Directory Importbereich Relationale Datenbank Multidimensionale Datenbank Cubeware Teamserver Metadatenmanagement (MDM) Access Datenbank für das Entwicklungssystem (ADE) Formular: Einlesen von SQL-Server Formular: Tabellen/ Views /Stored Procedures/ Rollen Formular: Felder Formular: Meldungen Access Datenbank für das Produktivsystem (ADP) Formular: Einlesen von SQL-Server Formular: Abgleich MDM Formular: Tabellen/Views/SPs/Rollen Formular: Felder Konventionen für Cubeware Cockpit Berichtskopf Berichtskörper Resümee Anhang Visio Modell: Berichtsdatum Visio Modell: Auftragseingang Literaturverzeichnis Abbildungsverzeichnis Abkürzungsverzeichnis... 96

5 Business Intelligence 1 1 Motivation 1.1 Umfeld der Diplomarbeit Die Brückner-Gruppe mit ihren Hauptstandort in Siegsdorf ist ein Maschinen- und Anlagenbauer mit ca Beschäftigten. Die größte Tochterfirma ist die 1960 gegründete Brückner Maschinenbau GmbH & Co. KG. Mit einem Marktanteil von über 50% ist sie Weltmarktführer bei Folienreckanlagen. Gereckte Folien werden vor allem als hochwertiges Verpackungsmaterial und in technischen Anwendungsbereichen (z.b. Kondensator- und High-Tech-Bildschirmfolien) eingesetzt. 1 Die Brückner Servtec GmbH erbringt weltweit Service-Leistungen (z.b. Ersatzteile, Reparaturen, Software-Upgrades, Training) für Kunden. Die 2007 erworbene Kiefel GmbH in Freilassing ist ein führender Hersteller für für Serien- und Sondermaschinen zur Kunststoffverarbeitung in der Automobil-, Medizintechnik- und Verpackungsindustrie. Die ebenfalls 2007 erworbene Kiefel Extrusion GmbH in Worms ist spezialisiert auf Schlauchfolien-Extrusionsanlagen und Folienwickelmaschinen. Die IT-Abteilung (interne Bezeichnung: KEI) in Siegsdorf ist ein Dienstleister für alle Firmen am Standort. Zu den Aufgabenfeldern zählen: - IT- Infrastruktur (Server, Netzwerk) - Kommunikation (Telefonie) - IT-Arbeitsplätze (Notebooks, PC, Drucker) - SAP Entwicklung und Betreuung - Business Intelligence 1.2 Notwendigkeit der Diplomarbeit Ende des Jahres 2007 wurde von der Geschäftsleitung der Brückner Holding beschlossen ein Business Intelligence (abgekürzt BI) System einzuführen. Nach dem Beschluss fiel die Wahl nach einem detailierten Auswahlverfahren der Abteilungen KEI und Controlling auf das Produkt der Firma Cubeware in Rosenheim. Die Hauptgründe für die Entscheidung waren: Eine hervorragende Schnittstelle zu SAP Einfache Bedienbarkeit (im Vergleich zu den Konkurrenzprodukten) Nutzung des Micorsoft SQL-Servers für die Speicherung der Daten 1 Vgl

6 Business Intelligence 2 Die räumliche Nähe der Firma zum Standort Siegsdorf Niedrige Investitionskosten Eingeführt wurde das System zuerst für alle Firmen am Standort Siegsdorf. In naher Zukunft sollen zudem alle anderen Tochterfirmen von der BI-Lösung profitieren. Am Anfang begann man bei Brückner auf der sprichwörtlichen grünen Wiese. Wissen und Erfahrung in diesem Bereich mussten erst langsam aufgebaut werden. Schnell erkannte man die Notwendigkeit eines standardisierten Wegweisers zur Planung und Durchführung von Business Intelligence Projekten (besonders für die spätere Einführung bei den Tochterfirmen). Daher wurde entschieden eine solche Anleitung in Form dieser Diplomarbeit anfertigen zu lassen. 1.3 Herangehensweise und Aufbau der Arbeit Zu Beginn dieser Arbeit werden theoretische Grundlagen erklärt um ein Grundverständnis für die Thematik zu schaffen. Der erste Schritt bei der praktischen Arbeit bestand darin, eine geeignete Methode zu entwickeln, mit der der Informationsbedarf der Anwender im Unternehmen ermittelt wird. Im zweiten Schritt wurde überprüft, ob der gewünschte Informationsbedarf mit den bestehen Quellsystemen abgedeckt werden kann. Um zu visualisieren, wie die Daten in multidimensionaler Form gespeichert werden, wurden Vorlagen geschaffen, die für eine Modellierung von Datenwürfeln verwendet werden. Die Implementierung der BI-Software und die Schaffung einer Metadatenverwaltung waren große Schwerpunktbereiche innerhalb der Diplomarbeit. In diesem Zusammenhang haben sich Problemstellungen ergeben, deren Beantwortung für eine erfolgreiche Arbeit mit BI-Projekten notwendig war: Um die Arbeit der Entwickler zu erleichtern und um eine einheitliche Nomenklatur zu schaffen wurden Namenskonventionen festgelegt. Die im Rahmen der Diplomarbeit entwickelten Freigabekonzepte für multidimensionale Würfel dienen als organisatorische Leitfäden. Den Schutz der Daten im gesamten Business Intelligence System regelt das neu entwickelte Berechtigungskonzept für alle Arten von Datenzugriffen. Die am Ende der Diplomarbeit ausgearbeiteten Berichtskonventionen sorgen dafür, dass alle BI-Berichte einem einheitlichen Standard entsprechen.

7 Business Intelligence 3 2 Theoretische Grundlagen 2.1 Grundbegriffe Um ein besseres Verständnis für das Thema Business Intelligence zu gewährleisten wird zuerst auf einige Begriffe eingegangen Die Ressource Information Unternehmen sehen heute den Faktor Information als die entscheidende Komponente um am Markt erfolgreich zu bestehen. In einer schnelllebigen Zeit ist es enorm wichtig, unternehmensinterne und -externe Veränderungen frühzeitig zu erkennen. Dafür müssen den Entscheidungsträgern Informationen in ausreichender Qualität zum richtigen Zeitpunkt zur Verfügung stehen. Auf Grundlage dieser Daten (und der Erfahrung der Entscheidungsträger) werden operative, taktische und strategische Entscheidungen getroffen, welche für die Entwicklung eines Unternehmens zukunftsweisend sind. 2 Nahezu alle Geschäftsprozesse sind IT-gestützt. Durch den gestiegenen Einsatz von EDV-Systemen ist in den Unternehmen ein riesiger Pool an Daten vorhanden. Dennoch besteht bei den Entscheidern ein Mangel an aussagekräftigen, zuverlässigen Informationen. Dies liegt vor allem daran, dass die Daten nicht in der entsprechenden Form und Struktur vorliegen Business Intelligence Business Intelligence will den Mangel an verwendbaren Informationen beseitigen. Allgemein bezeichnet der Begriff Business Intelligence den Einsatz von geeigneten Applikationen zur Unterstützung der operativen und strategischen Entscheidungsfindung im Unternehmen. Die Datenbasis für derartige Analysesysteme liefern interne Leistungs- und Abrechnungsdaten sowie externe Marktdaten Data-Warehouse Zur Versorgung der Business Intelligence Anwendungen mit verwendbaren Informationen wird ein Data-Warehouse genutzt. Ein Data-Warehouse ist eine zentrale Datensammlung, welche unter Verwendung von geeigneten 2 Vgl. LEHMANN 2001, S.4. 3 Vgl. KEMPER, MEHANNA, UNGER 2006, S.4.

8 Business Intelligence 4 Extraktionsmechanismen aus verteilten und unterschiedlich strukturierten Datenbeständen gespeist wird. Die Daten müssen dabei so aufbereitet und aggregiert werden, dass sie hinsichtlich der zu erwartenden Auswertungen in möglichst geeigneter Weise zusammengestellt werden. 4 Ein weiterer Nutzen eines Data-Warehouse ist, dass der geschaffene Datenpool für andere Projekte im IT Umfeld verwendet werden kann. Wenn auf eine gemeinsame Datenbasis zugegriffen wird, ist die Vergleichbarkeit der Daten erreicht. Konflikten im Unternehmen wegen unterschiedlicher Aussagen aufgrund ungleicher Quelldaten ist ein positiver Nebeneffekt, der nicht hoch genug eingeschätzt werden kann. Definition: Inmon definiert ein Data-Warehouse als subject-oriented, integrated, nonvolatile and time-variant collection of data in support of management s decisions 5 Demnach muss ein idealtypisches Data-Warehouse vier Funktionen erfüllen: Themenorientierung Die Haltung der Daten richtet sich in operativen Systemen an die unmittelbare Durchführung der Wertschöpfungsprozesse. Im Gegensatz dazu orientieren sich die Daten an den Informationsbedürfnissen des Managements. Sie sollen folgerichtig so gespeichert werden, dass sie sich an die relevanten Themen eines Unternehmens richten. 6 Typische Themenbereiche sind: Vertrieb, Materialwirtschaft, Produkte usw. Integration Die Datenhaltung in den operativen Systemen ist meist auf unterschiedliche Plattformen verteilt; eine Managementsicht auf diese Daten ist nicht möglich. Ein Data-Warehouse sorgt für die Integration der Daten in ein einheitliches System. Die widerspruchsfreie Datenhaltung erweist sich in der Realität als äußerst anspruchsvolle Aufgabe, da die historisch gewachsenen operativen Systeme mit den ihnen zugrunde liegenden Datenhaltungssystemen häufig 4 Vgl. RAUTENSTRAUCH 1997, S INMON 1996, S Vgl. KEMPER, MEHANNA, UNGER 2006, S.17.

9 Business Intelligence 5 Datenredundanzen, Inkonsistenzen und semantische Widersprüche aufweisen. 7 Beständigkeit Die Daten in operativen Systemen sind oft kontinuierlichen Veränderungen unterworfen und repräsentieren nur den jeweils aktuellen Zustand innerhalb eines Geschäftsprozesses. 8 Sind Daten einmal in ein Data-Warehouse geladen worden, so dürfen sie nicht mehr gelöscht oder verändert werden. Damit ist sichergestellt, dass eine einmal erstellte Auswertung jederzeit nachvollziehbar ist. Ausnahmen sind nur gestattet, wenn es zu einer fehlerhaften Datenübernahme gekommen ist, oder wenn Daten nicht mehr gebraucht werden. 9 Damit das Datenwachstum nicht zu groß wird, sind auch für das Data- Warehouse effektive Speichkonzepte zu implementieren. Haben Daten ein bestimmtes Alter überschritten, so ist es beispielsweise sinnvoll sie in komprimierter Form abzulegen oder anderweitig zu archivieren. 10 Zeitorientierung In operativen Systemen werden Daten zeitpunktbezogen gespeichert. Die Daten in einem Data-Warehouse sind im Gegensatz dazu häufig zeitraumbezogen abgelegt, z.b. ein Tag, eine Woche oder ein Monat. Die zeitraumbezogene Speicherung ist notwendig, um Trends zu erkennen und zu untersuchen. 11 Die längerfristige Betrachtung der Daten ist auch der Grund, warum die Daten über einen größeren Zeitraum vorgehalten werden. Während in operativen Systemen die Daten zwischen 60 bis 90 Tagen gespeichert werden, haben die Daten in einem Data-Warehouse eine Verweildauer bis zu 10 Jahre Vgl. KEMPER, MEHANNA, UNGER 2006, S Ebd, S Vgl. MUCKSCH, BEHNE 1997, S Vgl. KEMPER, MEHANNA, UNGER 2006, S Ebd., S Vgl. INMON 1996, S. 36.

10 Business Intelligence Qualität der Daten Daten eines Unternehmens fallen währende des operativen Tagesgeschäfts an. Die hier entstandenen sogenannten Bewegungsdaten sind aber für Analysezwecke nicht geeignet. Für die Entscheidungsunterstützung müssen sie zuerst aufbereitetet und verdichtet werden. Grundsätzlich können zwei Arten von Daten unterschieden werden: a) Operative Daten Operative Daten (Bewegungsdaten) werden auch als Daten des täglichen Gebrauchs bezeichnet. Diese für Administrations-, Dispositions-, und Abrechnungszwecke genutzten Informationen werden in sogenannten Online- Transaction-Processing Systemen (OLTP-Systeme) verwaltet. Beispiele hierfür sind Buchhaltung, Lagerhaltung, Materialwirtschaft. Operative Daten zeichnen sich dadurch aus, dass mehrere Benutzer im Teilhaberbetrieb sich der gleichen Systeme und Daten bedienen. 13 Der Transaktionsbetrieb sorgt dafür, dass die anfordernden Funktionsbereiche schnell und zuverlässig mit Steuerungsdaten versorgt werden. Die Daten sind an betriebswirtschaftliche Abläufe und Funktionen orientiert. 14 Sie sind für eine entscheidungsunterstützende Sicht auf ein Unternehmen nicht geeignet, da die Granularität der Daten zu stark ist. b) Dispositive Daten Einen Entscheider interessiert eher die Sicht aus der Vogelperspektive, d.h. er benötigt die Daten in einer für ihn auswertbaren (aggregierten) Form. Erfüllen Daten dieser Anforderung, werden diese als dispositive Daten bezeichnet. Die Auswahl der Daten, welche gesammelt werden, richtet bei dispositiven Daten nicht nach Funktionsbereichen oder Geschäftsprozessen. Ein direkter Durchgriff auf operative Daten ist aus Managementsicht nicht zielführend. Die dispositiven Daten unterscheiden sich noch in anderen Punkten, wie in folgender Tabelle zu sehen ist Vgl. KEMPER, MEHANNA, UNGER 2006, S Vgl. LEHMANN 2001, S Modifiziert nach CHRISTMANN 1996, S C

11 Business Intelligence 7 Charakteristika operativer Daten Charakteristika dispositiver Daten Ziel Bearbeitung eines Geschäftsprozesses durch Information für das Management; Entscheidungsunterstützung verschiedene Benutzergruppen Ausrichtung Detailierte, granulare Geschäftsvorfalldaten; Hohe Anzahl an Transaktionen mit Zugriff auf wenige Datensätze Verdichtete, transformierte Daten; umfassendes Metadatenangebot; Zugriff auf hohe Anzahl von Datensätzen Zeitbezug Aktuell; zeitpunktbezogen; auf die Transaktion ausgerichtet Unterschiedliche, aufgabenabhängige Aktualität; stichtagbezogene Historienbetrachtung; jederzeit nachvollziehbar und reproduzierbar Modellierung Altbestände oft nicht modelliert (funktionsorientiert) Sachgebiets- o. themenbezogen; standardisiert; endbenutzertauglich Zustand Häufig redundant; inkonsistent Konsistent modelliert; kontrollierte Redundanz Update Laufend und konkurrierend Ergänzend; Fortschreibung abgleitender, aggregierter Daten Tabelle 1: Gegenüberstellung operativer und dispositiver Daten

12 Business Intelligence Mehrdimensionale Sicht der Dinge Für Entscheidungsträger ist es grundsätzlich interessant verschiedene Sichten auf ein Thema zu haben. Diese Funktionalität müssen managementunterstützende Systeme bieten, und zwar in der Art, dass es nicht in einer reinen Ansammlung von Listen endet. Für den Bereich Auftragseingang sind beispielsweise folgende Sichten interessant: Aufträge 2007 in Euro Auftrag Land Quartal Auftragswert 1 China Q Deutschland Q Japan Q Frankreich Q Abbildung 1: Auftragswerte mit Sicht auf Aufträge Aufträge/ Quartal 2007 in Euro Q Q Q Q China Deutschland Japan Frankreich Abbildung 2: Auftragswerte mit Sicht auf Länder Die Abbildungen liefern einen Überblick über die vorhandenen Auftragswerte. In der ersten Abbildung sind die Zahlen pro Auftrag angegeben, im zweiten Fall ist der Ausgangspunkt der Auftragseingang für die jeweiligen Länder. Beiden Fällen ist gemein, dass sie Auftragswerte abbilden. Nur der Blickwinkel auf die Zahlen ist unterschiedlich. Um entsprechende mehrdimensionale Abfrageoperationen (Kapitel 2.5) durchzuführen werden die Daten in multidimensionalen Strukturen abgebildet. 16 Diese Art der Analyse wird mit dem Begriff OLAP (Online Analytical Processing) 16 Vgl. BAUER, GÜNZEL 2004, S. 102.

13 Business Intelligence 9 beschrieben. Bevor jedoch auf die verschiedenen Datenanalysen eingegangen wird, ist eine vorherige Begriffsabgrenzung sinnvoll Kennzahlen Die Entwicklung und Auswertung aussagekräftiger Kennzahlen zur Bewertung von Entwicklungen im Unternehmen ist seit jeher ein wichtiger Bereich der Betriebswirtschaftslehre. Kennzahlen auch Measures oder Fakten genannt - sind numerische Werte, die eine konzentrierte Aussagekraft zur Diagnose, Planung, Überwachung und Steuerung eines Systems 17 besitzen müssen. Sie haben die Aufgabe, relevante Zusammenhänge in verdichteter und quantitativ messbarer Form wiederzugeben. 18 Kennzahlen sind meist monetäre Werte oder Mengen. Beispiele: Umsatzerlöse, Auftragswerte, Materialbestand Dimension Der Wert einer Kennzahl besitzt ohne zugehörigen semantischen Bezug keine Aussagekraft. Erst wenn die Kennzahl in Verbindung mit anderen Informationsobjekten steht, ist sie verwendbar. Im Umfeld von Business Intelligence spricht man bei diesen Objekten von Dimensionen. Dimensionen sind demnach beschreibender Natur. Sie ermöglichen unterschiedliche Sichten auf Kennzahlen. Mit ihnen können die Kennzahlen gruppiert und analysiert werden. 19 Allgemein wird im OLAP-Themenbereich unter einer Dimension eines Raums eine ausgewählte Entität verstanden, mit der eine Auswertungssicht eines Anwendungsbereichs definiert wird und die der eindeutigen, orthogonalen Strukturierung dient." 20 Beispiele: Land, Auftrag, Berichtsjahr 17 HEINRICH 1996, S Vgl. HORVÁTH 2006, S Vgl. KEMPER, MEHANNA, UNGER 2006, S Vgl. BAUER, GÜNZEL 2004, S. 102.

14 Business Intelligence Hierarchisierung Innerhalb einer Dimension kann es zu einem hierarchischen Aufbau kommen, was in Form einer Dimensionsstruktur ausgedrückt wird. Dies tritt dann auf, wenn die Kennzahlen in verschiedenen Verdichtungsstufen betrachtet werden sollen. Diese Stufen werden auch als Merkmale bezeichnet. Beispiel: Der Dimension Firma können die Merkmale Gesamtfirma, Verkaufsbüro und Verkäufergruppe zugeordnet werden Würfel Als Grundlage für multidimensionale Analysen dient der sogenannte Würfel (oder auch Cube, Data Cube, InfoCube, HyperCube genannt). Die Kanten des Würfels werden von den Dimensionen eingenommen. Die Kantenlänge wird durch die die Anzahl der zugeordneten Merkmale bestimmt. In den einzelnen Würfelzellen werden ein oder mehrere Kennzahlen abgelegt. So wird jede Kennzahl durch die jeweils dazugehörenden Dimensionen charakterisiert. 21 Kombiniert man zwei Dimensionen so erhält man ein Rechteck, welches als Tabelle dargestellt werden kann. Kombiniert man drei Dimensionen entsteht ein Würfel (engl. Cube) Abbildung 3: schematische Darstellung deines multidimensionalen Würfels 21 Vgl. BAUER, GÜNZEL 2004, S.105.

15 Business Intelligence 11 Besteht ein Würfel aus mehr als drei Dimensionen, so lässt er sich graphisch nur schwer darstellen. Die folgende Abbildung zeigt eine mögliche Darstellung am Beispiel Auftragseingang. Sie hat allerdings nur informativen Charakter. Die Modellierung eines Würfels ist in Kapitel 5 beschrieben. Abbildung 4: Darstellung eines Würfels mit mehr als drei Dimensionen

16 Business Intelligence Thema Als Thema werden bei Brückner alle zusammengehörenden Aufgaben, Zuständigkeiten und Geschäftsprozesse bezeichnet, die für Auswertungen eines bestimmten Bereichs (z.b. Auftragseingang, Bestandscontrolling) notwendig sind. Dies betrifft alle Vorgänge von der Informationsbedarfsanalyse (Kapitel 3) bis hin zur Gestaltung von Berichten für die Anwender (Kapitel 12) Das Team wählte bewusst ein Thema, das sich am Besten für einen ersten Prototyp eignet. Es sollte überschaubar sein und einen leichten Einstieg bieten. Weiter sollte bereits eine qualitativ gute Datenbasis (SAP) vorhanden sein, die nicht erst aufgebaut werden muss. Das Thema Auftragseingang im Bereich Vertrieb schien hier am geeignetsten. Zudem steht hier ein großes fundiertes Wissen zur Verfügung, da die interne Cotrolling Abteilung bereits entscheidungsunterstützende Auswertungen auf in Access seit vielen Jahren nutzt. In dieser Diplomarbeit werden aus diesem Grund alle Beispiele am Thema Auftragseingang erläutert.

17 Business Intelligence Operationen in multidimensionalen Cubes Multidimensionale Datenwürfel bestehen wie beschrieben aus Kennzahlen, Dimensionen und Hierarchien. Die Anzahl der Dimensionen ist theoretisch unbegrenzt. Gängige Kennzahlen beschränken sich aber auf eine einstellige Anzahl an Dimensionen. Würde eine Cube aus einer größeren Zahl Dimensionen bestehen, so wäre eine Analyse mangels Durchschaubarkeit schlicht unmöglich. 22 Mit einem Cube können verschiedene Operationen durchgeführt werden. Die Ausführungen zu diesem Thema lehnen sich in modifizierter Form an eine Abhandlung von M. Böhnlein und A. Ulbrich vom Ende. 23 Im Folgenden werden die geläufigsten Operationen aufgezeigt. Die Beispiele beziehen sich auch hier auf das Thema Auftragseingang. Aus Gründen der Übersichtlichkeit gibt es eine Beschränkung auf drei Dimensionen. a, Drill Down Die Operationen Drill Down und Roll Up ermöglichen das Durchlaufen der Verdichtungsstufen entlang der auf einer Dimension zugeordneten Merkmale. Beim Drill Down steigt man von einem aggregierten Merkmal auf ein Merkmal mit der nächsttieferen detailierten Verdichtungsstufe ab. Abbildung 5 zeigt anhand von fiktiven Zahlen an, wie sich der Gesamtwert aller Aufträge für Asien am Standort Siegsdorf auf die einzelnen Firmen verteilt. Abbildung 5: Drill Down b, Roll Up 22 Vgl. KEMPER, MEHANNA, UNGER 2006, S nach BÖHNLEIN, ULBRICH VOM ENDE, Jahr unbekannt.

18 Business Intelligence 14 Der Roll Up ist die zum Drill Down komplementäre Operation. Sie wechselt in die jeweils höhere Verdichtungsstufe der Hierarchie. Abbildung 6: Roll Up c, Slice Die Operation Slice entspricht dem Herausschneiden einer Scheibe aus einem dreidimensionalen Cube. Als Ergebnis erhält man eine zweidimensionale Tabelle. Beschränkt man sich auf einzelne Dimensionselemente verschiedener Dimensionen, so kann die Slice Operation auch auf beliebig dimensionierte Cubes angewendet werden. Abbildung 7 zeigt eine Filterung der Aufträge aus Asien auf das Jahr 2007 Abbildung 7: Slice d, Dice Die folgende Abbildung stellt die Wirkungsweise des Dice Operators dar. Dice schneidet einen Teilwürfel aus dem gesamten Cube. Das Beispiel zeigt eine Auswahl der Auftragswerte für Asien, wobei nur die Jahre 2006 und 2007 angezeigt werden. Die Firma BBT wurde in der Selektion ebenfalls nicht berücksichtigt.

19 Business Intelligence 15 Abbildung 8: Dice e, Rotate Die Drehung eines Cubes um eine Achse wird als Rotate bezeichnet. Durch die Drehung erhält man unterschiedliche Sichten auf den Datenwürfel. Im Beispiel wird die Sicht des Benutzers von der Kombination Firma/Land auf die Kombination Firma/ Jahr geändert. Abbildung 9: Rotate f, OLAP-Join Der OLAP- Join verbindet zwei Cubes miteinander. Voraussetzung dafür ist, ähnlich wie bei Fremdschlüssel in der relationalen Welt, dass beide Würfel gemeinsame Dimensionen aufweisen. Abbildung 10 zeigt die Verbindung der beiden Würfel Anzahl Aufträge und Anzahl Anfragen. Als Ergebnis erhält man einen neuen Würfel mit den prozentualen Anteil der realisierten Aufträge.

20 Business Intelligence 16 Abbildung 10: OLAP-Join

21 Business Intelligence 17 3 Informationsbedarfsanalyse Am Anfang eines jeden Business Intelligence Projekts muss in Erfahrung gebracht werden, welche Anforderungen der Benutzer an die gewünschten Berichte und Auswertungen hat. Diese werden mit der Informationsbedarfsanalyse ermittelt. Die hier gewonnen Informationen werden für die Quelldatenanalyse (Kapitel 4) und die Würfelmodellierung (Kapitel 5) gebraucht und wirken sich somit direkt auf das zu entwickelnde Data-Warehouse (Kapitel 6) aus. Definition: Mit der Informationsbedarfsanalyse werden die informationellen Anforderungen (Informationsbedarf) der Benutzer an ein Informationssystem erhoben und beurteilt Techniken Um den Informationsbedarf für ein Data-Warehouse zu ermitteln gibt es eine Reihe von Techniken. Eine Auswahl dieser wird im Folgenden dargestellt Aufgabenanalyse Bei der Aufgabenanalyse wird aufgrund von Entscheidungen, die durch die verantwortlichen Personen gefällt werden, auf die dazu benötigten Informationen geschlossen. Dispositive Entscheidungen zeichnen sich jedoch dadurch aus, dass sie häufig unstrukturiert und einmalig auftreten. 25 Außerdem besteht die Gefahr, dass Funktionalitäten aus rein operativen Prozessen mit einfließen. Ob diese Methode zielführend ist, kann daher bezweifelt werden Dokumentenanalyse Mit der Dokumentenanalyse wird versucht den Informationsbedarf aus vorhandenen Dokumenten abzuleiten. Subjektive Faktoren sollen dabei so weit wie möglich ausgegrenzt werden. Der Nachteil dieser Technik ist, dass sie stark vergangenheitsorientiert ist 27 und daher keine Verbesserung der Informationslage zu erwarten ist. Für zukünftige Entscheidungen reichen die vorhandenen Daten oft nicht aus. 24 STRAUCH 2002, S STRUCKMEIER 1997, S Vgl. STRUCKMEIER 1997, S Vgl. STRAUCH 2002, S. 72.

22 Business Intelligence Interviewtechniken Generell zielen alle Interviewtechniken darauf ab, anhand von Gesprächen zwischen einem Interviewer und einem oder mehreren Interviewpartnern die Fakten eines Aufgabengebietes darzustellen. 28 Eine Schwierigkeit, die auftreten kann, ist einen geeigneten Interviewer zu finden der über ein fundiertes Fachwissen verfügt. Problematisch kann es werden, wenn der Interviewer in der Firmenhierarchie über den Befragten steht. Der Zeitbedarf und die damit verbundenen Kosten dürfen auch nicht unterschätzt werden Schriftliche Befragung Mit Hilfe von Fragebögen wird bei der schriftlichen Befragung der Informationsbedarf ermittelt. Ein großer Vorteil dieser Methode ist, dass Anwender auf kostengünstige und standardisierte Weise befragt werden können. Da für die Benutzer unterschiedliche Informationen von Bedeutung sind, ist die Gestaltung eines allgemein gültigen Fragebogens jedoch recht schwierig. 30 Das Ergebnis der Erhebung ist stark davon abhängig, dass die richtigen Fragen gestellt werden. Falls die Fragen missverstanden werden, leidet die Qualität der erhobenen Ergebnisse Methodenkombinationen Um die Nachteile der erläuterten Techniken auszugleichen, wird versucht, die Methoden zu kombinieren. 32 Im Zuge dieser Diplomarbeit hat sich nach Absprache mit mehren Beteiligten für Brücker eine Kombination aus Interview und schriftlicher Befragung als ideal herausgestellt: Ein Interviewer spricht mit den Entscheidungsträgern und Anwendern einen Fragebogen durch und füllt ihn mit den Befragten gemeinsam aus. Der Fragebogen hilft dabei, dass die Struktur bzw. die Qualität des Interviews sichergestellt und das Ergebnis in einheitlicher Form dokumentiert wird. Falls noch Fragen auftauchen, welche der Fragebogen nicht abdeckt, so kann der Interviewer diese mit den Befragten abklären, schriftlich festhalten und das Ergebnis den Fragebögen beifügen. 28 KOREIMANN 2000, S Vgl. STRAUCH 2002, S Vgl. STRUCKMEIER 1997, S Vgl. STRAUCH 2002, S Vgl. STRAUCH 2002, S.73.

23 Business Intelligence Fragebögen Für die Befragung der Anwender wurden zwei Arten von Fragebögen entworfen Fragebogen für Berichte Da Auswertungen den Entscheidern in Form von Berichten präsentiert werden sollen (Kapitel 12), ist es naheliegend abzufragen, welche Berichte tatsächlich gebraucht werden. Für diesen Zweck wird ein eigener, identisch aufgebauter Fragebogen ausgefüllt. Dieser wird in Abbildung 11 gezeigt. Beschreibung: Im Berichtskopf 1 werden Nummer und Name des Berichts eingetragen. Zusätzlich wird noch das Datum vermerkt. In 2 ist eine detailierte Anforderungsbeschreibung zu erbringen. Im nächsten Feld 3 wird eingetragen, welche Kennzahlen im Bericht ausgegeben werden sollen. Beispiele hierfür sind Auftragswert, Umsatz, Preis usw. Die Frage, welche Größen mit den Kennzahlen in Bezug gesetzt werden sollen, kann in 4 beantwortet werden. Die Antwort soll als Hilfestellung dazu dienen, bereits erste in Frage kommende Dimensionen für den Würfel in Erfahrung zu bringen. Firma, Verkaufsbüro, Jahre sind beispielsweise Dimensionen, die für den Würfel Auftragseingang in Frage kommen. Falls bereits Berichte jeglicher Form zu dem abgefragten Thema existieren, so kann das in 5 angekreuzt werden. In 6 wird abgefragt, ob evtl. vorhandene Berichte manuell oder automatisch erstellt werden. Nach dem Berichtseigentümer wird in 7 gefragt. Liegt ein Bericht in elektronischer Form vor, so wird durch ankreuzen in verwendete System mitgeteilt. 8 das