Lehrstuhl für Wirtschaftsinformatik II. Gliederung

Transkript

1 Gliederung 1. Einführung 2. Arbeitsaufgaben und -prozesse der Fach- und Führungskräfte 3. Klassische Ausprägungen der Management Support Systeme 4. Business Intelligence 5. Datenbereitstellung: Data Warehousing 6. Datenanalyse: On-Line Analytical Processing und Data Mining 7. Betriebliches Berichtswesen 8. Gestaltung und Betrieb von BI-Lösungen 9. Aktuelle Tendenzen bei Business Intelligence-Systemen Folie 97

2 Berichtsspezifikation Berichtsinhalt Gegenstand Detaillierung Breite Genauigkeit Berichtszeit Berichtsintervall Berichtszeitraum Berichtszweck Dokumentation Entscheidungsvorbereitung Auslösen Bearbeitungsvorgang Kontrolle Berichtsform Darstellungsart Struktur Präsentationsmedium Übertragungsweg Berichtsinstanz Empfänger Verantwortlicher Ersteller Folie 98

3 Einfache Abfragegeneratoren Folie 99

4 Abfrage- und Berichtsgeneratoren Folie 100

5 Berechnungsfunktionen Folie 101

6 Report-Generierung Folie 102

7 Reporting-Tools Folie 103

8 WWW-Browser Nahtlose Integration in die vertraute WWW-Umgebung Transparenter Durchgriff für den Endanwender Erweiterung von HTML um multidimensionale Komponenten Folie 104

9 BI-Portallösung Folie 105

10 Portaltechnologien Folie 106

11 Exkurs: Jasper Reporting JasperSoft ( Gründung der Firma Panscopic, 2005 Umbenennung in JasperSoft - Einer der führenden Anbieter im Bereich OSBI - OS-Entwicklungsportal ( - Erstellung und Organisation Jasper-spezifischer Projekte - Veröffentlichung von News - Kommunikation von Hilfe und Problemen - über 2,5 Millionen Downloads Geschäftskunden - Über registrierte Entwickler - Parallele Professional-Versionen, Folie 107 verschiedene Supportmodelle

12 Exkurs: Jasper Reporting Folie 108

13 Exkurs: Jasper Reporting / ireport - Open Source Tool zur Erzeugung komplexer JasperReports (Designer für JasperReports) - 100% Support der JasperReports XML tags - 100% Java, GNU General Public Licence - WYSIWYG-Editor, drag and drop - Unicode und non-latin Languages (Russisch, Chinesisch, Japanisch, Koreanisch, etc.) - Browser für Dokumenten-Struktur - Unterstützt alle via JDBC zugänglichen Datenbanken - Wizard zur automatischen Berichtserzeugung - Unterstützt Subreports - Backup-Features - Erweiterbar durch plug-ins (z.b. für JasperServer) - Scriptlets - Charts - Styles-Bibliohek Folie 109

14 Exkurs: Jasper Reporting Folie 110

15 Exkurs: Jasper Reporting Datenquellen (die Wichtigsten) - JDBC connection - (Spring) Hibernate Verbindung - XMLA Server Verbindung - XML Datei - Java Beans Datenquelle - EJBQL Verbindung - CSV Datei - Mondrian OLAP Verbindung - JRDataSourceProvider Datenabfrage (aktive Verbindung) - SQL - EJBQL - Xpath - HQL (Hibernate Query Language) - MDX - XMLA-MDX Folie 111

16 Exkurs: Jasper Reporting Berichtselemente $F{Feldname}, $V{Variablenname}, $ P{Parametername} Linien, Rechtecke, Ellipsen, Text/ -felder, Grafiken, Barcodes, Rahmen, Diagramme Variable: - vordefinierte ((Gesamt-)Seitenzahl, Datum, Prozent, Gesamt) - individuell definierbare (manuelle Eingabe oder mit Expression-Editor) - Kalkulationsarten z.b.: Summe, Anzahl (verschiedene Werte), Durchschnitt, Niedrigster, Standardabweichung) Diagramme: - Kuchen-/Kreisdiagramm (2D/3D) - Balkendiagramm (2D/3D) - Flächendiagramme - Stapel-Balken-Diagramme (2D/3D) - Liniendiagramme - Streuungs-Diagramme - Blasen-Diagramme - Zeit-Reihen-Diagramm - High-Low-Diagramme - Kerzendiagramme - Tacho - Thermometer Folie 112

17 Exkurs: Jasper Reporting SQL-Generator Query-Designer Folie 113

18 Exkurs: Jasper Reporting Bearbeitung von Eigenschaften -- Seiten-, Spalten-, Abschnittsformatierungen - Name, Typ, Beschreibung -- Vorgehen falls keine/doppelte Daten - Druckoptionen -- Ausgabezeitpunkte - Sonst. Formatierungen ( z.b. Währung) -- Hyperlinks, Datenzuordnungen, etc. - Teilbarkeitsdefinitionen -Berichtsausrichtung - Manuell über Raster oder automatisch (Position, Tabellen verbinden, Größe, Zwischenräume) - Objekte/Elemente in den Vordergrund/ Hintergrund bringen Berichtsvoransicht PDF, HTML, Excel, CSV, Text, RTF, ODF, JRViewer Unterstützende Features - Report-Wizard und Expression-Editor - Ausdrücke (z.b.: Formeln/Funktionen) - Definierte Ausdrücke speicherbar als.txt-datei - Meldungen (semantische/syntaktische Fehler) Folie 114

19 Exkurs: Jasper Reporting Berichtsspeicherung PDF, HTML, XLS, CSV, RTF, ODF, XML Funktionen unter Verwendung von JasperServer und JasperAnalysis - ireport verfügt über eine Schnittstelle zum JasperServer - Scheduling (Intervall, Formate, Speicherort, Verwaltung, Benachrichtigungen, etc.) - Report-Export durch User (PDF, Excel, RTF, CSV) - User-/ Rollenkonzepte - Ressourcen- und Berichtsverwaltung Folie 115

20 Exkurs: Jasper Reporting Funktionen unter Verwendung JasperAnalysis - Individuelle Betrachtung der Analysis Views entsprechend JPivot-OLAP Funktionalitäten - Cube-Zeilen, -Spalten, -Filter per OlapNavigator (zusammenklicken) oder die MDX-Query manuell definieren - Diagramme integrieren und konfigurieren (Typ, Titel, Größe, Farbe, Legende) Folie 116

21 Gliederung 1. Einführung 2. Arbeitsaufgaben und -prozesse der Fach- und Führungskräfte 3. Klassische Ausprägungen der Management Support Systeme 4. Business Intelligence 5. Datenbereitstellung: Data Warehousing 6. Datenanalyse: On-Line Analytical Processing und Data Mining 7. Betriebliches Berichtswesen 8. Gestaltung und Betrieb von BI-Lösungen 9. Aktuelle Tendenzen bei Business Intelligence-Systemen Folie 117

22 Vorgehensmodell zur BI-Gestaltung BI-Strategie BI-Projektdefinition BI-Analyse BI-Qualitätsmanagement BI-Design BI-Implementierung BI-Produktivsetzung BI-Projektmanagement Folie 118 BI-Betrieb und -Wartung

23 Theoretische Vorbetrachtung Vision, Mission und Ziele Quelle: Zirkel, Trost: BI-Strategie Der Weg zum maximalen Return-on-BI-Invest, 5. Europäische TDWI-Konferenz, München Folie 119

24 Theoretische Vorbetrachtung Definition Vision Quelle: Zirkel, Trost: BI-Strategie Der Weg zum maximalen Return-on-BI-Invest, 5. Europäische TDWI-Konferenz, München Folie 120

25 Vision - Beispiele Quelle: Zirkel, Trost: BI-Strategie Der Weg zum maximalen Return-on-BI-Invest, 5. Europäische TDWI-Konferenz, München Folie 121

26 Theoretische Vorbetrachtung Definition Mission Quelle: Zirkel, Trost: BI-Strategie Der Weg zum maximalen Return-on-BI-Invest, 5. Europäische TDWI-Konferenz, München Folie 122

27 Mission Beispiel VW-BI Quelle: Zirkel, Trost: BI-Strategie Der Weg zum maximalen Return-on-BI-Invest, 5. Europäische TDWI-Konferenz, München Folie 123

28 Zielhierarchie Quelle: Zirkel, Trost: BI-Strategie Der Weg zum maximalen Return-on-BI-Invest, 5. Europäische TDWI-Konferenz, München Folie 124

29 Zielabhängigkeiten Quelle: Zirkel, Trost: BI-Strategie Der Weg zum maximalen Return-on-BI-Invest, 5. Europäische TDWI-Konferenz, München Folie 125

30 Ordnungsrahmen für strategische Maßnahmen Quelle: Zirkel, Trost: BI-Strategie Der Weg zum maximalen Return-on-BI-Invest, 5. Europäische TDWI-Konferenz, München Folie 126

31 Exkurs: BI-Strategie bei ausgewählten deutschen Großunternehmen 1. DAK 2. Volkswagen AG Folie 127

32 BI-Organisation bei der DAK Das CC DWH/BI ist zentraler Ansprechpartner für Business Intelligence, es bietet seine Dienste allen Bereichen der DAK an: Berücksichtigung einer übergreifenden Unternehmenssicht Beratung der Fachbereiche bei allen dispositiven Fragestellungen Bereitstellung von integrierten und bereinigten Daten aus unterschiedlichen operativen und externen Systemen von historischen Daten für Zeitreihen von geeigneten Auswertungswerkzeugen von Management-Reporting-Systemen Koordination der Anforderungen aus den Fachbereichen an die entscheidungsunterstützenden Informationssysteme Schulung und Betreuung der Anwender Folie 128

33 BI-CC-Organisation Folie 129

34 Vision: Data Warehouse Prozesse unter einem Dach Folie 130

35 Aufgabenverteilung im Data Warehouse- Prozess Folie 131

36 BI-Organisation bei Volkswagen Business Strategy IT-Strategy Business Processes Landscape External PP KAP SPK Partner, Supplier, Dealer, Customers SUP Business Process Specific IT-Solutions PP - Produktprozess Fahrzeug KAP - Kundenauftragsprozess Fahrzeug SPK - Kundengewinnung SUP - Steuerungs- / Unterstützungsprozesse Self Developed Solutions Self Developed Solutions Self Developed Solutions Self Developed Solutions Standard Solutions Standard Solutions Standard Solutions Standard Solutions IT Security Principles and Policies Basic Solutions Middleware & Data Management Network MAIL Messaging Calendar Output Mgmt Archive DBMS EAI Carrier Portal Components Process-Workflow CMS DMS Colab. Search Enterprise Content Management Master Data Mgmt. Protocols BI-Services BI-Services OFFICE Basic WEB Tech-nologies Telecommunication Services System Platforms & Data Storage Operating Systems Hardware Storage Solutions BI BI BI DWH BI DWH Tech AIM SSO Directory SOA Principles and Policies Frameworks Development Methods Processes Standards Technology WEB Services Tools Quelle: Gehrke, Wendlandt, Sommer: SOA und BI im Volkswagen Konzern, TDWI-Information Days BI meets SOA, Stuttgart 29. November 2006 Folie 132

37 Ergebnisse der Ist-Aufnahme entlang der Hauptdimensionen S m i Fachlichkeit Technik Reporting / Analyse Si Planen ST m ul. AQUA (Quasi-FI, Servbase) Repor ting COIN FVuPS Planen BM BY61 PPC UM Info (PAMIS) STAR-TI OPUS Versuchs bau FPL BDW ipad STAR LANIS MIS-V PWL KBM LISON HIFA Report DWH VWT GLOBE FIS View WANDA GF BW ET2000 BW ET2000 BWP EWP HIFA QS LOAD TAF INEAS MA INEAS Versand BW ET2000 KUBA Fleet Analysis FleetCom DWH Verona VW Immobilien TIVOLI PP KAP SPvK SUP I. EVP BM Report KASKO ecrm Profis New ada Reporting KPMM-BW ServoDWHVC CER HR-C Erfolgs Quadrat (Auto5000) BWKT VOLKSWAGEN DB2 VWT AMS ISCO Inhaltlich redundante Systeme, die nicht alle Prozessabschnitte unterstützen. Kein KPI-Referenzmodell im Einsatz. Keine Integrationslösung vorhanden. Organisation Überlappende/kaskadierende Datenflussbeziehungen. Isolierte Datensilos. Heterogenität in Architekturen und Produkten. Ana lyse Logistik Logistik Plan LOGINkosten DB Controll An/Abwesen Kenn FEDIS VISON zahlen P ZENTA Stück liste VOPON / FBT GIDEON Unterbeliste standsvilog ZAÜ TEVON QTSSchicht- Schicht- LANISLOGIS Maximo Report buch buch IN NSUFIS-Reporting Projekt EIS- ETF Plan AKL BA Planer EM e-wfm Fehlteile LOG FEZ PG1 Rep ortin Unbekannt g P P Meilen Steine B6 AQSP Report KAP INTACT Q-Kosten VK- BW STF Migration MAT HC SSM Q-WHReport STF GVO SPv K Zebra Verona SARA AUDI Geschäfts wagen Reporting IT Report GEMINI FI GEMINI CO-OM GEMINI GEMINI Navis PS SL FI SUP SEKT FP GIP ITc. Projekt- statt Portfolio-getriebene Entwicklung der Systemlandschaft. Keine übergreifenden Architekturstandards und Leitfäden im Einsatz, zum Beispiel SOA. Unterschiedliche Betreibermodelle für BI-Systeme im Betrieb. Quelle: Gehrke, Wendlandt, Sommer: SOA und BI im Volkswagen Konzern, TDWI-Information Days BI meets SOA, Stuttgart 29. November 2006 Folie 133

38 Herausforderungen an BI im Volkswagen Konzern Problematischer Ist-Zustand Individualisierte BI-Projektentwicklung ohne bereichsübergreifende Einbindung in den Gesamtkontext (Strategie) hat in der Vergangenheit zu einer kostenintensiven, von Heterogenität (Systeme, Produkte) geprägten BI-Landschaft geführt, deren Weiterentwicklung nicht sinnvoll ist. BI Strategie Maximaler Return on BI Invest Fachliche und technologische Treiber innerhalb des Marktes kennzeichnen BI als eine innovative Technologie. BI kann innerhalb des VW-Konzerns unter Verwendung einer standardisierten BI-Landschaft Beiträge zur Wertsteigerung des Unternehmens leisten. Nutzung des Innovationspotentials von BI. Prozessabdeckung erhöhen. Prozessübergreifende Auswertung ermöglichen. Neue fachliche Möglichkeiten erschließen (z. B. EDW-Reporting, Integrierte Planung). Hebung der Kosteneinsparpotentiale auf den Hauptebenen Entwicklungsprozess, Betrieb, Produkte, Support. Ungenutztes Potential Quelle: Gehrke, Wendlandt, Sommer: SOA und BI im Volkswagen Konzern, TDWI-Information Days BI meets SOA, Stuttgart 29. November 2006 Folie 134

39 BI-Strategielandkarte Wertorientierung Business Use ausweiten Kosten optimieren Fix- und Fertigungskosten. Kunde&Markt Prozessunterstützung verbessern Prozessabdeckung erhöhen Enterprise Reporting ermöglichen Transparenz im Konzern erreichen Marktgerechtes Portfolio. Produktivität Agilität erhöhen Bebauungsplanung steuern Entwicklung standardisieren Betrieb organisieren Produktivität des Wissens Prozessqualität und -sicherheit, effizienter Ressourceneinsatz. Innovation Komplexität reduzieren Konsolidierung durchführen Qualitätsmanagement anwenden Voraussetzungen für Innovation schaffen, konzernweite Lösungen ermöglichen. Attraktiver Arbeitsplatz BI-Know-How stärken Personalentwicklung, Mitarbeiterzufriedenheit. Quelle: Gehrke, Wendlandt, Sommer: SOA und BI im Volkswagen Konzern, TDWI-Information Days BI meets SOA, Stuttgart 29. November 2006 Folie 135

40 Strategische Maßnahmen: Überblick BI-Vision BI-Strategie- Ziele Innovativität von BI BI erhöhen Standardisierung von BI BI erhöhen Qualität von BI BI erhöhen Kosten pro BI-System senken Strategische Maß ßnahmen Fachlichkeit Organisation Technik BI-Governance Architekturelemente Unterstützung operativer Prozesse BI-Competence Center Konsolidierung BI-ITIL Betriebskonzept Hostingund Sourcing Kommunikation Masterplan Quelle: Gehrke, Wendlandt, Sommer: SOA und BI im Volkswagen Konzern, TDWI-Information Days BI meets SOA, Stuttgart 29. November 2006 Folie 136

41 Elemente der Roadmap Unterstützung Operative Prozess Business Activity Monitoring BPM CPM BI der Weg zum Wissensvorsprung des Volkswagen Konzerns Konsolidierung Architekturelemente Hosting/ Sourcing 2005 BI-ITIL BI-CC BI-Governance Kommunikation Quelle: Gehrke, Wendlandt, Sommer: SOA und BI im Volkswagen Konzern, TDWI-Information Days BI meets SOA, Stuttgart 29. November 2006 Folie 137

42 Vorgehensmodell zur BI-Gestaltung BI-Strategie BI-Projektdefinition BI-Analyse BI-Qualitätsmanagement BI-Design BI-Implementierung BI-Produktivsetzung BI-Projektmanagement Folie 138 BI-Betrieb und -Wartung

43 BI-Projektdefinition Definition der Projektziele Projektaufbauorganisation Grober Projektplan Grundlegende Entscheidungen zur Infrastruktur Werkzeugevaluationen (Proof of Concept, PoC) Folie 139

44 Vorgehensmodell zur BI-Gestaltung BI-Strategie BI-Projektdefinition BI-Analyse BI-Qualitätsmanagement BI-Design BI-Implementierung BI-Produktivsetzung BI-Projektmanagement Folie 140 BI-Betrieb und -Wartung

45 BI-Analyse Ist-Analyse einschl. Schwachstellenanalyse Technische Informationen in Bezug auf den aktuellen System- bzw. Prozesszustand (Hard- und Softwarearchitektur, Netz-Infrastruktur, operative Quellsysteme und ihrer Datenmodelle, vorhandene Systemschnittstellen, Endbenutzersysteme) Requirements Engineering Quelldatenanalyse Semantische Modellierung Folie 141

46 Requirements Engineering Induktive Verfahren Dokumentenanalyse Interviews Fragebogenaktion Informationsbedarfs-Berichte Direkte Beobachtung am Arbeitsplatz Deduktive Verfahren Informationskatalog mit Zuordnungen von Informationsinhalten zu Aufgaben Folie 142

47 Semantische Modellierung -Bausteine multidimensionaler Datenmodelle 1. Betriebswirtschaftliche Variablen (Messgrößen, Kennzahlen, Fakten) 2. Dimensionen 3. Dimensionshierarchien 4. Regeln Folie 143

48 Semantische Modellierung Betriebswirtschaftliche Variablen (Kennzahlen) Kennzahlendefinition Zahl, die betriebliche und außerbetriebliche Informationen in aussagekräftiger, komprimierter Form wiedergibt Abgrenzungsmerkmale Gegenstand (Mengen / Werte, Zeitpunkt / Zeitraum) Objektbereich (Gesamtwirtschaftlich, Konzern, Teilbetrieb) Absolute Kennzahlen (z.b. Beschäftigte, Umsatz, Bilanzsumme) Folie 144 Relative Kennzahlen Gliederungszahlen Teil-/Gesamtgröße (z.b. EK / GK) Beziehungszahlen Ursache/Wirkung (z.b. Gewinn / EK) Indexzahlen zeitliche Entwicklung im Verhältnis zum Basiswert 100% Statistische Kennzahlen (z.b. Varianz, Arithmetisches Mittel)

49 Semantische Modellierung - Kennzahlensysteme geordnete Anzahl von Kennzahlen, die in einer Beziehung zueinander stehen und als Gesamtheit über einen Sachverhalt vollständig informieren Spitzenkennzahl liefert die betriebswirtschaftlich wichtigste Aussage des Systems in komprimierter Form DuPont-Kennzahlensystem RL-Kennzahlensystem ZVEI-Kennzahlensystem Balanced Scorecard Finanzen Kunden Geschäftsprozesse Lernen/Wachstum RoI x Gewinn : Umsatz Umsatz : Kapital./. Fixe Kosten Umsatz./. Variable Kosten Umsatzrendite Kapitalumschlag Deckungsbeitrag Umlaufvermögen + Anlagevermögen liquide Mittel + Forderungen + Vorräte Folie 145

50 Semantische Modellierung -Kennzahlen als Bestandteile multidimensionaler Datenstrukturen Betrachtung von Einzelkennzahlen Zeit Absatzmenge Region Betrachtung mehrerer Kennzahlen Zeit Artikel Folie 146 Kennzahlendimension Erlös - Stückkosten = DB Artikel

51 Semantische Modellierung -Bausteine multidimensionaler Datenmodelle 1. Betriebswirtschaftliche Variablen (Messgrößen, Kennzahlen, Fakten) 2. Dimensionen 3. Dimensionshierarchien 4. Regeln Folie 147

52 Semantische Modellierung - Dimensionen Aufgabe: Aufgliederung / Konkretisierung von Kennzahlen bzw. Zahlenwerten Inhalt: Sachlogisch zusammengehörige Umweltobjekte, gleichen Geschäftsaspekt betreffend Folie 148 Ausprägungen: Einzelobjektdimensionen wenige, aufzählbare Dimensionselemente (z.b. Szenario- oder Kennzahlendimension) Mengendimensionen viele bis sehr viele Dimensionselemente (z.b. Kunden- oder Artikeldimension) Beschreibung nur über Objektmengen

53 Semantische Modellierung - Dimensionskomponenten Abgeleitet bzw. verdichtete Elemente Dimensionselemente Hierarchiestufe bzw. Konsolidierungsebene (Level) Basiselemente bzw. unabhängige Elemente Standarddimensionen (z.b. Artikel, Kunden, Regionen) Kennzahlendimension (Measure Dimension) Szenario- bzw. Wertartdimension (Plan, Ist, Soll, ) Zeitdimension (vorbestimmte Struktur) Granularität Folie 149

54 Semantische Modellierung -Bausteine multidimensionaler Datenmodelle 1. Betriebswirtschaftliche Variablen (Messgrößen, Kennzahlen, Fakten) 2. Dimensionen 3. Dimensionshierarchien 4. Regeln Folie 150

55 Semantische Modellierung - Dimensionshierarchien Relevante Konsolidierungspfade für Drill-Down / Roll-Up Kunden Total Einzelkunden Kundengruppen Einfache Hierarchien: Jedes Element hat höchstens ein übergeordnetes Element Folie 153

56 Semantische Modellierung - Dimensionshierarchien Kunden Total Sonderfall: Parallele Hierarchien Kundengruppen logisch Kundengruppen regional Einzelkunden Folie 154

57 Semantische Modellierung - Dimensionshierarchien Januar 2010 Mögliches Problem: Inkonsistenz durch fehlerhafte Konsolidierung Februar 2010 Quartal 1 / 2010 März 2010 März 2010 Vorsommer / 2010 April 2010 Frühjahr / 2010 Mai 2010 Folie 155

58 Semantische Modellierung - Dimensionshierarchien Kunden Total Problematisch: Keine sauberen 1:N-Strukturen Kundengruppen logisch Einzelkunden Folie 156

59 Semantische Modellierung - Dimensionshierarchien Konzern Total Sonderfall: Anteilige Verrechnung Tochtergesellschaft Muttergesellschaft 60% 40% Folie 157

60 Semantische Modellierung - Dimensionshierarchien Gesamt Problematisch: Unausgeglichene Bäume Jahre Monate Folie 158

61 Semantische Modellierung - Dimensionshierarchien Konzern Total Dramatisch: Häufige Strukturänderungen (Strukturbrüche) Tochtergesellschaft Muttergesellschaft neu! Folie 161

62 Lösungsalternativen bei Strukturbrüchen Anpassung des historischen Datenmaterials an neue Strukturen Vorteile: Keine Aufblähung des Datenbestandes; Datenstrukturen bleiben überschaubar Nachteile: Alte Strukturen sind verloren; Anwender wollen u.u. Berichte mit alten Strukturen Separate Speicherung des historischen Datenbestandes zusätzlich zum Komplettbestand mit neuen Strukturen Vorteile: Alte Auswertungen können abgerufen werden Nachteile: Datenvolumen; aufwendige Aktualisierung, wenn Anwender auch neue Zahlen in den alten Strukturen sehen wollen; verwirrend für Endbenutzer Aufbau paralleler Hierarchien mit alten/neuen Strukturen Vorteile: Alle Zahlen können mit beliebigen Strukturen angezeigt werden Nachteile: Dimensionsstruktur kaum überschaubar Temporale Datenbanken - Gültigkeitsstempel Vorteile: Alle Zahlen können mit beliebigen Strukturen angezeigt werden Nachteile: Performance; Konzepte noch nicht ausgereift Folie 162

63 Semantische Modellierung - Regeln Verknüpfungs- und Ableitungsregeln für Dimensionselemente Hyperion Essbase MIS Alea Folie 163

64 Semantische Modellierung - Regeln Dimensionsübergreifende Berechnungsregeln z.b. Jahresdurchschnitt Mitarbeiterzahl als (Jahresendbestand Mitarbeiter - Vorjahresendbestand Mitarbeiter) / 2 Folie 164

65 Semantische Modellierung - Regeln Ausnahmeregeln für nicht-additive Kennzahlen z.b. Preis, Lagerendbestand Einzelartikel Artikelgruppen 600?? Artikelpreise Gegebenenfalls sinnvoll: Durchschnittsberechnung oder letzter Wert Zu beachten: Semi-additive Größen (Lagerendbestände lassen sich zwar sinnvoll über alle Lagerorte addieren, nicht jedoch über die Zeit) Folie 165

66 ER-Modellierung multidimensionaler Datenstrukturen Lieferant Artikel Mitarbeiter Einkaufspreis Absatzmenge Vertrieb 1 n Preis 1 n n 1 1 n 1 n n Erlös n 1 1 Periode Kunde Folie 166

67 Clusterbildung zur Darstellung von Dimensionshierarchien Periode 1 Jahr n Woche 1 n 1 n 1 n Monat Tag Folie 167

68 ER-Modellierung multidimensionaler Datenstrukturen: Beispiel Artikel v für verdichtet zu Gesamt ISA Vertriebsweg v Sondermodellgruppe Gesamt Jahr Reihenfolge Region v Kennzahlen Szenario v v Marke ISA ISA Quartal Reihenfolge Land v Bruttoerlös Erlösschmä lerungen Variable Kosten Plan Ist v v Gruppe Nettoerlös Deckungsbeitrag I Abweichung Monat Reihenfolge Gebiet v v v Einzel Quelle: Totok, A., Semantische Modellierung von multidimensionalen Datenstrukturen - Vortragsunterlagen, Workshop des GI-Arbeitskreises MDDB, , Darmstadt Tag Reihenfolge Filiale Folie 168

69 Grenzen der ER-Notation Unzulängliche Möglichkeiten zur Abbildung von Einzelobjekten (Kennzahlen, Scenario); Konzentration auf Objektklassen Verknüpfungen zwischen Einzelobjekten (z.b. relative Kennzahlen) wird nicht unterstützt Folie 169

70 Application Design for Analytical Processing Technologies (ADAPT) Kernelemente Dimensionselemente Würfel (Hypercube) Dimension1 Dimension2 Dimension (Dimension) Berechnungsformel (Model) Hierarchie { } Hierarchiestufe (Hierarchy Level) { } Dimensionselement (Dimension Member) { } Dimensionsausschnitt (Dimension Scope) Dimensionsattribut (Dimension Attribute) Quelle: Bulos, Dan: A New Dimension: OLAP Database Design. In: Database Programming & Design, 9 (1996) 6, S Folie 170

71 Application Design for Analytical Processing Technologies (ADAPT) Beziehungstypen Fully Exclusive teilt die gesamte Grundmenge in disjunkte Teilmengen. Fully Overlapping teilt die gesamte Grundmenge in nicht-disjunkte, d.h. sich überlappende, Teilmengen. Partially Exclusive stellt wieder disjunkte Teilmengen dar, sie decken aber nicht die Grundgesamtheit ab. Selbiges gilt für Partially Overlapping. Hier wird eine Teilmenge der Grundgesamtheit in nicht-disjunkte Teilmengen untergliedert. Quelle: Bulos, Dan: A New Dimension: OLAP Database Design. In: Database Programming & Design, 9 (1996) 6, S Folie 171

72 Application Design for Analytical Processing Technologies (ADAPT) Folie 172

73 ADAPT-Beispiel: Attribute Kunden Bezeichnung Kundenhierarchie { } Gesamt { } KGruppe Key-Accounter { } Kunde Adresse Folie 173

74 ADAPT-Beispiel: Dimensionsausschnitte { } Linienmitarbeiter { } Projektmitarbeiter { } Mitarbeiter { } Sachbearbeiter { } Abteilungsleiter Folie 174

75 ADAPT-Beispiel Vertriebsergebnis Artikel Kennzahlen Szenario Vertriebsweg Zeit Artikel Kennzahlen Szenario Vertriebsweg Zeit Artikelhierarchie { } Bruttoerlös { } Plan Vertriebsweghierarchie Zeithierarchie { } Gesamt { } Erlösschmälerungen { } Ist { } Gesamt { } Jahr { } Marke { } Nettoerlös { } Abweichung { } Region { } Quartal { } Gruppe Bruttoerlös -Erlösschmälerungen Plan-Ist { } Land { } Monat { } Einzel { } Variable Kosten { } Gebiet { } Deckungsbeitrag I { } Filiale Nettoerlös -Variable Kosten Folie 175

76 Vorgehensmodell zur BI-Gestaltung BI-Strategie BI-Projektdefinition BI-Analyse BI-Qualitätsmanagement BI-Design BI-Implementierung BI-Produktivsetzung BI-Projektmanagement Folie 176 BI-Betrieb und -Wartung

77 DV-Speicherungskonzept mit multidimensionalen Datenbanken Spezifische Ausrichtung auf multidimensionale Datenstrukturen ermöglicht i.d.r. 1:1-Umsetzung des semantischen Konzeptes Hypercube- vs. Multicube-Ansätze Keine Standards (ggf. durch die Microsoft-API OLE DB for OLAP) Keine einheitlichen Schema-Vorgaben Folie 177

78 Würfel-und Dimensionsübersicht in Delta Alea Folie 178

79 Dimensionsstrukturen in Delta Alea Folie 179

80 Dimensionsstrukturen in Delta Alea Folie 180

81 Dimensionsstrukturen in Hyperion Essbase Folie 181

82 Folie 182 A Artikel-ID Region-ID A A-Q197 A-97 A-0198 Faktentabelle Weitere Denormalisierungsschritte DV-Speicherungskonzept mit relationalen Datenbanken

83 DV-Speicherungskonzept mit relationalen Datenbanken Aufbau von Kennzahlendimensionen Kennz-ID Bez. Absatz Umsatz Formel Dimensionstabelle Warenpreis * Absatz Region-ID Artikel-ID Kennz-ID Wert Folie 183 Quelle: Ehrenberg/Heine: Konzept zur Datenintegration für MSS auf der Basis uniformer Datenstrukturen, in: Wirtschaftsinformatik 40 (1998) 6, S Faktentabelle

84 Begründungen für Star-Schema- Modellierung Wenige Tabellen Wenige und einfache Beziehungen zwischen Tabellen Leicht nachvollziehbar Auswertungs- und nicht erfassungsorientiert Informationen sollen entsprechend der Geschäftssicht des Anwenders organisiert sein, um sie optimal nutzen zu können Folie 184

85 Vergleich von relationalem und multidimensionalem Speicherkonzept Relationales Speicherkonzept Skalierbarkeit Häufig Read-Only-Lösungen Beliebige Datenmengen Zahlreiche Attribute in jeder Dimension möglich Mäßige Performance Zusatzoptionen (Spezielle Indextechniken) Multidimensionales Speicherkonzept Plattformabhängig Datenmodifikation möglich (What If) Aufblähung des Datenbestandes Eingeschränkte Attributanzahl je Dimension Gute Performance Black Box Folie 185

86 Freiheitsgrade beim Design Beispiel Farbe 1.) Farbe als Attribut Artikel Artikel-ID Bezeichnung Farbe Region Region-ID Bezeichnung Fläche in qkm Bevölkerung 1 1 n n Werbedetail Artikel-ID Perioden-ID Region-ID Absatzmenge n Periode Perioden-ID Bezeichnung Folie 186

87 Freiheitsgrade beim Design Beispiel Farbe 2.) Farbe als Hierarchie Artikel Artikel-ID Bezeichnung Farbe Region Region-ID Bezeichnung Fläche in qkm Bevölkerung 1 1 n n Werbedetail Artikel-ID Perioden-ID Region-ID Absatzmenge n 1 Periode Perioden-ID Bezeichnung Folie 187

88 Freiheitsgrade beim Design Beispiel Farbe 3.) Farbe als Teil der Artikel-ID Artikel FarbArt-ID Artikel-ID Farbe-ID Bezeichnung Region Region-ID Bezeichnung Fläche in qkm Bevölkerung 1 1 n n Werbedetail FarbArt-ID Perioden-ID Region-ID Absatzmenge n 1 Periode Perioden-ID Bezeichnung Folie 188

89 Freiheitsgrade beim Design Beispiel Farbe 4.) Farbe als Dimension Artikel Artikel-ID Bezeichnung 1 n Werbedetail n 1 Farbe Farb-ID Spez.Gewicht Eink.-Preis n Artikel-ID Farb-ID Perioden-ID Region-ID Absatzmenge n 1 Periode Perioden-ID Bezeichnung 1 Region Region-ID Bezeichnung Fläche in qkm Bevölkerung Folie 189

90 Historisierung Zeitabhängigkeit: Strukturelle Veränderungen in Dimensionen PG X PG Y Strukturveränderungen PG X PG Y P A P B P C P D P B verändert P E hinzugefügt P A P B P C P D P E Mögliche Anforderungen: Berichte nach aktueller Struktur Berichte nach definierter historischer Struktur Berichte gemäß historischer Wahrheit (Transaktionsorientierte Sicht der Bewegungsdaten) Bericht vergleichbarer Resultate Folie 190

91 Historisierung Beispiel für Slowly Changing Dimensions Produktdimension in Produkt P A P B P C P D Produkt P A P B P C P D P E Produktgruppe PG X PG X PG Y PG Y Produktdimension in Produktgruppe PG X PG Y (geändert) PG Y PG Y PG Y (neu) Produkt Periode Umsatz P A P B P C P D P A P B P C P D P E Fakten-Tabelle Folie 191

92 Szenario I : Aktuelle Struktur Produktdimension in Fakten-Tabelle Produkt P A P B P C P D P E Produktgruppe PG X PG Y (geändert) PG Y PG Y PG Y (neu) Produkt Periode Umsatz P A P B P C P D P A P B P C P D P E Produktgruppe Umsatz Umsatz PG X PG Y Folie 192

93 Szenario II : Alte Struktur Fakten-Tabelle Produktdimension in Produkt Periode Umsatz Produkt P A P B P C P D Produktgruppe PG X PG X PG Y PG Y P A P B P C P D P A P B P C P D P E Produktgruppe Umsatz Umsatz PG X PG Y Folie 193

94 Szenario III : Historische Wahrheit Produktdimension in Produkt P A P B P C P D Produkt P A P B P C P D P E Produktgruppe PG X PG X PG Y PG Y Produktdimension in Produktgruppe PG X PG Y (geändert) PG Y PG Y PG Y (neu) Fakten-Tabelle Produkt Periode Umsatz P A P B P C P D P A P B P C P D P E Produktgruppe Umsatz Umsatz PG X PG Y Folie 194

95 Szenario IV: Vergleichbare Resultate Produktdimension in Produkt P A P B P C P D Produkt P A P B P C P D P E Produktgruppe PG X PG X PG Y PG Y Produktdimension in Produktgruppe PG X PG Y (geändert) PG Y PG Y PG Y (neu) Fakten-Tabelle Produkt Periode Umsatz P A P B P C P D P A P B P C P D P E Produktgruppe Umsatz Umsatz PG X PG Y Folie 195

96 Zusammenfassung - Szenarien Berichtsszenario aktuelle Struktur Berichtsszenario historische Wahrheit Produktgruppe Umsatz Umsatz PG X PG Y Produktgruppe Umsatz Umsatz PG X PG Y Berichtsszenario alte Struktur Berichtsszenario vergleichbare Resultate Produktgruppe Umsatz Umsatz PG X PG Y Produktgruppe Umsatz Umsatz PG X PG Y Folie 196

97 Historisierung von Dimensionsstrukturen 1. Lösungsalternative: Ein Datensatz je Periode in der Dimensionstabelle Produkt Monat Produktgruppe P A P B P A P B 2009_ _ _ _05 PG X PG X PG X PG Y Probleme: Dimensionstabelle wird u.u. sehr lang Jeder Zugriff erfolgt mit Angabe des Gültigkeitszeitraumes (Zeitspalte) Folie 197

98 Historisierung von Dimensionsstrukturen 2. Lösungsalternative: Speicherung von aktuellem und vorherigem Zustand Produkt Ab Monat Produktgruppe Produktgruppe davor P A P B P C P D P E 2009_ _ _ _ _05 PG X PG Y PG Y PG Y PG Y PG X Probleme: Strukturhistorie kann nur teilweise nachvollzogen werden Folie 198

99 Historisierung von Dimensionsstrukturen 3. Lösungsalternative: Angabe von Gültigkeitsspannen Produkt Monat von Monat bis Produktgruppe P A P B P B P C P D P E 2009_ _ _ _ _ _ _ _ _ _ _ _12 PG X PG X PG Y PG Y PG Y PG Y Probleme: Jede Abfrage mit >, < oder Between Probleme mit Indexzugriffen (Abfragezeit) Offene Fragen: Fachliche Gültigkeit Historisierung von Faktentabellen Folie 199

100 Vorgehensmodell zur BI-Gestaltung BI-Strategie BI-Projektdefinition BI-Analyse BI-Qualitätsmanagement BI-Design BI-Implementierung BI-Produktivsetzung BI-Projektmanagement Folie 200 BI-Betrieb und -Wartung

101 Ziele bei der Implementierung von Speicherkonzepten schlechter Performance besser besser schlechter Aktualisierungszeiten, Speicherplatzbedarf Folie 201

102 Performancegewinn durch physikalische Aggregatspeicherung Vorteile: Verdichtungen müssen nicht dynamisch errechnet werden, sondern sind sofort abrufbar Nachteile: Längere Aktualisierungsläufe durch Berechnung und I/O-Zugriffe Aufwendigere Administration Richtige Verdichtungsstufen für physikalische Ablage Problematisch für End-User-Tools Datenvolumen kann explodieren (bis Faktor 100 bei vollständiger Vorkalkulation durch multidimensionale Datenbanken) Lösung: Zusatzprodukte (ROLAP-Engines), Analyse des Benutzerverhaltens Folie 202

103 Theoretische Betrachtung Erlöse Artikel XY Erlöse Artikel XY Nord Ost Süd West Januar Februar März April 40 Mai 15 Juni Juli August September 30 Oktober 15 November Dezember Werte Nord Ost Süd West Gesamt Januar Februar März April Mai Juni Juli August September Oktober November Dezember Quartal Quartal Quartal Quartal Jahr Werte Folie 203

104 Herkömmlicher B*-Baum-Index Index Kunden-ID Row-Identifier (RID) Tabelle Kun- Kunden- Bundes- Status Ein- Ein- Geden# name land kommenschlecht schlecht 002 Weber BAY BAY Aktiv Aktiv Hoch Hoch W 005 Müller NRW Aktiv Mittel M M 012 Springer BRE Passiv Hoch Hoch M 024 Maurer BRA Aktiv Niedrig M M 028 Müller HAM Passiv Niedrig W 032 Sänger BAY BAY Aktiv Aktiv Mittel Mittel W Folie 204

105 Bitmap-Index Einkommen hoch mittel niedrig Geschlecht W M Bundesland BAY NRW BRE Status Aktiv Passiv Folie 205

106 Operationen mit dem Bitmap-Index Select * from Kunden where (Einkommen = niedrig or Einkommen = mittel ) and Geschlecht = W and Bundesland = BAY or and and Einkommen = niedrig mittel Geschlecht = W Bundesland = BAY Kun- Kunden- Bundes- Status Ein- Ein- Geden# Ge- name land kommen schlecht 002 Weber BAY BAY Aktiv Aktiv Hoch Hoch W 005 Müller NRW Aktiv Mittel MM 012 Springer BRE Passiv Hoch Hoch MM 024 Maurer BRA Aktiv Niedrig MM 028 Müller HAM Passiv Niedrig W 032 Sänger BAY BAY Aktiv Mittel W Folie 206

107 Zusammenfassung Physikalisches Design eröffnet vielfältige Gestaltungsoption -> anspruchsvolle Aufgabe Ziel: Vernünftiges Verhältnis zwischen Abfrage- Performance und Administrierbarkeit/Aktualisierbarkeit/Speicherplatzbedarf Folie 207

108 BI-Implementierung im Front-End-Bereich Benutzerprofile und Zielgruppen Analyse Benutzerfunktionalität und -flexibilität hoch Analysten Ad Hoc Query Informations- Verwender 5-10% hoch Erforderliche Trainingsinvestition und Kosten 15-25% Reporting niedrig Parametergesteuerte Berichte Informations- Konsumenten Statisches Reporting, einschließlich OLAP Reports niedrig 65-80% Folie 208

109 Vorgehensmodell zur BI-Gestaltung BI-Strategie BI-Projektdefinition BI-Analyse BI-Qualitätsmanagement BI-Design BI-Implementierung BI-Produktivsetzung BI-Projektmanagement Folie 209 BI-Betrieb und -Wartung

110 BI-Produktivsetzung System in Produktivumgebung überführen Initialbefüllung (Urladen) Anwender- und Administratoren-Schulung Benutzersupport aufbauen Folie 210

111 Vorgehensmodell zur BI-Gestaltung BI-Strategie BI-Projektdefinition BI-Analyse BI-Qualitätsmanagement BI-Design BI-Implementierung BI-Produktivsetzung BI-Projektmanagement Folie 211 BI-Betrieb und -Wartung

112 BI-Betrieb und Wartung Aufbau Betriebskonzept mit den Komponenten (exemplarisch): Anforderungsmanagement (Requirement Management), Versionsmanagement (Release Management), Vorfall- bzw. Störungsmanagement (Incident Management), Problemmanagement (Problem Management), Kapazitätsmanagement (Capacity Management), Management der Leistungsfähigkeit (Performance Management) und Management der Service Level Agreements Folie 212