The integration of business intelligence and knowledge management

Transkript

1 The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz

2 Inhalt Knowledge Management Business intelligence Motivation von BIKM eclassifier Das Integration Paradigma Künftige Forschungen

3 Knowledge Management "Das Kapital liegt im Wissen der Mitarbeiter". Knowledge-Management Know-how für Ihr Wissen (KM) In einer wettbewerbsorientierten Wirtschaft ist Wissen Voraussetzung des Überlebens. Wer nichts weiß, hat praktisch schon verloren. Gefährdet sind aber auch jene Unternehmen, die nicht mehr wissen, was sie alles wissen. Und das sind sehr viele.

4 Knowledge Management Grund dafür: Daten sind in den einzelnen Bereichen und Abteilungen gespeichert. Art der Datenformatierung. Viele Unternehmen stehen ohne eine KM-Strategie vor dem so genannten Wissenskollaps.

5 Knowledge Management Mit KM sind die Strategien und Prozesse gemeint, Wissen zu identifizieren, erfassen und beeinflussen, um dem Unternehmen zu helfen, konkurrenzfähig zu sein. Business Intelligence (BI) ist ein Gesamtansatz, der Konzepte Methoden Werkzeuge hierfür zur Verfügung stellt.

6 Business intelligence Wer im Wettbewerb bestehen will, muss zuerst einmal seine Stärken und Schwächen kennen. Business Intelligence liefert dazu die Informationen. Business Intelligence ist: IT-gestützte Auswertung von Daten. Die gewonnenen Erkenntnisse sind Grundlage für: operative taktische oder strategische Entscheidungen

7 Business intelligence (BI Werkzeuge) Die Daten werden aus Datenquellen mit Hilfe der Operational Data Store (ODS) Technologie extrahiert und in Data-Warehouse gespeichert. Data-Warehouse bietet Datengrundlage für BI- Tools: OLAP Data Mining

8 Business intelligence (BI Werkzeuge) OLAP (OnLine Analytical Processing) dient der Entscheidungsunterstützung. Hauptfunktionen: Aggregation Verdichtung Visualisierung und Analyse von Daten Die OLAP zugrunde liegende Struktur ist ein OLAP-Cube Data Mining-Tools schürfen nach unbekannten Zusammenhängen innerhalb der Unternehmensdaten. Methoden: Assoziations- oder Clusteranalysen

9 Business intelligence (Funktionen von BI-Lösungen ) Typische Funktionen sind: Einfache Hierarchienavigation Übersichtliche und flexible tabellarische Ausgabe von Daten Unterstützung grafischer Darstellungen Integration von Text- und Multimediaelementen

10 Business intelligence und Unternehmensanalyse So lässt sich die Unternehmensanalyse in drei Phasen einteilen: Daten werden in einem Data-Warehouse erfasst Datenauswertung Erkenntnisse werden in das Wissensmanagement integriert

11 Business intelligence und Knowledge Management BI-Lösungen: umfassende Drehscheiben für die Entscheidungsunterstützung. Die Erschließung des in unstrukturierten Daten verborgenen Wissens rückt in den Vordergrund. Daher: Verschmelzen des Wissensmanagement und Business Intelligence erforderlich. Diese vermischte Technologie wird BIKM genannt.

12 Motivation von BIKM Um die Wichtigkeit der BIKM zu verstehen, ist es nützlich, auf einige echte Geschäftsprobleme zu schauen. Typische Szenarien: Das Verstehen der Verkaufseffektivität Customer Relationship Management und Rentabilität Analyse der Daten und des Textes kann das Nutzen des modernen Textanalysewerkzeugs benötigen.

13 eclassifier eclassifier Analysiert schnell eine große Menge an Dokumenten Benutzt: multiple Algorithmen Visualisierungen und Metriken um eine Taxonomie zu erstellen. Die Stärke des eclassifier: menschliche Einflussnahme in allen entsprechenden Phasen des Taxonomie Generierungsprozesses.

14 eclassifier (Dokumentrepräsentation) eclassifier stellt jedes Dokument mit einem Vektor gewichteter Frequenzen aus einem feature space der Begriffen und Phrasen dar. Um die feature space Darstellung zu reduzieren, werden mehrere Techniken benutzt: Stopp -Wort Listen Listen mit Synonymen Listen mit Standardausdrücken include word Listen dictionary tool

15 eclassifier (Taxonomy generation) Der erste Schritt in der Analyse das Erstellen der Taxonomie. Benutzt wird: Optimierte Variante des k-means Algorithmus zusätzliche Methode: Querybasiertes Clustering

16 eclassifier (Taxonomy evaluation) Sobald Initialtaxonomie der Dokumente gebildet wird, bietet eclassifier das Mittel sie zu verstehen und zu evaluieren.

17 eclassifier (Category evaluation) eclassifier bietet eine spezielle Ansicht, die Statistiken über Begriffshäufigkeit, Klassifikationsregeln, zeigt.

18 eclassifier (Taxonomy visualization) eclassifier benutzt Visualisierung, um dem Benutzer zu helfen, den Klassenzusammenhang der Dokumente zu erforschen.

19 eclassifier (Classification) Algorithmen für das Evaluieren nächst liegender Schwerpunkt Naive Bayes Multivariate Naive Bayes Multinomial Entscheidungsbäume Dokumentmenge einer Taxonomie wird aufgeteilt in: training set test set Ein Klassifikationsmodel wird für jedes der vier implementierten Algorithmen erstellt ( training set ). Der beste Algorithmus wird auf dem test set selektiert. Der Benutzer kann jederzeit Anpassungen an der Taxonomie vornehmen.

20 eclassifier (Analysis and reporting) Zusätzlich bietet eclassifier verschiedene Techniken für die tiefere Analyse des Textes: die Ermittlung der Korrelationen des Textes mit den entsprechenden Daten das Vergleichen der Dokumentmenge

21 Das Integration Paradigma eclassifier hat Skalierbarkeitsprobleme Lösung: OLAP multidimensionale Datenmodell mit einem star schema. Das star schema besteht aus: fact table Dazugehörigen Menge der dimensionalen Tabellen

22 Das Integration Paradigma Dieses Modell erlaubt den Effekt des Produktes, der Geographie und des Datums, auf das Einkommen zu erforschen.

23 Das Integration Paradigma Nicht nur die Daten sondern auch die in Verbindung stehenden Dokumente können auf verschiedene Weisen erforscht werden.

24 Das Integration Paradigma (Integrated BIKM tools (Sapient & eclassifier)) tooling um das OLAP Datenmodell auf Textdokumente anzuwenden, indem ein Document Warehouse erzeugt wird. Document Warehouse ist für schwach- oder unstrukturierte Dokumente geeignet. Dimensionsmodell fact table Granularität ein Dokument Dimensionstabellen enthalten die Attribute des Dokumentes

25 Das Integration Paradigma (Integrated BIKM tools (Sapient & eclassifier)) Die Daten und die Dokumente können durch shared dimensions verlinkt werden.

26 Das Integration Paradigma (Integrated BIKM tools (Sapient & eclassifier)) Dynamic dimensions eclassifier kann benutzt werden, um eine neue Taxonomie über die ausgewählte Menge der Dokumente zu erstellen.

27 Das Integration Paradigma (Integrated BIKM tools (Sapient & eclassifier)) Die neue Taxonomie kann für das document warehouse durch das Erstellen einer entsprechenden Dimensionstabelle verfügbar werden.

28 Künftige Forschungen Das fehlende Teil dieser Integration Textanalytik, um die quantitativen Metriken zu erstellen, die das document cube beinhaltet. Eine signifikante Arbeit läuft bereits in der IBM

29 Fazit Trotz hoher Kosten viele Firmen haben die Notwendigkeit von Business Intelligence erkannt 2007 sollen rund 1,8 Milliarden Euro in Weiterentwicklung von BI-Systemen fließen. Mit dem Erfolg wachsen Ansprüche an: das Data Warehouse und die Werkzeuge

30 Literaturverzeichnis Studie: Business Intelligence oft zu teuer Gesunde Marktentwicklung im Bereich Business Intelligence Business Intelligence Solutions Business Intelligence Strategische Entscheidungen mit Business Intelligence Aufbau eines Datawarehouses oder einer Marketing Datenbank: Business Intelligence The integration of business intelligence and knowledge management eclassifier Taxonomie Operational Data Store (ODS)

31 Ende Haben Sie Fragen?