Einsatz von Anwendungssystemen

Transkript

1 Einsatz von Anwendungssystemen WS 2013/14 7 Führungssysteme 7.1 Data Warehouse 7.2 Planungssysteme 7.3 Balanced Scorecard (BSC) 7.4 Business Intelligence

2 7 Führungssysteme 7.1 Data Warehouse Ein Data Warehouse (DWH) ist eine spezielle, zentrale Datenbank, die als Datenbasis für managementunterstützende Informationsund Entscheidungssysteme dient, wobei es von den datenliefernden Vorsystemen entkoppelt auf einer separaten Plattform betrieben wird. Quelle: s/oracle/10g/server.101/b10743/ bus_intl.htm Folie 2

3 Zur Abgrenzung von konventionellen Datenbanken wurden von Walter H. Inmon ( Building the Data Warehouse ) vier Merkmale festgelegt: Themenorientierung Orientierung an Sachverhalten Und Themenschwerpunkten, für die ein Informationsbedarf der Entscheidungsträger besteht Vereinheitlichung Die aus den Vorsystemen entnommenen Daten werden einheitlich strukturiert und formatiert. Inkonsistenzen müssen im Vorfeld bereinigt werden. Zeitorientierung Die Daten werden mit Zeitmarken (Datum oder Zeitraum) versehen. Damit werden Zeitreihenanalysen möglich. Beständigkeit Die Daten im DHW bleiben einen längeren Zeitraum bestehen. Folie 3

4 Aufgabenstellung von DWH: Periodische Sammlung, Aufbereitung und bedarfsgerechter Präsentation themenorientierter und integrierter (vereinheitlichter) Informationen aus verschiedenen Quellen über lange Zeiträume und mit Zeitbezug zur Unterstützung analytischer Aufgaben von Fach- und Führungskräften Quelle: /de/projekt/content.htm #Bild1 Folie 4

5 Ebenen (1): Ebene der operativen Systeme Verarbeitung von Transaktionen in operativen Systemen: Online Transaction Processing (OLTP) Datenerfassungsebene Schnittstelle zu den operativen Systemen Werkzeuge für den ETL-Prozess: - Extraktion aus den Quellsystemen - Transformation und Bereinigung der Daten gemäß der Metadaten - Laden Datenhaltungsebene Verwaltung der Nutzdaten relational (ROLAP) als Sternschema oder multidimensional (MOLAP) Metadaten-Repository Administrations-Tools Folie 5

6 Folie 6

7 Ebenen (2): Datenbereitstellungsebene OLAP (Online Analytical Processing)-Server, der die multidimensionalen Daten für die Analysewerkzeuge zur Verfügung stellt Präsentationsebene OLAP- und Data Mining-Tools zur Nutzung durch den Endanwender Data Mining beinhaltet Verfahren zur Mustererkennung und dient der Suche nach Zusammenhängen im Datenbestand Mit OLAP-Tools werden die Daten multidimensional analysiert und die Ergebnisse als ad hoc-auswertung oder vordefinierte Berichte (Scheduling) tabellarisch oder graphisch dargestellt. Folie 7

8 Multidimensionale Datenstrukturen OLAP-Würfel: Quantitative Fakten (Kennzahlen) werden unter verschiedenen Betrachtungsperspektiven (Dimensionen) aufbereitet. Die resultierende Datenstruktur bildet einen Datenwürfel (mehrdimensionaler Datenraum) auch Hypercube genannt. Fakten entsprechen Kennzahlen, die für eine bestimmte Kombination von Dimensionswerten Gültigkeit haben. Ein Faktum muss aggregierbar bezüglich der Dimensionen sein, d.h. es muss eine fachlich sinnvolle Aggregationsfunktion geben (meist Summe oder auch Mittelwertbildung), z.b. Umsatz, Deckungsbeitrag, Kosten, Gewicht, Dimensionen sind endliche Wertebereiche für Kategorien, typischerweise Zeit, Ort, Produkt, Kunde, Mitarbeiter, Die Elemente einzelner Dimensionen werden Ausprägungen genannt. Dimensionen sind häufig hierarchisch organisiert (z.b. Produkt, Produktgruppen) und können noch weitere Merkmale haben (z.b. Kalenderwoche, Wochentag). Folie 8

9 Folie 9

10 Folie 10

11 OLAP-Operationen (1): Drill-Down top-down-analyse auf eine detailliertere Sicht entlang der Hierarchien einer Dimension Roll-Up Umgekehrte Betrachtungsweise Aggregation auf die nächst höhere Ebene Folie 11

12 OLAP-Operationen (2): Slice Filtern in bestimmten Dimensionen Herausschneiden einer Scheibe Dice Herausschneiden eines Teilwürfels Quelle: Folie 12

13 Quelle: Folie 13

14 Unterschiede zwischen operativen (transaktionsorientierten) und analyseorientierten Systemen: Operative Systeme Online Transaction Processing (OLTP) Unterstützung der operativen Geschäftsprozesse Aktuelle Daten änderbar Daten für einen abgegrenzten Funktionsbereich Unterschiedliche Formate, kein einheitliches Datenmodell Satzorientierter Datenzugriff häufiger Zugriff, kleine Datenmengen pro Operation Data Warehouse Systeme Online Analytical Processing (OLAP) Auswertungen, Analysen mit Zeitbezug Historische, aufbereitete Daten nicht änderbar Kombination von Daten mehrere Systeme Einheitliche Formate, einheitliches Datenmodell, semantisch angepaßte Daten Benutzerdefinierte, komplexe Analysen auf der Basis großer Datenvolumina Folie 14

15 7.2 Planungssysteme Im Rahmen der unternehmensweiten Langfristplanung (meist für den Planungshorizont von einem Jahr) werden für jeden Unternehmensbereich Planmengen und werte festgelegt, z.b. Programmplanung, Kosten- und Budgetplanung, Finanzplanung, Vertriebsplanung, Kapazitätsplanung, etc. Die Planungen basieren i.d.r. auf Istdaten, die entweder mittels Faktoren oder mit mathematischen Methoden hochgerechnet werden. Als zusätzliche Verfahren werden Wirkungsrechnungen (Auswirkung der Veränderung von Einflussgrößen auf Zielgrößen) und Zielrechnungen (Bestimmung der Einflussgrößen über Vorgabe der Zielgrößen) und Sensitivitätsanalysen (Variation einzelner Einflussgrößen und Messung des Einflusses auf die Zielgröße), Simulationen, Optimierungsverfahren, etc. Beispiel: Corporate Planner von corporate planning Folie 15

16 7.3 Balanced Scorecard (BSC) BSC stellt eine von Kaplan und Norton entwickelte Berichtsmethode in Form eines ausgewogenen Kennzahlensystems dar, das im Rahmen eines strategischen Managementverfahrens entsteht. Dieses wird in vier Schritten entwickelt und umfasst vier Perspektiven. BSC wird auch als Instrument zur Umsetzung der Unternehmensstrategie und zur Unternehmenssteuerung angesehen. Die Entwicklung besteht in der Formulierung von Strategischen Zielen, abgeleitet aus einer Vision, Kennzahlen Operationalen Zielen (Vorgaben) Aktionen Folie 16

17 Berücksichtigung der vier Perspektiven Finanzwirtschaft Kunden Interne Prozesse Lernen und Wachstum Quelle: The Balanced Scorecard Institute Folie 17

18 Eine Balanced Scorecard soll dem Management ein umfassendes Bild der Geschäftstätigkeit vermitteln und die Ausrichtung kritischer Erfolgsfaktoren an einer Strategie unterstützen. Außerdem soll BSC das Verständnis von Geschäftszielen und Strategien auf allen Organisationsebenen erleichtern. Jeder Mitarbeiter soll in das strategische Denken, Lernen und Handeln des Unternehmens eingebunden werden. Die BSC ermöglicht strategisches Feedback und Lernen. Folie 18

19 BSC-Systeme beinhalten (s.a. corporate planning) Abbildung der Organisationsstruktur Darstellung der Perspektiven und Definition und Dateneingabe der Ziele, Kennzahlen, Sollwerte, etc. Berechnung von Abweichungen (s. Beispiel) Darstellung von Wirkungszusammenhängen Definition und Zuordnung von Aktionen Analyse- und Visualisierungstools Warnsystem (z.b. Ampelsignale) Benutzer- und Zugriffsverwaltung BSC-Funktionalität wird meist im Zusammenhang mit anderen Produkten/Modulen aus den Bereich des BI angeboten. Folie 19

20 Quelle: Folie 20

21 7.4 Business Intelligence Führungsinformationssysteme haben die Aufgabe, den Führungskräften führungsrelevante Informationen, rechtzeitig, in geeigneter Form zur Verfügung zu stellen. Sie dienen dem Controlling und der Entscheidungsunterstützung. Dabei stehen traditionell die Finanzkennzahlen im Vordergrund. Die Bezeichnungen für Systeme, die diese Aufgabe erfüllen, sind uneinheitlich: neben FIS auch Management Information System (MIS), Executive Information System (EIS) und vor allem Business Intelligence (BI). Folie 21

22 Capgemini hat bei einer Unternehmensbefragung im Mittelstand im Jahre 2002 folgende Angaben über den Hauptnutzen eines MIS erhalten: Quelle: Capgemini (Link steht nicht mehr zur Verfügung) Folie 22

23 Mit dem Oberbegriff Business Intelligence (BI) werden die Methoden (Kennzahlenermittlung, BSC, Planungsverfahren, ), IT- Verfahren und die zugehörigen Werkzeuge (Data Warehouse, OLAP, Data Mining, Analyse-Tools, ) zusammengefasst. Bei sd&m wird Business Intelligence wie folgt definiert: Daten operativer Systeme und externer Anbieter werden integriert und in Informationen transformiert. Diese Informationen werden durch die Analyse der Anwender in Wissen umgewandelt, mit dem Unternehmensentscheidungen getroffen werden, die letztlich den Erfolg des Unternehmens steigern. Business Intelligence umfasst ein breites Spektrum an Anwendungen und Technologien und ist für uns Oberbegriff für Datenintegration, Data Warehousing, Data Mining, Online Analytical Processing usw. Den gesamten Prozess von der Datenextraktion bis zum Mehrwert betrachten wir in unseren BI-Projekten. (Quelle existiert nicht mehr) Folie 23

24 Die Hauptanwendungsbereiche sind neben der strategischen Unternehmensführung und steuerung, dem Controlling, das analytische CRM, Product Management (zur Sortimentsoptimierung) und Business Performance Management (dient der Prozessoptimierung Bezug zum Business Process Management). Beispiel: SAP NetWeaver Business Intelligence: Quelle: gisa_app/unternehm en/business_intellig ence.htm Folie 24

25 BI-Tools: Es gibt spezielle Produkte bzw. Komponenten/Module (z.b. SAP), doch werden auch Excel und OLAP-Tools als BI-Tool genutzt. Kernaufgaben: Data Warehouse Management OLAP als Grundlage für die Darstellung und Analysen Ad-hoc-Abfragen, vordefinierte Berichte, Kennzahlenberechnungen Analysen Zeit- und Trendanalysen, Zeitreihenvergleiche, Kampagnenanalysen, Risikomanagement, Budget-, Vertriebsplanung, Simulationen Balanced Scorecard Data Mining Visualisierung und Dashboarding (Desktop, Web-Client, mobile Geräte) Personalisierung Warnmeldungen (Alerts, Ampelsystem) Schnittstellen Folie 25

26 Quelle: s.a. Folie 26