Alina Schneider. Erfolg in Data-Warehouse-Projekten. Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien. Diplomica Verlag

Transkript

1 Alina Schneider Erfolg in Data-Warehouse-Projekten Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien Diplomica Verlag

2 Alina Schneider Erfolg in Data-Warehouse-Projekten: Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien ISBN: Herstellung: Diplomica Verlag GmbH, Hamburg, 2012 Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere die der Übersetzung, des Nachdrucks, des Vortrags, der Entnahme von Abbildungen und Tabellen, der Funksendung, der Mikroverfilmung oder der Vervielfältigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen, bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielfältigung dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik Deutschland in der jeweils geltenden Fassung zulässig. Sie ist grundsätzlich vergütungspflichtig. Zuwiderhandlungen unterliegen den Strafbestimmungen des Urheberrechtes. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Die Informationen in diesem Werk wurden mit Sorgfalt erarbeitet. Dennoch können Fehler nicht vollständig ausgeschlossen werden und der Verlag, die Autoren oder Übersetzer übernehmen keine juristische Verantwortung oder irgendeine Haftung für evtl. verbliebene fehlerhafte Angaben und deren Folgen. Diplomica Verlag GmbH Hamburg 2012

3 Meinem Ehemann Martin

4 Inhaltsverzeichnis Abbildungsverzeichnis...8 Tabellenverzeichnis...9 Abkürzungsverzeichnis Einleitung Theoretische Definitionen und grundlegende Konzepte Definition von Data-Warehouse und Data-Warehousing Operationelle Systeme vs. Data-Warehouse-Umgebung Nutzen des Data-Warehouse Data-Warehouse-Architektur Grundlagen zum Konzept der kritischen Erfolgsfaktoren Definition von kritischen Erfolgsfaktoren und -kriterien Erfolgsmessung eines Informationssystems Erfolg in Data-Warehouse-Projekten Systematische Literaturanalyse Vorgehensweise der Literaturrecherche Übersicht über die in diesem Buch ausgewerteten Studien Wissenschaftliche Ergebnisse zu Data-Warehouse-Erfolgskriterien und kritischen Erfolgsfaktoren in Data-Warehouse-Projekten Data-Warehouse-Erfolgsdimensionen und -kriterien Kritische Erfolgsfaktoren zur Entscheidungsfindung von Data-Warehouse- Implementierungen Kritische Erfolgsfaktoren für Data-Warehouse-Projekte Organisatorische Faktoren Projektbezogene Faktoren Technische Faktoren Diskussion Zusammenfassung und Ausblick...97 Literaturverzeichnis...100

5 Abbildungsverzeichnis Abb. 2.1: Abb. 2.2: Abb. 2.3: Abb. 2.4: Abb. 3.1: Abb. 3.2: Abb. 3.3: Abb. 4.1: Abb. 4.2: Abb. 4.3: Abb. 4.4: Abb. 5.1: Abb. 5.2: Abb. 5.3: Potenzielle betriebswirtschaftliche Nutzen von Data-Warehouse...22 Umfassende Data-Warehouse-Architektur...24 Data-Mart-Bus-Architektur...30 Arten von Data-Warehouse-Architekturen...32 Modell der Technologieakzeptanz...39 IS-Erfolgsmodell von DeLone und McLean...41 Modifiziertes IS-Erfolgsmodell von DeLone und McLean...42 Forschungsmodell von Wixom, Watson (2001)...58 Forschungsmodell von Hong et al. (2006)...65 Forschungsmodell von Hwang, Xu (2008)...69 Forschungsmodell von Kefi, Koppel (2011)...72 Durchschnittliche Entwicklungszeit in Monaten bis zur Einführung des ersten Geschäftsprozesses oder Subjektbereichs...88 Durchschnittliche Entwicklungskosten in Mio. Dollar bis zur Einführung des ersten Geschäftsprozesses oder Subjektbereichs...88 Durchschnittliche Wartungskosten in Mio. Dollar pro Jahr

6 Tabellenverzeichnis Tab. 2.1: Tab. 3.1: Tab. 3.2: Tab. 4.1: Tab. 4.2: Tab. 4.3: Tab. 4.4: Tab. 4.5: Tab. 5.1: Tab. 5.2: Tab. 5.3: Tab. 5.4: Tab. 5.5: Tab. 5.6: Tab. 5.7: Tab. 5.8: Tab. 5.9: Unterschiede zwischen operationellen Systemen und Data-Warehouse...19 Häufige Vorteile und Probleme mit IT-Balanced Scorecard...37 Häufige Vorteile und Probleme mit Benchmarking...38 Empirische Studien zu Data-Warehouse-Erfolgskriterien und kritischen Erfolgsfaktoren aus Business-Source-Premier...51 Empirische Studien zu Data-Warehouse-Erfolgskriterien und kritischen Erfolgsfaktoren aus der ACM-Digital-Library...52 MIS-Zeitschriftenranking...52 Empirische Studien zu Data-Warehouse-Erfolgskriterien und kritischen Erfolgsfaktoren in Data-Warehouse-Projekten. Teil Empirische Studien zu Data-Warehouse-Erfolgskriterien und kritischen Erfolgsfaktoren in Data-Warehouse-Projekten. Teil Systemqualität. Signifikanz der Erfolgskriterien, die sich direkt auf die Nutzerzufriedenheit auswirken...75 Informationsqualität. Signifikanz der Erfolgskriterien, die sich direkt auf die Nutzerzufriedenheit auswirken...77 Servicequalität. Signifikanz der Erfolgskriterien, die sich direkt auf die Nutzerzufriedenheit auswirken...78 Signifikanz der Erfolgskriterien, die sich auf die Systemnutzung direkt und indirekt auswirken...79 Signifikanz der Erfolgsfaktoren, die für die Implementierung eines Data- Warehouse kritisch sind...81 Signifikanz der organisatorischen Faktoren, die für Erfolge von Data- Warehouse-Projekte kritisch sind...83 Signifikanz der projektbezogenen Faktoren, die für Erfolge von Data- Warehouse-Projekte kritisch sind...84 Signifikanz der technischen Faktoren, die für Erfolge von Data-Warehouse- Projekte kritisch sind...86 Erfolgsranking der fünf Data-Warehouse-Architekturen

7 Abkürzungsverzeichnis ACM BSC CRM DSS EDV EIS ETL IS ISD IT MIS OLAP PLS TAM Association for Computing Machinery Balanced Scorecard Customer Relationship Management Decision Support System Elektronische Datenverarbeitung Executive Information System Extraction, Transformation, Load Information System Information Services Department Information Technology Management Information System Online Analytic Processing Partial Least Squares Technology Acceptance Model 10

8 1 Einleitung Die Idee eines Data-Warehouse ist konzeptionell sehr einfach. 1 Ein Data-Warehouse ist grundsätzlich eine Datensammlung, die für die Unterstützung der Entscheidungsfindung geschaffen wird. Es löst ein langjähriges Problem der Entscheidungsunterstützung: der Bedarf an genauen, bereinigten, gut organisierten und zugänglichen Daten. 2 Das Data- Warehouse-Konzept beruht auf zwei grundlegenden Bedürfnissen: die unternehmensübergreifende Sichtweise auf Information und die effektive Verwaltung von Unternehmensdaten. 3 Daher wurden Data-Warehouse-Technologien immer wieder eingesetzt, um Infrastrukturen für Datenverwaltung aufzubauen. Seit den 90er Jahren ist Data-Warehouse eines der bedeutendsten Entscheidungsunterstützungswerkzeuge. 4 Laut dem Bericht von HALL aus dem Jahr 2002 entwickelten nahezu 70 Prozent der großen Unternehmen auf der ganzen Welt ein Data-Warehouse oder ein ähnliches System für das Datenmanagement. Allerdings berichteten 41 Prozent der Befragten, dass ihre Unternehmen mindestens einen Projektmisserfolg hatten, und nur 15 Prozent der Befragten gaben an, dass ihre Data-Warehouse-Implementierungen große Erfolge waren. 5 Ein Data-Warehouse-Projekt ist nicht nur eine hoch riskante Unternehmung, sondern auch eine teure Unternehmung. Die Kosten einer Data-Warehouse-Implementierung können bei einer bis mehreren Millionen Dollar liegen. 6 Da ein Data-Warehouse keine spezifische Applikation sondern eine IT-Infrastruktur ist, die als Grundlage für die Entwicklung weiterer Datenanalysewerkzeuge und -applikationen dient, erfordert es entsprechende Investitionen, dennoch realisiert es für Unternehmen dauerhafte Nutzen und generiert Mehrwerte. 7 Aufgrund der hohen Investitionen und einer niedrigen Erfolgsquote sind die Verantwortlichen gezwungen, eine sorgfältige Bewertung ihres 1 Vgl. March, Hevner (2007), S. 1031; Watson (2001), S Vgl. Watson, Fuller, Ariyachandra (2004), S Vgl. Mukherjee, D Souza (2003), S. 82; Ma, Chou, Yen (2000), S Vgl. Ramamurthy, Sen, Sinha (2008), S. 817; March, Hevner (2007), S. 1031; Quaddus, Intrapairot (2001), S. 223; Teo, Ang (2000), S Vgl. Ramamurthy, Sen, Sinha (2008), S. 817 f.; Hall (2002). 6 Vgl. Mukherjee, D Souza (2003), S Vgl. Ramamurthy, Sen, Sinha (2008), S. 818; Wixom, Watson (2001), S

9 Programms durchzuführen, und Faktoren, die für das Data-Warehouse-Projekt kritisch sein könnten, festzustellen und zu beachten. 8 Das Ziel dieses Buchs ist eine Ermittlung der Erfolgsfaktoren, die für Data-Warehouse- Implementierungen respektive Data-Warehouse-Projekte kritisch sind. Daher wird der wissenschaftliche Stand der Forschung in Bezug auf kritische Erfolgsfaktoren untersucht und ausgewertet. Darüber hinaus wird eine Analyse von relevanten Data- Warehouse-Erfolgsmessgrößen durchgeführt, um die Auswirkungen bestimmter Erfolgsfaktoren auf Erfolge in Data-Warehouse-Projekten vergleichen zu können. Das Buch beginnt mit dieser Einleitung. In Teil 2 werden Grundlagen des Data- Warehouse-Konzepts behandelt. In Kapitel 2.1 wird zunächst Data-Warehouse definiert und seine Eigenschaften erläutert. Kapitel 2.2 zeigt auf, wie sich ein Data-Warehouse- System von operationellen Systemen unterscheidet. Die Nutzen, die durch Data- Warehouse gewährleisten werden können, werden in Kapitel 2.3 näher behandelt. Teil 2 schließt in Kapitel 2.4 mit der Erläuterung der Data-Warehouse-Komponenten und Arten von Data-Warehouse-Architekturen. Die Grundlagen zum Konzept der kritischen Erfolgsfaktoren werden in Teil 3 vorgestellt. Zuerst befasst sich Kapitel 3.1 mit Definitionen der kritischen Erfolgsfaktoren und -kriterien. In Kapitel 3.2 wird erklärt, weshalb die Feststellung von Erfolgskriterien für Informationssysteme wichtig ist und wie der Erfolg gemessen werden kann. Kapitel 3.3 endet schließlich mit der Fragestellung, weshalb die Feststellung von kritischen Erfolgsfaktoren in Data-Warehouse-Projekten entscheidend ist und in welcher Weise diese Faktoren klassifiziert werden können. Teil 4 beschäftigt sich mit der systematischen Literaturanalyse, die dieser Untersuchung zugrunde liegt. Während in Kapitel 4.1 die Vorgehensweise der Literaturrecherche beschrieben wird, gibt Kapitel 4.2 eine Übersicht über die in der Untersuchung ausgewerteten Studien. Teil 5 erläutert und vergleicht die wissenschaftlichen Ergebnisse zu den Data- Warehouse-Erfolgskriterien und den kritischen Erfolgsfaktoren in Data-Warehouse- Projekten. Zuerst stellt Kapitel 5.1 Ergebnisse zu Data-Warehouse-Erfolgsdimensionen und -kriterien vor. Danach zeigt Kapitel 5.2 die Erfolgsfaktoren auf, die für die Entscheidung ein Data-Warehouse zu implementieren kritisch sind. Schließlich erläutert 8 Vgl. Mukherjee, D Souza (2003), S

10 Kapitel 5.3 die organisatorischen, projektbezogenen und technischen kritischen Erfolgsfaktoren in Data-Warehouse-Projekten. In Teil 6 werden die Ergebnisse der Untersuchungen diskutiert, und in Teil 7 schließt die Analyse mit einer kurzen Zusammenfassung der zentralen Ergebnisse sowie einer Beleuchtung von Lücken, die in zukünftigen Forschungen berücksichtigt werden könnten. 13

11