Business Intelligence Anwendungssysteme

Transkript

1 Business Intelligence Anwendungssysteme Fakultät für Wirtschaftswissenschaften Professur Wirtschaftsinformatik II Prof. Dr. Peter Gluchowski Folie 1

2 Literatur zur Vorlesung BI- Anwendungssysteme Gluchowski, Peter; Gabriel, Roland; Dittmar, Carsten: Management Support Systeme und Business Intelligence - Computergestützte Informationssysteme für Fach- und Führungskräfte, 2. Auflage, Berlin 2008 Chamoni, Peter; Gluchowski, Peter: Analytische Informationssysteme - Business Intelligence-Technologien und Anwendungen, 4. Auflage, Berlin 2009 Folie 2

3 Gliederung BI-Anwendungssysteme 1. Einordnung und Überblick 2. Metadaten und Metadatenverwaltung 3. Planungssysteme 4. Balanced Scorecard Systeme 5. Risikomanagementsysteme 6. Konsolidierungssysteme Folie 3

4 Business Intelligence Gesamtheit aller Werkzeuge und Anwendungen mit entscheidungsunterstützendem Charakter, die zur besseren Einsicht in das eigene Geschäft und damit zum besseren Verständnis in die Mechanismen relevanter Wirkungsketten Begriffliche Klammer, die eine Vielzahl unterschiedlicher Ansätze zur Analyse geschäftsrelevanter Daten zu bündeln versucht (kein neues Konzept / Produkt) Folie 4

5 Begriffsverständnis BI Weites BI- Verständnis Datenbereitstellung Datenauswertung ETL Data Warehouse Standard- Reporting Ad-Hoc- Reporting OLAP Data / Text Mining MIS / EIS / DSS Portale Kennzahlen / Balances Scorecards Planung / Konsolidierung Analytisches CRM Analyseorientiertes BI-Verständnis Enges BI- Verständnis Technik Anwendung Prozessschwerpunkt Orientierung Folie 5

6 Einsatzgebiete für BI-Systeme Controlling 88,1% Management/Geschäftsführung 76,8% 13,2% 10,0% Sales/Vertrieb 75,9% 15,1% Rechnungswesen/Buchhaltung 63,2% 26,2% 10,5% Logistik 44,3% 44,3% 11,4% Einkauf 43,5% 41,9% 14,6% Produktion 43,0% 46,2% 10,8% Personalwesen (HR) 36,8% 49,2% 14,1% Kundendienst/Service 34,3% 56,8% Marketing/Werbung 32,2% 55,9% 11,9% Forschung & Entwicklung 15,7% 75,9% im Einsatz nicht im Einsatz Einsatz geplant Quelle: eigene empirische Erhebung, Dezember 2009 Januar 2010 Folie 6

7 Aktuelles BI-Architektur-Konzept Endbenutzer- werkzeuge Data Abfrage-und Mining Berichtssysteme Executive - OLAP- Information Systeme Frontend Weitere Systemkategorien: Planungssysteme BSC-Systeme Data Warehouse Metadaten- banksystem Data Mart Data Mart OLAP Server Zentrale Datenbasis ETL-System Archivierungs- system Externe Daten Operative Vorsysteme Folie 7

8 BI-Systemkategorien Präsentations- und Zugangssysteme BI-Portale Management Cockpits und Dashboards Konzeptorientierte Systeme Balanced Scorecard-Systeme Systeme für die wertorientierte Unternehmensführung Risikomanagement-Systeme Planungs- und Budgetierungs-Systeme Konsolidierungs-Systeme Systeme für analytisches CRM und SRM Generische Basissysteme Berichtssysteme Standardreporting-Systeme Berichtssysteme mit geführter Navigation (EIS, MIS) Früherkennungs- bzw. Warnsysteme Ad-hoc-Analysesysteme OLAP Cube Viewer Query Builder Modell- und methodengestützte Analysesysteme Decision Support-Systeme Expertensysteme Data Mining-Systeme Text Mining-Systeme Folie 8 Quelle: Gluchowski, Peter; Kemper, Hans-Georg (2006): Quo Vadis Business Intelligence? Aktuelle Konzepte und Entwicklungstrends, in: Business Intelligence Spektrum, 1. Jg., Heft 1, Mai 2006, S

9 Gliederung BI-Anwendungssysteme 1. Einordnung und Überblick 2. Metadaten und Metadatenverwaltung 3. Planungssysteme 4. Balanced Scorecard Systeme 5. Risikomanagementsysteme 6. Konsolidierungssysteme Folie 9

10 Häufig gestellte Fragen vom BI- Anwendern Wo finde ich eine Auswertung über die umsatzstärksten Filialen in der Region? Was bedeutet Umsatz in meinem Report? Welchen Status / welches Alter haben die Kennzahlen? Mit welchem Aufwand ist es verbunden, wenn ich eine weitere Kennzahl benötige? Wen kann ich ansprechen, wenn ich die aktuellen Produktstammdaten benötige? Folie 10

11 Problemstellungen Unkenntnis über Herkunft, Bedeutung und Aggregationsgrad von Daten Unklarheit bei Verfügbarkeiten und Ladezustand von Daten Inkonsistenzen zwischen Berichten aufgrund unterschiedlicher Kennzahlendefinitionen Uneinheitliche Terminologie (v. a. für fachliche Sachverhalte) Gründe: Kommunikationsprobleme zwischen Anwendern und Entwicklern Steigende Komplexität in der Systemlandschaft Redundanzen in der Datenhaltung: laut Gartner Group werden 30% der gesamten IT-Kosten durch die Datenredundanzen in den Unternehmen verursacht Folie 11

12 Metadaten sind überall Folie 12

13 Metadaten - Begriffsvielfalt Kurzdefinition Daten über Daten - trifft nicht alle Aspekte Data that describes the meaning and structure of business data, as well as how it is created, accessed, and used Quelle: Barry Devlin, Data Warehouse from Architecture to Implementation, Addison- Wesley, 1997 Jede Art von Informationen, die für - die Analyse - das Design - die Realisierung - die Nutzung eines Informationssystems benötigt werden Metadaten beschreiben Bedeutung, Aufbau, Herkunft und Qualität der Daten (und Prozesse) in den verschiedenen Komponenten eines Informationssystems Folie 13

14 Metadaten - Arten Statische Metadaten Längerfristige Stabilität (Datenstrukturen etc.) Dynamische Metadaten Hohe Änderungshäufigkeit (Abfragemuster etc.) Passiv Metadaten Umfassende, konsistente Dokumentation Nutzung im Rahmen von Aufbau und Betrieb (IT) und Verwendung (Fachbereich) Aktive Metadaten Interpretation zur Laufzeit mit dem Ziel der Steuerung (ETL-Prozesse) Semi-aktive Metadaten Auslesen zur Laufzeit Ziel: Überprüfung der Implementierung auf Konsistenz Quelle: Auth, Gunnar: Prozessorientierte Organisation des Metadatenmanagements für Data Warehouse-Systeme, St. Gallen 2002 Folie 14

15 Technische versus fachliche Metadaten Technische Metadaten Fachliche Metadaten Unterstützen den Entwickler Werden in den Tools erzeugt und benötigt Beispiele: Datentypen, Datenkonvertierungen Weitere Differenzierung in logische und physische Metadaten möglich Unterstützen den Endanwender Fallen nicht automatisch an Beispiele: Kommentare, Verantwortlichkeiten, Geschäftsregeln,... Folie 15

16 Nutzenpotenziale von Metadaten Entwickler Endandwender Systemintegration Automatisierung der Admin- Prozesse Wiederverwendung Impact-Analysen Unterstützung Change Management Reduzierung Entwicklungsund Betriebskosten Kosten Vereinfachung u. Erklärung Transparenz und Nachvollziehbarkeit Einheitliche Terminologie Unterstützung in der Datenanalyse: präzise Anfrageformulierung u. korrekte Ergebnisinterpret. Dokumentation Akzeptanz Folie 16

17 Metadaten - Kategorien Terminologie Datenstruktur/-bedeutung Datentransformation Datenqualität Organisationsbezug Metadatenhistorie Systembezug Datenanalyse Quelle: Auth, Gunnar: Prozessorientierte Organisation des Metadatenmanagements für Data Warehouse-Systeme, St. Gallen 2002 Folie 17

18 Metadaten Terminologie Begriffsbenennung Kurztext Begriffsidentität (eindeutige Bezeichnung, z.b. Surrogatschlüssel) Begriffsdefinition Begriffsbeziehungen (zu anderen Begriffen) Synonyme Homonyme Ursprung (Datenschema/Datenstruktur) Owner Quelle: Auth, Gunnar: Prozessorientierte Organisation des Metadatenmanagements für Data Warehouse-Systeme, St. Gallen 2002 Folie 18

19 Metadaten Datenstruktur/-bedeutung Bezeichnung Beschreibung Typ (Entity, Table) Elemente einer Entität (Attribute, Felder, Schlüssel, Index) Datentyp (der Elemente) Elementgröße (Speicherbedarf) Ersteller Erstellungsdatum Letzte Änderung (Datenstruktur) Letzte Aktualisierung Verwendung (Programme) Quelle: Auth, Gunnar: Prozessorientierte Organisation des Metadatenmanagements für Data Warehouse-Systeme, St. Gallen 2002 Folie 19

20 Die Bedeutung von Metadatenmanagement Für wie wichtig halten Sie Metadatenmanagement? Anzahl für unverzichtbar 81 51% für wichtig 73 46% für nice to have 3 2% für weniger wichtig 1 1% für überflüssig 0 0% Total % 0% 10% 20% 30% 40% 50% 60% Florian Melchert: Metadatenmanagement im Data Warehousing Ergebnisse einer empirischen Untersuchung. Arbeitsbericht BE HSG/CC BPM/01, 2004 Folie 20

21 Metadaten - Herausforderungen Die genannten Nutzenpotentiale unterliegen idealtypischen Annahmen Aber: Reale Metadaten sind nicht ideal! Digitalisierung des Wissens in den Köpfen Vergangenheitsbewältigung Mangelnde Verbreitung von Standards Aufwand entsteht häufig an anderer Stelle als der Nutzen Überzogene oder vage Vorstellungen und Erwartungshaltungen Unzureichende Unterstützung von fachlichen Metadaten Folie 21

22 Umsetzungsgrad von MDM-Projekten Haben Sie bereits ein MDM-System im Betrieb? in Betrieb; 31% in Umsetzung; 9% keine Angabe; 6% weiss nicht; 8% in Planung; 31% nicht geplant; 15% Florian Melchert: Metadatenmanagement im Data Warehousing Ergebnisse einer empirischen Untersuchung. Arbeitsbericht BE HSG/CC BPM/01, 2004 Folie 22

23 Hindernisse auf dem Weg zum MDM Was waren die wesentlichen Gründe, auf die Umsetzung eines MDM-Systems zu verzichten? Kosten > Nutzen 19% Mangel Ressourcen 19% kein Projektsponsor 25% Mangel MDM-Software 9% Sonstiger Grund 3% n = 24 kein Bedarf 25% Florian Melchert: Metadatenmanagement im Data Warehousing Ergebnisse einer empirischen Untersuchung. Arbeitsbericht BE HSG/CC BPM/01, 2004 Folie 23

24 Anwendungsgebiete MDM Welchen Umsetzungsstatus haben die Metadatenanwendungsgebiete in Ihrem Unternehmen? Data Lineage Datenqualitätsverbesserung Verknüpfung technische-fachliche MD Automatisierung DW H-Betrieb Zentrale Verwaltung von Zugriffsrechten Vereinheitlichung Terminologie Konsisente und integrierte Dokumentation MD-W iederverwendung DW H-Navigation Optimierung DW H-Nutzung Änderungsanalyse Automatisierung DW H-Entwicklung umgesetzt in Umsetzung in Planung nicht geplant misslungen Florian Melchert: Metadatenmanagement im Data Warehousing Ergebnisse einer empirischen Untersuchung. Arbeitsbericht BE HSG/CC BPM/01, 2004 Folie 24

25 Die soziale Komponente von Metadaten Wo befinden sich Metadaten? 26% 12% 42% In den Köpfen der Mitarbeiter Elektronische Dokumente Papier Dokumente 20% Andere DM Review, 2002: Meta Data & Knowledge Management Meta Data Repository Myths Folie 25

26 Beispiel: ASG Rochade (1) Folie 26

27 Beispiel: ASG Rochade (2) Folie 27

28 Zusammenfassung Mit steigender Komplexität einer IT-Landschaft gewinnt das Metadatenmanagement an Bedeutung Die Nutzung technischer Metadaten kann Aufwände und Inkonsistenzen in der IT-Landschaft erheblich reduzieren Die Einführung einer MDM-Lösung ist ein Prozess Konkreter monetärer Nutzen ist nur schwer darstellbar Zahlreiche nicht-quantifizierbare Nutzenpotenziale Folie 28