als Grundlage integrierter Entscheidungsunterstützung Mario Klesse, Eitel von Maur, Florian Melchert Universität St. Gallen Institut für Wirtschaftsinformatik Kompetenzzentrum Business Performance Management (CC BPM) Müller-Friedberg-Strasse 8 CH-9000 St. Gallen {Mario.Klesse Eitel.vonMaur Florian.Melchert}@unisg.ch
Seite 2 Corporate Synergiepotenzial von MSS und KMS Strategie Prozesse Systeme Inhalte Content Management Geschäftsstrategie KM-Strategie KM Erfolgsmessung Geschäftsprozesse Kompetenz Knowledge Management Systeme Skill Management Wissensnutzung Wissensspeicher Zusammenarbeit Community Management Struktur Navigation & Search Source Data/ Source Objects (internal/external) IMS/DB Objectivity Oracle VSAM Liste Word Excel SPSS Excel Word Operational Data Store operational Data/Objects Extraction Extraction Java Beans Reuters Nielsen Operational Data Store ODS WWW Data/Objects: not-integrated, heterogeous, proprietär, e.g. applications-oriented Data Warehouse Reconciled Data Layer Extraction Data Warehouse RDL (RDBMS) Extraction Replication/ Mapping Data/Objects: inegrated, cleansed, reconciled, historic/versioned, multi-media Extraktion Metadaten Extraktion Metadaten Replication/ Mapping Extraction Data Marts Derived Data Layer Data Mart/ OLAP Data Mart (ODBMS) Data Mart (RDBMS) Data/Objects: aggregate, extract access access access access access ODS Extraction Data/Objects: not-integrated, heterogenous, process- integrated, cleansed, Objects/Data: Data: integrated, cleansed, oriented, reconciled, reconciled, e.g..: SSA BPCS, relational-/objectmodel relational-model Baan ERP, SAP/R3 external data/objects MSS- Front-Ends EIS/DSS Data Mining/ Reporting/SQL Tool EIS/DSS Data/Objects: Transformation into usable Information, Knowledge
Seite 3 Corporate Realisierungshemmnisse Organisatorische Barrieren Business Case unklar Verrechnungs- und Preisfindungsproblematik (Entwicklung und Betrieb) Widerstand gegen Infrastrukturprojekte Hohe Systemkomplexität der bestehenden DWH/MSS und KMS (Beherrschbarkeit) Unterschiedliche MSS- respektive KM- Perspektive psycho-sozialen Abwehrmechanismen Technische Integrationshürden
Seite 4 MSS für Manager/Top Manager
Seite 5 Historische MSS-Definition nach Scott Morton (1983) MSS Data Support Systems Decision Support Systems Executive Support Systems information supply independent from user or application Mangement Support Systems (MSS): "use of computers and related information technologies to support managers" (Micheal S. Scott Morton, 1983) parameterized systems for special, repetitive problem(classe)s Intelligent Support Systems DSS with special method bases, i.e. knowledge based systems, expert systems systems for problem scope of certain user types
Seite 6 MSS-Definition nach Gluchowski, Gabriel und Chamoni (1996) Management Support Systeme (MSS) Basissysteme - Textverarbeitung - Tabellenverarbeitung - Grafikverarbeitung - Terminplanung - Mailsysteme Executive Information Systeme (EIS) Executive Support Systeme (ESS) Decision Support Systeme (DSS) Communication Support Data Support Decision Support Kommunkation - E-Mail... Standard Reporting - MIS Ad-hoc- Reporting Simulation Prognose Optimierung
Seite 7 MSS-Definition nach Krallmann, Mertens und Rieger (2001) MSS EUS (DSS) ist Teil von EUS für Topmanager (Executives) ist Teil von Entscheidungshilfen ist Teil von werden Führungskräften bereitgestellt Data Support System (MIS) ist Teil von EIS Daten/Informationen Unterstützung des Topmanagements (ESS) Unterstützung des Managements
Seite 8 Ausgangspunkt Corporate Problemlösungs- und Entscheidungsprozess Anregungsphase/ Intelligence Durchsetzung/ Implementation Entscheidung Ent Problemlösung Suchphase/ Design Entscheidung/ Choice
Seite 9 Ausgangspunkt Corporate Problemlösungs- und Entscheidungsprozess Durchsetzung/ Implementation Anregungsphase/ Intelligence Entscheidung Ent Problemlösung Suchphase/ Design Informationsverarbeitender Prozess Semi-strukturierter, emergenter Prozess Ad-hoc-Workflow Nicht vollautomatisierbar Kollaborativer Prozess (z. B. Teamorientierung im Controlling und Management) Entscheidung/ Choice Abhängigkeiten zwischen verschiedenen Entscheidungsprozessen
Seite 10 Problemlösungs- und Entscheidungsprozess System-Unterstützung Anregungsphase/ Intelligence Suchphase/ Design Entscheidungsphase/Choice Durchsetzung/ Implement. Data Warehouse DocBase1 Datasource 1- Modellbank DocBase2/E-Mail Stat. Report OLAP Data Mining DSS CMS/KMS Groupware Internet/Ext.
Seite 11 Problemlösungs- und Entscheidungsprozess Probleme fehlender Integration Fehlende Datenintegration Entscheidungsqualität (von suboptimal bis hin zur Fehlentscheidung) Zeit (Entscheidungen werden zu spät für erfolgreiche Umsetzungen getroffen) Kosten (Manuelle Integrationskosten bei Rechercheaufgaben) Fehlende Funktionsintegration Kosten für Papier- oder E-Mail basierte Kollaboration, Koordination und Prozessunterstützung bei Entscheidungen Kosten für manuelles Übertragen von Analyseergebnissen von einem Werkzeug in ein anderes Nachhaltigkeit (Mangelhafte Unterstützung der Phasen Choice und Implementation gefährdet Wirkung der Entscheidung) Geringe Benutzerfreundlichkeit
Seite 12 Problemlösungs- und Entscheidungsprozess Integrationsebenen Data-Mining-Applikation Benutzeroberfläche Content-Management-System Benutzeroberfläche Programmlogik Programmlogik Oberflächenintegration Funktionsintegration Datenhaltung Metadaten Objektdaten Datenhaltung Metadaten Objektdaten Datenintegration
Seite 13 Integrationsebenen Oberflächenintegration Vorteile Einheitlicher, konsistenter Zugriff auf Applikationen Vollständiger Zugang auf alle Systeme möglich Steigerung der Benutzerfreundlichkeit Schnelle, kostengünstige Realisierung Probleme bei fehlender Backend-Integration: Keine Prozessunterstützung Keine Konsolidierung der Daten, Inkonsistenzen und Redundanzen bleiben erhalten, Zusammenhänge fehlen
Seite 14 Integrationsebenen Funktionsintegration Vorteile Prozessorientierte Integation der Analytischen Applikationen wird möglich Voraussetzung ist hierbei eine komponentenbasierte Architektur (Design/Build for Integration) Daten sind zwischen Applikationen austauschbar und abgleichbar Probleme Applikationsmarkt zeigt eher eine Bewegung hinzu proprietären Paketlösungen Datenkonsolidierung nur beschränkt möglich
Seite 15 Integrationsebenen Datenintegration Metadatenintegration ist Voraussetzung für Datenintegration Vorteile: Einheitlicher Zugang zu allen Informationen Einheitliche Abfragesprache für alle Informationen Semantische Integration von Daten deckt Zusammenhänge auf, beseitigt Inkonsistenzen Gemeinsames Verständnis von Daten bringt auch über den Wert der Integration der Datenbestände hinaus einen Nutzen (Gemeinsame Terminologie etc.) Probleme: Benötigt je nach Integrationsgrad ein UDM Gemeinsame Strukturierung von Daten nach einheitlichem Metamodell (z. B. ODS/DWH) oft ungeeignet (z. B. für Content) Abwägen zwischen Integration und Föderation nötig
Seite 16 Datenintegration Anforderungsbereiche für materialisierte Integration vs. Föderation Materialisierte Integration Absolute Redundanz- und Widerspruchsfreiheit, hohe Konsistenzansprüche (z. B. Finanzielle Daten) Häufige, wiederkehrende Abfragen Komplexe Transformation (evtl. mit manuellen Eingriffen) Garantierter Zugriff Performance (Historisierung ist Kernanforderung) Föderation Inkompatible Metamodelle (z. B. bei Content) Gelegentliche, stark verschiedene Abfragen Bei hohen Integrationskosten oder -hürden (PU) Real-time-Anforderung an Aktualität Read/Write (Bei rechtlichen Problemen oder hohen Kosten der Kopienerstellung) Kombination beider Ansätze (metadatenbasiert) + Einbeziehen der übrigen Integrationsebenen
Seite 17 Mögliche Architektur für ein Corporate Anregung Suche Entscheidung Durchführung Prozessebene Applikationen Portal / integrierte Benutzeroberfläche Komponente Komponente Komponente Komponente Middleware Kommunikationsinfrastruktur Infrastruktur für metadatenbasierte Datenintegration Integriertes Metadaten Management Datenhaltung Wrapper Data Warehouse Wrapper Content Management System Wrapper... Wrapper Operational Data Store Wrapper CKC- Speicher (Annotationen, Ad- Hoc-Workflows) Systemebene
Seite 18 Fazit und Forschungsbedarf Corporate zur Unterstützung des Simon schen Entscheidungscheidungsprozesses Evaluation von EAI- und Data-Federation-Middleware bzgl. Eignung für CKC-Realisierungen (z. B. IBM 2003) Eignung verschiedener semistrukturierter Datenmodelle zur Datenföderation über verschieden strukturierte Datenbestände untersuchen Einsatzszenarien für verschiedene Arten der Föderation (z. B. Distributed-Query-basiert, Regel-basiert) Geeignete Abfragesprachen Methoden zur Bestimmung des optimalen Integrationsgrades auf verschiedenen Ebenen Heuristiken, Patterns Wirtschaftlichkeitsmodelle
Seite 19 Fragen und Diskussion