Betriebswirtschaftliche Analyse auf operationalen Daten (eBook)

Pascal Schmidt-Volkmar (Autor)

eBook Download: PDF

2008 | 2008
XXI, 223 Seiten
Betriebswirtschaftlicher Verlag Gabler
978-3-8349-8145-5 (ISBN)

Infos

Pascal Schmidt-Volkmar untersucht, ob die Unterscheidung zwischen operationaler und dispositiver Datenverarbeitung aufgelöst werden kann. Er entwickelt das Konzept eines Hauptspeicherbasierten Systems, das beide Systemtypen unterstützt. Ein Prototyp zeigt, ob das Konzept die Anforderungen des Operationalen Business Intelligence erfüllen kann.



Dr. Pascal Schmidt-Volkmar promovierte bei Univ.-Prof. Dr. Peter Chamoni am Lehrstuhl für Wirtschaftsinformatik und Operations Research der Universität Duisburg-Essen. Er ist als Entwickler im Bereich Business Intelligence bei der SAP AG in Walldorf tätig.

Inhalt

Geleitwort 6
Vorwort 7
Inhaltsverzeichnis 8
Abbildungsverzeichnis 11
Tabellenverzeichnis 14
Abkürzungsverzeichnis 15
1 Einleitung 18
2 Grundlagen 22
2.1 Typen von Business Intelligence 32
2.2 On-Line Analytical Processing (OLAP) als Werkzeug für Business Intelligence 36
2.3 Operationales Business Intelligence 47
2.4 Zusammenfassung 54
3 Transaktionales System 58
3.1 Anforderungen 58
3.2 Datenmodell 60
3.3 Architektur 61
3.4 Prozesse 63
3.5 Bewertung 65
4 Data Warehouse und Data Mart 68
4.1 Anforderungen 71
4.2 Datenmodell 82
4.3 Architektur 93
4.4 Prozesse 96
4.5 Bewertung 102
5 Hauptspeicherbasiertes System 112
5.1 Anforderungen 112
5.2 Datenmodell 114
5.3 Architektur 139
5.4 Prozesse 172
5.5 Zusammenfassung 184
6 Operationales Business Intelligence: Prototyping 188
6.1 Einleitung und Szenariobeschreibung 188
6.2 Zeitnahe Verfügbarkeit der Daten 193
6.3 Anpassung an Informationsbedarf des Nutzers 197
6.4 Analyseperformanz 198
6.5 Weitere Nutzeffekte 204
6.6 Zusammenfassung 213
7 Zusammenfassung und Ausblick 216
Literaturverzeichnis 222

Textauszug

5 Hauptspeicherbasiertes System (S. 95-96)

Beim operationalen Business Intelligence stoßen bisherige Ansätze an ihre Grenzen, was sowohl im klassischen als auch im Echtzeit-DW an den komplexen und langwierigen Abläufen liegt. In diesem Kapitel wird nun ein Ansatz vorgestellt, der die Kombination dreier Konzepte propagiert: die Einführung eines neuen Datenmodells zur Verschmelzung von operativen und dispositiven Daten, der analytische Zugriff über logische Sichten sowie der Verarbeitung im Hauptspeicher.

Obwohl die Bezeichnung „Hauptspeicherbasiertes System" den Eindruck eines allgemeinen Ansatzes suggerieren könnte, wird damit das in dieser Arbeit dargestellte System zur Umsetzung der drei Konzepte gemeint. In Abschnitt 5.5 findet eine Abgrenzung zu anderen in-memory-Lösungen statt, die zurzeit in der Literatur diskutiert, bzw. am Markt verfügbar sind. Der Ansatz des in dieser Arbeit entwickelten HBS entspricht einer Abkehr vom Separationskonzept zwischen OLTP- und DW-Systemen sowie der Rückkehr zu analytischen Zugriff auf eine transaktionale Datenbasis. Während der bisherige Ansatz in der Vergangenheit, wie bereits in Abschnitt 3.5 diskutiert, nicht funktionieren konnte, begegnet das Hauptspeicherbasierte System diesen Nachteilen. In diesem Kapitel werden die Anforderungen an das Hauptspeicherbasierte System formuliert und danach ein entsprechendes Datenmodell, eine Architektur und die notwendigen Prozesse dargestellt, um das Ziel zu erreichen.

5.1 Anforderungen

Bei einer Kombination von transaktionalem und analytischem Konzept muss die resultierende Lösung die Anforderungen beider Ansätze in sich vereinen. Diese werden in den folgenden Abschnitten vorgestellt.

5.1.1 Geschäftsprozess- und Themenorientierung

Die neue Lösung muss sowohl Geschäftsprozesse, als auch Analysen unterstützen. Dadurch bedarf es einem Datenmodell, das auf der einen Seite die transaktionale Manipulation auf Datenausschnitten unter Berücksichtigung des ACID-Prinzip erlaubt. Auf der anderen Seite muss auch die Zusammenstellung betriebswirtschaftlicher Sichten über einen oder mehrere Geschäftsvorfälle möglich sein. Dazu gehört auch die Bereitstellung von Semantik, mit der die Daten im System für den Endanwender leicht verständlich und interpretierbar sind.

5.1.2 Analytische Variabilität

Wie in Abschnitt 2.3.2 bereits gefordert, ist eine schnelle Anpassung der analytischen Datenmodelle an neue Anforderungen der Benutzer wichtig, um das Risiko von Fehlentscheidungen zu reduzieren. Es gilt dabei, den tatsächlichen Informationsstand über einen zukünftigen Sachverhalt zu maximieren. Dies gelingt, wie in Abschnitt 4.5 gezeigt, nur bedingt mit dem klassischen Prozess von Extraktion, Transformation und Laden. Stattdessen bedarf es einem neuen Ansatz ohne komplexe und langwierige Änderungen an bestehenden Objekten und Regeln. Nur so kann sichergestellt werden, dass ein Benutzer schnell auf sich verändernde Marktbedingungen reagieren kann und das Unternehmen wettbewerbsfähig bleibt.

5.1.3 Aktualität und Dauerhaftigkeit

Bei der Kombination der beiden Anforderungen Aktualität und Dauerhaftigkeit treten zwei grundsätzliche Probleme auf. Zum einen muss in einer historischen Datenablage der aktuell gültige Datensatz besonders markiert werden, um für Transaktionen einen schnellen Zugriff zu ermöglichen. Zum anderen verändert sich die Datenbasis für die Analyse ständig. Zwei aufeinander folgende Auswertungen können so unterschiedliche Ergebnisse hervorbringen, was gegen die Anforderung der Dauerhaftigkeit aus Abschnitt 4.1.3 verstößt. Das HBS muss dieses Problem lösen.

Produkt-Details

• Erscheint lt. Verlag: 28.11.2008
• Vorwort: Univ.-Prof. Dr. Peter Chamoni
• Zusatzinfo: XXI, 223 S.
• Verlagsort: Wiesbaden
• Sprache: deutsch
• Themenwelt: Wirtschaft ► Allgemeines / Lexika
• Themenwelt: Wirtschaft ► Betriebswirtschaft / Management ► Planung / Organisation
• Schlagworte: business • Business Intelligence • Data-Warehouse • Datenverarbeitung • Geschäftsprozesse • Informationsgewinnung • On-Line Analytical Processing • Operations Research • Prozessmanagement
• ISBN-10: 3-8349-8145-1 / 3834981451
• ISBN-13: 978-3-8349-8145-5 / 9783834981455