Business Intelligance-Tools im Kooperationscontrolling
- Art: Diplomarbeit
- Autor: Sven Braatz
- Abgabedatum: Juli 2003
- Umfang: 118 Seiten
- Dateigröße: 941,7 KB
- Note: 1,7
- Institution / Hochschule: Technische Universität Dortmund Deutschland
- ISBN (eBook): 978-3-8324-7369-3
-
ISBN (Paperback) :
978-3-8324-7369-3 P - ISBN (CD) :978-3-8324-7369-3 CD
- Sprache: Deutsch
- Prämierung:
- Arbeit zitieren: Braatz, Sven Juli 2003: Business Intelligance-Tools im Kooperationscontrolling, Hamburg: Diplomica Verlag
- Schlagworte: Wissensmanagement, Supply Chain-Controlling, Netzwerke, Data Warehouse, Informationsmanagement
In den Warenkorb
74,00 €
Diplomarbeit von Sven Braatz
Einleitung:
Vor dem Hintergrund einer rasanten Veränderung der Marktsituation müssen Entscheidungsprozesse gestrafft werden, die auf schnellen und präzisen Analysen der Geschäftsdaten basieren. Parallel fallen durch die technologische Entwicklung riesige Mengen von Daten an, die es zu verarbeiten gilt. Den Unternehmen ist klar geworden, dass die traditionellen Erfolgsfaktoren nicht mehr ausreichen, um eine besondere Stellung auf dem Markt zu behaupten.
Für eine schnelle Entscheidungsfindung und die Beschleunigung von Kommunikationsprozessen sind DV-Systeme vonnöten, die alle Probleme auf eine einfache Weise zu lösen versuchen. Dabei stoßen die vorhandenen Management Support Systeme (MSS) oft an die Grenzen ihrer Möglichkeiten.
Aus diesem Grund und ob der Schwächen der Systeme haben sich konkrete Lösungen und Ansätze herausgebildet, die immer häufiger unter dem Begriff Business Intelligence zusammengefasst werden.
Der Begriff Business Intelligence wird in der letzten Zeit in Theorie und Praxis im Bereich entscheidungsunterstützender Systeme häufig diskutiert. Sicher ist, dass Business Intelligence kein neues oder innovatives Konzept beschreibt, sondern als eine begriffliche Klammer gesehen wird, die eine Vielfalt von unterschiedlichen Ansätzen zur Datenanalyse subsummiert.
Dabei besteht keine eindeutige Meinung, wie und in welchen Bereichen der Einsatz von Business Intelligence-Tools sinnvoll ist und sein kann. Informationstechnologien müssen mit Hilfe von Business Intelligence die Möglichkeiten bieten, aus externen oder internen Informationen relevante Zusammenhänge offenzulegen, um für die Entscheidungsunterstützung des Managements aussagekräftiges Datenmaterial zu generieren.
Neben der Behandlung der Business Intelligence-Thematik wird im Rahmen dieser Arbeit zusätzlich auf den Begriff der Kooperation eingegangen. Hierbei sollen die Synergieeffekte durch die Nutzung gemeinsamer Ressourcen beleuchtet werden, um eine erfolgreiche Unternehmenssteuerung durchzusetzen. Nach einer notwendigen Begriffsabgrenzung und der getrennten Betrachtung von Business Intelligence und Kooperationscontrolling wird anschließend die Umsetzung eines modellierten Gesamtkonzeptes beschrieben.
Zielsetzung der Arbeit ist daher die systematische Untersuchung des Business Intelligence-Konzeptes und die Implementierung in das Kooperationscontrolling eines Netzwerkes. Dabei wird anfangs durch die Beschreibung der begrifflichen Grundlagen ein Grundverständnis aufgebaut. Anschließend wird ein Business Intelligence-Konzept hergeleitet und beurteilt. Aus den Erkenntnissen der Bereiche Kooperation und Controlling wird in den folgenden Ausführungen auf die Begriffsfindung und einige Aspekte des Kooperationscontrolling eingegangen. Anhand eines theoretischen Modells werden die Möglichkeiten und die auftretenden Probleme bei der Realisation eines Business Intelligence-Projektes im Kooperationscontrolling bewertet. Die daraus resultierenden Lösungsvorschläge werden vom Autor durch persönliche praktische Erfahrungen illustriert. Abschließend werden die gesammelten Aspekte kritisch betrachtet und neue Forschungsansätze entwickelt.
Inhaltsverzeichnis:
| Inhaltsverzeichnis | I | |
| Abkürzungsverzeichnis | III | |
| Abbildungsverzeichnis | IV | |
| 1. | Einleitung | 5 |
| 1.1 | Ausgangspunkt | 5 |
| 1.2 | Aufbau der Arbeit | 7 |
| 2. | Begriffliche Grundlagen | 11 |
| 2.1 | Daten, Information, Wissen, Kommunikation | 11 |
| 2.2 | Informations- und Kommunikationssysteme | 14 |
| 2.3 | Daten- und Informationsmanagement | 18 |
| 2.3.1 | Datenmanagement | 19 |
| 2.3.2 | Informationsmanagement | 19 |
| 2.3.2.1 | Bedeutung des Internets im Informationsmanagement | 21 |
| 2.3.2.2 | Interne Informationsdarstellung durch das Intranet | 22 |
| 2.4 | Wissensmanagement und Wissenscontrolling | 23 |
| 3. | Konzepte, Technologien und Einsatzbereiche für Business Intelligence | 26 |
| 3.1 | Einführung und Herausforderung | 26 |
| 3.2 | Definition | 28 |
| 3.3 | Zielsetzung und Umfang von Business Intelligence | 29 |
| 3.4 | Prozessphasen des Business Intelligence | 31 |
| 3.5 | Aufbau von Business Intelligence, Portfolio und zentrale Bausteine | 33 |
| 3.5.1 | Datenbereitstellung | 34 |
| 3.5.1.1 | Datenquellen | 34 |
| 3.5.1.2 | Datenvorbereitung | 37 |
| 3.5.1.2.1 | ETL-Tools | 37 |
| 3.5.1.2.2 | Datenbereinigungstools und Archivierung | 39 |
| 3.5.1.3 | Datenspeicherung | 40 |
| 3.5.1.3.1 | Data Warehouse | 41 |
| 3.5.1.3.2 | Data Mart | 47 |
| 3.5.1.3.3 | Projektstruktur bei Datenspeichersystemen | 48 |
| 3.5.2 | Datenentdeckung, Knowledge Discovery | 49 |
| 3.5.2.1 | Datenanalyse | 50 |
| 3.5.2.2 | Online Analytical Processing (OLAP) | 52 |
| 3.5.2.3 | Data Mining | 59 |
| 3.5.3 | Datenkommunikation | 63 |
| 3.6 | Zusammenfassung Business Intelligence-Tools | 64 |
| 4. | Kooperationscontrolling | 66 |
| 4.1 | Formen von Kooperationen und Unternehmensnetzwerke | 66 |
| 4.2 | Controlling- und Informationskonzeption | 70 |
| 4.3 | Veränderungen der Controllingebene durch Einflüsse der Informationsgesellschaft | 74 |
| 4.4 | Kooperationscontrolling als Teilbereich eines Supply Chain (SC)-Controlling | 76 |
| 5. | Unterstützung von Business Intelligence-Tools im Kooperationscontrolling | 83 |
| 5.1 | Ziele des Kooperationscontrolling und Modellannahmen | 83 |
| 5.1.1 | Allgemeine Ziele der Supply Chain (Ebene 3) | 87 |
| 5.1.2 | Ziele eines fokalen Unternehmens (Ebene 1) | 89 |
| 5.1.3 | Ziele eines Netzwerkunternehmens (Ebene 2) | 90 |
| 5.1.4 | Zusammenfassung der Ziele eines Netzwerkes | 92 |
| 5.2 | Anforderungen eines Business Intelligence-Einsatzes im Supply Chain-Controlling | 93 |
| 5.2.1 | Analysephase | 93 |
| 5.2.2 | Entwurfsphase | 96 |
| 5.2.3 | Realisierungsphase | 98 |
| 5.2.4 | Einführungsphase | 98 |
| 5.3 | Potenziale beim Einsatz von Business Intelligence-Tools im Kooperationscontrolling | 99 |
| 5.4 | Probleme und Lösungsansätze bei der praktischen Umsetzung | 100 |
| 6. | Kritische Würdigung und weitere Forschungsansätze | 106 |
| Literaturverzeichnis | 109 |
Möchte man die Architekturen von OLAP-Datenbanken analysieren, kann man drei verschiedene Konzepte nennen. Zum einen gibt es das sog. relationale OLAP (ROLAP), bei dem Daten auf einem Data Mart oder Data Warehouse gespeichert werden. In diesem Fall wird die Datenquelle als relational bezeichnet156. Der entsprechende Würfel ist nur virtuell und nicht real. Der multidimensionale Blick auf den OLAP-Würfel (MOLAP) besagt, dass die Daten auf einem multidimensionalen Datenbank-Server gespeichert werden. Diese Abfragen sind meist effizienter, zeichnen sich aber auch durch lange Ladezeiten aus157. Hierbei können wesentlich mehr Dimensionen analysiert werden als beim ROLAP158. Wird auf multidimensionale und relationale Datenbankteile zugleich zugegriffen, spricht man vom hybriden OLAP, dem sog. HOLAP. Die Daten werden vorberechnet und im multidimensionalen Würfel gespeichert, allerdings werden Detaildaten im relationalen Data Warehouse bleiben. Diese Lösung ist die Antwort auf die Nachteile der Speichermöglichkeiten MOLAP und ROLAP. Für den Zugriff auf aggregierte Daten sind mit dieser Methode kurze Antwortzeiten bei einer großen Menge von Daten möglich159. 3.5.2.3 Data Mining Neben dem Analysewerkzeug OLAP, das überwiegend für die [...]
10. Intuitive Datenbearbeitung: Nur mit wenig Lernaufwand soll es dem Benutzer möglich sein, ein benutzerfreundliches Programm verstehen, verwalten und benutzen zu können. Neben den oben beschriebenen Analysemöglichkeiten Slicing und Dicing können noch drei wesentliche Funktionen innerhalb von Ebenen unterschieden werden. Unter „drill down“ versteht man im Allgemeinen die Detaillierung der dargestellten Information. So kann sehr einfach per Mausklick die Datenebene eine Stufe nach unten gebrochen werden, so dass eine weitere Detaillierungsebene innerhalb des multidimensionalen Raumes geschaffen wird. Drill down beschreibt das Navigieren durch die Informationen von einer höheren auf eine tiefere Ebene, wobei „roll up“ die Bewegung zu einer höheren Datenebene ermöglicht. Diese beiden Werkzeuge sind vertikal anzusehen. Versucht man die Informationen in horizontaler Sicht zu betrachten, d.h. von einem Datensatz zu einem anderen zu wechseln, spricht man von „drill across“. Im Hinblick auf das Kooperationscontrolling und den Einsatz von Business Intelligence-Tools zeigt die Abbildung 14 die verschiedenen Möglichkeiten der Aggregationsstufen. Alle aufgeführten OLAP-Tools sind besonders hervorzuheben, da sie Browsing-Fähigkeiten besitzen und in die gleichen Abfrageklassen zu unterteilen sind152. 11. Flexible Berichterstellung: Gerade im Hinblick auf die unterschiedlichen Anwender und Anwendergruppen, zu denen auch Führungskräfte zählen, ist es notwendig, dem Benutzer eine geeignete Gestaltung für die spätere Ausgabe zu erlauben. Es sollte möglich [...]
6. Grundprinzipien der gleichgestellten Dimensionen: Im Hinblick auf die Verschiedenartigkeit der Analysen sollte eine logische Struktur aller Dimensionen vorhanden sein. Dieser Punkt ist besonders für umfassende Datenmodelle wichtig, um sie nachvollziehbar und überschaubar zu machen. Dieser Sachverhalt sollte analog zum Thema der ETL-Tools und der Datenvorbereitung gesehen werden. 7. Dynamische Verwaltung von wenig gefüllten Matrizen: Überwiegend leere Felder müssen auch nutzbar sein. Hierbei spielen die Verbindungen der einzelnen Elemente eine besondere Rolle. Viele Daten enthalten keine Informationen verschiedenster Dimensionen. Diese sollten durch das System effizient gehandhabt und die Daten optimal gespeichert werden. Es muss dahingehend ein angemessenes Speicherschema implementiert werden. Dieser Zusammenhang ist auch bei der Verdichtung der Daten mit zu berücksichtigen. Aufgrund des hohen Datenaufkommens in Unternehmen sollten Verdichtungen auch von ungenutzten Datenfeldern durchgeführt werden151. 8. Mehrbenutzerfähigkeit: Mit der Mehrbenutzerfähigkeit ist zum einen gewährleistet, dass verschiedene Benutzer gleichzeitig Lese- und Schreibrechte haben, zum anderen, dass ein Administrator Möglichkeiten der Begrenzung von Zugriff und Verfügbarkeit der Daten in Anspruch nehmen kann. Hier spielt auch die Datensicherheit eine wichtige Rolle. 9. Unbeschränkte kreuzdimensionale Operationen über mehrere Dimensionen: Berechnungen und andere Anwendungen müssen zwischen bzw. über allen Aktivitäten für den Benutzer möglich sein. Innerhalb von OLAP-Modellen sollten Berechnungsvorschriften verwaltet werden können. Es müssen Verknüpfungen bestehen, die es ermöglichen, Berechnungen innerhalb und zwischen mehreren [...]
In den Warenkorb
74,00 €
Link zur Arbeit:
http://www.diplom.de/ean/9783832473693
Arbeit zitieren:
Braatz, Sven Juli 2003: Business Intelligance-Tools im Kooperationscontrolling, Hamburg: Diplomica Verlag
Schlagworte:
Wissensmanagement, Supply Chain-Controlling, Netzwerke, Data Warehouse, Informationsmanagement




