Von OLTP zu OLAP – Wie Data Warehouses das ... - WWI 01 B

karguti.de

Von OLTP zu OLAP – Wie Data Warehouses das ... - WWI 01 B

Von OLTP zu OLAPWie Data Warehouses dasUnternehmensreporting beeinflussen undverbessernStudienarbeitvonStefan Gimbelaus LörrachBERUFSAKADEMIE LÖRRACH– STAATLICHE STUDIENAKADEMIE –UNIVERSITY OF COOPERATIVE EDUCATIONAusbildungsbereich WirtschaftBetreuende(r) Dozent(-in): Dirk Ücker, Dipl. Betriebswirt (BA)Abgabetermin: 08.03.2004Kurs:WWi01bFachrichtungWirtschaftsinformatikUnternehmenEndress+Hauser InfoServe GmbH + Co. KG


Ehrenwörtliche ErklärungIch versichere hiermit, dass ich meine Studienarbeit mit dem ThemaVon OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen undverbessernselbstständig verfasst und keine anderen als die angegebenen Quellen und Hilfsmittel benutzthabe.Lörrach, den 08.03.2004Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 2 / 40


AbkürzungsverzeichnisBIbspw.CRMDSSDVDWEDVEISERPFISISITMISOLAPOLTPBusiness IntelligencebeispielsweiseCustomer Relationship ManagementDecision Support SystemDatenverarbeitungData Warehouseelektronische DatenverarbeitungExecutive Information SystemEnterprise Resource PlanningFührungsinformationssystem (= EIS)InformationssystemeInformationstechnologieManagement Information SystemOnline Analytical processingOnline Transaction ProcessingR/3 ERP-Software der SAP AGSAPsog.SQLu.a.z.B.Systeme Anwendungen Produkte (großes Softwarehaus in Walldorf)sogenannte, /-r, /-sStructured Query Languageunter anderemzum BeispielVon OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 5 / 40


AbbildungsverzeichnisSeiteAbbildung 1: Die vier Ebenen der Software-Anwendungen.......................................... 13Abbildung 2: Entwicklungsverlauf von Informationssystemen ...................................... 15Abbildung 3: Multidimensionale Sicht auf Unternehmensdaten ................................... 22Abbildung 4: Wertschöpfungsprozess im Data Warehouse.......................................... 26Abbildung 5: Management Cockpit............................................................................... 29Abbildung 6: Marktanteile der einzelnen OLAP-Anbieter ............................................. 31Abbildung 7: Reporting Services - Architektur .............................................................. 32Abbildung 8: Architektur der ‚Business Performance Management’ – Lösung ............. 33Abbildung 9: Wertvolle Informationen oder nur Datenmüll? ......................................... 35Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 6 / 40


AnlagenverzeichnisSeiteAnlage 1: Quellenverzeichnis aller Internetquellen auf CD...........................................40Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 8 / 40


1 Einleitung1.1 MotivationDen Menschen stehen heute weltweit mehr Informationen zur Verfügung als jemals zuvor. In derVergangenheit wurden sie ausschließlich mit Hilfe von Zeitungen und Büchern den entsprechendenInteressengruppen zur Verfügung gestellt. Im Zeitalter der elektronischen Datenverarbeitungwerden viele Informationen maschinell erfasst und elektronisch oder optisch gespeichert und archiviert.Etwa alle 20 Monate verdoppelt sich die Menge der Informationen auf der Welt. 1 Außerdem giltnoch immer die in den sechziger Jahren von Intel Mitgründer Gordon E. Moore formulierte‚Moore’sche Regel’, die besagt, dass sich die Leistungsfähigkeit informationstechnischer Systemeetwa alle 18 Monate verdoppelt.„Computer haben die Quelle der Weisheit versprochen, aber nur eine Flut von Daten geliefert!“ 2Das obige Zitat macht deutlich, dass die mittlerweile unüberschaubaren Mengen an vorhandenenInformationen die Manager häufig vor ein Problem stellen. Sie sehen sich immer weniger in derLage, richtige Entscheidungen auf der Basis von gut geprüften und korrekten Informationen zutreffen. Durch die Einhaltung von Moore’s Gesetz werden Speichermedien immer preiswerterund mit höherer Speicherdichte entwickelt. Daten und Informationen können mittlerweile in fastunbegrenztem Maße elektronisch gespeichert werden. Fast kein Wirtschaftsbereich ist nicht digitalisiert.Dank dem technischen Fortschritt der EDV-Branche und immer leistungsfähigeren Archivierungssystemenwachsen die Datenberge unaufhaltsam.Es ist für einen Menschen inzwischen kaum noch möglich, diese riesigen Datenbestände zu ü-berblicken oder sogar auszuwerten. Die Größe der in Datenbanken abgelegten Informationen istzu mächtig, als dass sie ohne Unterstützung durch geeignete Computerprogramme bearbeitetwerden könnten.Wenn sich Unternehmen im heutigen Wettbewerb behaupten möchten, sind schnelle Entscheidungenwichtig. Und das obwohl das zu bewältigende Datenvolumen täglich anwächst und sichdie Marktfaktoren sehr dynamisch bewegen. Die Bereitstellung und Aufbereitung komplexer Da-1vgl. [Jurs00]2vgl. [BrHe96]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 9 / 40


EINLEITUNGten muss drastisch rationalisiert werden, um klare Entscheidungen aufgrund von gesicherten Informationentreffen zu können. Schon seit langem beschäftigt sich die Informationstechnologiemit dieser Problematik. Das Schlagwort hier ist ‚Data Warehousing’.1.2 Problemstellung und -abgrenzungDieser Arbeit möchte dem Leser über die in vielen Artikeln und Büchern oft übliche oberflächlicheBetrachtungsweise hinaus logische Einblicke in die Thematik ‚Data Warehouse’ vermitteln.Die Gesamtzusammenhänge sollen dabei erkannt und verstanden werden. Die lange, historischeEntwicklung von Data Warehouses soll zu diesem Verständnis genauso beitragen wie die Eigenschaftenund grundlegenden Architekturprinzipien dieser Technik. Es soll gezeigt werden, welcheProbleme im betrieblichen Berichtswesen mit heutiger DW-Technologie gelöst werdenkönnen und wie Data Warehouses das heutige ‚altmodische’ Unternehmensreporting positiv beeinflussen.Im Rahmen dieser Studienarbeit können, aufgrund der vorgegebenen Kürze der Ausarbeitung,nur grundlegende Einsichten in die DW-Technologie behandelt werden. Tiefergehende Konzepteund ausgiebige Analysen sind nicht Ziel dieser Arbeit. Komplette Produktvorstellungen könnenin dieser Ausarbeitung genau so wenig ausgeführt werden wie eine mögliche Implementierungeines solchen Systems.1.3 Ziel der ArbeitZiel dieser Arbeit ist es, eine Basis zum Verständnis der Data Warehouse Technologie darzustellenund das Problembewusstsein im Umgang mit riesigen Datenmengen zu wecken. Die Möglichkeitenund Grenzen im Unternehmensreporting mit Hilfe der Data Warehouse – Technologiesollen genauer beschrieben werden.Viele Unternehmen richten mittlerweile Data Warehouses ein, die die Grundlage für Datenanalysendarstellen und somit Unternehmensentscheidungen vereinfachen sollen. Die unterschiedlichenLösungsansätze der momentanen Marktführer Microsoft, Hyperion Solutions und Cognosvorgestellt sollen in dieser Arbeit kurz vorgestellt werden. 3Es soll gezeigt werden, welche Chancen im Bereich Reporting möglich sind und wie dieseOLAP-Produkte dabei das momentane Unternehmensreporting verbessern.1.4 VorgehenZu Beginn dieser Arbeit sollen einige Grundlagen zu der gesamten Thematik geschaffen werden.Es wird erklärt, was Informationssysteme überhaupt sind und wozu sie dienen. Darauf aufbauendwird gezeigt, wie und wo Data Warehouses in die Informationssystem-Landschaft eingeordnetwerden können. Außerdem soll eine Ordnung in die Begriffswelt im DW-Bereich gebracht werden.Es wird aufgezeigt, wie sich informations- und entscheidungsunterstützende Systeme historischentwickelt haben.3vgl. [Pend04]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 10 / 40


EINLEITUNGIm dritten Kapitel werden grundlegende Begriffe wie OLTP oder OLAP und deren genaue Einordnungin die gesamte Thematik näher erläutert und miteinander verglichen. Sie bilden die Basisfür das Verständnis des Aufbaus und der Anforderungen an ein Data Warehouse.Anschließend wird im vierten Kapitel näher auf das betriebliche Berichtswesen eingegangen.Nachdem beschrieben wird, wie aus vielen unterschiedlichen Daten nutzbares Wissen entsteht,wird gezeigt, wo heutige Schwachstellen in einem Unternehmen liegen, das keine DW-Technologie benutzt. Auf der anderen Seite werden die Vorteile, die ein Unternehmensreportingmit Data Warehouses bietet, aufgezeigt und erläutert.Zum Ende dieser Arbeit werden konkrete Beispiele für OLAP-Reportingtools vorgestellt und diedabei möglichen Lösungsansätze für das Unternehmensreporting aufgezeigt.Die Arbeit endet mit einem kurzen Fazit und einem Blick in die Zukunft der Data Warehouses.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 11 / 40


2 Grundlagen2.1 InformationssystemeDie heutzutage viel diskutierte Globalisierung und der verstärkte Wettbewerb verlangen nachimmer komplexeren Analysen. Gleichzeitig wachsen die Informationsmengen weiter an. Produkte,die angeblich neu auf den Markt kommen, werden sich immer ähnlicher bzw. sind in identischerForm bereits auf vorhanden.Ohne ein gut durchdachtes Informationssystem kann man heute mittlerweile nicht mehr viel machen.Neue Informationsinstrumente werden benötigt, die eine Vielzahl von Funktionen unterstützen.Solche Funktionen können z. B. sein:• eine mehrdimensionale Ansicht auf die Unternehmensdaten• die Verarbeitungsmöglichkeit vieler unterschiedlicher Dateiformate• die Definition und Konsolidierung verschiedener Modelle und Alternativen• schnelle und flexible Berichtserzeugung• die Zusammenarbeit mit auf dem Markt befindlichen Standardanwendungen„Ein System besteht aus einer Menge von Elementen, die über Beziehungen interagieren oderzusammenwirken, um ein bestimmtes Ziel oder einen bestimmten Zweck zu erreichen. Ein Systementsteht durch die Abgrenzung von seiner Umwelt.“ 4Ein Informationssystem beinhaltet aufeinander abgestimmte Software-Module, die innerhalb einesBetriebes oder einer Branche gemeinsam zur Unterstützung der betrieblichen Arbeitsabläufeeingesetzt werden. Ein IS ist zuständig für die Gewinnung, Klassifizierung, Verarbeitung, Speicherung,Vermittlung und Ausgabe von Daten und Informationen.Neue Informationssysteme sollen also dem zunehmenden Wettbewerbsdruck und der Globalisierunggerecht werden.4vgl. [PrSc03]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 12 / 40


GRUNDLAGENUm einen besseren Überblick zu erhalten, wie sich Data Warehouses als Informationssystemeüberhaupt in die Informationssystem-Landschaft einordnen lassen, werden im Folgenden die vierEbenen der Software-Anwendungen im Bereich Business Intelligence näher erläutert.Abbildung 1: Die vier Ebenen der Software-Anwendungen 5Die Grundlage dieses Modells bildet die Transaktionsebene. Hier spielen sich sämtliche Transaktionendes Unternehmens ab. Eine hohe Performance ist an dieser Stelle sehr wichtig, da ständigaktuelle, unternehmenskritische Daten verarbeitet werden. Die Basis für betriebswirtschaftlicheAnwendungen sind operative Systeme, also ERP-Systeme, wie beispielsweise das SoftwareproduktR/3 von SAP. Diese bereichsübergreifenden Softwarelösungen können mit ihren einzelnenModulen, wie FI (financials), HR (human resources), MM (material management) etc. sämtlichebetriebswirtschaftlichen Prozesse einer Unternehmung abdecken.Die Informationsebene stellen die Data Warehouses dar. Dieses Informationssystem basiert aufeiner unternehmensweiten Wissensdatenbank. Es beinhaltet und verwaltet sämtliche Informationendes Unternehmens. Dem Data Warehouse liegen unternehmensweite Datenmodelle zugrunde,aus denen Informationen zur transparenten Betrachtung der Geschäftsprozesse einesUnternehmens gewonnen werden. Hier können also alle Unternehmensinformationen eingesehenwerden.Die gesammelten und aufbereiteten Informationen können von der Strategieebene benutzt werden.Hier setzen analytische Anwendungen auf. Analytische Systeme sind Pakete von Werkzeu-5vgl. [Stee03]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 13 / 40


GRUNDLAGENgen und Prozessen, die Manager einsetzen können, um unternehmensweit Managementlösungeneinzuführen. Sie bieten also vorgefertigte Komplettlösungen für typische Entscheidungsprozesse.Die letzte Ebene stellt die Darstellungsebene dar. Hier greift der Anwender mit Präsentationstoolswie dem Browser oder Microsoft Excel auf die hinterlegten, geordneten Daten zu.2.2 EntwicklungshistorieBevor die Entwicklung der rechnergestützten Anwendungssysteme, die der Informationsversorgungund Entscheidungsunterstützung dienen, näher erläutert wird, muss hinzugefügt werden,dass es mittlerweile eine breite Begriffsvielfalt gibt. Bei der Recherche zu dieser Arbeit wurdedeutlich, dass eine genaue Differenzierung in der Literatur nicht durchgängig eingehalten wird.Zu den unterschiedlichen Bezeichnungen zählen u.a. ‚Entscheidungsunterstützungssysteme’,‚Führungsinformationssysteme’, ‚Managementinformationssysteme’, ‚Chefinformationssysteme’,‚Group Decision Support Systems’, ‚Data Warehouses’ und ‚Strategische Führungsinformationssysteme’.Am häufigsten wird jedoch eine historische Unterteilung in MIS, DSS und FIS vorgenommen, sodass ich mich bei der Entwicklungshistorie auf diese drei beschränken werde. Man spricht auchvon den verschiedenen ‚Management Information System - Generationen’ (siehe Abbildung 2),da all diese Informationssysteme letztendlich Managern und Entscheidungsträgern Unternehmensinformationenzur Verfügung stellen.In den sechziger Jahren standen viele Unternehmen nach Jahren sehr starken Wachstums vordem Problem, sich in den veränderten und dynamischen Verhältnissen eines vollkommen neuenKäufermarkts behaupten zu müssen. Anstatt sich wie bisher auf die Versorgung des heimischenMarktes mit Massenprodukten zu fixieren, müssen nun die Unternehmen auf die unterschiedlichenKundenwünsche des internationalen Markts eingehen. Damit galt es auch, völlig neuenEntscheidungssituationen gewachsen zu sein, für die allerdings die informationstechnischeGrundlage fehlte.Im Folgenden wird deshalb auf die Entwicklung von informations- und entscheidungsunterstützendenSystemen eingegangen. Die Evolution von MIS bis hin zu den heutigen Data Warehousessoll aufgezeigt werden.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 14 / 40


GRUNDLAGENAbbildung 2: Entwicklungsverlauf von Informationssystemen 6In den nächsten drei Kapiteln wird die oben stehende Abbildung genauer erklärt.2.2.1 MIS – Management Information SystemAls Folge dieser Marktentwicklung und aufgrund einer fehlenden informatorischen Basis zurEntscheidungsunterstützung als Lösung dieser veränderten Bedingungen wurden Mitte der sechzigerJahre die Managementinformationsysteme entwickelt.Nach Winfried A. Elm, der den Begriff ‚MIS’ stark prägte, ist ein Managementinformationsystemein „[…] Dienstleistungssystem, das in einem fest vorgegebenen betrieblichen Kommunikationssystemverursachungs- und zeitnah für die Unternehmensführung die Daten derverschiedenen Unternehmensbereiche nach Maßgabe der vorliegenden Ordnungskriterien sammelt,umordnet und für Auswertungen verfügbar macht und das die so aufbereiteten Daten zuzweckgerichteten und funktionalen Informationen verdichtet und diese dosiert und differenziertden vertikalen und horizontalen Managementebenen mit klarer Abgrenzung von Verantwortungund Kompetenz zuordnet.“ 7Diese Systeme sollten die auf den einzelnen Unternehmensebenen und -bereichen anfallendenDaten verdichten und entsprechend aufbereiten. Bisher war die betriebliche Informationsversorgungnur auf das Rechnungswesen beschränkt. Es sollte mit Hilfe dieser Strategie ein automatischer‚Entscheidungsgenerator’ entwickelt werden, der die mit Informationen überfluteteUnternehmensführung entlasten sollte. Die Benutzer dieses DV-Systems sollten nun per Tastendruckrelevante Informationen als Entscheidungsgrundlage für ihre Aufgaben erhalten, und zwarmit passendem Inhalt, zum richtigen Zeitpunkt und in zweckmäßiger Form. Dem Konzept vonMIS lagen außerdem weitere Ansatzpunkte zu Grunde, wie z.B.:• Datenqualität und Entscheidungsqualität sind unmittelbar voneinander abhängig6vgl. [Jurs00]7vgl. [Tref03]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 15 / 40


GRUNDLAGEN• Informationsbedarf der Führungskräfte muss im Voraus bestimmt werden• Informationsvollständigkeit ist durch die vorhandene Informations- und KommunikationstechnikumsetzbarDiese Reihe von Anforderungen und Ansatzpunkten lässt deutlich werden, dass MIS (der erstenGeneration) zum Scheitern verurteilt waren und die Ziele für damalige Verhältnisse viel zu hochgesteckt waren. Es wurde klar, dass unternehmensrelevante Entscheidungen nicht nur auf Grundlagevon vergangenheitsorientierten und operativen Daten aus dem Rechnungswesen getroffenwerden können. Weitere Gründe, die den Durchbruch solcher Systeme verhinderten, waren beispielsweise• die geringe Akzeptanz bei den Benutzern aus Mangel an programmier- und datenbanksprachlichenKenntnissen• der hohe Pflegeaufwand eines solchen Systems• keine benutzerfreundlichen Programmoberflächen• keine entsprechende Ergebnispräsentation• die mangelnde Flexibilität und Anpassbarkeit an UnternehmensstrukturenRussell L. Ackoff von der University of Pennsylvania erkannte schon 1967, noch in der Phaseder MIS-Euphorie, diese Probleme und führte den Begriff Managementmissinformationssystemein. 8Der Hauptgrund für das Scheitern von MIS war jedoch die damalige langsame und unflexibleMainframe-Architektur der Rechensysteme. Man wartete daher auf technische Fortschritte imBereich der elektronischen Datenverarbeitung und hoffte somit auf eine Weiterentwicklung diesesInformationssystems.2.2.2 DSS – Decision Support SystemIn den siebziger Jahren wuchs die Erkenntnis, dass Manager eigentlich Abfrage- und Analysewerkzeugebenötigen. Spontane Ad-Hoc - Analysen, die von Fall zu Fall unterschiedlich sind,sollten ausführbar sein. Somit sind auch effektivere Entscheidungen von Managern möglich, diedurch Planungs-, Kontroll- und Entscheidungsmodelle unterstützt werden. DSS-Ansätze, die nunauf flexiblen Datenbanksystemen basierten, konnten solche Analysen EDV-technisch durchführen.Ging es bei den MIS-Ansätzen noch um die reine Datenversorgung von Entscheidungsträgern, sosollten DSS-Systeme nun den Fachspezialisten bei der interaktiven Lösung von Teilaufgaben unterstützen,und zwar durch Modelle und Methoden wie z.B. die Beantwortung von ‚What-If’ o-der ‚How-To-Achieve’ – Fragestellungen.8vgl. [Acko67]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 16 / 40


GRUNDLAGENDie ‚Keimzelle’ von DSS waren hauptsächlich Controllingabteilungen und konzentrierten sichauf das interne Berichtswesen. Mit sog. Spreadsheets, also einfache Kalkulationstabellen, wurdendie Daten des Berichtswesens zeitintensiv aufbereitet, so dass ausschließlich endlose Papierbergean Listen produziert wurden. Weitere Gründe ließen auch diese Entwicklung des DSS-Konzeptes scheitern:• Komplizierte Kommandosprachen waren weiterhin nötig, was einen hohen Lernaufwandbedeutete• das Konzept basierte auf starren Modellstrukturen• nicht nur die monetären Kennzahlen der Controller bestimmen den Unternehmenserfolg,sondern die konkrete Umsetzung der strategischen UnternehmenszieleEs ist ganz natürlich, dass nur Funktionen eines Systems auch wirklich genutzt werden können,die einfach zu verstehen und zu handhaben sind. Und so war die Akzeptanz und die Erfolgsquotebei der Einführung eines solchen Systems gefährdet und führte letztendlich zu dessen scheitern.DSS-Erfahrungen haben also gezeigt, dass es nicht alleine ausreicht, neue Hard- und Softwareproduktezu entwerfen, um damit Führungskonzepte zu ersetzen.„Entscheidungsmodelle sind nicht so komplex wie die Realität, so dass durch sie erzeugte Entscheidungsvorschlägenur mit Vorsicht direkt umgesetzt werden können. In den Vordergrund istso wieder die reine Informationsbereitstellung für Führungskräfte gerückt, Entscheidungen sollenunterstützt und nicht automatisiert werden.“ 92.2.3 EIS – Executive Information SystemNach all diesen Rückschlägen erkannte man, dass die vorangegangenen Ziele, wie automatischeEntscheidungsgeneratoren und halbautomatische Entscheidungssysteme, nicht praktikabel warenund die damaligen technischen Möglichkeiten weit übertrafen. Man sah ein, dass Unternehmensentscheidungennicht durch Informationssysteme abgenommen, sondern lediglich unterstütztwerden können.So wurde Anfang der achtziger Jahre der MIS-Gedanke wieder aufgegriffen und weiterentwickelt.Daraus resultierten die EIS – Executive Information Systems (deutsch: Führungsinformationssysteme).Diese Systeme sind geprägt durch intuitiv bedienbare und individuell anpassbareBenutzeroberflächen. Neuartige Techniken, wie ‚Drill-Down’, also disaggregierende Informationsanalyseauf Knopfdruck, oder ‚Exception Reporting’, bei dem auffällige Abweichungen gekennzeichnetwerden, sind nun möglich. Ein weiterer technologischer Fortschritt war die nunmögliche Einbeziehung von externen Daten und der elektronischen Kommunikation.Ursprünglich waren EIS ausschließlich für das Top-Management eines Unternehmens konzipiert.In der Realität gibt es aber diverse Spartenlösung für die unterschiedlichen entscheidungsvorbereitendenStellen und Fachbereiche, wie z.B. Marketing-, Vertriebs- und Produktionsinformationssysteme.Einen ganzheitlichen Lösungsansatz, der Informationen für alle Mitarbeiter zurVerfügung stellen konnte, gab es nicht. Die Entscheidungsfähigkeit ‚vor Ort’ sollte jedoch nun9vgl. [MeWi00]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 17 / 40


GRUNDLAGENermöglicht werden, da sich immer mehr der Trend abzeichnete, dass jeder Mitarbeiter mittelsSelbstcontrolling und Selbstmanagement seine eigenen Aufgaben bewältigen musste.Die Aufgabe der einzelnen Abteilungen war es nun, den Bedarf an Informationen selbst festzustellen,und dabei Konzepte und Methoden zur Informationsversorgung zu entwickeln, sowietatkräftig in den Bereichen Informationsbeschaffung und -aufbereitung mitzuwirken. Man wollteEIS nicht mehr als reines Führungsinformationssystem verstehen, sondern allen Mitarbeitern eineInformationsbereitstellung ermöglichen. EIS sollte nunmehr als ‚Everybody’s InformationSystem’ verstanden werden. Diese Idee scheiterte jedoch an der damaligen Technik, die noch zuteuer und nicht leistungsfähig genug war, um solche Visionen zu ermöglichen.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 18 / 40


3 Data WarehouseDie Technik entwickelte sich rasch weiter und es gilt noch immer die in den sechziger Jahrenvon Intel Mitgründer Gordon E. Moore formulierte ‚Moore’sche Regel’. Ein Grund für die Weiterentwicklungist der drastische Preisverfall der Hardwarekomponenten und die heutzutage fastunbegrenzten Speichermöglichkeiten sämtlicher Unternehmensdaten. Managementinformationssysteme(MIS) erlebten eine regelrechte Wiedergeburt. Hauptsächlich zu verdanken ist dies demWandel der Rechnerarchitektur hin zum Client/Server-Modell. Um der Evolution in der Kompetenz-und Aufgabenverteilung Rechnung zu tragen, nämlich der Entwicklung hin zur Selbstbeschaffungund -koordination von Informationen eines jeden Mitarbeiters, wurden Konzepte wieOLAP entwickelt. Der Begriff des Data Warehouse als Lieferant aller entscheidungsrelevantenInformationen wurde geboren. Darauf soll im Folgenden jedoch noch näher eingegangen werden.Der Begriff ‚Data Warehouse’ lässt sich eigentlich recht einfach erklären, wenn man es als dassieht, was es im Prinzip ist, nämlich ein ‚Datenlagerhaus’. Es ist eine riesige Datenbank, die alleInformationen und Daten eines Unternehmens in eine sinnvolle Struktur bringt, da es sonst sogut wie unmöglich wäre, aus allen unternehmensweiten Daten wertvolles Wissen rausziehen zukönnen. Ursprünglich waren es, wie oben erwähnt, hauptsächlich technische Gründe, die für dieEntwicklung eines Data Warehouse sprachen, wie beispielsweise die uneinheitlichen Datenbeständeder Unternehmen. OLAP und Data Mining erschließen dem Management die in den unüberschaubarenDatenvolumina des Data Warehouse verborgenen Erfahrungen.Aber auch hier spielen heute zusätzlich die Auswirkungen der Informationsgesellschaft eine Rolle.Es soll dem Anspruch gerecht werden, jedem Mitglied eines Unternehmens jederzeit dieMöglichkeit zu geben, die individuellen Informationsbedürfnisse zu befriedigen. Dazu sind Datenstrukturenund eine Organisation der Daten notwendig, die es einfach machen, mittels weitverbreiteter Software Anfragen, Graphiken und Analysen zu erstellen. Dazu wiederum ist eineintegrierte und logisch-konsistente Gesamtsicht auf die Daten nötig. Diese einheitliche Sicht aufsämtliche Unternehmensdaten wurde erst mit Hilfe von Data Warehouses ermöglicht.Ein Data Warehouse unterscheidet sich in wesentlichen Punkten von einem operationalen Informationssystem.Letztere enthalten keine historischen Daten und dienen ausschließlich der Durchführungder jeweils aktuellen Transaktionen. Ein Data Warehouse hingegen ist ein permanentwachsender Datenbestand. Hinzu kommen ständig neue, aktuelle Daten. Für Abfragen an ein DataWarehouse benötigt man den Zugriff auf ein Vielfaches der Daten in einem operationalen System.Durch Aggregation und Verdichtung der DW-Daten bleiben diese entscheidungsrelevant.Benutzer eines DW-Systems interessieren sich nicht für die einzelnen Positionen jeder Bestel-Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 19 / 40


DATA WAREHOUSElung eines Kunden sondern vielmehr für Quartals- und Jahressummen. Durch diese Zusammenfassungvon Daten werden auch die Zugriffszeiten reduziert.Die Datenbasis für ein Data Warehouse kann aus verschiedenen Bereichen gefüllt werden. Nebenden internen operationalen Daten fließen auch externe Daten, wie z. B. aktuelle Börsenkurse,Daten aus Wirtschaftsdatenbanken oder von Mitbewerbern, in die Datenbasis ein. Ein Abgleichder verschiedenen Datenquellen ist unbedingt erforderlich, um die Daten der heterogenen Quellsystemein die einheitliche Struktur des Data Warehouse überspielen zu können. Die Idee, Unternehmensdatenum externe Daten anzureichern, um sie dann für eine gezielte Suche nachentscheidungsrelevanten Informationen über Kunden, Produkte, Märkte usw. zu verwenden, istnicht neu. Ein entscheidender Erfolg in der Konzeption solcher Informationssysteme, die auf einereigenen Datenbasis beruhen, war aber lange Zeit nicht in Sicht. Lange Zeit waren damals bestehendeRealisierungen oftmals entweder zu aufwändig oder nur einfache, begrenzteErweiterungen operationaler Systeme. Erst auf Grund der hardware- und softwaretechnologischenEntwicklungen der letzten Jahre wird eine effiziente und effektive Informationsversorgungfür Managementaufgaben möglich.3.1 EigenschaftenIn der Literatur finden sich sehr unterschiedliche Definitionen des Begriffs Data Warehouse.Konzept und Begriff des Data Warehouse wurden ursprünglich 1990 von William H. Inmon, demmittlerweile legendären ‚Data Warehouse - Guru’, entwickelt. Sein Buch „Building The DataWarehouse“ genießt mittlerweile den Ruf eines ‚Standardwerkes’. Die DW-Definition laut Inmonlautet: „A Data Warehouse is a subject-oriented, integrated, time-variant and nonvolatilecollaction of data in support of management’s decision making process.“ 10Demnach ist ein Data Warehouse eine subjektorientierte, integrierte, dauerhafte und zeitorientierteDatensammlung zur Unterstützung von Managemententscheidungen. Das Managementbenötigt die Daten in sachgebiets- und themenbezogener Form, deshalb müssen die zugrundeliegenden Datenquellen betriebswirtschaftlich harmonisiert und begrifflich abgestimmt sein. Dieangegebenen Attribute können wie folgt beschrieben werden:• Subjektorientiert heißt, die Daten werden zu so genannten Dimensionen zusammengefasstund geordnet. Dimensionen eines Unternehmens sind beispielsweise Kunden, Regionenoder Produkte, also Komponenten des strategischen Informationsbedarfs.• Integriert bedeutet, dass alle eine Dimension betreffenden Daten aus den OLTP-Systemen bereinigt und so zusammengefasst werden, dass sich keine Überschneidungenund Inkonsistenzen mehr ergeben. Dies ermöglicht, dass Berichte und Auswertungen vonverschiedenen Benutzern — auch im Hinblick auf eine heterogene Sichtweise — dieselbenErgebnisse enthalten.• Zeitorientiert meint zum einem, dass die historische Daten der letzten 5-10 Jahre gespeichertwerden (langer Zeithorizont). Zum anderen ist damit gemeint, dass bei der Analyseder Data Warehouse - Daten immer ein Zeitraum angegeben werden muss, über den ausgewertetwird (Zeit ist Komponente des Schlüssels). Außerdem bedeutet zeitbezogen10vgl. [Inmo96]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 20 / 40


DATA WAREHOUSEnoch, dass die Daten im Data Warehouse eine Reihe zeitlicher Schnappschüsse darstellen.Sie werden außerdem mit einem Zeitstempel versehen. So können Daten mit gleichemBezug anhand dieses Stempels unterschieden werden. Ein Überschreiben von alten Datenist nicht zulässig.• Dauerhaft bedeutet somit, dass einmal korrekt geladene Daten nie geändert, sondern lediglichergänzt werden. Nur so lassen sich Veränderungen zeitraumbezogen erfassen. DieDaten werden nicht im Warehouse erzeugt, sondern von den operativen Systemen desUnternehmens oder durch externe Quellen eingespielt.3.2 ArchitekturEin typisches Data Warehouse besteht aus vier Komponenten: Der eigentlichen Datenbasis, geeignetenTransformationsprogrammen, einem Archivierungssystem und einem Metadatenbanksystem.Die Kernkomponente des Data Warehouses ist die von den operationalen DV-Systemen isolierte,unternehmensweite Datenbasis. In der Regel wird diese Basis durch eine relationale Datenbankgebildet. Diese Datenbasis enthält sowohl historische als auch aktuelle Daten und Informationendes Unternehmens.Transformations- und Extraktionsprogramme werden zur Übernahme von unternehmensinternen-und externen Daten eingesetzt. Mit ihnen erfolgt die Datenübername aus den verschiedenen,heterogenen Datenquellen.Die Metadatenbank enthält nur ‚beschreibende’ Daten. Sie beinhaltet Informationen, welche Datenan welcher Stelle verfügbar sind, wie diese genau definiert sind und wie der Benutzer aufdiese zugreifen kann. Damit ist eine gewisse Transparenz in den ‚Datenunmengen’ des Data Warehousegegeben.Das Datensicherungs- und Archivierungssystem ist die vierte Komponente des Data Warehouses.Sie dient der Wiederherstellung der Data Warehouse - Datenbank im Falle eines Programm- oderSystemfehlers. Die umfangreichen, historischen Daten werden auf kostengünstigeren Speichermedienarchiviert. Durch die Überspielung auf externe Datenträger wird das Datenvolumen reduziert,was eine deutliche Performancesteigerung des Data Warehouses zur Folge hat.3.3 Datenanalyse mit Online Analytical Processing (OLAP)Durch den Einsatz von Analysetools im Data Warehouse können Fragen schnell und einfach beantwortetwerden, die mit den bisherigen Datenbanken gar nicht oder erst nach langwierigen Datenanalysenbeantwortet werden können. Die für den Benutzer relevanten Daten können direktaus dem Data Warehouse abgerufen werden. Diese sind dann für gewisse unternehmenskritischeEntscheidungen von Bedeutung. Bei den Werkzeugen zur Analyse von strukturierten Datenbeständenstößt man vorwiegend auf die Begriffe wie Online Analytical Processing (OLAP) undData Mining. OLAP ist keinesfalls eine neue Erfindung. Bereits vor 30 bis 40 Jahren entstanddie Idee des ‚Online Analytical Processing’.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 21 / 40


DATA WAREHOUSEAm Anfang der Entwicklung stand jedoch zuerst ‚Online Transaction Processing’, kurz OLTP.Dieses Verfahren zeichnet sich dadurch aus, dass viele Anwender gleichzeitig operative Dateneingeben und ändern können. Ressourcenkonflikte sind oftmals die Folge. Denn Analysen undAuswertungen während der normalen Geschäftszeit führen bei OLTP stets zu einer Überlastungdes Gesamtsystems. Betrachtet man die Situation des betrieblichen Berichtswesens auf der Basiseines operationalen Systems, so sprechen besonders Effizienzgründe gegen diesen unbefriedigendenZustand.Die Lösung des Problems heißt OLAP. In verschiedenen Schritten gelangen die Daten vom operativenSystem in das Data Warehouse. Transformationsprogramme sorgen bei der Datenübernahmenicht nur für die geforderte Kompatibilität der Daten, sie transformieren sie auch in daskorrekte Format und sorgen somit für eine einheitliche, unternehmensweite Datenbasis. Im Idealfallsind solche Transformationsprogramme die einzige Schnittstelle des Data Warehouse zu denoperativen und den unternehmensexternen Datenquellen. Vorgefertigte Antworten auf häufig gestellteFragen werden erstellt, was die Antwortzeiten des Systems erheblich minimiert.Durch die multidimensionale Struktur der Datenbasis entstehen logisch unabhängige Dimensionen.Das Resultat ist ein sog. Datenwürfel, der theoretisch beliebig viele Dimensionen besitzenkönnte. Abbildung 4 zeigt den Aufbau eines solchen ‚Hypercubes’. Der Anwender kann sich ü-ber spezielle Navigationshilfen durch den Würfel bewegen, indem er eine zweidimensionaleScheibe (Slice and Dice) herausschneidet. Die Navigation innerhalb des Würfels kann dabeiauch über die verschiedenen Aggregationsebenen erfolgen, auch ‚Drill down’ bzw. ‚Drill up’genannt. Der Benutzer wird so in die Lage versetzt, Auswertungen ohne aufwendige Datenbankabfragendurchzuführen. Damit bietet sich dem Anwender eine Vielzahl an Betrachtungsebenen,die sich aufgrund der multidimensionalen Organisationsstruktur leicht und schnellerstellen bzw. analysieren lassen.Abbildung 3: Multidimensionale Sicht auf Unternehmensdaten 11Die Idee, für komplexe Analysen eine Kopie der Unternehmensdaten zur Verfügung zu stellen,ist nicht neu. Die damit verbundenen Hardwarekosten hinderten jedoch lange Zeit vor allem mit-11vgl. [MoRo01]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 22 / 40


DATA WAREHOUSEtelständische Unternehmen daran, OLAP-Systeme einzusetzen. Das änderte sich dank der hartenKonkurrenz und der drastisch sinkenden Erzeugerpreise von Hardwarekomponenten. So lohntees sich immer mehr, auch für kleinere und mittelgroße Betriebe Kopien ihrer Unternehmensdatenauf separater Hardware effizient zur Analyse einzusetzen.Die folgende Tabelle soll die genauen Unterschiede von OLTP und OLAP noch einmal übersichtlichdarstellen:OLTP− schnelle Antwortzeiten− anwendungsorientiert− aktuelle, operative DatenOLAP− hohe Speicherkapazität− subjekt- bzw. themenorientiert− historische Daten(‚Schnappschussdaten’)− detaillierte, primäre Daten − zusammengefasste, abgeleiteteDaten− ständige Änderungen− dient der täglichen, transaktionsverarbeitendenArbeit− keine Updates, nur Hinzufügenvon Daten− dient Analysen- und ManagementaufgabenTabelle 1: Gegenüberstellung OLTP vs. OLAP3.4 Data Mining„Data Mining ist eine intelligente Anwendung von Data Warehouse. Es handelt sich dabei um einenProzess, bei dem aus einem sehr großen Datenbestand unternehmensrelevante Informationenselektiert werden.“ 12Der Begriff Data Mining steht folglich für das Suchen nach wertvollen Geschäftsinformationenund deren Zusammenhängen. Nimmt man das Wort ‚Mining’ wortgetreu, so kann man daruntersprichwörtlich das Graben nach ausgesuchten Informationen bzw. Informationsadern verstehen.Bisher unbekannte Beziehungsmuster sollen herausgefunden werden. An dieser Stelle sei nurkurz auf die verschiedenen Data Mining – Techniken, wie Assoziationsregeln, Warenkorbanaly-12vgl. [Siem03]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 23 / 40


DATA WAREHOUSEse, fallbasiertes Schließen oder Regression hingewiesen. Sie werden in dieser Arbeit jedoch nichtweiter erläutert.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 24 / 40


4 Unternehmensreporting mit Data Warehouses4.1 Von der Datenspeicherung zum WissensmanagementDaten, Informationen und Wissen bilden eine wichtige Wertschöpfungskette innerhalb eines Unternehmens.Erfolgreiches Wissensmanagement setzt jedoch auch ein effizientes Daten- und Informationsmanagementvoraus. Doch bevor mit dem gesammelten Wissen auch tatsächlicherfolgreiche Aktionen durchgeführt werden können, bedarf es einer intensiven und umfassendenDatenspeicherung.Zeichen, einzelne Ziffern und Buchstaben, werden durch eine bestimmte Syntax, sog. Ordnungsregeln,zu Daten. Diese sind zunächst nicht interpretierbare Symbole. Sie werden erst zuInformationen, wenn sie interpretierbar sind, das heißt, wenn sie in einen bestimmten Kontextgestellt werden. Das Datum ‚15%’ wird erst im Zusammenhang zur Information, z.B. 15% Arbeitslosenquoteim Jahre 2003. Wissen entsteht erst durch den Prozess der nützlichen Verknüpfung,Verarbeitung und Verankerung von Informationen in unserem Gehirn. Altes, bereitsgespeichertes Wissen dient dabei als Anknüpfungspunkt, um neues Wissen durch aufgenommeneInformationen in die Struktur unseres Gehirns zu integrieren. Dabei ist der Übergang von Informationenzu Wissen kein sprunghafter, sondern vielmehr ein kontinuierlicher Prozess, der sichdurch Qualitätszunahme auszeichnet.„Wissen bezeichnet die Gesamtheit der Kenntnisse und Fähigkeiten, die Individuen zur Lösungvon Problemen einsetzen. Dies umfasst sowohl theoretische Erkenntnisse als auch praktischeAlltagsregeln und Handlungsanweisungen. Wissen stützt sich auf Daten und Informationen, istim Gegensatz zu diesen jedoch immer an Personen gebunden. Es wird von Individuen konstruiertund repräsentiert deren Erwartungen über Ursache-Wirkungs-Zusammenhänge in einembestimmten Kontext.“ 13Ziel des Wissensmanagements ist es, durch gezieltes Eingreifen in die unternehmerischeWissensbasis, Wissen in Wettbewerbsvorteile umzusetzen, die anschließend als Geschäftserfolgemessbar werden. Gegenstand des Wissensmanagements ist also die Gestaltung und Lenkungder Veränderungsprozesse der organisatorischen Wissensbasis. 1413vgl. [Romh00]14vgl. [PrRR03]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 25 / 40


UNTERNEHMENSREPORTING MIT DATA WAREHOUSESAbbildung 4: Wertschöpfungsprozess im Data Warehouse 15Konkret bedeutet das für die Unternehmen, dass sich Erfolge nur erzielen lassen, wenn die Einführungvon Wissensmanagement einen ganzheitlichen Ansatz verfolgt, langfristig angelegt istund sowohl von Führungskräften als auch von den Mitarbeitern getragen wird. NachhaltigeWettbewerbsvorteile können nur diejenigen Unternehmen erlangen, die in der Lage sind, ständigneues Wissen zu generieren und es dort, wo es benötigt wird, zur Verfügung zu stellen und effektivzu nutzen. Dieses Wissen muss dann wiederum in neue Dienstleistungen und Produkte umgewandeltund genutzt werden oder direkt in Entscheidungsprozesse einfließen.4.2 Bisheriges UnternehmensreportingIn der Vergangenheit taten sich Firmen oftmals schwer, relevante Unternehmensdaten aus demriesigen Datenpool übersichtlich und strukturiert zu extrahieren, um sie dann entsprechend aufzubereitenund zu präsentieren. Die erforderlichen Datensätze mussten erst umständlich aus denERP-Systemen des operativen Geschäfts exportiert werden, damit sie sich dann mit Hilfe vonTabellenkalkulationsprogrammen, wie bspw. Microsoft Excel und der dezentralen Access-Datenbanken bearbeiten ließen. Teilweise war es sogar nötig, zusätzliche Daten manuell zu erfassen.Diese alten Analyseverfahren benötigten sehr viel Zeit und Personalressourcen. Außerdemwar damit nur die Darstellung einzelner, einfacher Transaktionen durchführbar.Multidimensionale Betrachtungsweisen der Finanz- und Vertriebsdaten, um komplexe betriebswirtschaftlicheFragestellungen und Zusammenhänge zu analysieren, waren nicht möglich. ERP-Systeme beantworten keine komplexeren Fragestellungen, wenn es darum geht, welcher Mitarbeiterin welchem Quartal den höchsten Umsatz erreicht hat oder mit welchem Artikel das Unternehmenin welchem Bundesland die größte Gewinnsteigerung erzielt hat. An15vgl. [GÜLA01]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 26 / 40


UNTERNEHMENSREPORTING MIT DATA WAREHOUSEScomputerunterstütztes Risikomanagement, wie es heute bei manchen Unternehmen und Aktiengesellschaftengesetzlich verlangt wird, war keinesfalls zu denken.Auch durch die zunehmende Ausrichtung auf die erleichterte Steuerbarkeit von Unternehmenwird das betriebliche Berichtswesen zu einer immer wichtigeren Funktion. Das hat dazu geführt,dass IT-Abteilungen mit täglichen Anfragen für die Erstellung von Berichten regelrecht überschüttetwurden. Man erkannte, dass es notwendig wurde, Informationen rechtzeitig für Führungskräfte,Mitarbeiter, Kunden und Geschäftspartner zur Verfügung zu stellen. Dies erfordertaber auch große Anstrengungen, zumal es gilt, dabei die Kontrolle über Datenzugriffe, Datenintegritätund einen einheitlichen Unternehmensauftritt zu bewahren.Gibt es in einem Unternehmen noch kein DW-unterstütztes Unternehmensreporting, so arbeitendie entsprechenden Anwender für den Zugriff auf unternehmenskritische Daten gewöhnlich mitSpreadsheets, also einfachen Tabellenkalkulationsprogrammen wie Microsoft Excel. Es könnenjedoch leicht Probleme entstehen, wenn Darstellungen, Interpretationen und Rundungsverfahrender Benutzer von den Informationen abweichen, die von der IT-Abteilung veröffentlicht wurden.Unternehmen können durch eine Entlastung der IT-Abteilungen und eine Produktivitätssteigerungjedes einzelnen Mitarbeiters Kosten reduzieren. Die Erstellung von Berichten kann von denAnwendern selbst übernommen werden, denn nur so kann überhaupt die rechtzeitige Auslieferungdynamischer Berichte an Führungskräfte, Kollegen, Kunden und Partner garantiert werden.Die Produktivität steigt außerdem, weil sich der Bedarf verringert, Daten in Microsoft Excel zuübertragen. Zudem entfällt das Erstellen manueller, nicht weiter verwendbarer Excel-Reports, dievielleicht veraltete oder fehlerhafte Daten enthalten. Mit der Fähigkeit von Unternehmen, ihreDaten pünktlich und präzise zur Verfügung zu stellen, wächst auch in gleichem Maße die Zufriedenheitder Kunden und Partner.4.3 Reporting mit Data WarehousesDer Anspruch an die Berichte, die heutzutage von den Mitarbeitern der Informationsabteilung erstelltwerden müssen, wächst immer stärker an. Durch Tools für das betriebliche Berichtswesenbzw. Unternehmensreporting wird die Qualität der Ergebnisse erheblich erhöht. Durch neue Produktebzw. Reportingerweiterungen vorhandener transaktionsverarbeitender Systeme bieten dieHersteller den Firmen eine vollständige und in Ihre IT-Infrastruktur eingebundene Möglichkeit,ausführliche Berichte und Analysen zu erstellen. Davon profitieren Entwickler, Partner und Unternehmenjeder Größe.Mittlerweile hat sich die Reichweite der Informationen auf das gesamte Unternehmen ausgeweitet.Durch Reportingmöglichkeiten, die auf Data Warehouses basieren, soll es den zuständigenMitarbeitern ermöglicht werden, bessere und aktuellere Entscheidungen zu treffen.Nach Tiemo Winterkamp, Manager Marketing Central Europe bei MicroStrategy, darf das „[…]reine Reporting […] nicht die Hauptaufgabe eines Data Warehouses sein. Die Zukunft liegt darin,Daten und Ergebnisse aktiv an die Mitarbeiter zu verteilen, die damit Entscheidungen fällen“.1616 vgl. [Belo]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 27 / 40


UNTERNEHMENSREPORTING MIT DATA WAREHOUSESDie Anforderungen, um den Zugang zu Informationen möglich zu machen, sind vielfältig undvariieren in der heutigen Zeit immer mehr. Fortgeschrittene Benutzer möchten lieber spontaneAd-Hoc Analysen erstellen, während andere Mitarbeiter flexible Berichte für das Treffen vonEntscheidungen im alltäglichen Geschäft benötigen. Moderne Reportingsysteme sorgen mit Hilfevon individuellen Berichten für eine ausreichende Informationsversorgung jedes einzelnen Mitarbeiters,egal zu welcher Zeit oder an welchem Ort er sich gerade befindet.Neben den vielen Vorteilen von modernen Reportingmöglichkeiten, gibt es natürlich auch einpaar Anforderungen zu beachten:• Zeitnahe Auswertungen müssen möglich sein. Auswertungen und Reports müssen immeraktuell und teilweise zukunftsgerichtet sein. Außerdem dürfen keine langen Wartezeitenbei Abfragen entstehen.• Die Reports dürfen nur die wirklich relevanten Daten und Informationen beinhalten. Ausder bereits erwähnten Informationsflut in den Unternehmen dürfen nur die für den zuständigenMitarbeiter wirklich belangvollen Daten, die wirklich von Belang sind.• Die Daten müssen absolut zuverlässig sein, um sich auf die Auswertungen verlassen zukönnen.• Reportingmöglichkeiten müssen flexibel und an firmenspezifische Gegebenheiten undBesonderheiten anpassbar sein.• Außerdem ist eine hochgradige Benutzerfreundlichkeit sehr wichtig, um eine hohe Akzeptanzbei den Benutzern zu erreichen. Das System muss somit ‚narrensicher’ sein.Zahlreiche Ausgabeformate der Berichte und Analysen können ermöglicht werden, wie z.B. WebBrowser und Microsoft Office - Systemanwendungen. Auch der Zugriff auf kundenspezifischeDatenquellen ist möglich und die Daten können auf mehrere Geräte übertragen werden. Die Berichtestehen entweder auf Abruf bereit (Push-Dienste), d.h. es werden per Knopfdruck Reportsund Analysen erstellt oder sie werden nach Bedarf in einem Terminplan festgelegt und automatischgeneriert (Pull-Dienste).Das Unternehmensreporting kann also, wie oben aufgeführt, von den Fachabteilungen selbständigdurchgeführt werden. Erstellte Berichte sind sogar über Browser weltweit und zeitunabhängigabrufbar. Das Unternehmen verfügt damit über ein wesentlich schnelleres und qualitativhochwertigeres Berichtswesen für das Management und die verantwortlichen Abteilungen. Diefolgende Abbildung 6 zeigt ein sog. ‚Management Cockpit’. Ein eigener Raum wird dabei rundherummit Monitoren ausgestattet, um Managern einen Überblick aller unternehmensrelevantenKennzahlen zu geben. Mit Hilfe von grafisch aufbereiteten Informationen und vielen übersichtlichenGrafiken ist der momentane Unternehmensstand leicht zu ermitteln und zu analysieren.Strategische Entscheidungen werden somit stark erleichtert.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 28 / 40


UNTERNEHMENSREPORTING MIT DATA WAREHOUSESAbbildung 5: Management Cockpit 17Erforderlich ist eine sowohl horizontale als auch vertikale Integration der Informationssysteme.Die Anforderungen für ein zielgerichtetes, strategisches Unternehmensmanagement sind lautMarco Meier 18 folgende:1. InformationsintegrationMeta-, Stamm- und Bewegungsdaten müssen integriert werden und bilden die Grundvoraussetzungfür das Unternehmen. Hinzu kommt die Verknüpfung von finanziellen, nichtfinanziellen,qualitativen und quantitativen Daten.2. ModulintegrationIn unterschiedlichen Komponenten werden die gleichen Funktionen verwendet, wie z.B.ein Währungsumrechner sowohl in der Planung als auch im Berichtswesen.3. Weltweiter Zugriff über das InternetAlle Unternehmensdaten und Funktionen müssen weltweit abrufbar sein, z.B. von einemUnternehmensportal aus über das Internet.4. MultidimensionalitätVerschiedene Sichten nach allen relevanten Auswertungskriterien müssen möglich sein(OLAP-Dimensionen).17vgl. [Saps00]18vgl. [MeSM04]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 29 / 40


UNTERNEHMENSREPORTING MIT DATA WAREHOUSES5. Einfache Erlern- und BedienbarkeitEine hohe Benutzerfreundlichkeit des Systems, gerade für Führungskräfte und Controller,die schnell ihre Informationen benötigen, ist nötig.6. Interpretationsmodelle und VisualisierungsmethodenDiese sind eine große Hilfe für das Erkennen von Zusammenhängen zwischen Werttreibernund deren Auswirkungen.7. PersonalisierungFiltermechanismen und Navigationshilfen sind für eine gezielte, aktive Informationsversorgungunentbehrlich. Betriebswirtschaftliche Inhalte müssen nach verschiedenen Mitarbeiterprofilenstrukturiert werden können.Genau dabei helfen moderne Reportingsysteme, die auf Data Warehouses basieren. Die generiertenReports und Auswertungen unterstützen die Unternehmensleitung bei der Operationalisierungvon Strategien in konkrete Maßnahmen in den Geschäftsbereichen, in den Produktlinienund Support Centern sowie bei der Leistungsüberwachung und Entscheidungsfindung. Die Verbindungmit den ERP-Systemen sorgt für ein kontinuierliches Feedback aus der operativen Geschäftsebenezur ständigen Optimierung der Unternehmensstrategie.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 30 / 40


5 Lösungsansätze5.1 Konkrete Beispiele für OLAP-ReportingtoolsIn diesem Kapitel werden die verschiedenen Lösungsansätze der Hersteller Microsoft, HyperionSolutions und Cognos vorgestellt. Sie sind nach einer aktuellen Studie von ‚OLAP Report’Marktführer, weshalb ich im Folgenden auch näher auf diese OLAP-Produkte eingehen werde.Abbildung 6: Marktanteile der einzelnen OLAP-Anbieter 1919vgl. [Pend04]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 31 / 40


LÖSUNGSANSÄTZE5.1.1 Microsoft Analysis ServicesMicrosoft Analysis Services ist die aktuelle OLAP-Komponente von Microsoft SQL Server2000. Der SQL Server 2000 basiert auf dem SQL Server 7.0 und bietet zusätzliche Web- und e-Commerce-Funktionalitäten. Die Analysis Services Komponente beinhaltet einen Middle-tierServer, der die Erstellung von hoch entwickelten webbasierten Analysen und Abfragenermöglicht.Große Datenvolumina können hierbei mit hoher Performance verarbeiten werden.Der SQL Server 2000 ist eine Plattform für Datenbank- und Analyseaufgaben. Im Microsoft SQLServer 2000 enthalten sind Business Intelligence - Werkzeuge, die den Anwender in die Lageversetzen, große Mengen an komplexen Daten zu scannen und zu nutzen. Analysis Services sindeine wichtige Komponente des SQL Server 2000. Mit Hilfe dieser multidimensionalen Analysedienstelassen sich schnell und flexibel interaktive Berichte erstellen, die auf Datenmaterial ausumfangreichen, meist schwer handhabbaren Unternehmensdatenbanken basieren.SQL Server 2000 Reporting Services sind eine erweiterte serverbasierende Lösung, die sowohlBerichte in Papierform als auch webbasierende Berichte erstellt, konfiguriert und verteilt. AlsBestandteil des Microsoft Business Intelligence Framework kombinieren die Reporting Servicesdie Datenmanagement-Ressourcen des SQL-Servers mit den Anwendungen des Microsoft OfficeSystems.Abbildung 7: Reporting Services - Architektur 2020vgl. [Repo04]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 32 / 40


LÖSUNGSANSÄTZEDie SQL Server 2000 Reporting Services sind ein integriertes Werkzeug, das die schon vorhandenenKomponenten wie Data Warehousing, Data Mining, integriertes Management und Datenbankdiagnoseum eine Infrastruktur für unternehmensweites Berichtswesen (Reporting)erweitert. Dieses Tools basiert auf einer offenen und skalierbaren Business Intelligence - Plattform,da hier Microsofts .NET-Technik benutzt wird. Alle Schnittstellen sind als Webservicesimplementiert, um sie schnell und einfach in bestehende Anwendungen integrieren zu können.Die Reporting Services unterstützen nicht nur eine große Zahl von Datenquellen, sondern es sindauch Ausgabeformate wie PDF, Webbrowser oder Microsoft Office möglich. Die Eigenschaft derproblemlosen Einbindung eines solchen Tools für die betriebliche Berichtserstellung in die meistschon vorhandene Microsoftumgebung schafft diesem Produkt somit einen überzeugenden Wettbewerbsvorteil.5.1.2 Hyperion SolutionsHyperion unterstützt den kompletten Managementprozess: Angefangen bei der Visions- undStrategiefindung und der entsprechenden Zielableitung ermöglicht Hyperion außerdem die Möglichkeit,umfangreiche Analysen und Reports für interne und externe Empfänger zu erstellen.Diese Anwendungen ergänzt bestehende Enterprise-Resource-Planning (ERP)- und Transaktions-Systeme,indem sie Daten aus den unterschiedlichsten Quellen integrieren. Die Business-Performance-Management-Suite besteht aus Standard-Anwendungen, Performance-Management-Frameworks und einer integrativen, offenen Business Intelligence - Plattform.Abbildung 8: Architektur der ‚Business Performance Management’ – Lösung 21Der Hyperion Analyzer ist Teil des Essbase XTD Analysis Studio, eines umfassenden Tool-Sets,das interaktive Analysefunktionen und die Übermittlung von Geschäftsinformationen an verschiedeneAnwendergruppen bietet. Das Produkt ermöglicht Anwendern die Erstellung anspruchsvollerBerichtslayouts in einer grafischen, programmierungsfreien Umgebung. Datenkönnen mit Hilfe von leistungsstarken Ad-hoc - Analysefunktionen und durch eine hohe Benut-21vgl. [Hype04]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 33 / 40


LÖSUNGSANSÄTZEzerfreundlichkeit schnell in aussagekräftige Informationen umgewandelt werden. Das Tool decktvielfältige Aufgaben ab und kann für das Management Reporting, Produktrentabilitätsanalysenoder für das Performance Management eingesetzt werden.Diverse Ad-hoc - Analysefunktionen bieten Anwendern die Unabhängigkeit, eigene Ansichten zuerstellen und Daten schnell zu untersuchen. So können Anwender Trends leicht erkennen, vergleichendeAnalysen erstellen und unternehmenskritische Entscheidungen zeitnah auf Basis fundierterInformationen treffen. Analytische Funktionen ermöglichen die Erstellung strategischerBerichte für Online-Analysen.5.1.3 CognosCognos ReportNet bietet die erste vollständig web-basierte Reportinglösung für Unternehmen. Indieser Applikation ist alles integriert, um operative Berichte (wie etwa Rechnungen und Zahlungsaufstellungen)sowie die gesamte Bandbreite betriebswirtschaftlicher Reports zu erstellen.Auf der einen Seite werden für das operative Geschäft werden Berichte für das gesamte Unternehmenerstellt. Andererseits bietet das Produkt bei betriebswirtschaftlichen Auswertungen hoheFlexibilität dank benutzerfreundlicher Drag&Drop - Funktionalität im ‚Windows-Stil’.Dank seiner offenen, auf Standards basierenden Umgebung ermöglicht ReportNet den Unternehmen,ihre vorhandenen Investitionen in IT-Infrastrukturen und Mitarbeiter-Qualifikationenoptimal zu nutzen. Cognos ReportNet nutzt die Funktionalität und Infrastruktur von SAP BW.Das Produkt hat uneingeschränkten Zugriff auf SAP Datenquellen und lässt sich in die PortalundSicherheitsumgebungen von SAP integrieren. Das Produkt stellt für SAP Kunden die vollständigsteReporting-Lösung bereit. Und genau diese Eigenschaft macht Cognos zu einem derweltweit führenden Anbieter von Business Intelligence- und Performance Management-Lösungen.Auf der Basis einer einzigen Plattform können sämtliche Reportinganforderungen eines Unternehmensabgedeckt werden. Dies reicht von der individuellen Ad-hoc - Analyse über hochformatierteund personalisierte Reports bis hin zu komplexen Berichten für Behörden. HinsichtlichFunktionsumfang, Flexibilität, Skalierbarkeit und Offenheit ist Cognos ReportNet die erstevollständig webbasierte Reportinglösung und stellt somit quasi eine Vorreiterrolle auf dem Marktder Business Intelligence-Software dar.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 34 / 40


6 FazitDer Begriff Information gewinnt immer mehr an Bedeutung und kann in der heutigen Zeit als eineigenständiger und sehr lohnenswerter Produktionsfaktor angesehen werden. lnformationsmanagementals Schnittstelle zwischen informationsverarbeitenden Systemen und strategischer Entscheidungsfindungsoll den für das Unternehmen effektivsten Einsatz von Informationsicherstellen. Offensichtlich beginnt sich der Stellenwert der Ressource ‚Information’ langsamherumzusprechen. Mehr und mehr Firmen rüsten ihre Informationsinfrastruktur mit zentralenDatenlagern nach, um verstreute und versteckte Informationen zu integrieren.Unter riesigen Datenbergen vergammeln wertvolle unternehmenskritische Informationen. Entsprechendverdichtet und aufbereitet, könnten sich durch die beim täglichen Betrieb anfallendenDaten neue Handlungsweisen ergeben. Gerade im Bereich CRM, das zum Ziel hat, die Kundenoptimal zu bedienen, um sie somit zufrieden zu stellen und langfristig an das Unternehmen zubinden, Diese Informationen können ein Kundenprofil bilden, aus welchem sich wirksame Werbemaßnahmenableiten lassen. Dabei ist jedoch auch eine hohe Qualität der Daten unverzichtbargeworden.Abbildung 9: Wertvolle Informationen oder nur Datenmüll? 2222[FrSe01]Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 35 / 40


FAZITUm die Datenbasis als Goldader für wichtige Informationen im Unternehmen zu erhalten, ist effektivesund ganzheitliches Datenqualitätsmanagement erforderlich. Das prozessorientierte Analysierenund Handeln entlang der Verwendungskette von Daten ist notwendig.Mit einem Data Warehouse können strategische Managemententscheidungen – nicht zuletzt auchdurch die Möglichkeit zur Generierung von Wissen – sehr effektiv und effizient getroffen werden.Um den Unternehmenswert nachhaltig zu steigern, sollte ein ganzheitliches Wertmanagementbetrieben werden. Künftig werden nur noch diejenigen Unternehmen erfolgreich handeln,die ihre Geschäftsprozesse mit Data Warehouse – basierten analytischen Anwendungen steuernund optimieren. Die dabei gewonnenen Erkenntnisse sind unternehmensweit verfügbar und steigerndie Wertschöpfung der Unternehmen.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 36 / 40


Quellenverzeichnis[Acko67][Bach00][Belo][BreH96][BrHe96][CoMM01][FrSe01]R. L. Ackoff: Management Misinformation Systems. In Management Science,Vol. 14, No. 4. USA 1967. http://www.acasa.upenn.edu/ackoff67.pdf.Abgerufen am 29. Februar 2004.M. Bachmann: OLAP (Online Analytical Processing) - eine Einführung. Vortragan der Eidgenössischen Technischen Hochschule Zürich. Zürich 2000.http://www.educeth.ch/informatik/vortraege/olap/.Abgerufen am 28. Februar 2004.C. v. Below: Das Data Warehouse – Ordnung im Datenlager. Ohne Datum.http://www.symposion.de/wm-hb/wm_18.htm.Abgerufen am 28. Februar 2004.C. Breitner, U. Herzog: Abhängigkeit von der IT-Abteilung aufgehoben. In ComputerwocheExtra Nr. 1 vom 16.02.1996.http://www1.computerwoche.de/heftarchiv/1996/19960216/a132970.html.Abgerufen am 01. März 2004.C. Breitner, U. Herzog: Unternehmensweites Informationsmanagement: Data-Warehouse als Schlüssel zur Bewältigung der Informationsflut. Aufsatz an derUniversität Karlsruhe. Karlsruhe 1996.http://www.ipd.uka.de/~breitner/assets/991018_final.doc.Abgerufen am 28. Februar 2004.R. Connelly, R. McNeill, R. Mosimann: The Multidimensional Manager. CognosIncorporated. Ottawa, Kanada 2001.D. d. Fries, J. Seidl: Proaktives Datenqualitätsmanagement als zentrale Aufgabeim Data-Warehouse-Prozess.http://forum.iwi.unisg.ch/downloads/forum/6/DWH6-deFries.pdf.Abgerufen am 28. Februar 2004.[GeBr01]G. Brosius: Data Warehouse und OLAP mit Microsoft. Galileo Press Verlag. Bonn2001.[GeBr99] G. Brosius: Microsoft OLAP Services. Addison-Wesley Verlag. Bonn 1999.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 37 / 40


[Hype04] http://www.hyperion.com/products/bpm_suite/.Abgerufen am 28. Februar 2004.[Inmo96] Inmon, W.H.: Building the Data Warehouse, Second Edition. Wiley Verlag 1996.[Jurs00][Klot03]N. Jursic: Data Mining – Die Suche nach wertvoller Information. Lehrveranstaltungam Institut für Publizistik- und Kommunikationswissenschaft der UniversitätWien. Wien, Österreich 2000. http://www.unet.univie.ac.at/~a9560254/pub/dm/.Abgerufen am 28. Februar 2004.U. Klotz: Arbeit zwischen Industrie- und Informationsökonomie - vom Industrialismusin ein neues Zeitalter. http://www.nelp.de/beitraege/02_farbeit/klotz.htm.Abgerufen am 01. März 2004.[MeSM04][MeWi00]M. Meier, W. Sinzig, P. Mertens: SAP Strategic Enterprise Management / BusinessAnalytics - Integration von strategischer und operativer Unternehmensführung.Springer Verlag. Heidelberg 2003.P. Mertens, H. W. Wieczorrek: Data X Strategien – Data Warehouse, Data Miningund operationale Systeme für die Praxis. Springer Verlag. Heidelberg 2000.[MoRo01] J. Moormann, P. Roßbach: Customer Relationship Management in Banken, 1.Auflage. Bankakademie Verlag. Frankfurt 2001.[Pend04][PrRR03]N. Pendse: The OLAP Report – Market share analysis.http://www.olapreport.com/Market.htm.Abgerufen am 29. Februar 2004.G. J. B. Probst, S. Raub, K. Romhardt: Wissen managen, 4. Auflage. Gabler Verlag.Wiesbaden 2003.[PrSc03][ReHo00][Repo04][ReSc99][Romh00]A. Prieß, C. Schubert: Geschäftsprozessmodellierung und –implementierung amBeispiel SAP R/3. Veranstaltung an der Universität Hannover, Sommersemester2003. Hannover 2003. http://www.iwi.uni-hannover.de/lv/gpm_ss03/iwisap-ss03-v01.pdf.Abgerufen am 02. März 2004.R. Höhn: Der Data Warehouse Spezialist – Entwurf, Methoden und Umsetzungeines Data Warehouse. Addison-Wesley Verlag. München 2000.http://www.microsoft.com/sql/reporting/techinfo/techoverview.asp.Abgerufen am 28. Februar 2004.H. Reinke, H. Schuster: OLAP verstehen. Microsoft Press Verlag. Unterschleißheim1999.K. Romhardt: Die Organisation aus der Wissensperspektive – Möglichkeiten undGrenzen der Intervention. Gabler Verlag. Wiesbaden 2000.[Saps00]SAP Strategic Enterprise Management mit mySAP.com. http://ww.sap.de/sem.Abgerufen am 28. Februar 2004[Siem03] Siemens: Das Siemens Online Lexikon. München 2003.http://www.networks.siemens.de/solutionprovider/_online_lexikon/start.htm.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 38 / 40


[Stee03][StHa02][Tref03][Ücke97]Ohne Autor: Überblick R/3 und BW / SEM. http://www.controller-arbeitskreisberlin.de/CO-ControllingSteeb.pdf.Abgerufen am 01. März 2004.P. Stahlknecht, U Hasenkamp: Einführung in die Wirtschaftsinformatik, 10. Auflage.Springer Verlag. Heidelberg 2002.H. Trefzger: Datenbanksysteme II – Data Warehouse, Business Intelligence. Vorlesungsunterlagen4. Semester, BA Lörrach.D. Ücker: Konzeption, Design und Realisierung eines Abwasser-ManagementundInformationssystems. Diplomarbeit an der Berufsakademie Lörrach, FachrichtungWirtschaftsinformatik. Lörrach 1997.Von OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 39 / 40


AnhangVon OLTP zu OLAPWie Data Warehouses das Unternehmensreporting beeinflussen und verbessern 40 / 40

Weitere Magazine dieses Users
Ähnliche Magazine