close

Anmelden

Neues Passwort anfordern?

Anmeldung mit OpenID

Das Data Warehouse Konzept oder „Wie aus Daten der

EinbettenHerunterladen
Das Data Warehouse Konzept
oder „Wie aus Daten der Wettbewerbsfaktor Information wird"
von Dr. Hubert Schüle*
Das schnelle Aufbereiten entscheidungsorientierter Informationen entwickelt sich zu einem wichtigen Wettbewerbsfaktor. In der Realität gestaltet sich dieser Prozess jedoch häufig sehr mühselig. Ein Beispiel zum Planen
von Maßnahmen zur Absatzförderung illustriert dies: Das Vertriebssystem liefert die Umsätze und deren Verteilung auf vordefinierte Produktgruppen. Um nach einem anderen Produktmerkmal zu selektieren, müssen die
seitenlangen Umsatzlisten jedoch manuell ausgewertet werden. "Penner"-Artikel verursachen dabei genauso viel
Analyseaufwand wie "Renner"-Artikel. Die Umsatzanalyse nach Kunden/Regionen und Produktgruppen ist erst
mit Berichten aus den Vertriebsniederlassungen möglich. Für den Vergleich der Umsatzwerte mit Vorjahres werten sind weitere manuelle Schritte notwendig, ebenso zum Vergleich mit Branchenentwicklungen. Bis man aus
den Daten endlich entscheidungsrelevante Informationen für das Management gewinnt, geht wertvolle Zeit verloren und Marktchancen werden verpasst.
1 Das Scheitern klassischer
Management-Informationssysteme
Sofern entscheidungsunterstützende Systeme in der
Vergangenheit zum Laufen gebracht wurden, werden
sie meist abteilungsorientiert eingesetzt und beschränken sich auf eine geringe Anzahl von Anwendern. Die Aktualität der Daten lässt oft zu wünschen
übrig. Besonders kritisch sind vordefinierte Abfragen,
die keine Möglichkeit für flexible Analysen und Auswertungen bieten.
Eine wesentliche Ursache für die geschilderten und
vergleichbaren Situationen liegt darin, dass die Informationssysteme in vielen Unternehmen primär auf
Unterstützung der operativen Abläufe und Tätigkeiten
und weniger auf Entscheidungssituationen ausgerichtet sind. In der Vergangenheit konzentrierte man die
Ressourcen in der Informationsverarbeitung (IV) auf
die Abwicklung vorhersehbarer, sich wiederholender
Aufgaben. Verbesserungen der Informationstechnik
betrafen in der Regel die Geschwindigkeit der Automatisierungsvorgänge sowie die Ausdehnung der
unterstützten Geschäftsabläufe in den Unternehmen.
2 Wirksame Entscheidungsunterstützung:
Das Data Warehouse
Als Lösungsansatz zur skizzierten Problemstellung
gelten Dala Warehouse-Lösungen. Das Konzept
eines Data Warehouse basiert im wesentlichen auf
folgenden Merkmalen:
Weniger erfolgreich dagegen verliefen die Versuche,
die Vielfalt an Datenmengen aus den operativen Systemen automatisch so aufzubereiten und zu verdichten, dass aus ihnen sozusagen "per Knopfdruck"
entscheidungsrelevante Informationen für Planungsund Steuerungsaufgaben gewonnen werden. Vielversprechende Lösungsansätze von IT-Herstellern sowie
aus Forschungsprojekten unter Schlagwörtern wie
Decision Support Systems (DSS), Executive Information System (EIS) sowie Management Information
Systems (MIS) brachten nicht den erwarteten Erfolg.
Ursachen waren nicht zuletzt technischer Art. Die
häufig auf heterogene Systeme verteilten immensen
Datenbestände erschweren das Zusammenfassen
und Konsolidieren. Die eingesetzten Analyse- und
Reportingwerkzeuge waren nicht in der Lage, komplexe Analyseergebnisse in einer für Entscheidungsträger
ansprechenden
Form
zu
erzeugen.
•=
Separate Datenhaltung
Losgelöst von den operativen Systemen etwa zur
Vertriebsabwicklung, Materialwirtschaft oder Produktionsplanung wird ein separater Datenbestand aufgebaut, der ausschließlich für Analyseaufgaben des
mittleren und oberen Managements herangezogen
wird und flexible Auswertungen erlaubt.
•=
Periodische Datenspeicherung
Das Data Warehouse wird periodisch von den operativen Systemen mit den jeweils benötigten Daten
gespeist. Periodisch kann dabei je nach Anforderung
täglich, wöchentlich oder monatlich bedeuten. Je nach
Anforderung werden die Daten unverdichtet oder
aggregiert, z.B. nur als Summen, übertragen. Umgekehrt fließen jedoch keine Daten.
UNICconsult Unternehmensberatung GmbH
1
inside 1/98
•=
Eigenes DV-Systern
Das Data Warehouse wird auf einem separaten System installiert. Zur Auswertung werden spezielle Analysewerkzeuge eingesetzt, die Daten in unterschiedlichsten Beziehungen betrachten und auswerten können, aber hohe Anforderungen an die Rechnerleistung stellen. Durch die Entkopplung beeinflussen
Zugriffe auf das Data Warehouse jedoch nicht die
Performance der operativen Systeme.
•=
Analyseorientierte Datenstruktur
Es ist möglich, die Daten im Data Warehouse nach
den Kriterien zu strukturieren, zu verdichten und aufzubereiten, wie es für Analysezwecke günstig und
notwendig ist. Hingegen spielen bei der Gestaltung
von Datenstrukturen in den operativen Systemen
häufig Aspekte der Verarbeitungsgeschwindigkeit eine
Rolle. Diese können im Data Warehouse vernachlässigt werden.
Bild 1 : Das Konzept des Data Warehouse
3 Die Umsetzung ist möglich
Natürlich fragt man sich, wie schwierig die Umsetzung
eines Data Warehouse in der Praxis ist. Besonderen
Reiz erhält ein solches dadurch, dass es sich nicht
nur um ein erfolgversprechendes Konzept handelt
(davon hat es in der Vergangenheit schon viele gegeben), sondern es stehen auch die entsprechenden
Tools und Systeme für eine erfolgreiche Realisierung
zur Verfügung. Zudem ermöglicht die permanente
Verbesserung des Preis-/Leistungsverhältnisses in
der IT heute Data Warehouse-Realisierungen in Größenordnungen, vor denen noch vor wenigen Jahren
die meisten Unternehmen zurückgeschreckt haben,
insbesondere was den immensen Speicherplatzbedarf
anbelangt. Dies belegen auch aktuelle Umfragen der
Gartner Group, nach denen 80-90% aller Unternehmen ein Data Warehouse realisieren wollen (GartnerGroup 97). Eine Studie der Meta Group zeigt ein
ähnliches Ergebnis.
•=
Problemorientierte Auswertungen
Die Entkopplung von den operativen IV-Systemen
erlaubt es, Daten aus verschiedensten Anwendungen
zusammenzufassen, sofern sie für eine Entscheidungsfindung Relevanz aufweisen. Kriterium der
Zusammenfassung der Daten im Data Warehouse ist
nicht der Zweck, dem die Daten in den operativen
Systemen gedient haben, oder die Art der Speicherung, sondern das Thema der Entscheidung, die mit
Ihrer Hilfe getroffen werden sollen.
•=
Einbeziehung externer Datenquellen
Ein Unternehmen sollte nicht nur auf die internen
Systeme als Datenquelle zurückgreifen. Ein Data
Warehouse sollte immer so angelegt werden, dass
auch externe Informationsquellen erschlossen werden
können, z.B. Online-Datenbanken, Daten von Marktforschungsunternehmen oder Daten aus dem World
Wide Web.
Eine (meist relationale) Datenbank bildet die Plattform
für ein Data Warehouse. Führende Anbieter von Data
Warehouse-Lösungen sind deshalb die klassischen
Datenbank-Hersteller wie IBM, Oracle oder Sybase.
Die zweite wichtige Komponente sind die speziellen
Analysewerkzeuge. Die Datenbankanbieter haben
sich in der Vergangenheit gezielt Know how in dem
Segment der Analysewerkzeuge, den sogenannten
OLAP-Tools (Online Analytical Processing) [Bosch 97]
aufgebaut bzw. eingekauft, so daß sie heute in der
Lage sind, entsprechende Lösungen anzubieten.
Darüber hinaus gibt es spezialisierte OLAP-Anbieter,
deren Produkte mit verschiedenen Datenbanken
arbeiten [Vaske 96].
•=
Aufbau von Vergangenheitsdaten
In einem Data Warehouse werden nicht nur Gegenwartsdaten, sondern auch Vergangenheitswerte gespeichert. Dem Zeitbezug von Daten, z.B. in Form von
Vorjahresvergleichen oder Zeitreihenanalysen, kommt
eine entscheidende Bedeutung bei der Konzipierung
zu.
Werden diese Merkmale konsequent bei der Gestaltung einer Data Warehouse-Lösung berücksichtigt,
verfügt das Management über ein leistungsfähiges
Instrument zur Unternehmenssteuerung. Strategische
Entscheidungen lassen sich auf einer fundierteren
Informationsgrundlage treffen. Der Wettbewerbsfaktor
Information bleibt nicht länger eine Worthülse, sondern hat eine effiziente instrumentelle Unterstützung.
OLAP-Tools zeichnen sich vor allem dadurch aus,
dass sie es dem Anwender ermöglichen, in sogenannten mehrdimensionalen Tabellenstrukturen zu arbei-
UNICconsult Unternehmensberatung GmbH
2
inside 1/98
ten. Die in würfelförmig angeordneten Schichten archivierten Daten können aus verschiedenen Perspektiven betrachtet werden. Anwender können durch die
mehrdimensionalen Tabellen navigieren, um Markttrends zu identifizieren oder Einzelfälle herauszufiltern. Desweiteren wird der Zeitbezug der Daten berücksichtigt. So werden beispielsweise die folgenden
Informationsbedürfnisse abgedeckt:
ten deshalb ggf. mit externer Unterstützung durchgeführt werden.
Im Rahmen einer Informationsanalyse ist dann zu
prüfen, welche operativen Systeme Rohdaten liefern
können. Hat man den Überblick über das erwartete
Mengenvolumen der Daten und deren Struktur, wird
der Bedarf an Hardware festgelegt sowie die Auswahl
der Datenbank und der Analysewerkzeuge getroffen.
Im Systemdesign konzipieren die Beteiligten das Data
Warehouse u.a. hinsichtlich der Schnittstellen, Benutzerführung, Aktualisierung der Daten und Präsentationslogik. In der Umsetzung wird das Data Warehouse
implementiert, gefolgt von der Schulung der Anwender und Tests.
• der Gebietsleiter braucht alle Produkte und Monate
nach Distributionskanälen und Regionen,
• der Produktmanager benötigt alle Regionen und
Monate für ein Produkt,
• das Controlling und die Geschäftsleitung wollen alle
Produkte und Gebiete für einen Monat.
Die Realisierung sollte sukzessive erfolgen, indem
man z.B. Themenbereiche festlegt, die nacheinander
im Data Warehouse abgebildet werden. Erste Anwendungen können dadurch in kurzer Zeit, z.B. zwei bis
drei Monate nach Projektstart, lauffähig sein. Dadurch
wird die Machbarkeit des verfolgten Ansatzes unterstrichen, erste Ergebnisse erzielt und die Akzeptanz
erhöht.
Da die erforderlichen Technologien bekannt und verfügbar sind und ein sukzessives Vorgehen möglich ist,
bestehen nur geringe Realisierungsrisiken. Die konkret notwendigen Investitionen lassen sich nur projektspezifisch ermitteln. Sie hängen u.a. von der Größe des Data Warehouses, dem Lösungskonzept, den
eingesetzten Tools, den zu bearbeitenden Themengebieten, der Anzahl an Anwendern sowie dem Umfang an externer Unterstützung ab. Erfahrungswerte
mittelgroßer bis großer Unternehmen reichen von
einigen hunderttausend bis zu mehreren Millionen DM
Gesamtkosten. Durch schrittweises Vorgehen lassen
sich die erforderlichen Mittel gemäß dem Realisierungsfortschritt und damit dem erzielbaren Nutzen
steuern, wodurch sich Investitionsrisiken reduzieren.
Bild 2: Bearbeiten mehrdimensionaler Tabellen mit OLAP-Tool
4 Sukzessives Vorgehen für ein erfolgreiches
Data Warehouse
Es nützt wenig, strategische Entscheidungen auf der
Basis von Standardinformationen treffen zu wollen.
Aufgrund der individuellen Informationsbedürfnisse
des Managements ist ein Data Warehouse unter
Verwendung von Standardwerkzeugen deshalb unternehmensindividuell aufzubauen.
Erfolgreiche Data Warehouse Projekte werden vor
allem vom Controlling und/oder dem Vertrieb in Handels-, Dienstleistungs- und Industrieunternehmen
verantwortet. Dort kennt man das Nutzenpotential
sowie die Informationsanforderungen am besten.
Vorteile treten vor allem auf, wenn spezielle Querbeziehungen und ausgefallene Korrelationen analysiert
werden, die bei konventioneller Methodik zusätzlichen
Programmieraufwand oder aufwendige manuelle
Auswertungen erfordern und deshalb unterbleiben.
Häufig bringen genau die Auswertungen "losgelöst
von Standards" neue Erkenntnisse, schaffen einen
(Informations-)Vorsprung vor Konkurrenzunternehmen
und unterstreichen die Bedeutung des Weltbewerbsfaktors Information.
Zum Projektstart sind mit dem Management die Ziele
und Schwerpunkte des Data Warehouse festzulegen
und grob der Aufwand zu schätzen. Es folgt die Analyse mit dem Formulieren der Anforderungen an die
Daten und deren Abbildung in Strukturen (Modellierung), die im Data Warehouse gehalten werden sollen. Diese ersten beiden Schritte sind für den Gesamterfolg des Systems besonders kritisch und soll-
UNICconsult Unternehmensberatung GmbH
3
inside 1/98
Literatur:
Bosch, R., OLAP-Erigine als Kern des Data Warehouse, Client/Server
Magazin 1/97, S. 68 ff.
GartnerGroup 97, Steigende OLAP Nachfrage, Client/Server Magazin
1/97, S. 71.
Vaske, H., Das Data Warehouse trifft den Nerv des Unternehmens,
Computerwoche 7/1996, S. 7 ff.
*Dr. Hubert Schüle studierte Betriebswirtschaftslehre und Wirtschaftsinformatik und arbeitete mehrere Jahre in einem Beratungsunternehmen im Bereich Informationsverarbeitung/Organisation. Seit 1997 ist
er Professor für Wirtschaftsinformatik an der PRIVATEN FACHHOCHSCHULE GOTTINGEN. Außerdem leitet er Projekte im Bereich
Informationsmanagement für UNICconsult. Er betreut Kunden bei der
Geschäftsprozessoptimierung, der Konzipierung und Einführung von
Informationssystemen sowie bei der Entwicklung von IV-Strategien.
UNICconsult Unternehmensberatung GmbH
4
inside 1/98
Document
Kategorie
Internet
Seitenansichten
2
Dateigröße
328 KB
Tags
1/--Seiten
melden