Grundlagen der Business Intelligence

Diese Flashcards decken die Grundlagen von Business Intelligence ab, einschließlich Konzepte, Datenarten, Methoden und deren Anwendung in Unternehmen.

Nenne zwei Vorteile der Nutzung von Business Intelligence für Unternehmen.

Erhöhung der Qualität von Managemententscheidungen und frühzeitige Entdeckung von unternehmensrelevanten Trends.

Beschreibe die typische Applikationsarchitektur (von der Datensammlung bis zur Auswertung, Hub-andSpoke-Architecture)!

Die erste Stufe umfasst interne und externe Datenquellen, zu denen u.a. operative Anwendungssysteme zählen. Auf der zweiten Stufe, dem Staging, werden die internen und externen Daten aus den ursprünglichen Datenquellen extrahiert, aufbereitet und für weiterführende Analysen in ein Data Warehouse übernommen (Extraktion-Transformation-Laden-Prozess). Ein Data Warehouse wird von einem Unternehmen nicht als fertiges Produkt erworben, sondern unternehmensspezifisch konzipiert und mit Hilfe geeigneter Werkzeuge implementiert, was u.U. mehrere Jahre dauern kann. Durch ein Data Warehouse ergeben sich insbesondere folgende Vorteile (Laudon et al. 2006): • Verbesserung der Datenqualität durch Standardisierung der Datenbasis und Bereitstellung einer Metadatenbank • Schneller Zugriff auf alle für die Entscheidungsfindung relevanten Daten sowie deren effiziente Analyse aufgrund der umfassenden und einheitlichen Datenbasis Reduktion von Kosten durch verringerten Aufwand bei der Datensuche aufgrund einer einheitlichen Datenbasis • Anwenderfreundliche Zugriffsmöglichkeiten durch eine integrierte Benutzeroberfläche (Frontend) und die darin integrierten Analysewerkzeuge In der dritten Stufe werden die aufbereiteten Daten sowohl in einem Langzeitspeicher (dem eigentlichen Data Warehouse) archiviert als auch zu einzelnen Themenbereichen (z.B. Marketing, Personal) in Data Marts verdichtet abgelegt (Stufe 3). In der vierten Stufe werden die Auswertungs- und Präsentationswerkzeuge zur Entscheidungsunterstützung (engl. Decision Support) zusammengefasst. Neben Berichtsgeneratoren, wie sie z.B. in Berichts- und Kontrollsystemen eingesetzt werden, und Abfragesprachen gehören hierzu die Analysewerkzeuge OLAP und Data Mining sowie Büroinformationssysteme (z.B. Microsoft Office) und browserbasierte Werkzeuge.

Was ist OLAP?

Online Analytical Processing (OLAP) ist ein Ansatz, um Daten eines Data Warehouse nach mehreren Dimensionen zu analysieren. „Online“ steht dabei für eine Just-in-time-Bereitstellung der Daten. Im Gegensatz zu den in Managementunterstützungsverfahren verwendeten Methoden und Verfahren ist OLAP auf die Analyse sehr großer Datenvolumina ausgerichtet

Was sind SCM-Systeme?

Supply-Chain-Management-Systeme (SCM-Systeme) umfassen alle betrieblichen Informationssysteme, die den Daten- und Informationsaustausch zwischen einem Unternehmen sowie dessen Lieferanten und (End-)Kunden unterstützen.

Was macht ein ERP-System?

Ein Enterprise-Resource-Planning-(ERP)-System unterstützt alle in einem Unternehmen auftretenden Geschäftsprozesse.

Was sind CRM-Systeme?

Customer-Relationship-Management-Systeme (CRM-System) sind beziehungsorientierte, von einem Unternehmen hierarchisch gesteuerte Marketinganwendungssysteme.

Was sind die Komponenten der BI-Architektur?

Den technischen Kern von BI-Systemen bilden Data-Warehouse-Systeme, die unternehmensweit eine einheitliche, konsistente Datenbasis auf der Grundlage interner und externer Datenquellen für die Managementunterstützung bereitstellen (Kemper et Komponenten einer Applikationsarchial. 2010, S. 19). Im weiteren Sinne umfassen BI-Systeme auch Softwarekomponenten zur Extraktion, Bereinigung und Übernahme von Daten aus verschiedenen Datenquellen sowie Werkzeuge zur Analyse, Aufbereitung und Präsentation von Daten. Abbildung 6 zeigt die grundlegende Architektur von BI-Systemen (auch: Hub-and-Spoke-Architecture bzw. SpeichenNaben-Architektur), die sich in vier Stufen gliedert

Gib Beispiele in welchen Phasen des Entscheidungsprozesses die BI welche Informationen liefern kann

Welche technischen und ökonomischen Nutzenpotentiale bieten BI-Konzepte und BI-Systeme?

• Bereitstellung einer integrierten Datenbasis und damit Erhöhung der Qualität von Managemententscheidungen aufgrund einer besseren Informationsversorgung • Erschließung bislang nicht oder nur schwer zugänglicher Daten wie z.B. externer oder historischer Daten sowie Ermöglichung flexibler und insbesondere auch multidimensionaler Datenanalysen • Verbesserung der Wettbewerbsfähigkeit aufgrund der Möglichkeit, unternehmensrelevante Trends frühzeitig zu entdecken und ggf. erforderliche Maßnahmen umgehend einzuleiten • Wettbewerbsrelevante Erhöhung der Kundenzufriedenheit aufgrund verbesserter Kundenanalysen, wie sie z.B. durch die Möglichkeit der Verknüpfung von Daten unterschiedlicher Unternehmensbereiche ermöglicht werden

Welche beobachtbaren Trends sind für die Entwicklung von BI-Konzepten und BI-Systemen ausschlaggebend?

• Das Volumen der weltweit verfügbaren Daten ist in den vergangenen Jahrzehnten exponentiell gewachsen. Mittlerweile verdoppelt sich das globale Volumen digital verfügbarer Daten ca. alle zwei Jahre.

• Die Heterogenität der verfügbaren Daten hat deutlich zugenommen (strukturierte Daten, Text, Grafik, Audio, Video, etc.) und damit auch die Komplexität der Datenanalysen.

• Die zunehmende Globalisierung und Dynamisierung der Märkte erfordern Managemententscheidungen in immer kürzeren Zeitspannen.

Beschreibe den PDCA-Kreislauf nach Deming (1982)

Eines der bekanntesten Modelle für Entscheidungsprozesse wurde von Deming bzw. ursprünglich von Shewhart vorgeschlagen (Gabor, 1990). Er hat es zwar im Kontext des Qualitätsmanagements, und hier vor allem der Prozessverbesserung entwickelt, es lässt sich aber auch auf andere Entscheidungssituationen anwenden. Unter den vier Phasen plan – do – check – act (PDCA) fasst Deming den gesamten Ablauf einer Entscheidungsfindung zusammenPlan: Die Entscheidungssituation muss erfasst und die Verbesserungsmöglichkeiten für die betroffenen Prozesse müssen untersucht werden. Hierzu können z.B. auch prototypisch Verbesserungen geplant und umgesetzt werden, um Auswirkungen zu untersuchen. 2. Do: Die als erfolgversprechend eingeschätzten Alternativen aus der Planungsphase werden hier umgesetzt. Gleichzeitig müssen die Ergebnisse der Veränderungen gemessen werden. So ist es also wichtig, schon in der Planungsphase festzulegen, wie und mit welchen Kennzahlen die Messung stattfinden soll. Je nachdem, wie umfangreich die geplanten Veränderungen sind, wie vorhersehbar die Konsequenzen sind und wie groß der Eingriff in das Tagesgeschäft ist, kann es sinnvoll sein, die Umsetzung zunächst in einem Pilotprojekt vorzunehmen. 3. Check: In dieser Phase werden die Messergebnisse überprüft und ausgewertet. Die Ergebnisse und Schlussfolgerungen müssen im Entscheiderkreis diskutiert werden. 4. Act: Diese Phase ist die Aktionsphase: Eine Entscheidung über die angestrebten Verbesserungen muss gefällt werden. Mit dieser Entscheidung wird die konkrete Veränderung und Anpassung der Ablauforganisation entschieden. Da auch dieses Modell einen Kreislauf abbildet, ist der Verbesserungsprozess nach der letzten Phase nicht abgeschlossen, sondern geht mit der konkreten Umsetzung wieder in die Planungsphase über, die überprüft, wie erfolgreich die Veränderungen sind. Deming (1982) hat sich an den Anforderungen zur kontinuierlichen Verbesserung in einem Produktionsumfeld orientiert. Damit hat er zunächst eine operative Perspektive verfolgt. Aber auch die strategische Sicht kann durch den PDCA-Kreislauf abgebildet werden, indem in der Phase „Do“ rekursiv ein weiterer PDCA-Kreislauf integriert wird. So wäre dann der „äußere“ Kreislauf die strategische Entwicklung ausgerichtet und der „innere“ Kreislauf auf die operative Verbesserung. Das Ziel mit der Anwendung des Kreislaufs ist die Verbesserung der Qualität im Zeitablauf und mit der strategischen Weiterentwicklung des äußeren Kreislaufs Innovationssprünge zu ermöglichen.

Wie verlief die geschichtliche Entwicklung von Data Mining seit den 1960ern?

Wie wird die handlungsorientierte Modellierung von Entscheidungsprozessen charakterisiert?

Der zweite Ansatz systematisiert den konkreten Entscheidungsprozess nach seinen Phasen und löst sich dabei zunächst von den Ansprüchen der expliziten Zweiter Ansatz-punkt: Handlungs-orientierte Model-lierung Formalisierung und Quantifizierung des Zielsystems und dessen Optimierung. Einige Beispiele finden sich bei Hummeltenberg (2008, S. 4–7). Er hat vier typische Systematisierungen ausgewählt, die in der Literatur Verbreitung gefunden haben. Das Phasenmodell nach Simon (1960/1977), das SECI-Modell nach Nonaka und Takeuchi (1995), der OODA-Loop nach Boyd (1995) und der PDCA-Kreislauf nach Deming (1982). Aufgrund der besonderen Bedeutung für die handlungsorientierte Modellierung wird in dieser Einheit nur der PDCA-Kreislauf näher vorgestellt.

Wie funktioniert der Markov-Entscheidungsprozess? (Formale Modellierung von Entscheidungsprozessen)

Dieses Lösungsverfahren ist dadurch gekennzeichnet, dass es mehrere, voneinander abhängige Entscheidungen unterstützt. Durch diese Aufteilung wird der gesamte Entscheidungsprozess also stufenweise abarbeitbar gemacht. Bei einem MDP wird davon ausgegangen, dass sich ein System in einem bestimmten Zustand mit Z als Menge aller Zustände, befindet und durch die Aktion mit A als Menge aller möglichen Aktionen eines Entscheiders mit einer bestimmten Wahrscheinlichkeit in einen neuen Zustand z2 übergeht. Das heißt ist die Wahrscheinlichkeit, dass ein System, welches zum aktuellen Zeitpunkt 񑡠im Zustand 񑧠ist, den neuen Zustand z2 im Zeitpunkt 񑡠+ 1 einnimmt, wenn die Aktion durchgeführt wird, wobei der Entscheider eine Belohnung erhält. Der neue Zustand ist dabei nur von dem aktuellen Zustand und der aktuellen Aktion abhängig aber nicht von früheren Zuständen und Aktionen. Diese Abhängigkeit wird durch beschrieben. Diese Eigenschaft wird auch „Markov-Eigenschaft“ genannt. Entscheidend für die Lösung des Problems ist nun, dass die Strategie also die jeweilige Aktion im aktuellen Zustand (d. h. 񑎽ѡ = 񜋨񑧽ѡ)), so festgelegt wird, dass die erwarteten Belohnungen maximiert werden. Damit der Wert der zukünftigen Belohnungen im aktuellen Zustand ermittelt werden kann, muss eine Gleichung definiert werden, die die Summe der zukünftigen Belohnungen bezogen auf den heutigen Zeitpunkt, also unter Zuhilfenahme eines Diskontierungsfaktors. Mit Hilfe der dynamischen Programmierung lässt sich nun ein Vorgehen zur Lösung eines MDP berechnen. Im Folgenden wird angenommen, dass die Wahrscheinlichkeits- oder auch Transitionsfunktion genauso wie die Funktion für die Belohnung bekannt sind. Jetzt soll diejenige Strategie 񜋠ermittelt werden, welche die erwartete Belohnung maximiert. Mit der nachfolgend aufgeführten Formel wird eine Strategie definiert, deren Aktionen den Erwartungswert des Ertrags (diskontierte Belohnung) in jedem Zustand über alle Aktionen 񑎠maximieren (argumentum maximi (argmax)). Die optimale Strategie, die den erwarteten Ertrag in jedem Zustand maximiert ist definiert als bestimmt den Erwartungswert der Belohnung, wenn im Zustand z2 wieder die Strategie 񜋠angewendet wird, d.h. die Aktion 񜋨񑧢2) ausgeführt wird. Es ist im Zustand 񑧢2 nicht bekannt, welches der nächste Zustand sein wird, sondern nur die entsprechenden Wahrscheinlichkeiten, deswegen ist es nicht möglich die Belohnung direkt anzugeben und es muss auf den Erwartungswert zurückgegriffen werden. In der ursprünglichen Anwendung lösen MDP klassische Optimierungsprobleme in einem spezifischen Umfeld, wobei nicht in jedem Fall von der Erzeugung von BI im hier definierten Kontext gesprochen werden kann. Sollen ein MDP für die BI eingesetzt werden, kann er in einer abgeänderten bzw. erweiterten Form genutzt werden, um das organisationale Lernen zu unterstützen.Ein Entscheidungsproblem wird durch die gewählte Strategie und das zugrunde gelegte Wertesystem so gelöst, dass es ein optimales Ergebnis aufweist, d. h., dass es keinen weiteren Zustand für das System gibt, der besser ist als der Zustand in der vorhergehenden Iteration. Insbesondere interessant ist das Lernen durch die gewährten Belohnungen, die einem Entscheider ein Feedback darüber geben, ob die Aktion erfolgreich war13. Das weltbekannte Spiel Pac-Man ist z.B. ein Markov-Entscheidungsprozess, da der neue Zustand nach einer Aktion nur von dem aktuellen Zustand und der aktuellen Aktion abhängig ist, aber nicht von früheren Zuständen und Aktionen.

Wann kann eine Organisation als intelligent bezeichnet werden?

wenn • sie durch Informationsprozesse Anforderungen und geforderte Veränderungen erkennen, analysieren und interpretieren kann, • sie durch entsprechende Feedbackmechanismen lernt, mit sich verändernden Umfeldbedingungen umzugehen und sich an sie anzupassen („lernende Organisation“), • sie durch die Informationsprozesse und Feedbackmechanismen ein geplantes Ziel verfolgen und erreichen kann

Welche zwei grundsätzlichen Ansätze der Systematisierung von Entscheidungsprozessen im Sinne der BI lassen sich unterscheiden?

Der erste Ansatz konzentriert sich auf die Formalisierung des Entscheidungsprozesses unter Berücksichtigung des Zielsystems und der Nebenbedingungen. Der zweite Ansatz systematisiert Entscheidungsprozesse auf Basis der Handlungsphasen des Entscheiders.

Wodurch ist der Markov-Entscheidungsprozess gekennzeichnet?

dass es mehrere, voneinander abhängige Entscheidungen unterstützt

Was ist die Markov-Eigenschaft?

Der neue Zustand ist dabei nur von dem aktuellen Zustand und der aktuellen Aktion abhängig aber nicht von früheren Zuständen und Aktionen. Diese Abhängigkeit wird durch P beschrieben. Diese Eigenschaft wird auch „Markov-Eigenschaft“ genannt

Zeichne eine Abbildung zum Informationsstand und Informationsbedarf

Wie ist individuelle Intelligenz definiert?

Individuelle Intelligenz zeigt den willentlichen und planmäßigen Einsatz der individuellen Fähigkeit zur Nutzung von Informationen und das Vermögen, aus der Interpretation Schlussfolgerungen zu ziehen.

Wie ist Organisatorische Intelligenz definiert?

Organisatorische Intelligenz: Die Organisation wird häufig auch als soziotechnisches System bezeichnet. Es wird konstituiert durch die Beziehungen zwischen Akteuren, der Organisation und der technischen Infrastruktur. Somit liegt ein deutlicher Unterschied zum Individuum vor, das ein – wenn auch wichtiger – Teil des soziotechnischen Systems ist.

Was ist Business Intelligence?

Business Intelligence ist die an einem Entscheidungsproblem orientierte Analyse und adressatengerechte, technikgestützte Bereitstellung von wettbewerbsrelevanten Informationen mit dem Ziel, den Entscheidungsprozess zu unterstützen. Business Intelligence umfasst die zur Entscheidungsunterstützung eingesetzten Konzepte, Methoden und Informationssysteme.

Was sind Data Marts?

Data Marts sind ein aggregierter Teilausschnitt des Data Warehouse, der die relevanten Daten für einen bestimmten abgegrenzten Themen- und/oder Anwenderkreis enthält. Die Data Marts beinhalten z.B. die Daten der einzelnen Geschäftsprozesse

Was ist Data Mining?

Data Mining bezeichnet die softwaregestützte Ermittlung bisher unbekannter Zusammenhänge, Muster, Regeln und Trends in umfangreichen Datenbeständen, die bei der Unterstützung der Entscheidungsfindung und bei der Prognose von zukünftigen Ereignissen helfen können

Was ist BI as a Service?

Bei BI as a Service wird der Betrieb des BI-Systems als Dienstleistung an einen Drittanbieter, z.B. über einen Cloud-Service, ausgelagert. Bei Real-Time BI werden die Daten innerhalb des BISystems in Echtzeit aktualisiert.

Was sind Business Intelligence Systeme?

Business-Intelligence-Systeme sind nach Hummeltenberg (2019) informationsgetriebene Entscheidungsunterstützungssysteme zur Gewinnung und Verbreitung von Erkenntnissen für und über betriebliche Abläufe.

Was sind die Vorteile für Unternehmen bezüglich Bonusprogramme und Social Media Plattformen?

• immer genauere und aktuellere Daten über bestehende, aber auch potenzielle Kunden.

• gezielte Ansprache der relevanten Kundengruppen

• Je individueller und konkreter die Kommunikation gestaltet ist, desto wahrscheinlicher ist es, dass der Kundenkontakt hergestellt wird und Kunden sich für die Produkte interessieren bzw. diese kaufen.

Was ist der Vorteil von Bonusprogrammen und Social Mefia Plattformen für Kunden?

• passende Angebote, die Zeit und Aufwand bei der Suche sparen.

Wo liegt der Ursprung des Begriffs Business Intelligence?

Der erste heute dokumentierte Beitrag, der im Titel „Business Intelligence“ trug, wurde von Luhn (1958) veröffentlicht. Er hat sich mit der selektiven Verbreitung von Informationen beschäftigt und in diesem Kontext den Begriff geprägt.

Luhn (1958) stellt also die wichtige Verbindung zwischen dem unternehmerischen Auftrag und Ziel (Business) mit den dazugehörigen Informationen als Basis für die Entscheidungsprozesse (Intelligence) und der technischen Unterstützung (Business-Intelligence-System) konsequent her. Im Laufe der Entwicklung der BI ist dieser Zusammenhang zunächst aber wieder in den Hintergrund getreten.

Was ist die technische Sicht auf die BI?

Die steigende Menge an Daten, bessere Analysealgorithmen, aber vor allem die Entwicklung immer besserer Prozessoren, die eine automatisierte Auswertung der Daten erlaubten, haben dazu geführt, dass sich die Entwicklung der BI zunächst auf die technischen Machbarkeiten konzentriert hat. Gleichzeitig hat sich geradezu ein Hype entwickelt, der zu vollkommen überzogenen Ankündigungen führte.Der Fokus lag dabei auf „getting data in and getting data out“ (Watson & Wixom, 2007)

Welche Fragen muss die IT-Architektur beantworten, damit das (technische) Datenmanagement reibungslos funktioniert?

1. getting data in:

• Welche Datenquellen müssen wie angeschlossen werden?

• Wie soll das Data Warehouse als strukturierter Datenspeicher aufgebaut sein?

• Wie müssen die Metadaten strukturiert sein?

2. getting data out:

• Wie kann der Datenzugriff möglichst nutzerfreundlich gestaltet werden?

• Welche Zugriffskonzepte (z.B. Data Marts) machen den Zugriff schneller?

• Wie sollen die aufbereiteten Daten zur Verfügung gestellt werden?

Was ist ein Data Warehouse?

Ein Data Warehouse (DWH) ist eine unternehmensweite Datenbank, die als zentraler Speicher eine einheitliche und konsistente Datenbasis zur Entscheidungsunterstützung aller Bereiche und Ebenen im Unternehmen bietet und unabhängig von operativen Anwendungssystemen betrieben wird. Im Data Warehouse werden alle für ein Unternehmen relevanten internen und externen Daten zusammengeführt und für verschiedenartige Auswertungen und Analysen für längere Zeiträume gespeichert (Hansen und Neumann 2019).

Was sind operative Daten?

Daten, die zur Abwicklung von Geschäftsprozessen verwendet werden, typischerweise detaillierte und granulare Vorfalldaten.

Was sind dispositive Daten?

Daten, die entscheidungsorientiert sind und als Informationsbasis für die Managementunterstützung dienen.

Was beschreibt die PDCA-Methode?

Der PDCA-Zyklus steht für Plan-Do-Check-Act und beschreibt einen iterativen Prozess zur kontinuierlichen Verbesserung.

Was sind Data Warehouses?

Data Warehouses sind unternehmensweite Datenbanken, die eine einheitliche und konsistente Datenbasis zur Entscheidungsunterstützung bieten.

Wie wird Data Mining in der Business Intelligence verwendet?

Data Mining nutzt algorithmusbasierte Verfahren zur systematischen Analyse von großen Datenbeständen, um Muster und Beziehungen zu erkennen.

Was ist der Unterschied zwischen Data Warehouses und Data Marts?

Data Marts sind Teilausschnitte eines Data Warehouses, die relevante Daten für spezifische Themenbereiche oder Anwendergruppen enthalten.

Welche Rolle spielt die IT in der Business Intelligence?

Die IT bildet die technische Grundlage zur Speicherung, Aufbereitung und Verbreitung von Informationen, die für die Entscheidungsfindung notwendig sind.