MSS - public.fh-wolfenbuettel.de
Werbung
Zusammenfassung und Informationen zu Informatiksysteme Management Support Systeme (MSS) 1. Grundlagen 1.1. Einordnung von MSS 1.2. IKS zur Unterstützung des Managements 1.3. Konzeption eines MSS 2. Spezielle Probleme beim Einsatz von MSS 2.1. Integration von IKS in die betriebliche IKS-Landschaft 2.2. Datenlogistik für MSS 2.3. Das Data-Warehouse-Konzept 2.4. Datenorganisation für MSS 2.5. Multidimensionale Datenmodellierung für MSS 2.6. Das UNIMU-Schema 3. Fallstudie VNG 2 1 Grundlagen 1.1 Einordnung von MSS 1.1.1 - Management ist die zielorientierte Gestaltung und Steuerung sozialer Systeme planende und steuerrelevante Informationen werden benötigt Managementaufgaben bestehen aus Personalaufgaben und Sachaufgaben Personalaufgaben: Weisungsbefugnis (Zuteilung, Kontrolle, Regulierung) und Motivation Sachaufgaben: Situationsanalyse (unternehmerisches Zielsystem im Rahmen innerer und äußerer Umwelt), Planung (Alternativensuche, Beurteilung, Entscheidung), Realisierung, Kontrolle Einteilung Management: Pyramide: (wichtig) Topmanagement: langfristige Ziele, wie Kostenführerschaft, langfristige Steuerung von Personal, Kapitalressourcen Middlemanagement: Operationalisierung der unternehmenspolitischen Ziele und strategischen Entscheidungen durch konkrete Vorgaben, Programme und Regeln. Lower-Management: Es steht mehr die Realisierung als die Planung im Vordergrund, d.h. Leistungsprozeß und Wertschöpfungskette werden unmittelbar beeinflußt Einteilung in horizontaler Richtung: Diese Unterteilung orientiert sich an der Ablauforganisation des Unternehmens. Das Management jeder Ebene (Pyramide) ist für einzelne Funktionalbereiche zuständig. z.B. Produktionsmanagement, Finanzmanagement, Beschaffungsmanagement Aufgaben in Managementebenen: Top-Management: Oft neuartige Aufgaben Entscheidungen mit komplexer Struktur oder hoher Bedeutung für Unternehmen Standardisierte Verfahren der Aufgabenbearbeitung und Entscheidungsfindung ungeeignet Kreativität und Innovationsfähigkeit der Entscheidungsträger gefragt Unstrukturierte Entscheidungsprobleme benötigen zur Lösung Know-how und Erfahrungen der Manager Middlemanagement: Semistrukturierte Entscheidungsprobleme Problemlösung läßt sich nicht vollständig automatisieren Lower-Management: Genau definierte Verfahrensvorschriften bei Entscheidungsabläufen Wiederkehrende Routine-Entscheidungen Strukturierte Entscheidungsprobleme 1.1.2 Unternehmensstrukturen Unternehmen sind sozio-ökonomische Gebilde im Spannungsfeld zwischen Absatz und Beschaffungsmärkten, Geld- und Kapitalmärkten und der öffentlichen Hand. Arbeitsteilige Organisation der Unternehmen führt zur Abgrenzung zwischen: leitenden und ausführenden Tätigkeiten Dispositiver Faktor: Tätigkeit zur Lenkung und Leitung der betrieblichen Vorgänge (für Unternehmen als ganzes oder für verschiedene Verantwortungsbereiche). Verschiedene Unternehmensstrukturen Pyramide (Hierarchie): zahlreiche Ebenen Profit-Center: flache Pyramide mit Geschäftsbereichen Team-Organisation: „runder Tisch“ (dabei entsteht Infopool) Historische Konzepte: Taylorismus Bürokratiemodell Human-Relations Soziotechnische Systeme 748912049 Seite 2 von 16 3 Aktuelle Konzepte Kaizen: Verstärkung des Zusammengehörigkeitsgefühls und Eigenverantwortung durch Abbau von Hierachien Reengineering: Ziel: von Funktionsorientiert zu Prozeßorientiert Lernende Organisation: Organisationswissen Lean Management: Konzentration auf Kernkompetenzen des Unternehmens Total Quality Management: Qualitätsmanagement unternehmensweit Time-Based Management: Wettbewerbsstrategie, wichtig ist Reaktionsgeschwindigkeit Informationsbasierte Organisation: wie LO, aber Mitarbeiter steuern Aktivitäten selbst 1.1.3 Bedeutung von IuK für Management (Prüfungsrelevant) Information umfaßt zweckorientierte Wissenselemente (Mitteilungen, Nachrichten,...), die den Erkenntnisstand eines Subjekts über einen Sachverhalt erweitern. Kommunikation ist der Austausch von Information Information ist am richtigen Ort zur richtigen Zeit und in geeigneter Qualität bereitzustellen. Kommunikation ist Mittel dazu. Kommunikationsanteil bei Managern etwa 40%. Infolücken auf unterer Managementebene, werden nach oben immer größer. Mängel bei Infoqualität: Relevanz (z.B. zu detaillierte Informationen) Konsistenz (z.B. unterschiedliche Bezeichnungen für gleichen Informationsgehalt) Aktualität (veraltete Information) Diskrepanz zwischen Informationsbedarf und –angebot Objektiver Informationsbedarf: Menge der Informationen, die personenunabhängig für eine Entscheidung bzw. Problemlösung benötigt wird Subjektiver Informationsbedarf: Menge der Informationen, die personenen- und situationsabhängig für eine Entscheidung bzw. Problemlösung als ausreichend betrachtet wird Informationsangebot: Menge der zur Verfügung stehender internen und externen Informationen. 748912049 Seite 3 von 16 4 Was eine solide Informationsbasis darstellt, hängt sehr stark von der Art, Bedeutung und Dringlichkeit des zu lösenden Entscheidungsproblems, sowie von den jeweiligen Entscheidungsträgern ab. Denkbar sind die Durchschnittsmengen: Die Analyse und Festlegung des Informationsbedarfs kann nach Unternehmen, Branchen, Funktions- und Rollenträgern, Entscheidungsklassen und ggf. nach anderen Aspekten erfolgen. Kern-Schale-Modell gibt Systematik Bei Entscheidungssituationen sind die Fragen zu klären, ob eine ausreichende Informationsmenge vorhanden ist, wie ein eventuelles Informationsdefizit behoben werden kann und ob eine solide Informationsbasis erreicht ist, um eine fundierte Entscheidung treffen zu können. Problem: viel Information verfübar, aber Infobeschaffung kostet Zeit und dann kann handeln schon zu spät sein! Infobeschaffungskosten entstehen durch: Datenbank/ Internet-Recherchen, Entwicklung von Anwendungssystemen, Online-Dienste Transaktionskosten 748912049 Seite 4 von 16 5 1.1.4 Anforderungen an MSS Anwendungssog: Märkte im Wandel (Globalisierung, wachsende Dynamik) Neue Orgakonzepte Veränderte Managementkonzeptionen (ganzheitliches Denken) Technologiedruck: Iuk-Technik (Leistungssteigerung in Verabeitung, Speicherung, Benutzerfreundlichkeit...Multimedia) Leistungsfähigere Werkzeuge Erhöhte Akzeptanz bei Managern - - Anforderungen an MSS (aus Managementaufgaben und Anforderung an IuK für Management) (1) Personen- und sachgerechte, aktuelle, schnelle und umfassende rechnergestützte Zurverfügungstellung und Aufbereitung relevanter interner und externer Informationen als Grundlage für Entscheidungen. (2) Unterstützung in allen Planungs- und Entscheidungsphasen bei Beachtung der Anforderungen aus Ablauf- und Aufbauorganisationen. (3) Verstärkung schwacher Signale bei sich abzeichnendem Handlungsbedarf. (4) Aufdeckung von Abweichungen zwischen erreichten Ist- und zu definierten Sollzuständen die durch betriebliche Kennzahlen beschrieben sind. (5) Unterstützung der Kommunikation unabhängig von Ort und Zeit. 1.2 IKS zur Unterstützung des Managements 1.2.1 Gegenstand der WI Gegenstand der Wirtschaftsinformatik (WI) sind Informations- und Kommunikationssysteme (IKS) in Wirtschaft und Verwaltung IKS sind soziotechnische Systeme, die menschliche und maschinelle Komponenten (Teilsysteme) als Aufgabenträger umfassen, die voneinander abhängig sind, ineinandergreifen und/oder zusammenwirken. Im Mittelpunkt steht die Unterstützung bei der Erfüllung betrieblicher Aufgaben. IKS in Wirtschaft und Verwaltung haben komplexen Charakter. Wirtschaftsinformatik betrachtet und gestaltet Spezifische Ausprägungen (Arten) Spezifische Bestandteile Von Informations- und Kommunikationssystemen Allgemein sind IKS zu betrachten aus der Sicht von zu lösenden Aufgaben (A) (Unternehmensstrategie, Betriebl. Anwendungen, Informationen) einzusetzender Technik (T) ) (HW, SW, Netze, Datensicherheit, Netze) zu berücksichtigenden Organisationen (O) (Managmentebenen, Geschäftsprozesse, zentral/dezentral, virtuell) Menschen (M) (einzeln, Gruppen) und den dabei auftretenden Beziehungen (ATOM - Modell) MSS sind Gegenstand der WI In wieweit können in WI entwickelte Systeme Grundlage oder Infoquelle für MSS sein? Betrachtung ausgehend von Administration- Disposition, Planungs- und Kontrollsystemen Administrationssysteme Rationalisierung der Massendatenverarbeitung, Kostensenkung, Entlastung des Personals von Routineaufgaben (Finanzbuchhaltung, Lohnabrechnung) Dispositionssysteme periodische, kurzfritig auftrende Entscheidungen vorbereiten oder automatisch treffen (Mahnwesen, Bestellwesen, Versandtdisposition) Planungssysteme DV-AWS auf Grundlange von Ad.- und Disp.systemen für Unterstützung der Planung schlecht strukturierter Entscheidungsprobleme, die in größeren Zeitabständen und zum Teil unregelmäßig anfallen, eine längere 748912049 Seite 5 von 16 6 Gültigkeitsdauer haben, im Mensche-Maschine-Dialog ermittelt und von der Unternehmensführung genutzt werden. (Investitionsplanung, Plannung von SW-Projekten, Expertisesysteme, etc.) Kontrollsysteme Pläne überwachen, korregieren, durch Expertiesesysteme z.B. 1.2.2 Planungs- und Kontrollsysteme Berichtssysteme: (Reine) Periodische Berichtssysteme (periodische Ausgabe von Daten vom System gesteuert) Signalsysteme (waren auch bei Abweichungen, im mittleren Manangement verbreitet) Expertiesesysteme (Datenmaterial als Text, gibt’s mit Diagnosen und Therapievorschlägen) Abfrage-/Auskunftssysteme: Standard-Abfragen Jede Abfrage ist vorprogrammiert Typ der Abfrage muß bei Systemplanung bekannt sein Briefing Book für obere Führungskräfte Freie Abfragen Individuelle Recherche wird durch freie Wahl der Merkmale (Deskriptoren) realisiert Nutzung von Datenmanipulationsprogrammen Höhere Ansprüche an Nutzer Dialogsysteme: Dialogsysteme mit Entscheidungsmodell: EUS oder DSS sind Systeme, in die auch Erfahrungswissen einbezogen werden kann. Oft werden spezifische Systeme für bestimmte Entscheidungsträger, z.B. Top-Manager entwickelt. Group Decision Support Systems (GDSS): sind Systeme für Gruppenentscheidungen Dialogsysteme ohne Entscheidungsmodell Datenrecherche mit Mensch-Maschine-Kommunikation Dienen dem Data Support Enge Beziehungen zwischen Planung-s und Kontrollsystemen und MSS!!! 1.3 Konzeption eines MSS Management Support Systeme - Definition Management Support Systeme (MSS) sind rechnerbasierte Systeme, deren Komponenten die Info-Bereitstellung sowie die Entscheidungs- und Kommunikationsprozesse bei Managementaufgaben unterstützen. Damit sind MSS spezifische Ausprägungen von IKS. 748912049 Seite 6 von 16 7 Durch ein MSS sollen Manager das Informieren durch Data Support, Kommunizieren durch Communication Support und Entscheiden durch Decision Support unterstützt werden. MSS Data Support - Reporting Persönliches InfoManagement (PIM) Expertisesysteme 1.3.1 Decision Support - Simulation Optimierung Prognose Wissensbasen Communication Support - E-mail Chat Videoconferencing CSCW Data Support Rechnergestützte Bereitstellung von Info für Management. Enger Zusammenhang zu anderen zwei Funktionen, daher schwer trennbar, Zusammenführung durch "Morphologischen Kasten". Wichtige Grundlagen für die Bereitstellung von relevanten Informationen für ein MSS sind: Modellierung der Unternehmensdaten Quellen für benötigte externe Informationen Gewinnung von Daten aus operativen Anwendungssystemen und Datenbanken Information Retrieval-Funktionen Unterschiedliche Techniken für die Darstellung von Informationen = MSS Information Retrieval Durch Information Retrieval (IR) werden gespeicherte Info-Bestände unter Nutzung von Suchbegriffen mit dem Ziel ausgewertet, bestimmte Informationen bereitzustellen. Grundlage dafür bilden das Matching-Paradigma sowie Navigations- und Browsing-Techniken. IR-Systeme sind Softwaresysteme, die vor allem eingesetzt werden für: data retrieval, um Daten aus Datenbanken zu gewinnen document retrieval, um Informationen aus Dokumenten bereitzustellen knowledge retrieval, um Wissen aus Wissensbasen zu extrahieren Drill Down Spezifische Tiefenanalyse und Selektion von hierarchisch verknüpften Info-Objekten, wodurch Detailinformationen dem Manager bereitgestellt werden können (z.B. Kostenstellengruppen - Kostenstellen - Kostendaten) Navigation Zielgerichtetes Verfolgen von Verknüpfungen mit dem Ziel der Informationssuche, besonders in Hypertexten. Browsing Suche von Informationen, wobei auch das Ziel verfolgt wird, mit Hilfe des "Durchblätterns" verschiedener Quellen nicht spezifizierte Informationen zu entdecken. Berichtsgeneratoren Programme zur flexiblen Erstellung von Berichten. Exception Reporting (datengetriebenes Berichtswesen) erhält Manager Signal bei Schwellwertüberschreitung Briefing Book (dokumentengetriebenes Berichtswesen) periodisch aktualisierte Reports, in Doku-DB abgelegt Monitoring Funktion zum Überwachen von für ein Unternehmen besonders wichtigen Kennzahlen, wodurch die aktuelle Unternehmenssituation dargestellt wird. Personal Views Festlegen von Sichten der Manager auf bestimmte Teilbereiche, um unerlaubte Datenzugriffe zu verhindern. News Durch News werden Manager mit unformatierten internen und externen Informationen rechnergestützt versorgt. Dazu wird eine sogenannter Newsbereich periodisch mit wichtigen Meldungen gefüllt. Webfarming 748912049 Seite 7 von 16 8 Ein unter dem Begriff Web-Farming bekanntes Verfahren beschreibt die systematische Auffindung von WWW-Inhalten und deren Hinzufügung zum Data Warehouse. Die Durchführung des Web-Farming vollzieht sich idealtypisch in folgenden Schritten: (1) Identifikation von unternehmenskritischen Schlüsselobjekten (Wettbewerber, Aktienkurse, Pressmitteilungen) (2) Zuordnung der Schlüsselobjekte zu den Angeboten im WWW (potentielle Info-Quellen finden und anbinden) (3) Systematische Untersuchung des WWW-Angebots (Seiteninhalte analysieren) (4) Analyse des extrahierten Inhalts (Extraktion wesentlicher Inhalte, linguistische Analysen, Bild-Erkennung) (5) Strukturierung im Hinblick auf das Data Warehouse-Schema (6) Bekanntmachung der Information 1.3.2 Decision Support Werkzeuge aus dem Gebiet der EUS aber nur geringe Auswahl genutzt. (Infos kommen aus Data Support) Methoden: Datenanalyse Trendrechnung Korrelations-/Regressionsrechnung Portfolio-Technik Simulation What-if-Analyse How-to-archieve-Analyse Optimierung Finanzmathematische Methoden Für Nutzung der Methoden ist Wissen nötig, das kommt oft aus Methodenbanken Ein Methodenbanksystem besteht aus: Methodenbank und Methodenbankverwaltungssystem. Die Methodenbank beinhaltet zu den Methoden für ein Sachgebiet die zugehörigen Programme oder -bausteine. Ein Methodenbankverwaltungssystem umfaßt bzw. unterstützt: Compiler Zugriffskontrolle Auskunfts- / Hilfesystem Aufnahme bzw. Änderung von Methoden Tutorial Ein Methodenbankbenutzer kann bei der Anwendung durch das MB-System unterstützt werden bezüglich: Dokumentation (Dialog, Deskriptoren) Selektives Angebot (alternative Methoden) Methodenauswahl Warnung (falls Voraussetzung für eine Methode nicht erfüllt sind, z.B. bei Methoden aus der Statistik) Hilfen (Begriffe, Ergebnisinterpretation, Tutorials) Wissensbasierte Beratungssysteme SPSS ist z.B. Methodenbanksystem für Gebiete Statistik / Ökonomie Tabellenkalkulationsprogramme für Unternehmensplanung und Rechungswesen 1.3.3 Communication Support (wichtig) Kommunikationsdienste sind nötig für: Informationsübermittlung Verteilung von Aufgaben Gemeinsame Durchführung von Aufgaben (Kooperation, Koordination) Kontrolle 748912049 Seite 8 von 16 9 Nutzbare Technologien für die Kommunikation sind: WAN/LAN Internet/Intranet (nicht jede Funktionalität für MSS notwendig) E-mail als Basiskomponente für MSS und auch Grundlage für gruppenbezogene MSS WWW-Applikationen: Kontextbezogene Navigation durch weltweit verteilt gespeicherte Information Aufhebung der zeit- und ortsbezogenen Beschränkung der Information Nutzbringend einsetzbar für nicht vorausschaubare Informationsnachfrage des Managements. Ist realisierbar durch frei assozierbare Navigationskomponente (Semantische Netze mit Schlüsselbegriffen, Links, Suchmaschinen) Zu beachten: Begriffsraum begrenzen Bewegungsfreiheiten innerhalb der vorgegebenen Vernetzung Geeignete Dokumente zur Verfügung stellen Gruppenorientierte Kommunikation Videokonferenzen (synchron) E-Mail-Systeme (asynchron) CSCW-Tools (synchron und asynchron) Elektronischer Konferenzraum Gruppenorientierte EUS zur Prozeßunterstützung Rechnergestützte Aufgabenerfüllung durch Teams Asynchrone Kommunikation - - Message-Handling- Systeme (MHS) E-mail-Systeme Voice-mail-Systeme Multimedia-mail-Systeme Asynchrone Computerkonferenzen (Electronic Conferencing System) 1.3.4 - Synchrone Kommunikation Videokonferenzen Synchrone Computerkonferenzen Wissenbasierte Systeme - Softwareagenten z.B.: Nachrichtenfilterung Automatische Benachrichtugung Terminabstimmung Überwachung des zeitlichen Projektablaufs Erweiterungen zu MSS Dialogführung (z.B. multimediale Darstellung, Hypermediasysteme) Modell- und Methodenverwaltung (z.B. Nutzung wissensbasierter Komponenten) Datenverwaltung (z.B Data Warehouse) Auswertungsfunktionen (z.B. OLAP, Data Mining) Entwicklungswerkzeuge (z.B. Component Ware) Kommunikationswerkzeuge und Dienste (z.B. Internet/Intranet) Integration der Komponenten (z.B. Workflow-Management, CSCW, gruppenbasierte Ansätze) Zusatzdienste noch mehr Erweiterungen: webbasierte Komponenten (brauch man glaub ich nich mehr erklären) multimediale Komponenten (die wohl auch nicht) Wissensbasierte Komponenten (prüfungsrelevant) kommen aus dem Bereich der KI Unterstützung in folgenden Bereichen: Interpretation: Auswertung bzw. Analyse der Informationen Diagnose von Systemzuständen bzw. -abläufen Konstruktion bzw. Konfigurierung von Objekten aus Teilobjekten bzw. Elementen Überwachung und Steuerung von Systemen Planung von Aktionsfolgen Vorbereiten von Entscheidungsalternativen Beweisen und Verifizieren von Systemzuständen 748912049 Seite 9 von 16 10 - Beratung für weitere Vorgehensweisen Tutoring: Vermitteln und Einüben von Wissen. Besonders wichtig für MSS: wissenbasierte Systeme können helfen Infos zu finden und zu analysieren (z.B. Überwachungs- und Steuerungsaufgaben), können Interpretations- und Diagnosehilfen geben Die wissensbasierten Ansätze können auf verschiedene Arten in das MSS eingebunden sein. Man unterscheidet: MSS, die in Teilbereichen durch wissensbasierte Bestandteile erweitert werden, MSS, die Expertensysteme als eigenständige Komponenten enthalten, MSS, die auf externe, autonome Expertensysteme zugreifen und MSS, die selbst Expertensysteme darstellen. Erweiterung der MSS durch Data Mining: Der Begriff Data Mining bezeichnet Datenmustererkennungsverfahren. Man kann ihn wie folgt definieren: Data Mining beschreibt die Extraktion implizit vorhandenen, nicht trivialen und nützlichen Wissens aus großen, dynamischen, relativ komplex strukturierten Datenbeständen. Intelligente Verfahren der Datenanalyse versuchen, ungehobene Schätze aus den Fluten von Rohdaten zu bergen. Data Mining-Werkzeuge sind sehr gut geeignet, wenn man in sehr großen, diffusen Datenbeständen suchen möchte. Erweiterung der MSS durch Componentware (modularer Aufbau immer vorteilhaft) Unter Componentware versteht man SW-austeine, aus denen komplette Anwendungen zusammengestellt werden können. Durch CW soll Wiederverwendung von SW gefördert werden. (objektorientiert, na?!) Es sind abgeschlossene Module mit festem Aufgabenbereich und durch Parameter und Attribute von aussen steuerbarer Code. Decision Objects sind Behälter, betriebswirtschaftliche, planungsrelevante Einheiten, die als Klassenkonzepte vorformuliert sind. Für spezielle Anwendung mit konkreten Ausprägungen versehen. Komponenten mit hohem Abstraktionsgrad, zu AWS zusammengesetzt. MSS-Entwicklung schneller, billiger. 748912049 Seite 10 von 16 11 2 spezielle Probleme beim Einsatz von MSS 2.1 Integration von MSS in die betriebliche IKS-Landschaft 2.1.1 Problematik dezentraler IKS für die Managementunterstützung Um Flexibilität und Reaktionsschnelle zu bekommen, Aufbauorganisation von Unternehmen wird zunehmend dezentral, da verteilte Kompetenzen, autonome Unternehmenseinheiten -> Geschäftsprozesse schwer zu überblicken, Info erhalten und verteilen schwer für Management AWS in Unternehmen historisch gewachsen, wegen dezentraler Aufbauorganisation häufig isoliert voneinander, können nicht miteinander kommunizieren. Duch verteilte Client-Server-Architekturen -> heterogene Anwendungslandschaft mit verteilter Verantwortung. Daraus folgt: Informationen sind in mehreren Anwendungssystemen verteilt. Informationelle Zusammenhänge gehen aufgrund unterschiedlicher Modelle verloren. durch Verteilung der Anwendungssysteme -> Probleme für die Identifikation und Verknüpfung relevanter Info: organisatorisch: Zuständigkeit für Integrationsaufgaben, Verantwortung für die Informationen inhaltlich: einheitliche Begriffe und Identifikatoren für Informationsobjekte technologisch: Betriebssysteme, Datenbanken, Rechnernetze Heterogene Datenhaltung, da von unterschiedlichen Aufgabenbereichen im Unternehmen unterschiedliche Anforderungen an Daten gestellt werden, Daten sind in verschiediedenen AWS gespeichert. Heterogenität auch durch die Entwicklung individueller Lösungen für die Datenauswertung im managementunterstützenden Teil des Informationssystems. Diese Lösungen besitzen häufig von übrigen Anwendungssystemen unabhängige, redundante Datenbestände, auf der Basis von PC-Technologien. - - Physische Heterogenität: Es existieren verschiedene individuelle Datenhaltungssysteme auf unterschiedlichen Plattformen. Logische Heterogenität: Datenmodelle basieren auf unterschiedlichen Datenbankparadigmen (relational, hierarchisch, sequentielle Datei, objektorientiert). Verschiedene Entwurfsalgorithmen und Modellierungsprinzipien sowie fachbereichsabhängige Begriffsapparate können zur Inkompatibilität der Datenmodelle führen. Organisatorische Heterogenität: Die Datenhoheit ist auf mehrere Fachbereiche verteilt. Eine Gesamtverantwortung für die Datenbestände im Unternehmen ist nicht vorhanden. Problem für MSS: Führungsinfo aus heterogenen Systemen, gleiche Daten unterschiedl. dargestellt, Redundanz 2.1.2 Bedeutung der Datenintegration für die Informationsbereitstellung in MSS Datenintegration: Beherrschung der Redundanz vor allem logische Integrität der Daten angestrebt ergibt sich durch Trennung von Daten und AWS und Bildung eigenständiger DBMS Grundlage der informationssystemweiten Integration ist unternhemensweites Datenmodell logische Datenintegration: bringt Datenstrukturen von Teilsystemen in Übereinstimmung physische Datenintegration: es existiert DB mit der alle Anwendungen arbeiten Laut Mertens 2 Formen der Datenintegration: Datenaustausch Daten werden zwischen Anwendungssystemen übergeben. Voraussetzung ist die Abstimmung (logischer) Datenstrukturen beider Teilsysteme, so daß der Datenempfänger die gesendeten Daten ordnungsgemäß interpretiert. Sollen die Daten automatisch übergeben werden, kommt eine technologische (physische) Abstimmung hinzu. Gemeinsame Datenbank Die Daten verschiedener Anwendungssysteme werden in einer gemeinsamen Datenbank abgelegt. Neben einer logischen Integration sind die Daten auch physisch vollständig integriert. Aufgabenträgerorientierte Funktionsintegration: Bündelung der Ausführung gleichartiger Aufgaben (Funktionen) durch 1 Aufgabenträger 748912049 Seite 11 von 16 12 Integrations maschineller als auch personeller Aufgabenträger Beispiel: aus „Vertriebsbereich -> Absatzberichte erstellen -> Berichtssystem Vertrieb“ und „Beschaffungsbereich -> Einkaufsberichte erstellen -> Berichtssystem Beschaffung“ wird nun „Controlling -> Berichte erstellen -> Zentrales Berichtssystem“ Klasse, oder? - Datenflussrorientierte Funktionsintegration: flussorientierte Aufgabenstruktur AWS werden ensprechend abhängiger Funktionsfolgen in einem Datenfluss verbunden Standards für Nachrichtenaustausch definieren (MAP, EDIFACT) Medienbrüche werden vermieden Vorgangsintegration: Prozesskettenn werden miteinander verbunden Endereignis der einen Prozesskette wird zum Startereignis einer anderen An integrierter Prozesskette mgl. Mehrer AWS -> Steuerflüsse zwischen den AWS koordinieren 2.1.3 Vertikale Datenintegration zur Managementünterstützung Die datenbezogene Integration von AWS ist für die Informationsbereitstellung in MSS notwendig, um : erforderliche Qualität, d.h. Aktualität, Zuverlässigkeit, Genauigkeit und Konsistenz, der Daten zu erreichen aus den Daten umfassende, aussagekräftige Informationen zu bilden. Vertikale Datenintegration (Daten für MSS) durch: Zusammenführung von Daten aus verschiedenen Datenquellen, zentrale Datenhaltung für unternehmensweit relevante Daten, einheitliche Transformationsfunktionen (z.B. Aggregation und Kombination) zur Datenaufbereitung, einheitlicher Zugriff auf die integrierten Daten durch verschiedene Nutzer. 2.2 Datenlogistik für MSS 2.2.1 Informations- und Datenlogistik für informationstechnische Managementunterstützung Management braucht Info: richtige, zur richtigen Zeit, am richtigen Ort, in notwendiger Menge, in erforderlicher Qualität, in der richtigen Form. Infoversorgung ist logistisches Problem -> Datenlogistik - - Es gibt Informationsfluss (Kommunikation) der basiert auf Datenfluss (Nachrichten) zwischen Teilsystemen Datenflüsse können sein: Datenversorgung von AWS nach MSS (vertikal), oder Datenaustausch zwischen operativen Systemen in Wertschöpfungsprozessen (horizontal). für MSS konsistente DB nötig, in diese Daten aus Unternehmensinternen und –externen Quellen integrieren Grossteil Geschäftsprozeßdaten kommen aus operativen AWS Daten also verteilt in hetereogener Systemlandschaft Aufgabe von Berichterstellungsprozessen: Daten sind aus funktionsorientierten Anwendungssystemen so zusammenzuführen und aufzubereiten, daß sie der Informationsbereitstellung zur Deckung des entsprechenden Informationsbedarfs von Managern genügen . Problemstellung: Zu welchem Zeitpunkt werden welche Daten in welchem Umfang für welche Aufgaben benötigt. Woher kommen diese Daten. Auf welchem Weg und mit welcher Unterstützung gelangen sie zum Aufgabenträger . - Also Prozesse finden, die Datenaustausch regulieren Logistik bezeichnet allgemein die Planung, Steuerung, Realisierung und Kontrolle der raumzeitlichen Transformationen von Gütern -> Übertragung auf Daten Ziel dieser Logistik besteht in einer termin-, mengen- und qualitätsgerechten Versorgung der Anwendungssysteme mit Daten. Logistikfunktionen in Bezug auf Daten: Transport: Datenträger, Netzwerk, -Protokoll (TCP/IP), Netzdienste (eMail), Datenbank-Links Lager: Datenträger, Datenbank, Dateien Umschlag: Verarbeitungsprogramme, Transformationsprogrammme (Konvertierung für Datenaustausch) 748912049 Seite 12 von 16 13 2.2.2 Vertikale und horizontale Datenflüsse und ihr Zusammenhang Vertikale Informationsflüsse basierend auf der Datenversorgung von MSS: Die vertikale Kommunikation orientiert sich an der aufbauorganisatorischen, klassischerweise hierarchischen Gliederung des Unternehmens. Horizontale Informationsflüsse, basierend auf Datenaustauschprozessen zw. operativen Systemen Die horizontale Kommunikation beschreibt den an der Wertschöpfungskette orientierten Informationsfluß, der in größeren Unternehmen zwischen verschiedenen Bereichen und Anwendungssystemen stattfindet. Für beide Stamm- und Bewegungsdaten von Bedeutung Zw. operativen Systemen werden Transferdaten ausgetauscht auf Basis der Stamm- und Änderungsdaten In MSS können Daten genutzt werden: Archivdaten für die Analyse der Unternehmensentwicklung (z.B. Entwicklung des Auftragsvolumens), Transferdaten und Vormerkdaten als Information über aktuelle Geschäftsprozesse (z.B. aktuell bearbeitete Kundenaufträge mit Auftragsvolumen oder ausstehende Lieferungen von Lieferanten) Bestandsdaten und Vormerkdaten als Information über die aktuelle Situation (z.B. Kassenbestände sowie kurzfristige Forderungen und Verbindlichkeiten zur Charakterisierung der Liquiditätslage) Stammdaten und zugehörige Änderungsdaten als Analyseobjekte (z.B. Kunden und deren Adressen). - Klassifikation der Datenflüsse: Austausch von Bewegungsdaten (innerhalb von operativen Geschäftsprozessen) Bsp.: Austausch von Kundenauftragsdaten zwischen Vertriebs-, Produktions-, Versand- und Fakturierungssystem, Abgleich von Stammdaten Um Konsitenz in verschied. AWS zu wahren Bsp.: Austausch von Kundenstammdaten zwischen Vertriebs-, Produktions-, Versand und Fakturierungssystem, Datenversorgung von MSS 2.3 Das Data Warehouse-Konzept Funktionen: die Integration von Daten aus verschiedenen Quellsystemen (Input) Bereitstellung einer konsistenten, unternehmensweiten Datenbasis für Analysezwecke (Storage-Komponente, Speicherungs- und Verwaltungsfunktion) Aufbereitung und Bereitstellung der Daten für MSS (Transformations- und Verteilungsfunktion)., - Dazu Seperate konsistente DB, getrennt von operativen Quellsystemen aufgebaut und analysiert (zentrale Datenhaltung) Anforderungen an DWH um MSS zu unterstützen: Überführung von Transaktionsdaten in eine separate Speicherung mit indizierten Metadaten für Analysen Zusammenfassung von Transaktionsdaten zu Zeitreihen für Zwecke der Visualisierung und Analyse unternehmensweite Versorgung von MSS mit benötigten Informationen. Vorteile für MSS MSS braucht Daten von längeren Zeiträumen, nicht anwendungsbezogen Daten stellen für MSS ein Momentaufnahme dar, die in Zeitabständen aktualisiert wird DWH stellt geeignete Daten zur Verfügung, weil: Themenorientiert (subject-oriented): Üblicherweise werden Daten nicht für Menschen, sondern zur Unterstützung von Anwendungen organisiert. Zu den Funktionen der Data Warehouse-Lösung gehört es, diese operativen Daten in Informationen umzusetzen, die vor allem Manager verstehen und benutzen können. Dazu ist es notwendig, die Daten themenorientiert abzulegen. Die an den Themengebieten orientierte Strukturierung der Data Warehouse-Lösung spiegelt die Sicht des Analytikers auf das Unternehmen wieder. Integriert: Um Unternehmensprozesse vollständig abzubilden, müssen verschiedene formatierte Daten aus unterschiedlichen Quellen und Datenbanksystemen zusammengeführt und konsolidiert werden, so daß man in einer einheitlichen Weise darauf zugreifen kann 748912049 Seite 13 von 16 14 - - Zeitvariabel: Operative Daten spiegeln nur einen Moment des Unternehmensgeschehens wieder, nicht aber den Wandel der Ereignisse. Um jedoch über eine Geschäftsentwicklung urteilen zu können, sind Informationen über Veränderungen notwendig Beständig: Es werden u.U. Informationen benötigt, die in einer operativen Datenbank längst gelöscht worden wären. In einer Data Warehouse-Lösung dagegen ergänzen aktuelle operative Daten ständig die bestehenden Zeitreihen. - Wesentliche Eigenschaft von DWH ist seperate Datenhaltung Vorteile: Die Entlastung operativer Datenbanken von komplexen Anfragen ermöglicht einen störungsfreien Transaktionsbetrieb mit der notwendigen Performance Operative DB können von historischen Daten befreit werden, da diese in der DWH-Lösung verfügbar sind Daten sind für Simulationszwecke manipulierbar, ohne den operativen Betrieb zu stören Fehlerhafte und inkonsistente Daten können bereinigt werden Die Datenbanken können für Analysezwecke optimiert werden Breitere Nutzung von MSS Höhere Verfügbarkeit zielgruppengerechter Daten Just-in-Time Informationsversorgung - MSS ist auch von DWH physisch getrennt DWH so Unterstützung für MSS und operative AWS Vorteil von MSS mit DWH: Def. Von personenspezifischen Sichten - Voraussetzungen für DataWareHouse: DB der operativen Systeme müssen technologisch mit DWH verbunden sein Datenbestände von DWH, Quell- und Zielsystemen müssen synchronisiert werden Verantwortlichkeiten für zentrale Daten klären Daten unterschiedlicher Strukturen und Formate müssen integrierbar sein DWH ist mit zusätzlichen maschinellen und personellen Ressourcen verbunden. Autonome DB’s der operativen Systeme sind weiterhin notwendig!! Komponenten DWH: Extraktion von Transaktionsdaten für eine separate Speicherung mit indiz. Metadaten für analytische Zwecke Zusammenfassung von Transaktionen zu zeitbezogenen Serien für Visualisierung und Analyse, unternehmensweite Versorgung der Front-End-Systeme mit den benötigten Informationen zur Managementunterstützung. Anforderungen an die Datenhaltung: Redundante Ablage verdichteter, hochgranularer Daten (Daten in verschiedenen Detailgraden abspeichern) Denormalisierung (Vorteile: geringere Komplexität und geringer Anzahl der Abfragen) Partionierung (Datenbasis in physische, nicht redundate Partitionen aufgeteilt, Performance-, Adminaufwand!) Extraktion Daten aus internen und externen Quellen für die Weiterverarbeitung im Data Warehouse zur Verfügung stellen Dies entspricht im einfachsten Fall einer Replikation der Quelldaten in die Data Warehouse-Datenbank. I.d.R ist die Extraktion jedoch bereits mit ersten Transformationsfunktionen (z.B. Filterung) gekoppelt. Für die Datengewinnung sind wegen der Heterogenität der Quelldatenbanken folgende Aspekte zu beachten: Unterschiedliche logische und physische Datenformate Unterschiedlicher Grad der Strukturiertheit. Transformation Die aus verschiedenen Datenquellen gesammelten Daten müssen in eine zentrale Data Warehouse-Datenbank überführt werden. Dies setzt eine Reihe von Transformationsfunktionen voraus 2.4 - Multidimensionale Datenmodellierung Daten in mehrdimensionalen Matrizen gespeichert Inhalte der Zellern einer Matrix sind Fakten (bertiebw. Kennzahlen, wie Absatz, Umsatz, Kosten) Gleichartige Einflussgrössen in einer Dimension gesammelt So besser geeignet für Analysezwecke und präsentationen, Manager verstehen Daten so besser 748912049 Seite 14 von 16 15 Hierachie zwischen den Elementen einer Dimension in der Regel: Aggregation: Unter einer Aggregation wird in diesem Kontext die Zusammenfassung von elementaren Daten zu aggregierten Daten, i.d.R. über mathematischen Funktionen verstanden Darauf achten, dass Fakten additiv sind, sonst unsinnige Ergebnisse Dimensionierung: Standarddimensionen Zeit: sequentielle Dimension, da logische Ordung vorliegt Wertetypen (Ist-, Soll- und Planwerte), Szenarien, Versionen Maßeinheiten (Währung, Stückzahlen, Längen- und Gewichtseinheiten) individuelle Dimensionen gelten für einen bestimmten Aufgabenbereich, z.B. für den Vertrieb: Organisationseinheit (Konzern, Teilunternehmen...), Region (Land, Bundesland...), Kunden (Kundengruppen, Einzelkunden...), Artikel (Einzelprodukte, Produktgruppen...). 2.4.1 Funktionen über Multidimensionalen Datenstrukturen Die multidimensionalen Strukturen erlauben: auf Grundlage der Dimensionen unterschiedlichste Sichten auf die Kennzahlen des Unternehmens und auf Grundlage der Hierarchien eine Navigation über verschiedene Verdichtungsstufen hinweg. In diesem Zusammenhang sind folgende Funktionen zu unterscheiden: Drill-Down und Roll-Up: Navigation innerhalb einer Dimensionshierarchie entlang der Konsolidierungspfade zu Elementen mit niedrigerem bzw. höherem Verdichtungsniveau. Data Slicing Werden bis auf zwei Dimensionen für alle Dimensionen die Ausprägungen festgelegt, erhält man im multidimensionalen Raum eine Scheibe, d.h. eine zweidimensionale Matrix Data Dicing Der Dimensionsraum wird durch Eingrenzung der Dimensionen auf einen Teilraum eingeschränkt 2.4.2 - - Multidimensionale Datenbanksysteme (MDBS) legen Daten für Analysezwecke in multidimensionalen Zellen ab, die über die Dimensionen adressiert werden werden für multidimensionales OLAP (MOLAP-Systeme) verwendet Vorteil von MOLAP: Schneller Zugriff Nachteile: keine standardisierten Anfragesprachen -> spezielles Analyse-Front-End vom gleichen Hersteller Probleme bei Skalierbarkeit und grossen Datenbeständen Vorteile von relationalem OLAP (ROLAP): Standardisierte Anfragesprachen (SQL) Daten sind einfach in und aus Datenbank transferierbar Flexibilität bei der Auswahl des Front-End 748912049 Seite 15 von 16 16 - 2.4.3 Nachteil: langsam Abbildung multidimensionaler Daten in relationalen Modellen Um mit relationalen Modellen, Daten multidimensional abzubilden und homogene Analsysestrukturen zu erhalten wird bewusst auf klassische Prinzipen, wie Normalisierung und Redundanzfreiheit verzichtet. Ergebnis sind Datenschemata, bestehend aus Fakt und Dimensionstabellen. Star-Schema Besteht aus Fakttabelle und mehreren Dimensionstabellen (wie tabellen in RDB) Fakttabelle in 3. Normalform, Dimensionstabellen nicht Fakttabelle beinhaltet Primärschlüssel der Dimensionstabellen als Fremdschlüsselund zusätzliche Daten Fakttabelle kann sehr viele Datensätze enthalten Wird in der Praxis kaum eingesetzt, ist konzeptionelle Basis für die nachfolgenden Snowflake-Schema unterscheidet sich vom Star-Schema dadurch, daß Dimensionstabellen normalisiert werden (einzelne Dimensionstabellen werden in weiter Tabellen aufgespaltet, z.B Dimensionstabelle „Zeit“, mit Attribute Quartal -> extra Tabelle „Quartal“, in „Zeit“ Fremdschlüssel aus „Quartal“) Galaxy-Schema (Multi-Fakttabellen-Schema) Aufteilung der Fakttabelle in mehrere kleinere Tabellen Performance des Systems erhöht Aber Navigation im Datenbestand erschwert Ist aufgrund der möglichen inhomogenen Dimensionsstrukturen praxisrelevanter Ansatz Fact Constellation-Schema auch aggregierte Werte in zusätzlichen Fakttabellen abgespeichert werden On-Line Analytical Processing (OLAP) Auswertetechnik für multidimensionale Datenstrukturen Zentrale Forderung für OLAP ist, daß der Endanwender, der eine Fragestellung in der Terminologie der realen Geschäftswelt formuliert, auch unmittelbar mit den Anfrage-, Analyse- und Berichtswerkzeugen arbeiten kann Anfragewerkzeug muß die Komplexität der vom Anwender formulierten Fragen beherrschen und betriebswirtschaftlich orientierte Anfragen in strukturierte Anfragesprachen (z.B. SQL) übersetzen. Zielstellung ist somit eine einfach beherrschbare Ad-hoc-Analyse über Datenbeständen. 748912049 Seite 16 von 16
