Informationssysteme für das Management
Werbung
FHBB l Departement Wirtschaft l Wirtschaftsinformatik Wirtschaftsinformatik Informationssysteme für das Management Michael Pülz, Hanspeter Knechtli Lernziele Wirtschaftsinformatik • Den Unterschied zwischen operativen und analytischen Informationssystemen beschreiben können • Die Begriffe Führungsinformationssystem, Entscheidungsunterstützungssysteme, Expertensystem und Business Intelligence einordnen und beschreiben können • Erläutern können, wie Data Warehouses und Data Marts funktionieren und wo sie eingesetzt werden • Die Grundidee des OLAP erläutern können • Den Begriff des Data Mining beschreiben und einige Methoden benennen können 2 19.06.2006 1 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Inhalt Wirtschaftsinformatik • Operative versus analytische Systeme • Führungsinformationssysteme • Entscheidungsunterstützungssysteme • Data Warehouse und Data Mart • OLAP • Data Mining • „Business Intelligence“ 3 Operative Ebene Wirtschaftsinformatik Jessup/Valacich: Information Systems Today, 2006 4 19.06.2006 2 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Mittleres Management Wirtschaftsinformatik Jessup/Valacich: Information Systems Today, 2006 5 Topmanagement Wirtschaftsinformatik Jessup/Valacich: Information Systems Today, 2006 6 19.06.2006 3 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Unterteilung nach Management-Ebenen Benutzergruppen Wirtschaftsinformatik Aufgabenschwerpunkte Geschäftsleitung FührungsinformationsSystem Geschäftsbereichsleiter Planung Datentransformation Controlling Abteilungsleiter Kostenstellenleiter Data Mart Kunden Kontrolle Analytische Systeme Data Mart Vertrieb International Data Warehouse Disposition Data Mart Personal Datentransformation Operative Systeme Sachbearbeiter Vertrieb Beschaffung Produktion Personal Administration Rechnungswesen Abts/Mülder: Grundkurs Wirtschaftsinformatik, S.230 7 Operative versus analytische Systeme Wirtschaftsinformatik Operative Aufgaben • Massen- und Routinearbeiten • Datenerfassung und -pflege • Anforderung an Daten: funktional anwendungsbezogene EVAS; Daten können überschrieben, gelöscht werden OLTP: online transactional processing Analytische Aufgaben • Selektion und Aggregation • Entscheidungsvorbereitung • Statistische Auswertung und Kennzahlenbildung • Prognose • Anforderung an Daten: kontextbezogene Abbildung realer Informationsobjekte, Dokumentation OLAP: online analytical processing 8 19.06.2006 4 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Operative versus analytische Systeme Wirtschaftsinformatik Operative Datenbank Analytische Datenbank Inhalt aktuelle Werte, sehr detailliert, unübersichtlich aggregierte, historische und abgeleitete Daten (Auszüge) Organisation nach Applikation, redundanzarm nach Sachthema, z. T. denormalisiert Stabilität dynamisch statisch mit periodischer Ergänzung Struktur optimiert für Transaktionen optimiert für komplexe Abfragen (Queries) Zugriffshäufigkeit hoch niedrig Zugriffstyp lesen/schreiben/löschen lesen/aggregieren Nutzung repetitiv, vorhersehbar, wenig ad hoc, unstrukturiert benutzerfreundlich Antwortzeiten Millisekundenbereich mehrere Sekunden bis Minuten 9 Analytische Informationssysteme Wirtschaftsinformatik Analytische Informationssysteme Berichtsorientierte Ansätze Modellorientierte Ansätze • Informations präsentation • Berechnungen und Modelle • Kennzahlen und Auswertungen • Expertensysteme Entscheidungsunterst .system Führungsinformationssystem Datenbasis und Datenanalyse OLAP Data Warehouse Data Mart Data Mining Abts/Mülder: Grundkurs Wirtschaftsinformatik, S.232 10 19.06.2006 5 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Inhalt Wirtschaftsinformatik • Operative versus analytische Systeme • Führungsinformationssysteme • Entscheidungsunterstützungssysteme • Data Warehouse und Data Mart • OLAP • Data Mining • „Business Intelligence“ 11 Führungsinformationssysteme: Beispiel „Management Cockpit von SAP“ Wirtschaftsinformatik 12 19.06.2006 6 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Führungsinformationssysteme: Beispiel Wirtschaftsinformatik Jessup, Valacich: Information Systems Today 13 Inhalt Wirtschaftsinformatik • Operative versus analytische Systeme • Führungsinformationssysteme • Entscheidungsunterstützungssysteme • Data Warehouse und Data Mart • OLAP • Data Mining • „Business Intelligence“ 14 19.06.2006 7 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Entscheidungsunterstützungssysteme Wirtschaftsinformatik • Werkzeuge zur Vorbereitung, Unterstützung und Verbesserung von Entscheidungen • keine Automatisierung der gesamten Entscheidung Malaga, R.: Information Systems Technology Entscheidungsunterstützungssysteme: Expertensysteme 15 Wirtschaftsinformatik Künstliche Intelligenz (KI – artificial intelligence) • • • • • Expertensysteme natural language processing (NLP) Bildverarbeitung Robotics … Expertensysteme: • Verstehen und Lösen von Problemen • Erklärung des gefundenen Ergebnisses • Eigenständiges Erwerben von neuem Wissen √ √ (bislang kaum möglich) Einsatzgebiete von Expertensystemen: • medizinische Diagnostik, Militär, Betrugserkennung (Kreditkarten), Überwachung chemischer Prozesse, online-Lernen, Wettervorhersage, Maschinenkonfiguration, etc. 16 19.06.2006 8 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Entscheidungsunterstützungssysteme: Expertensysteme Wirtschaftsinformatik Nutzer Dialogkomponente Erklärungskomponente Wissenserwerbskomponente Problemlösungskomponente Wissensbasis Fakten Hintergrundwissen Regeln Abts/Mülder: Grundkurs Wirtschaftsinformatik, S.241 17 Inhalt Wirtschaftsinformatik • Operative versus analytische Systeme • Führungsinformationssysteme • Entscheidungsunterstützungssysteme • Data Warehouse und Data Mart • OLAP • Data Mining • „Business Intelligence“ 18 19.06.2006 9 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Data Warehouse Wirtschaftsinformatik • Data Warehouse, dt. analytische Datenbank, wörtlich: „Lagerhaus für Daten“ • synonym: „Information Warehouse“ • Definition: Sammlung aufbereiteter Daten für Analysen und Berichte für das Management • Ziele • Informationsflut lenken • Daten aus unterschiedlichen Datenbeständen systematisch zusammenführen • Daten unabhängig von den operativen Systemen organisieren • geeignete Datenbasis für die analytische, entscheidungsorientierte Datenverarbeitung schaffen 19 Merkmale der Daten im Data Warehouse Wirtschaftsinformatik themenorientiert: • Die Organisation der Daten orientiert sich an den analytischen Fragestellungen vereinheitlicht: • gilt insbesondere für die Datenformate (!!) • Beispiel: Alle Datumsangaben werden in der Form DD.MM.YYYY gespeichert beständig: • Daten im Data Warehouse sind nicht flüchtig, d.h. sie können durch die operativen System nicht mehr verändert werden • Ausnahme: Archivierung periodenbezogen: • Die Zeit als Bezugsgrösse wird durch einen Zeitstempel explizit erfasst 20 19.06.2006 10 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Data Warehouse Prozess Wirtschaftsinformatik Laudon & Laudon, Prentice Hall, p. 337 Technik und Datenmodellierung im DaWa 21 Wirtschaftsinformatik • ETL-Prozess: zur Überführung der Daten aus Transaktionssystemen und externen Datenbanken in ein Data Warehouse • Extract • Transform • Load • zentral: abfragefreundliches Datenmodell • spezielles, analytisches Datenmodell („Sternschema“) • Trennung von Fakten und Dimensionen • Beispiel: Wie gross ist der Monatsumsatz des Produktes A in der Region B? • Fakt: • Dimensionen: 22 19.06.2006 11 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Beispiel: „Sternschema“ im DaWa Wirtschaftsinformatik 23 http://de.wikipedia.org/wiki/Bild:Sternschema.png Data Warehouse und Data Mart Wirtschaftsinformatik Auswertungen Auswertungen Auswertungen Data Mart Data Warehouse Data Mart Data Mart Data Mart Data Warehouse operative Daten externe Daten operative Daten externe Daten operative Daten externe Daten Abts/Mülder: Grundkurs Wirtschaftsinformatik, S.244 24 19.06.2006 12 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Unterschiede zwischen Data Warehouse und Data Mart Wirtschaftsinformatik Abts/Mülder: Grundkurs Wirtschaftsinformatik, S.245 Inhalt 25 Wirtschaftsinformatik • Operative versus analytische Systeme • Führungsinformationssysteme • Entscheidungsunterstützungssysteme • Data Warehouse und Data Mart • OLAP • Data Mining • „Business Intelligence“ 26 19.06.2006 13 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Analysen mit OLAP-Werkzeugen Wirtschaftsinformatik • OLAP = Online Analytical Processing • Abfragemethode, 1993 von E. F. Codd entwickelt • (Codd hat auch die Grundlagen der relationalen Datenbanken entwickelt, 2003 gestorben) • Endbenutzerwerkzeuge, die so einfach zu bedienen sind, dass auch eine nur gelegentliche Nutzung http://en.wikipedia.org/wiki/Edgar_F._Codd möglich ist • Verbindung von Abfrage und Analyse • Auswertung der Daten nach verschiedenen Dimensionen (mehrdimensionaler Zugriff) • mehrdimensionale Kennzahlenermittlung, z.B. nach Region, Periode, Produktgruppe • Ziel: Informationsverdichtung, um Entscheidungsträger zu informieren 27 Beispiel eines zweidimensionalen OLAPDatenwürfels Wirtschaftsinformatik Quelle FOIS: adapted from Dhar, p. 44 28 19.06.2006 14 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Beispiel eines dreidimensionalen OLAPDatenwürfels Wirtschaftsinformatik Quelle FOIS: adapted from Dhar, p. 45 29 OLAP Slice: 2-dimensionaler Ausschnitt Wirtschaftsinformatik Quelle FOIS: adapted from Schweinsberg & Messerschmidt 30 19.06.2006 15 FHBB l Departement Wirtschaft l Wirtschaftsinformatik OLAP Dice: Rotation Wirtschaftsinformatik Quelle FOIS: adapted from Schweinsberg & Messerschmidt 31 OLAP Drill-down Wirtschaftsinformatik Quelle FOIS: adapted from Schweinsberg & Messerschmidt 32 19.06.2006 16 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Bsp.: Cognos PowerPlay Wirtschaftsinformatik http://www.cognos.com/testdrive/powerplay/index.html?lid=PowerPlay_Testdrive 33 Bsp.: Cognos PowerPlay Wirtschaftsinformatik http://www.cognos.com/products/demos Zugriff: 11.Mai 2006 34 19.06.2006 17 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Bsp.: Cognos PowerPlay http://www.cognos.com/products/demos, Zugriff: 11.Mai 2006 Inhalt Wirtschaftsinformatik 35 Wirtschaftsinformatik • Operative versus analytische Systeme • Führungsinformationssysteme • Entscheidungsunterstützungssysteme • Data Warehouse und Data Mart • OLAP • Data Mining • „Business Intelligence“ 36 19.06.2006 18 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Data Mining Wirtschaftsinformatik 37 Data Mining Wirtschaftsinformatik • „Schürfen nach Daten“ • Erkennung von Regeln und Mustern in grossen Datenbeständen • automatisiert oder halbautomatisiert • Komplexe Methoden, z.B.: • • • • Klassifikation (Zuteilung zu vordefinierten Klassen) Clustering (Gruppenbildung) Regression (Abhängigkeiten zwischen Variablen) Künstlichen Intelligenz (KI), u.a. neuronale Netze 38 19.06.2006 19 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Data Mining: Bsp. Clustering Wirtschaftsinformatik Quelle: FOIS, DSS II 39 Data Mining: Bsp. Regression Streudiagramm mit r = 0,9 Wirtschaftsinformatik r = 1; y = a + bx http://de.wikibooks.org/wiki/Mathematik:_Statistik:_Korrelationsanalyse 40 19.06.2006 20 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Data Mining: Neuronale Netze Wirtschaftsinformatik Reif, Gerald: Moderne Aspekte der Wissensverarbeitung. Diplomarbeit an der Universität Graz, 2000 41 Data Mining: Anwendungsbeispiele Wirtschaftsinformatik • Warenkorbanalysen • Antwortrate nach einem Direct Mailing • Vorhersage der Kundenfluktuation • Kreditwürdigkeitsbeurteilung • Entdeckung von Kreditkartenbetrug • Analyse von Zahlungsgewohnheiten Î grosser Anwendungsbereich: Vorhersage 42 19.06.2006 21 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Inhalt Wirtschaftsinformatik • Operative versus analytische Systeme • Führungsinformationssysteme • Entscheidungsunterstützungssysteme • Data Warehouse und Data Mart • OLAP • Data Mining • „Business Intelligence“ 43 „Business Intelligence“ Wirtschaftsinformatik Endbenutzer FIS Data Mining Datenanalyse OLAP Text Mining Kennzahlen Data Marts Web Mining Datenbereitstellung Data Warehouse Operative Datenbestände Vertikale Integration Portal Zugriff, Präsentation, Navigation Externe Daten Abts/Mülder: Grundkurs Wirtschaftsinformatik, S.251 44 19.06.2006 22 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Fazit Wirtschaftsinformatik • Die in den Datenbanken der operativen Systeme gespeicherten Daten sind für die Verarbeitung in analytischen Systemen nur bedingt geeignet. • Vor einer analytischen Verarbeitung müssen die Daten • • • • extrahiert, zusammengeführt, aufbereitet und separat gespeichert werden. • Für die Auswertung grosser Datenmengen zum Zweck der Entscheidungsunterstützung werden spezielle Verfahren benötigt. 45 Literatur Wirtschaftsinformatik • Abts, D.; Mülder, W.: Grundkurs Wirtschaftsinformatik. 5. Auflage, Wiesbaden: Vieweg 2004 • Jessup, L.; Valacich, J.: Information Systems Today, Prentice Hall Upper Saddle River 2005 • Laudon, K.; Laudon, J.; Schoder, D.: Wirtschaftsinformatik – Eine Einführung, Pearson, München 2006 • Malaga, R.: Information Systems Technology. Prentice Hall, Upper Saddle River 2005 46 19.06.2006 23 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Fragen Wirtschaftsinformatik 1. Erläutern Sie den Unterschied zwischen operativen (transaktionsorientierten) und analytischen Anwendungssystemen? 2. Weshalb nennt man die operativen Anwendungssysteme auch „transaktionsorientierte“ Anwendungssysteme? 3. Wie unterscheiden sich Expertensysteme von „normalen“ betrieblichen Informationssystemen? 47 Wirtschaftsinformatik Backup-Folien 19.06.2006 24 FHBB l Departement Wirtschaft l Wirtschaftsinformatik Führungsinformationssysteme: Beispiel „Manager Portal“ Wirtschaftsinformatik 49 19.06.2006 25