Suchen und Finden
Mehr zum Inhalt
Analytische Informationssysteme - Business Intelligence-Technologien und -Anwendungen
Vorwort zur 5. Auflage
5
Vorwort zur 4. Auflage
6
Vorwort zur 3. Auflage
7
Vorwort zur 2. Auflage
8
Vorwort zur 1. Auflage
9
Inhaltsverzeichnis
12
Autorenverzeichnis
20
Teil I
22
Grundlagen und Organisatorische Aspekte
22
Kapitel-1
23
Analytische Informationssysteme – Einordnung und Überblick
23
1.1 Motivation
24
1.2 Einordnung der Analytischen Informationssysteme in die betriebliche Informationsverarbeitung
26
1.3 Grundlagen und organisatorische Aspekte
28
1.4 Architektur und Technologien
29
1.5 Betriebswirtschaftliche Anwendung und spezielle Aspekte der Analytischen Informationssysteme
30
Literatur
32
Kapitel-2
33
Historische Fragmente einer Integrationsdisziplin – Beitrag zur Konstruktgeschichte der Business Intelligence
33
2.1 Einleitung
34
2.2 Historische Fragmente zur Chronologie der Business Intelligence
36
2.3 Etymologische Annäherung an Business Intelligence – Taxonomie des State-of-the-Art
41
2.4 Situation Awareness als Zielkonstrukt einer kognitionsorientierten Gestaltung der Business Intelligence
45
2.5 Zusammenfassung und Ausblick
47
Literatur
50
Kapitel-3
53
Von der Business-Intelligence-Strategie zum Business Intelligence Competency Center
53
3.1 Einführung
54
3.2 Entwicklung einer BI-Strategie
56
3.2.1 Business-Intelligence-Strategie
56
3.2.2 Vorgehensmodell zur Entwicklung einer BI-Strategie
56
3.3 Aufbau eines BI Competency Center
65
3.4 Ausgewählte Aspekte einer BI-Strategie
66
3.4.1 Kosten und Nutzen bewerten
66
3.4.2 Auf Trends reagieren
68
3.4.3 Architektur gestalten
68
3.4.4 Softwareportfolio festlegen
69
3.4.5 Spannungsfeld erkennen
70
3.5 Fazit
72
Literatur
73
Kapitel-4
74
Die nächste Evolutionsstufe von AIS: Big Data
74
4.1 Big Data und Business Intelligence
75
4.2 Erweiterung der analytischen Anwendungsfelder durch Big Data
77
4.3 Überblick über Technologien für Big Data
80
4.4 Erweiterung klassischer BI-Architekturen durch Big Data
81
4.5 Fazit
83
Literatur
84
Kapitel-5
85
Analytische Informationssysteme aus Managementsicht: lokale Entscheidungsunterstützung vs. unternehmensweite Informations-Infrastruktur
85
5.1 Analytische Informationssysteme aus Managementsicht
86
5.1.1 Dimensionen „Umsetzungsunabhängigkeit“ und „Reichweite“
86
5.1.2 Infrastruktur vs. Analytik
89
5.1.3 Unternehmensweite Informations-Infrastruktur
90
5.1.4 Analytik
92
5.1.5 Gestaltungsaufgaben für Informations-Infrastruktur und Analytik
94
5.2 Unternehmensweite Informations-Infrastruktur aus Managementsicht
96
5.2.1 Projekt- vs. Betriebssicht
96
5.2.2 Informationsinfrastruktur-Strategie
97
5.2.3 Informationsinfrastruktur-Organisation
100
5.2.4 Finanzielle Aspekte der Informationsinfrastruktur
102
5.2.5 IT/Business Alignment für die Informations-Infrastruktur
104
5.3 Analytik aus Managementsicht
105
5.3.1 Projekt- vs. Betriebssicht
106
5.3.2 Anwendungspotenziale und Wertbeitrag von Analytik
106
5.3.3 Realisierungsformen von Analytik
108
5.3.4 IT/Business Alignment in der Analytik
109
5.4 Ausblick
110
Literatur
111
Kapitel-6
114
Werkzeuge für analytische Informationssysteme
114
6.1 Einsatzbereiche und Werkzeugkategorien
115
6.2 Marktentwicklung
117
6.2.1 Trends im Markt für Datenmanagement
121
6.2.2 Trends im Markt für BI-Anwenderwerkzeuge
122
6.3 Datenintegration und -aufbereitung
122
6.4 Datenspeicherung und -bereitstellung
125
6.5 Anwendungen
128
6.5.1 Cockpits und Scorecards
129
6.5.2 Standard Reporting
131
6.5.3 Ad-hoc Reporting
134
6.5.4 Analyse
135
6.5.5 Planung und Simulation
140
6.5.6 Legale Konsolidierung
141
6.5.7 Data Mining
141
6.6 Fazit
142
Literatur
143
Teil II
144
Architektur und Technologien
144
Kapitel-7
145
Transformation operativer Daten
145
7.1 Operative und dispositive Daten
146
7.2 Transformation – Ein Schichtenmodell
147
7.2.1 Filterung – Die Extraktion und Bereinigung operativer Daten
149
7.2.2 Harmonisierung – Die betriebswirtschaftliche Abstimmung gefilterter Daten
153
7.2.3 Aggregation – Die Verdichtung gefilterter und harmonisierter Daten
155
7.2.4 Anreicherung – Die Bildung und Speicherung betriebswirtschaftlicher Kenngrößen
157
7.3 Aktuelle Konzepte – Datentransformation wird nicht obsolet
158
7.4 Fazit
159
Literatur
160
Kapitel-8
162
Architekturkonzepte und Modellierungsverfahren für BI-Systeme
162
8.1 Einleitung
163
8.2 Traditionelle Business-Intelligence-Architekturen
164
8.2.1 Stove-Pipe-Ansatz
164
8.2.2 Data Marts mit abgestimmten Datenmodellen
166
8.2.3 Core Data Warehouse
166
8.2.4 Hub-and-Spoke-Architektur
168
8.2.5 Data-Mart-Busarchitektur nach Kimball
170
8.2.6 Corporate Information Factory nach Inmon
171
8.2.7 Architekturvergleich Kimball und Inmon
173
8.3 Core-Data-Warehouse-Modellierung in Schichtenmodellen
173
8.3.1 Aufgaben und Komponenten in Multi-Layer-Architekturen
174
8.3.2 Eignungskriterien für Methoden der Core-Data-Warehouse-Modellierung
177
8.4 Star-Schema-Modellierung im Core Data Warehouse
179
8.4.1 Granulare Star-Schemata im Core Data Warehouse
179
8.4.2 Bewertung dimensionaler Core-Data-Warehouse-Modelle
182
8.5 Normalisierte Core-Data-Warehouse-Modelle
183
8.5.1 Core-Data-Warehouse-Modellierung in 3NF
183
8.5.2 Historisierungsaspekte von 3NF-Modellen
183
8.5.3 Bewertung 3NF-Modellierung im Core Data Warehouse
185
8.6 Core Data Warehouse mit Data-Vault
186
8.6.1 Hub-Tabellen
187
8.6.2 Satellite-Tabellen
188
8.6.3 Link-Tabellen
191
8.6.4 Zeitstempel im Data Vault
194
8.6.5 Harmonisierung von fachlichen Schlüsseln
195
8.6.6 Agilität in Data-Vault-Modellen
196
8.6.7 Bewertung der Data-Vault-Methode
197
8.7 Zusammenfassung
198
Literatur
199
Kapitel-9
201
Grundlagen und Einsatzpotentiale von In-Memory-Datenbanken
201
9.1 Einleitung und Motivation
202
9.2 Grundlagen In-Memory-Datenbanken
203
9.2.1 Aktuelle Entwicklungen im Hauptspeicherbereich
203
9.2.2 Datenorganisation
205
9.3 Konsequenzen für Business Intelligence und Business Analytics
207
9.3.1 Klassische Business Intelligence-Architekturen
207
9.3.2 Zukünftige Business Intelligence-Architektur als semi-virtuellesData-Warehouse
209
9.3.3 Konsequenzen für die Informationslandschaft
211
9.4 Aktuelle Beispiele aus betrieblichen Praxis
212
9.4.1 Steigende Datenmenge und zunehmende Integrationunstrukturierter Daten erhöhen die Komplexität vonBusiness Intelligence
212
9.4.2 Potentiale von In-Memory-Technologien am Beispiel von Handelsunternehmen
213
9.4.3 Unterstützung von Geschäftsprozessen durch In-Memory-Technologie im Bereich Predictive Maintenance
214
9.5 Fazit und Ausblick
215
Literatur
215
Kapitel-10
218
NoSQL, NewSQL, Map-Reduce und Hadoop
218
10.1 Einleitung und motivierende Beispiele
219
10.2 NoSQL- und NewSQL-Datenbanken
220
10.2.1 Grundlagen: Partitionierung, Replikation, CAP-Theorem, Eventual Consistency
221
10.2.2 NoSQL
224
10.2.3 NewSQL
225
10.3 Big Data und Map-Reduce/Hadoop
226
10.3.1 Technologie zur Handhabung von Big Data: Map-Reduce
227
10.3.2 Nutzung von Big Data
232
10.4 Zusammenfassung und Ausblick
234
Literatur
235
Kapitel-11
237
Entwicklungstendenzen bei Analytischen Informationssystemen
237
11.1 Motivation
238
11.2 Technologische und organisatorische Entwicklungen bei Analytischen Informationssystemen
238
11.2.1 Advanced/Predictive Analytics
239
11.2.2 Datenmanagement von BI-Systemen
240
11.2.3 Agile BI
244
11.2.4 Self Service BI
245
11.2.5 Mobile BI
248
11.3 Zusammenfassung
249
Literatur
249
Teil III
251
Betriebswirtschaftliche Anwendung und spezielle Aspekte
251
Kapitel-12
252
Planung und Informationstechnologie – Vielfältige Optionen erschweren die Auswahl
252
12.1 Einleitung
253
12.2 Werkzeug-Kategorien
253
12.2.1 ERP (Enterprise Resource Planning)
254
12.2.2 Tabellenkalkulation
254
12.2.3 Generische OLAP Werkzeuge (Generisches BI)
255
12.2.4 Dedizierte Planungsanwendungen (BI Anwendungen)
255
12.3 Die Beurteilung im Einzelnen
256
12.3.1 Zentrale Administration
256
12.3.2 Workflow-Unterstützung
257
12.3.3 Planung auf verdichteten Strukturen
258
12.3.4 Validierung
258
12.3.5 Automatisierte Top-Down-Verteilungen
259
12.3.6 Simulationsrechnungen
259
12.3.7 Vorbelegung
260
12.3.8 Aggregation
261
12.3.9 Kommentierungen
261
12.3.10 Eingabe über das Internet
262
12.3.11 Detailplanungen
262
12.3.12 Abstimmung des Leistungsnetzes
263
12.3.13 Übernahme von Stamm- und Bewegungsdaten aus ERP-Systemen
263
12.3.14 Verknüpfung von Teilplanungen
264
12.3.15 Abbildung abhängiger Planungsgrößen
265
12.3.16 Nachvollziehbarkeit
266
12.4 Zusammenfassende Bewertung
266
12.5 Ausblick
269
Literatur
269
Kapitel-13
270
Operational Business Intelligence im Zukunftsszenario der Industrie 4.0
270
13.1 Einleitung
271
13.2 Entwicklung der IT in der Produktion bis zur Industrie 4.0
273
13.2.1 Unterstützung technischer Aufgaben und Funktionen
273
13.2.2 Integration von Aufgaben und Funktionen
274
13.2.3 Integration von Prozessen und Wertschöpfungsketten
276
13.2.4 Digitalisierung und globale Vernetzung
279
13.2.5 Status Quo der Operational Business Intelligence
280
13.3 Industrie 4.0
281
13.3.1 Technologische Grundlagen
282
13.3.2 Das Zukunftsszenario „Smart Factory“
286
13.3.3 Operational Business Intelligence in der Industrie 4.0
289
13.4 Fazit
290
Literatur
291
Kapitel-14
293
Innovative Business-Intelligence-Anwendungen in Logistik und Produktion
293
14.1 Entscheidungsunterstützung in Logistik und Produktion – auf dem Weg zur Industrie 4.0
294
14.2 Relevante Entwicklungen in der Business Intelligence
295
14.3 Logistik und Produktion: Rahmenbedingungen, Herausforderungen und Entwicklungen
297
14.3.1 Logistik
297
14.3.2 Produktion
300
14.4 Innovative BI-Anwendungen in der Logistik
302
14.4.1 Produktionslogistik und Ladungsträgermanagement
303
14.4.2 Cloud- und RFID-basierte Retail Supply Chain
304
14.5 Innovative BI-Anwendungen in der Produktion
305
14.5.1 Produktentwicklung und Produktdatenmanagement
306
14.5.2 MES als Datenquelle für Produktions- und Qualitätsoptimierung
307
14.6 Diskussion und Ausblick
308
Literatur
309
Kapitel-15
313
Der Markt für Visual Business Analytics
313
15.1 Einführung
314
15.2 Das Visual-Business-Analytics-Modell
315
15.3 Information Design und Reporting
317
15.3.1 Dekoration
317
15.3.2 3-D-Diagramme
319
15.3.3 Skalierung
319
15.3.4 Einsatz von Farben, schlanke Visualisierung und hohe Informationsdichte
319
15.4 Visual Business Intelligence und Dashboarding
321
15.5 Visual Analytics und Big Data
325
15.5.1 Big Data
325
15.5.2 Visual Analytics
327
15.5.3 Aktueller Einsatz in Unternehmen
328
15.5.4 Anwendungsbeispiel
331
15.6 Zusammenfassung
332
Literatur
333
Kapitel-16
334
Effektive Planung und Steuerung erfolgskritischer Komponenten eines Geschäftsmodells
334
16.1 Einführung
335
16.2 Evolutionsstufen in der Unternehmenssteuerung
336
16.2.1 Finanzorientierte Steuerungskonzepte
336
16.2.2 Ausgewogene Steuerungskonzepte
338
16.2.3 Gegenüberstellung aktueller Steuerungskonzepte
340
16.3 Erfolgskritische Komponenten eines Geschäftsmodells
342
16.3.1 Abdeckungsgrad der Geschäftsmodellkomponenten
342
16.3.2 Steuerungsdomänen eines Geschäftsmodells
345
16.3.3 Zuordnung steuerungsrelevanter Kennzahlen
347
16.4 Planung und Steuerung mit analytischen Informationen
349
16.4.1 Herausforderung in der Informationsbedarfsanalyse
349
16.4.2 Identifikation von Kennzahlen-Dimensionen-Kombinationen
350
16.4.3 Informationssystem zur Steuerung des Geschäftsmodells
354
16.5 Fazit und Ausblick
356
Literatur
357
Stichwortverzeichnis
359
Alle Preise verstehen sich inklusive der gesetzlichen MwSt.