Analytische Informationssysteme - Business Intelligence-Technologien und -Anwendungen

Vorwort zur 5. Auflage

Vorwort zur 4. Auflage

Vorwort zur 3. Auflage

Vorwort zur 2. Auflage

Vorwort zur 1. Auflage

Inhaltsverzeichnis

Autorenverzeichnis

Teil I

Grundlagen und Organisatorische Aspekte

Kapitel-1

Analytische Informationssysteme – Einordnung und Überblick

1.1 Motivation

1.2 Einordnung der Analytischen Informationssysteme in die betriebliche Informationsverarbeitung

1.3 Grundlagen und organisatorische Aspekte

1.4 Architektur und Technologien

1.5 Betriebswirtschaftliche Anwendung und spezielle Aspekte der Analytischen Informationssysteme

Literatur

Kapitel-2

Historische Fragmente einer Integrationsdisziplin – Beitrag zur Konstruktgeschichte der Business Intelligence

2.1 Einleitung

2.2 Historische Fragmente zur Chronologie der Business Intelligence

2.3 Etymologische Annäherung an Business Intelligence – Taxonomie des State-of-the-Art

2.4 Situation Awareness als Zielkonstrukt einer kognitionsorientierten Gestaltung der Business Intelligence

2.5 Zusammenfassung und Ausblick

Literatur

Kapitel-3

Von der Business-Intelligence-Strategie zum Business Intelligence Competency Center

3.1 Einführung

3.2 Entwicklung einer BI-Strategie

3.2.1 Business-Intelligence-Strategie

3.2.2 Vorgehensmodell zur Entwicklung einer BI-Strategie

3.3 Aufbau eines BI Competency Center

3.4 Ausgewählte Aspekte einer BI-Strategie

3.4.1 Kosten und Nutzen bewerten

3.4.2 Auf Trends reagieren

3.4.3 Architektur gestalten

3.4.4 Softwareportfolio festlegen

3.4.5 Spannungsfeld erkennen

3.5 Fazit

Literatur

Kapitel-4

Die nächste Evolutionsstufe von AIS: Big Data

4.1 Big Data und Business Intelligence

4.2 Erweiterung der analytischen Anwendungsfelder durch Big Data

4.3 Überblick über Technologien für Big Data

4.4 Erweiterung klassischer BI-Architekturen durch Big Data

4.5 Fazit

Literatur

Kapitel-5

Analytische Informationssysteme aus Managementsicht: lokale Entscheidungsunterstützung vs. unternehmensweite Informations-Infrastruktur

5.1 Analytische Informationssysteme aus Managementsicht

5.1.1 Dimensionen „Umsetzungsunabhängigkeit“ und „Reichweite“

5.1.2 Infrastruktur vs. Analytik

5.1.3 Unternehmensweite Informations-Infrastruktur

5.1.4 Analytik

5.1.5 Gestaltungsaufgaben für Informations-Infrastruktur und Analytik

5.2 Unternehmensweite Informations-Infrastruktur aus Managementsicht

5.2.1 Projekt- vs. Betriebssicht

5.2.2 Informationsinfrastruktur-Strategie

5.2.3 Informationsinfrastruktur-Organisation

5.2.4 Finanzielle Aspekte der Informationsinfrastruktur

5.2.5 IT/Business Alignment für die Informations-Infrastruktur

5.3 Analytik aus Managementsicht

5.3.1 Projekt- vs. Betriebssicht

5.3.2 Anwendungspotenziale und Wertbeitrag von Analytik

5.3.3 Realisierungsformen von Analytik

5.3.4 IT/Business Alignment in der Analytik

5.4 Ausblick

Literatur

Kapitel-6

Werkzeuge für analytische Informationssysteme

6.1 Einsatzbereiche und Werkzeugkategorien

6.2 Marktentwicklung

6.2.1 Trends im Markt für Datenmanagement

6.2.2 Trends im Markt für BI-Anwenderwerkzeuge

6.3 Datenintegration und -aufbereitung

6.4 Datenspeicherung und -bereitstellung

6.5 Anwendungen

6.5.1 Cockpits und Scorecards

6.5.2 Standard Reporting

6.5.3 Ad-hoc Reporting

6.5.4 Analyse

6.5.5 Planung und Simulation

6.5.6 Legale Konsolidierung

6.5.7 Data Mining

6.6 Fazit

Literatur

Teil II

Architektur und Technologien

Kapitel-7

Transformation operativer Daten

7.1 Operative und dispositive Daten

7.2 Transformation – Ein Schichtenmodell

7.2.1 Filterung – Die Extraktion und Bereinigung operativer Daten

7.2.2 Harmonisierung – Die betriebswirtschaftliche Abstimmung gefilterter Daten

7.2.3 Aggregation – Die Verdichtung gefilterter und harmonisierter Daten

7.2.4 Anreicherung – Die Bildung und Speicherung betriebswirtschaftlicher Kenngrößen

7.3 Aktuelle Konzepte – Datentransformation wird nicht obsolet

7.4 Fazit

Literatur

Kapitel-8

Architekturkonzepte und Modellierungsverfahren für BI-Systeme

8.1 Einleitung

8.2 Traditionelle Business-Intelligence-Architekturen

8.2.1 Stove-Pipe-Ansatz

8.2.2 Data Marts mit abgestimmten Datenmodellen

8.2.3 Core Data Warehouse

8.2.4 Hub-and-Spoke-Architektur

8.2.5 Data-Mart-Busarchitektur nach Kimball

8.2.6 Corporate Information Factory nach Inmon

8.2.7 Architekturvergleich Kimball und Inmon

8.3 Core-Data-Warehouse-Modellierung in Schichtenmodellen

8.3.1 Aufgaben und Komponenten in Multi-Layer-Architekturen

8.3.2 Eignungskriterien für Methoden der Core-Data-Warehouse-Modellierung

8.4 Star-Schema-Modellierung im Core Data Warehouse

8.4.1 Granulare Star-Schemata im Core Data Warehouse

8.4.2 Bewertung dimensionaler Core-Data-Warehouse-Modelle

8.5 Normalisierte Core-Data-Warehouse-Modelle

8.5.1 Core-Data-Warehouse-Modellierung in 3NF

8.5.2 Historisierungsaspekte von 3NF-Modellen

8.5.3 Bewertung 3NF-Modellierung im Core Data Warehouse

8.6 Core Data Warehouse mit Data-Vault

8.6.1 Hub-Tabellen

8.6.2 Satellite-Tabellen

8.6.3 Link-Tabellen

8.6.4 Zeitstempel im Data Vault

8.6.5 Harmonisierung von fachlichen Schlüsseln

8.6.6 Agilität in Data-Vault-Modellen

8.6.7 Bewertung der Data-Vault-Methode

8.7 Zusammenfassung

Literatur

Kapitel-9

Grundlagen und Einsatzpotentiale von In-Memory-Datenbanken

9.1 Einleitung und Motivation

9.2 Grundlagen In-Memory-Datenbanken

9.2.1 Aktuelle Entwicklungen im Hauptspeicherbereich

9.2.2 Datenorganisation

9.3 Konsequenzen für Business Intelligence und Business Analytics

9.3.1 Klassische Business Intelligence-Architekturen

9.3.2 Zukünftige Business Intelligence-Architektur als semi-virtuellesData-Warehouse

9.3.3 Konsequenzen für die Informationslandschaft

9.4 Aktuelle Beispiele aus betrieblichen Praxis

9.4.1 Steigende Datenmenge und zunehmende Integrationunstrukturierter Daten erhöhen die Komplexität vonBusiness Intelligence

9.4.2 Potentiale von In-Memory-Technologien am Beispiel von Handelsunternehmen

9.4.3 Unterstützung von Geschäftsprozessen durch In-Memory-Technologie im Bereich Predictive Maintenance

9.5 Fazit und Ausblick

Literatur

Kapitel-10

NoSQL, NewSQL, Map-Reduce und Hadoop

10.1 Einleitung und motivierende Beispiele

10.2 NoSQL- und NewSQL-Datenbanken

10.2.1 Grundlagen: Partitionierung, Replikation, CAP-Theorem, Eventual Consistency

10.2.2 NoSQL

10.2.3 NewSQL

10.3 Big Data und Map-Reduce/Hadoop

10.3.1 Technologie zur Handhabung von Big Data: Map-Reduce

10.3.2 Nutzung von Big Data

10.4 Zusammenfassung und Ausblick

Literatur

Kapitel-11

Entwicklungstendenzen bei Analytischen Informationssystemen

11.1 Motivation

11.2 Technologische und organisatorische Entwicklungen bei Analytischen Informationssystemen

11.2.1 Advanced/Predictive Analytics

11.2.2 Datenmanagement von BI-Systemen

11.2.3 Agile BI

11.2.4 Self Service BI

11.2.5 Mobile BI

11.3 Zusammenfassung

Literatur

Teil III

Betriebswirtschaftliche Anwendung und spezielle Aspekte

Kapitel-12

Planung und Informationstechnologie – Vielfältige Optionen erschweren die Auswahl

12.1 Einleitung

12.2 Werkzeug-Kategorien

12.2.1 ERP (Enterprise Resource Planning)

12.2.2 Tabellenkalkulation

12.2.3 Generische OLAP Werkzeuge (Generisches BI)

12.2.4 Dedizierte Planungsanwendungen (BI Anwendungen)

12.3 Die Beurteilung im Einzelnen

12.3.1 Zentrale Administration

12.3.2 Workflow-Unterstützung

12.3.3 Planung auf verdichteten Strukturen

12.3.4 Validierung

12.3.5 Automatisierte Top-Down-Verteilungen

12.3.6 Simulationsrechnungen

12.3.7 Vorbelegung

12.3.8 Aggregation

12.3.9 Kommentierungen

12.3.10 Eingabe über das Internet

12.3.11 Detailplanungen

12.3.12 Abstimmung des Leistungsnetzes

12.3.13 Übernahme von Stamm- und Bewegungsdaten aus ERP-Systemen

12.3.14 Verknüpfung von Teilplanungen

12.3.15 Abbildung abhängiger Planungsgrößen

12.3.16 Nachvollziehbarkeit

12.4 Zusammenfassende Bewertung

12.5 Ausblick

Literatur

Kapitel-13

Operational Business Intelligence im Zukunftsszenario der Industrie 4.0

13.1 Einleitung

13.2 Entwicklung der IT in der Produktion bis zur Industrie 4.0

13.2.1 Unterstützung technischer Aufgaben und Funktionen

13.2.2 Integration von Aufgaben und Funktionen

13.2.3 Integration von Prozessen und Wertschöpfungsketten

13.2.4 Digitalisierung und globale Vernetzung

13.2.5 Status Quo der Operational Business Intelligence

13.3 Industrie 4.0

13.3.1 Technologische Grundlagen

13.3.2 Das Zukunftsszenario „Smart Factory“

13.3.3 Operational Business Intelligence in der Industrie 4.0

13.4 Fazit

Literatur

Kapitel-14

Innovative Business-Intelligence-Anwendungen in Logistik und Produktion

14.1 Entscheidungsunterstützung in Logistik und Produktion – auf dem Weg zur Industrie 4.0

14.2 Relevante Entwicklungen in der Business Intelligence

14.3 Logistik und Produktion: Rahmenbedingungen, Herausforderungen und Entwicklungen

14.3.1 Logistik

14.3.2 Produktion

14.4 Innovative BI-Anwendungen in der Logistik

14.4.1 Produktionslogistik und Ladungsträgermanagement

14.4.2 Cloud- und RFID-basierte Retail Supply Chain

14.5 Innovative BI-Anwendungen in der Produktion

14.5.1 Produktentwicklung und Produktdatenmanagement

14.5.2 MES als Datenquelle für Produktions- und Qualitätsoptimierung

14.6 Diskussion und Ausblick

Literatur

Kapitel-15

Der Markt für Visual Business Analytics

15.1 Einführung

15.2 Das Visual-Business-Analytics-Modell

15.3 Information Design und Reporting

15.3.1 Dekoration

15.3.2 3-D-Diagramme

15.3.3 Skalierung

15.3.4 Einsatz von Farben, schlanke Visualisierung und hohe Informationsdichte

15.4 Visual Business Intelligence und Dashboarding

15.5 Visual Analytics und Big Data

15.5.1 Big Data

15.5.2 Visual Analytics

15.5.3 Aktueller Einsatz in Unternehmen

15.5.4 Anwendungsbeispiel

15.6 Zusammenfassung

Literatur

Kapitel-16

Effektive Planung und Steuerung erfolgskritischer Komponenten eines Geschäftsmodells

16.1 Einführung

16.2 Evolutionsstufen in der Unternehmenssteuerung

16.2.1 Finanzorientierte Steuerungskonzepte

16.2.2 Ausgewogene Steuerungskonzepte

16.2.3 Gegenüberstellung aktueller Steuerungskonzepte

16.3 Erfolgskritische Komponenten eines Geschäftsmodells

16.3.1 Abdeckungsgrad der Geschäftsmodellkomponenten

16.3.2 Steuerungsdomänen eines Geschäftsmodells

16.3.3 Zuordnung steuerungsrelevanter Kennzahlen

16.4 Planung und Steuerung mit analytischen Informationen

16.4.1 Herausforderung in der Informationsbedarfsanalyse

16.4.2 Identifikation von Kennzahlen-Dimensionen-Kombinationen

16.4.3 Informationssystem zur Steuerung des Geschäftsmodells

16.5 Fazit und Ausblick

Literatur

Stichwortverzeichnis