Business Intelligence: Data Warehouse

FullPress auf Google folgen

Füge uns deinen bevorzugten Quellen hinzu.

Letztere Definition ist die verbreitetste und anerkannte, da sie die Aufmerksamkeit auf eine Reihe spezifischer Aspekte des DWH lenkt: 1. auf das Untersuchungsobjekt ausgerichtet (der Kunde, der Verkauf, …) im Sinne, dass alle Daten eingeschlossen werden, die im Kontroll- und Entscheidungsprozess verwendet werden, indem sie nach Bereichen oder Interessenthemen (Datamart) gruppiert und auf die Nutzer und nicht auf die Erzeuger ausgerichtet sind; mit anderen Worten, während traditionelle Informationssysteme spezifische Funktionen oder operative Tätigkeiten unterstützen (Inventar, Fakturierung, Auftragsverwaltung usw.), sind im DW die Daten nach als relevant erachteten Analyseobjekten organisiert: Produkte, Kunden, Agenten, Verkaufsstellen usw., um alle Informationen zu einem spezifischen Phänomen oder relevantem Marketingereignis bereitzustellen; 2. integriert, also konsistent im Hinblick auf ein globales konzeptionelles Datenschema, das Unternehmensglossar sowie bezüglich der Maßeinheiten und der auf Unternehmensebene gemeinsam genutzten Dekodierungsstrukturen; anders gesagt, während die in operativen Informationssystemen gespeicherten Daten häufig in Bezug auf Codierung und Format uneinheitlich sind, sind Daten in einem DW homogen und konsistent; 3. zeitlich variabel, das heißt die Daten im DW verfügen über einen historischen Zeithorizont von 3 bis 5 Jahren, beinhalten aktuelle und oft auch prognostizierte Daten für die nahe Zukunft; nicht flüchtig im Sinne, dass die Daten periodisch offline geladen werden, d.h. einmal korrekt gespeichert, können sie vom Benutzer abgerufen, aber nicht verändert werden; das bedeutet, die operativen Daten der Transaktionssysteme werden kontinuierlich aktualisiert und sind nur im Moment der Abfrage gültig (z.B. kann ein Rechnungsdatum, das eine Stunde früher oder später extrahiert wird, sehr unterschiedlich sein); im DW beziehen sich die Daten zu jedem zu analysierenden Objekt oder Phänomen in der Regel auf einen bestimmten Zeitraum, werden periodisch in Massen geladen und anschließend analysiert: die ursprünglich geladenen Daten werden nie verändert und behalten über die Zeit ihre Integrität, da sie sich auf Ereignisse beziehen (z.B. der Verkauf in der Woche, die Anzahl der Kassenbons im Monat, usw.), die daher keine Änderungen erfahren dürfen, um präzise erhalten zu bleiben und zu verschiedenen Zeitpunkten wiederverwendet werden zu können.MethodologieDer Lebenszyklus eines DW- und Marketing-Intelligence-Systems gliedert sich, wie alle Informationssysteme, in drei Hauptphasen: Planung, Realisierung und Verwaltung; in diesem Kontext konzentrieren wir uns nur auf die Planungsphase, die eine eher managementorientierte und weniger technische Ausrichtung als die anderen hat. Die erste kritische Planungsphase eines DW besteht darin, die Business Requirements oder das Geschäftsmodell des Marketing-Intelligence-Systems festzulegen, indem die Menge an Informationen, Indikatoren, quantitativen Maßen und relevanten und bedeutenden Analyse-Dimensionen für alle identifizierten Nutzer definiert wird. Gemäß der typischen „Top-Down“-Planungslogik muss der Ausgangspunkt unbedingt die Definition der Informations- und Funktionsbedürfnisse des Marketings sein, um dann anschließend die notwendigen Elementardaten-Eingaben zur Befriedigung dieser Bedürfnisse zu finden, auch wenn diese Erhebung der Bedürfnisse strukturell mühsam und unsicher ist: Es existieren hierfür spezifische Techniken (geführte oder freie Erhebungen, Brainstorming, Analyse des Informationssystems des Nutzers, Prototyping usw.), die den Prozess unterstützen, aber nicht endgültig das Problem der Definition der Marketing-Informationsbedürfnisse lösen, die sich dennoch entwickeln, schrittweise auf verschiedenen Analyseebenen manifestieren, das Verständnis von Marketingphänomenen verfeinern und somit auch die Erfahrung bei der Nutzung dieser fortgeschritteneren Marketing-Intelligence-Systeme vergrößern. Die beiden folgenden Phasen, die Datenmodellierung und die Ermittlung aller Quellen der benötigten Daten zur Herstellung der definierten Informationen und Indikatoren, bringen wiederum eine andere Reihe von Herausforderungen mit sich, die vor allem die Planung der Datenbasis-Architektur des DW betreffen, die auf den Konzepten von „Breite“ und „Tiefe“ der Daten basiert. Die Breite wird definiert durch die Zahl der Phänomene, Informationen, Indikatoren und Maße, die das System erzeugen können muss; die Tiefe hängt vom gewünschten Detaillierungsgrad der Daten ab (im Fachjargon die maximale Granularität), z.B. Tag oder Stunde in der zeitlichen Dimension, der einzelne Kunde, das einzelne Produktitem, das kleinste geografische Gebiet (Gemeinde oder Zensusbereiche) usw. Nach der Planung der Architektur des DW- und Marketing-Intelligence-Systems ist es notwendig, sich auf die wichtigsten Phasen und Prozesse der Hauptphase der Realisierung zu konzentrieren:Der Lade- oder Befüllungsprozess des DWDas Ziel eines DW ist es, Daten aus operativen Systemen mit denen aus externen Datenbanken zusammenzuführen und in die Steuerungsumgebung einzubringen, um die Informationen durch Business-Intelligence-Systeme verfügbar zu machen. Die Datenerfassung für das DW erfolgt durch komplexe Vorgänge der Datenerfassung aus den Quellsystemen, deren Bereinigung und anschließende Transformation basierend auf in der Projektentwicklungsphase definierten Geschäftsregeln (z.B. Vereinheitlichung der Maßeinheiten). Nach der Transformation werden die Daten in die verschiedenen Data Marts oder in das DW gemappt und transportiert.Der Prozess der Recherche und Produktion von MarketinginformationenStellt eine weitere entscheidende Phase im Prozess der Erstellung eines DW- und Marketing-Intelligence-Systems dar. Die bedeutenden dafür erforderlichen und eingesetzten Anstrengungen lenken häufig die Aufmerksamkeit von den Endanwender-Tools und den Frontend-Anwendungen ab, die für die Suche und Nutzung der Informationen in denselben Datenbanken notwendig sind, was zur Folge hat, dass die Endanwender auf ihre bereits verwendeten traditionellen Werkzeuge angewiesen bleiben, wie Tabellenkalkulationen, sehr starre kundenspezifische Anwendungen, wenig benutzerfreundliche Schnittstellen. Flexibilität und Einfachheit bei der Informationsproduktion sowie der Zugriff auf die Daten sind Schlüssel zum Erfolg des Entscheidungsprozesses und damit des DW. Anwendungsbereiche Die Hauptanwendungsbereiche von Business Intelligence & Decision Systemen sind: • Marketing- & Vertriebsanalysen • Kunden- & Marketing-Datenbanken • Budgetierung (Zyklus, Formulierung usw.) • Finanzberichterstattung • Finanzkonsolidierung • Management Reporting (steuerungsorientiertes Reporting) • Steuerungstafeln, Tableau de Bord (EIS), Balanced Scorecard • Rentabilitätsanalysen; Qualitäts- & Zufriedenheitsanalysen • Clickstream-Analysen • Geomarketing VERVIELFÄLTIGUNG VORBEHALTEN