Data Warehouse Managementhandbuch: Konzepte, Software, Erfahrungen

ISBN-13: 9783540675617 / Niemiecki / Twarda / 2000 / 356 str.

R. Schtte; T. Rotthowe; R. Holten

Opis

Das Handbuch stellt speziell fur Entscheidungstrager die Nutzungsmoglichkeiten von Data-Warehouse-Konzepten und Technologien vor. Neben den Data-Warehouse-Grundlagen werden vor allem die Einsatzgebiete, verfugbare Losungen und praktische Erfahrungen beschrieben. Durch den kompakten Uberblick uber dieses wichtige Thema erhalt das Management so die Moglichkeit, fur das eigene Unternehmen die optimale Entscheidung zu treffen.

Spis treści

1: Grundlagen und Beitrag zur Losung betriebswirtschaftlicher Probleme.- 1 Grundlagen, Einsatzbereiche, Modelle.- 1.1 Geschäftsprozesse und Managementsichten.- 1.2 Data Warehouse als zentrale Architekturkomponente von Informationssystemen.- 1.2.1 Data Warehouse: Datenbank für Managementinformationen.- 1.2.2 Data Warehouse als Architekturkomponente.- 1.3 Data Warehouse als Managementinformationsquel1e.- 1.3.1 Informationsüberflutung vermeiden.- 1.3.2 Dimensionale Struktur der Managementsichten.- 1.3.3 Kennzahlenorientierung der Managementsichten.- 1.4 Yom Fachkonzept zur Implementierung – Modelle des Data Warehouses.- 2 Ökonomische Beurteilung von Entwicklungsvorhaben im Umfeld des Data Warehousing.- 2.1 Einleitung.- 2.1.1 Model1 der Applikations landschaft.- 2.1.2 Entwicklungsvorhaben im Umfeld des Data Warehousing.- 2.1.3 Inhaltsüberblick.- 2.2 Anwendbarkei t tradi tioneller Bewertungsverfahren.- 2.3 Methodische und organisatorische Gestaltungsoptionen für eine ökonomisc he Bewertung.- 2.3.1 Kostenschätzung.- 2.3.2 Nutzenschätzung.- 2.4 Zusammenfassung und Ausblick.- Teil2: Betriebswirtschaftliche Konzepte und technische Realisierung.- 3 Betriebswirtschaftliche Herausforderungen durch Data-WarehouseTechnologien.- 3.1 Erfolgsfaktoren des Data-Warehouse-Managements.- 3.2 Data Warehousing und Untemehmensstrategien.- 3.2.1 Ein Rahmenkonzept.- 3.2.2 Operatives Management.- 3.2.3 Customer Relationship Management..- 3.2.4 Efficient Consumer Response und Category Management.- 3.2.5 Supply Chain Management.- 3.2.6 Balanced Scorecard.- 3.2.7 Informationsportale.- 3.3 Rechtliche Grenzen des strategischen Spielraums.- 3.4 Change- und Projektmanagement.- 3.5 Fachkonzept – Notation und Werkzeug.- 4 Ein Überbhck über die Umsetzung des Data-Warehouse-Konzepts aus technischer Sicht.- 4.1 Die Entwicklung des technischen Sollkonzepts als Phase der MIS-Entwicklung.- 4.2 Zentrale, verteilte, virtuelle Haltung der Data-Warehouse-Daten.- 4.3 Multidimensionale versus relationale Datenhaltung.- 4.4 Entwurf des Data-Warehouse-Schemas.- 4.5 Konzeption und Realisierung der Datenaustauschschicht.- 4.6 Die Sicht des Data-Warehouse-Nutzers.- 5 Vorgehensmodelle im Bereich Data Warehouse: Das Evolutionary Data Warehouse Engineering (EDE).- 5.1 Einleitung.- 5.2 Vorgehensmodelle für Data-Warehouse-Projekte.- 5.2.1 Ziele und Aufgaben eines Data-Warehouse-Projektes.- 5.2.2 Lösungsverfahren für Data-Warehouse-Projekte.- 5.3 Besonderheiten eines Data-Warehouse-Vorgehensmodells.- 5.4 Evolutionary Data Warehouse Engineering EDE.- 5.4.1 Gesamtkonzept EDE.- 5.4.2 Project Definition.- 5.4.3 Project Scoping.- 5.4.4 Evolutionary Data Warehouse Engineering.- 5.4.5 Project Controll ing.- 5.4.6 Project Review and Continuous Improvement.- 5.5 Kritische Erfolgsfaktoren und Erfahrungen.- 5.5. I Die Konstruktion einer einheitlichen Begriffswelt – Glossar.- 5.5.2 Zusammensetzung des Teams.- 5.5.3 Klar definierte Ziele.- 5.5.4 Vision einer Gesamtarchitektur.- 5.5.5 Strukturierte Vorgehensweise nach einem Vorgehensmodell.- 5.5.6 Kosten/Nutzen eines Data Warehouses.- 5.5.7 Granularität/Detailgrad.- 5.5.8 Etablierung einer festen Organi sationseinheit.- 5.5.9 Datenqualität/-volumina.- 5.5.10 Rückwirkungen auf operative Systeme/Prozesse.- 5.6 Ausblick.- Literaturv erzeichnis.- 6 Externe Daten als Achillesferse von Data-Warehouse-Projekten – Probleme und Lösungsansätze.- 6.1 Das Grundproblem.- 6.2 Akzeptanz- und Nutzungsbarrieren im Überblick.- 6.3 Unzulänglichkeiten in der Datenbasis.- 6.4 Probleme bei der Informationsaufbereitung.- 6.5 Exteme Daten als Mittel zur Demontage von Data-Warehouse-Projekten.- 6.6 Nicht nur die Technik, sondem auch der Mensch kann das Data Warehouse ZUID Einsturz bringen.- Teil3: Ausgewählte Softwarelösungen.- 7 Marktüberblick Data-Warehouse-Werkzeuge.- 7.1 Der Data-Warehouse-Markt in Deutschland.- 7.2 Überführung der Daten in ein Data Warehouse durch ETL-Werkzeuge.- 7.2.1 ETL-Prozessschritte.- 7.2.2 Veränderungen aufdem ETL-Werkzeugmarkt.- 7.2.3 ETL-Funktionen im Überblick.- 7.2.4 Enterprise Application Integration (EAI).- 7.3 Tools zur Modellierung und Speicherung der Daten.- 7.3.1 Anbindung an operative Back-End-Systeme.- 7.3.2 Aktualisierung der Datenbasis.- 7.4 Werkzeuge zur Analyse der Daten.- 7.4.1 Enterprise Integration Portals – der Weg zum Knowledge Management?.- 7.4.2 Balanced Scorecard – Untemehmenserfolg auf einem Screen.- 7.4.3 Mehrdimensionale Untemehmensplanung.- 7.4.4 Business Intelligence – Wegbereiter fur die umfassende Informationsversorgung.- 8 Das Business Information Warehouse der SAP.- 8.1 Einleitung.- 8.2 Business-Information-Warehouse-Architektur und Komponenten.- 8.2.1 Einleitung.- 8.2.2 Quellsysteme.- 8.2.3 Business Information Warehouse Server.- 8.2.4 Frontend Tools.- 8.3 Business Content für Konsumgüterindustrie und Handel.- 8.4 Business Warehouse im Kontext integrierter Softwarelösungen.- 8.4.1 Integration BW mit mySAP.com.- 8.4.2 Integration in heterogene Systemlandschaften.- 8.5 Zusammenfassung und Ausblick.- 9 Die Data-Warehouse-Lösung von Oracle.- 9. DHerau derung.- 9.3 Data Warehouse als Basis für zukunftsorientiertes Wissensmanagement.- 9.4 Anforderungen an ein Data Warehouse.- 9.5 Architekturkonzepte.- 9.6 Datenhaltungsmanagement.- 9.6.1 Relationale Datenhaltung.- 9.6.2 Multidimensionale Datenhaltung.- 9.6.3 Hybride Datenhaltung mit Oracle 8i und Express.- 9.7 Technologien zur Datenbewirtschaftung.- 9.7.1 Der Extraktionsprozess.- 9.7.2 Die Transformation.- 9.7.3 Der Transport.- 9.7.4 Business Intelligence zur Informationsgewinnung.- 9.8 Profitabilitätssteigerung durch verbesserte Kundenbeziehungen.- 9.9 Data-Mining-Prozess.- 9.10 Strategisches Management: Balanced Scorecard.- 9.11 Fazit.- 10 Die Data-Warehouse-Lösung von NCR.- 10.1 Namhafte Kundenbasis.- 10.2 NCR-Anwendungen, -Services und -Plattform-Technologie.- 10.3 Applikationen und Partnerschaften.- 10.3.1 NCR retailDecisions (Business Intelligence).- 10.3.2 SDG Demand Chain Management.- 10.3.3 PROMPT Automatische Disposition.- 10.3.4 PROMPT Category Management.- 10.3.5 MAPS Waren- und Limitplanung.- 10.3.6 Customer Relationship Management.- 10.3.7 CERES lOS Kampagnenmanagement.- 10.3.8 RO Relationship Optimizer.- 10.3.9 RMS Loyalty Marketing.- 10.4 NCR Teradata Data Warehouse.- 10.4.1 Data-Warehouse-Architektur.- 10.4.2 Erfolgsfaktoren für wachsende Data-Warehouse-Systeme.- 10.4.3 Teradata Leistungsumfang.- 10.4.4 Parallelverarbeitung.- 10.4.5 Systemmanagement und Total Cost of Ownership.- 10.4.6 Datenbank-Management-Werkzeuge.- 10.4.7 Ladeprogramme.- 10.4.8 Datenauswertung.- 10.5 NCR WorldMark Server.- 10.6 NCR Professional Services.- 10.7 Nutzen des NCR-Lösungsansatzes.- 10.7.1 Neue Fragen im wachsenden Wettbewerb.- 10.7.2 Maximale Flexibilität und Skalierbarkeit.- 11 Business Intelligence von IBM.- 11.1 Einführung.- 11.2 Business Intelligence: Einordnung und Bewertungskriterien.- 11.3 Die IBM Business-Intelligence-Architektur.- 11.3.1 Datenmanagement – die Basis von Business Intelligence.- 11.3.2 Data Warehousing (DW).- 11.3.3 Branchenlösungen.- 11.4 Einsatzfelder von IBM-Lösungen zu Business Intelligence.- 11.4.1 Customer Relationship Management.- 11.4.2 Vertrieb/HandelNerkaufsförderung.- 11.4.3 Supply Chain Management (Lieferketten-Management).- 11.4.4 Finanzmanagement.- 11.4.5 Betrugs- und Risiko-Management.- 11.4.6 Die Zukunft von Business Intelligence.- 11.5 Zusammenfassung.- Teil4: Erfahrungen aus Data-Warehouse-Realisierungen.- 12 Aufbau eines Data-Warehouse-Verbunds bei der Douglas Holding.- 12.1 Einleitung.- 12.2 Data Warehouse: Basis eines Informationssystems.- 12.2.1 Die Situation von 1996 bis Anfang 1999.- 12.2.2 Die Grenzen.- 12.2.3 Die Entscheidung.- 12.2.4 Die Aufgabenteilung.- 12.2.5 Die Komponenten des Informationssystems.- 12.2.6 Die Anwendergruppen.- 12.2.7 Die Vorgehensweise.- 12.2.8 Die Produktauswahl.- 12.2.9 Die Ressourcen.- 12.3 Datenkonsistenz durch zentrale Datenbank.- 12.4 Konkrete Probleme und Erfahrungen bei der Umsetzung.- 12.4.1 Eindeutigkeit.- 12.4.2 Verdichtungstabellen.- 12.4.3 Hierarchieprobleme.- 12.4.4 Updatekennzeichen.- 12.4.5 Abverkaufsdatum versus Buchungsdatum.- 12.4.6 Problemfeld Bestände.- 12.4.7 Zuordnungsprobleme.- 12.4.8 Format- und Definitionsprobleme.- 12.4.9 Probleme bei der Datenversorgung.- 12.4.10 Die Einführungsphase.- 12.4.11 Produktfehler.- 12.5 Die Erfolge.- 12.6 Zusammenfassung und Ausblick.- 13 Realisierung eines integrativen Management Reportings im SAP Business Warehouse.- 13.1 Einleitung.- 13.2 Das Konzept des Business Information Warehouses.- 13.3 Das Konzept der Balanced Scorecard.- 13.4 Integration der Balanced Scorecard in das SAP BW.- 13.5 Projektbericht.- 14 Die Data-Warehouse-Lösung der Deutschen Post AG.- 14.1 Einleitung.- 14.2 Das Projekt Data Warehouse P/E,I.- 14.2.1 Ausgangslage.- 14.2.2 Projektphasen.- 14.2.3 Business-Nutzen des Data Warehouses.- 14.2.4 Data-Warehouse-Architekturplan.- 14.2.5 Wie ist die Datenhaltung organisiert?.- 14.2.6 Technologiekomponenten.- 14.3 Der Data-Warehouse-Ansatz am Beispiel des Qualitatsmanagements PIE, I.- 14.3.1 Ausgangslage.- 14.3.2 Qualitätskennzahlen-Report zur Qualitätssteuerung.- 14.3.3 Umsetzung des Konzepts.- 14.3.4 Die Anwender.- 14.4 Ausblick.- 15 Integrationskomponenten als Leveragefaktor eines Data-Warehouse-Projektes.- 15.1 Notwendigkeit zur Analyse.- 15.2 Geschäftsprozess-Entscheidungsmodell: Wie konstruieren wir einen Würfel?.- 15.3 Erforderliche Integrationskomponenten.- 15.3.1 Anwender, ihre Typolog ien und ihre Anforderungen.- 15.3.2 Zusammenführung unterschiedlicher Daten.- 15.3.3 Einbindung in die gegebene technische Infrastruktur.- 15.4 Hierarchiemanagement als zentraler Erfolgsfaktor.- 15.4.1 Die Suche nach dem kleinsten gemeinsamen Nenner.- 15.4.2 Inhalt und Technik müssen eng kooperieren.- 15.4.3 Hierarchien als Grundlage für detaillierte Analysen.- 15.5 Ausgewählte Erfolgsfaktoren des Projekts.- 15.5.1 Teambildung, Anforderungen identifizieren und Partnersuche.- 15.5.2 Ist ein Data Warehou se wirklich ein Projekt ?.- 15.6 Ausblick.- 16 Case Study eines strategischen Konzepts einer E-Business-Plattform.- 16.1 Einleitung.- 16.2 Begriffliche Grundlagen ausgewählter IT-Trends.- 16.2.1 Eine Klassifizierung Internet-basierter Unternehmensauftritte.- 16.2.2 Data Warehousing.- 16.2.3 Pro-Aktive Informationsportale bzw. Internet Portale.- 16.2.4 Customer Relationship Management (CRM).- 16.3 Marktüberblick Telekommunikation.- 16.3.1 Konkurrenzsituation.- 16.3.2 Kundenzent riert statt Technologiezentriert.- 16.3.3 Fallende Preise und steigende Kosten.- 16.4 Fallstudie Telco Incorporated.- 16.4.1 Telco Incorporated (Ausgangslage).- 16.4.2 SWOT-Analyse.- 16.4.3 Primare Geschäftsprobleme.- 16.4.4 Strategische Unternehmens ziele.- 16.4.5 Maßnahmenzur Zielerreichung.- 16.4.6 Klassifizierung von Initiativen.- 16.4.7 Priorisierung von Projekten.- 16.4.8 Übersicht über das geplante Portal.- 16.5 Generalisierbarkeit der Aussagen.- 16.6 Conclusio.- Autorenverzeichnis.

O autorze

Dr. Reinhard Schütte promovierte am Lehrstuhl von Prof. Dr. Jörg Becker der Universität Münster. Er arbeitet derzeit als wissenschaftlicher Angestellter am Institut für Wirtschaftsinformatik der Universität Münster.

Blurb

Das Handbuch stellt speziell für Entscheidungsträger die Nutzungsmöglichkeiten von Data-Warehouse-Konzepten und Technologien vor. Neben den Data-Warehouse-Grundlagen werden vor allem die Einsatzgebiete, verfügbare Lösungen und praktische Erfahrungen beschrieben. Durch den kompakten Überblick über dieses wichtige Thema erhält das Management so die Möglichkeit, für das eigene Unternehmen die optimale Entscheidung zu treffen.