Praxis Forum für KMU -...
Transcript of Praxis Forum für KMU -...
Praxis‐Forum für KMU Business Intelligence: Der Schlüssel zum Erfolg
9. Mai 2012 www.it‐konkret.ch
© schmid + siegenthaler consulting gmbh
Herzlich willkommenHerzlich willkommen
Praxis‐Forum für KMUBusiness Intelligence: Der Schlüssel zum Erfolg
9. Mai 2012 | Messe Zürich
09.05.2012 1
Fachexperte: Prof. Andreas ReberStudiengangleiter Wirtschaftsinformatik
Praxis‐Forum für KMU Business Intelligence | 9. Mai 2012
Christian BühlmannModeration:
FH Nordwestschweiz, Olten
topsoft | IT‐Konkret
Praxis‐Forum für KMU Business Intelligence | 9. Mai 2012
Presenting Partners
A‐MEA Informatik AGA‐MEA Informatik AGCH‐9320 Arbonwww.a‐mea.com
Heyde (Schweiz) AGHeyde (Schweiz) AGCH‐8048 Zürichwww.heyde.ch
Praxis‐Forum für KMU Business Intelligence | 9. Mai 2012
IT‐Konkret
Praxisnahes Wissen und umsetzbare Anregungen für einen effizienten Einsatz von Unternehmenslösungen.
Fallstudien, Whitepapers, Live Events, topsoft Magazin, Website, Social Media…
www.it‐konkret.ch
HandoutsHandouts
Download:www.it‐konkret.ch/PraxisForum
09.05.2012 5
Praxis‐Forum für KMU Business Intelligence | 9. Mai 2012
Intelligenz lässt sich nicht am Weg, sondern nur amsondern nur am Ergebnis feststellen.
Garry Kasparov
Praxis‐Forum für KMU Business Intelligence | 9. Mai 2012
Fallstudie
Unternehmen GS Swiss PCB AG6403 Küssnacht am Rigi www.swisspcb.ch
Mitarbeitende 100
Branche Elektronikindustrie
Tätigkeit Entwicklung und Herstellung von Leiterplatten
Kunden Medizinaltechnik, IT, Luft‐ und Raumfahrt
09.05.2012 7
Praxis‐Forum für KMU Business Intelligence | 9. Mai 2012
Fallstudie
Herausforderung Dezentrale Daten‐ und Informationssammlungen Insellösungen für Auswertungen (Excel, Crystal Reports)
Lösung Einsatz von QlikView für Analysen von Daten aus dem ERP/PPS‐ und Finanz‐System sowie aus individuellen Qualitäts‐ und Messdatensystemen
fVorteile Zentrale Datenbasis für alle Auswertungen Individuelle Auswertungsoptionen für alle Abteilungen Eigenständige Nutzung durch Mitarbeiter ohne IT‐Support
09.05.2012 8
Praxis‐Forum für KMU Business Intelligence | 9. Mai 2012
Fallstudie
Unternehmen Flumroc AG8890 Flumswww.flumroc.ch
Mitarbeitende 270
Branche Bautechnik
Tätigkeit Herstellung von Dämmwolle und –platten für Wärme‐ und Schalldämmung sowie Brandschutz
Kunden Bautechnik, Brandschutz, Industrie
09.05.2012 9
Praxis‐Forum für KMU Business Intelligence | 9. Mai 2012
Fallstudie
Herausforderung Standard Integration ins Comarch ERP Verfügbarkeit von Kennzahlen via WebMax. Projektdauer: 3 Monate
Lösung Multidimensionale Datenbank des Comarch BI‐Cockpits mit Integration in Comarch ERP unter Verwendung des Berichtstool Comarch Web Reports Book
Vorteile Schnelle, aktuelle Analysen (ohne Papier) der Unternehmensdaten Fortlaufende Aktualisierung Einfacher Zugang mit Unternehmens‐Berechtigung
09.05.2012 10
Prof. Andreas Reber © Business Intelligence
BUSINESS INTELLIGENCE = INTELLIGENTES BUSINESS ?
Prof. Andreas Reber
1
Prof. Andreas Reber © Business Intelligence
Business Intelligence – Ist das Thema aktuell im KMU-Umfeld?
Studentische Arbeiten zum Thema der letzten Jahre:
Event-Marketingfirma: Konzept und Evaluation eines MIS
Sanitärhandel: Analyse und Optimierung unserer Anwendungen im Bereich SAP BI
Spital: Konzept für Spital Data Warehouse
Life Science: Konzeption IT-Management Cockpit
Elektro: IT-Konzept HR Cockpit
Software: BI in Standardlösung integrieren
Beratung: Projektkennzahlen zur Steuerung des Projektprotfolios
2
Prof. Andreas Reber © Business Intelligence
Business Intelligence – Ist das Thema aktuell im KMU-Umfeld?
Studentische Arbeiten zum Thema der letzten Jahre:
Bank: Optimierung der Analysemöglichkeiten im MIS
Software: Entwicklung einer Rich Internet Anwendung zur Visualisierung und Auswertung grosser Datenmengen
Software: Einführung einer neuen Reportinglösung
Bank: Konzeption internes MIS
Institut für Rechtsmedizin: Machbarkeitsstudie MIS
Dokumentenverwaltung: Statistics from the Web
Software: Redesign Auswertungen Customer Care
Bank: Data Mining für Next Best Product
3
Prof. Andreas Reber © Business Intelligence
Business Intelligence – was heisst das?
Begriff geprägt durch H.P. Luhn (IBM Journal) 1958 bedeutet Verständnis des Geschäfts(modells)
Aufgegriffen durch Gartner Group zur Bezeichnung einer Gattung von IT-Werkzeugen zur Sammlung, Speicherung und Aufbereitung von Unternehmensdaten zur besseren Entscheidungsfindung
Später weiter entwickelt zu Business Performance Management (BPM)
4
Prof. Andreas Reber © Business Intelligence
Intelligentes Business – was heisst das?
Do the things right or do the right things?
Effizienz oder Effektivität?
BPM kümmert sich um beide Aspekte
5
Prof. Andreas Reber © Business Intelligence
Orientierung am Management-Zyklus
6
Zielsetzung
Planung
EntscheidungRealisierung
Kontrolle
Unternehmensziele (z.B.Produkte, Umsatzziele, Mitarbeiterzahl, ...
Bewertung von Planalternativen
Optimierungsrechnungen
Auswahl einer Alternative(Entscheidungsunterstützungs-
systeme)
Keine Führungsaufgabedelegiert an operative
Ebene
Plan-/Ist-Vergleiche
Quelle: Mag,, M. 1999
Prof. Andreas Reber © Business Intelligence
Balanced Scorecard
7
Quelle: balancedscorecard.comnach Norton und Kaplan
Prof. Andreas Reber © Business Intelligence
Key Performance Indicator
Kennzahlen sind verdichtete numerische Messgrössen, die sich auf wichtige Tatbestände im Unternehmen beziehen und diese in konzentrierter Form darstellen.
Sie informieren problemorientiert über betriebswirtschaftliche Sachverhalte und erfüllen so wichtige Aufgaben in allen Phasen des unternehmerischen Entscheidprozesses.
Kennzahlen werden oft in unterschiedlichen Dimensionen betrachtet.
8
Prof. Andreas Reber © Business Intelligence9
Würfel
Umsatz ist der Indikator der betrieblichen Leistung
Region, Produkt und Zeit sind die Dimensionen seiner Beurteilung
Der Würfel1 veranschaulicht die Dimensionen eines Indikators:
an den Schnittpunkten der drei Dimensionen steht der Umsatz
Region
Zürich
Basel
Bern 47 11 8
53 9 14
77 26 15
RacerFuture
Tria-Racer
RacerJunior
Produkt
Juni
ZeitJuli
Mai
1) Mehrdimensionale Würfel heissen "Hypercubes"
Prof. Andreas Reber © Business Intelligence10
Kennzahlensysteme
ROI X
Kapitalumschlag
Umsatzrendite
Gewinn
Umsatz
/
Umsatz
Gesamtvermögen
/
Quelle: Du Pont de Nemours
Prof. Andreas Reber © Business Intelligence11
Mängel von operativen Datenbanken
Operative Datenbanken sind
unübersichtlich
(originäre Detaildaten)
momentbezogen
(keine historischen Periodendaten)
benutzerfeindlich
(SQL oder 3GL-Kenntnisse)
Data Warehouse
Operative Entscheidungen Datenanalyse
Prof. Andreas Reber © Business Intelligence12
Definition Data Warehouse
Definition gemäss W.H. Inmon
A Data Warehouse is a subject-oriented, integrated, time-variant and nonvolatile collection of data in support of managements Decision support process.
Prof. Andreas Reber © Business Intelligence13
Data Warehouse Eigenschaft:Themenbezug
Data Warehouse
CRMCustomer Relationship Management
Risiko Management
Führungs-instrumente
Das Data Warehouse ist themenbezogen und erhält Daten von vielen opertiven Systemen. Die Daten werden nach dem betriebswirtschaftlichenUmfeld des Unternehmens organisiert.
Operative Systeme
Kontoeröffnung
Wertschriften-verwaltung
Kreditabwicklung
Operative Systeme sind prozessorientiert und werden durch ein System verwaltet
Prof. Andreas Reber © Business Intelligence14
Data Warehouse Eigenschaft: Integration
Data Warehouse
Integration von Beginn anDesigned zu Beginn, Implementation iterativ in kurzer ZeitIntegration aus verschiedenen Systemen
Operative Systeme
Anwendungen und Datenbanken wurden unabhängig voneinander erstelltEntwicklung über eine lange Zeit
IntegriertAnwendungsspezifisch
Prof. Andreas Reber © Business Intelligence15
Data Warehouse Eigenschaft: Zeitabhängigkeit
Data Warehouse
Generell historischer BezugZeitreihenanalysen
Operative Systeme
Normalerweise aktuelle Daten
Prof. Andreas Reber © Business Intelligence16
Data Warehouse Eigenschaft: Beständigkeit
Data WarehouseOperative Systeme
stetiger UpdateAenderungen nach Bedürfnisund nicht nach Plan
ändern
löschenersetzen
einfügen
Laden /Hinzufügen
Ständiger WechselKonsistent
zu einer bestimmten Zeit
auf ein Data Warehouse wird nur lesend zugegriffen
Prof. Andreas Reber © Business Intelligence17
Inhalt eines Data Warehouse
Typisch für ein Data Warehouse ist die Unterscheidung von
Fakten (Indikatoren)
Betriebswirtschaftlicher Erfolgsfaktor
Dimensionen
Kriterien der Beurteilung
Aufgaben: Einen Indikator nach seinen Dimensionen messen
"Wie hoch ist der Umsatz nach Periode, Produkt und Region?"
Prof. Andreas Reber © Business Intelligence18
Begriffe
Indikator (Fakt, Kennzahl, engl. business measure) aggregierbares meist numerisches und kontinuierliches Attribut, das die mehrdimensionale Messung eines betrieblichen Erfolgskriteriums erlaubt
Dimension meist symbolisches und diskretes Attribut, das die Auswahl, Zusammenfassung und Navigation eines Indikators erlaubt
Würfel (engl. cube bzw. hypercube) mehrdimensionale Datenstruktur, welche die gleichzeitige Analyse mehrerer Indikatoren und Dimensionen ermöglicht
Prof. Andreas Reber © Business Intelligence19
Konzeptuelle Ebene: Sternschema für relationale Data Warehouses/Marts
F
D
D
D D
D
Sternschema:
logisches Datenbankschema, das Dimensionstabellen eines relationalen Data Warehouses abfragefreundlich um eine Faktentabelle ordnet
Abbildung mehrdimensionaler Daten auf zweidimensionale Tabellen
Prof. Andreas Reber © Business Intelligence
Multidimensionalität
In einem Data Warehouse kommen in der Regel mehr als drei Dimensionen zusammen. Dies führt zu sehr vielen möglichen Kombinationen. Nicht alle sind sinnvoll nutzbar
20
Prof. Andreas Reber © Business Intelligence21
External Data
Source of Data
Operational data
Access & Analysis
Query &
Reporting
OLAP
Data Mining
METADATA (Technical, Process, Business)
Operation & Management
Data Warehouse
Handling of Data
Data mart
Transform
ationC
leaning
Data mart
Data mart
Prof. Andreas Reber © Business Intelligence
ETL – Extract Transform and Load
22
Prof. Andreas Reber © Business Intelligence23
Datenqualität Datenqualität
Glaubwürdig-keit
Korrektheit
Konsistenz
Zuverlässig-keit
Nützlichkeit
Vollständig-keit
Genauigkeit
Zeitnähe
Redundanz-freiheit
Relevanz
Interpretier-barkeit
Einheitlich-keit
Eindeutigkeit
Verständlich-keit
Integrität
Schlüssel-eindeutigkeit
Referenzielle Integrität
Quelle: Hinrichs
Prof. Andreas Reber © Business Intelligence
Analyse
24
Prof. Andreas Reber © Business Intelligence25
Lebenszyklus eines DWH Projektes
TechnicalArchitecture
Design
ProductSelection &Installation
Specification
End-UserApplication
Specification Development
End-UserApplication
Development
ProjectPlanning
Requirement
Business
Requirement
Definition
DeploymentMaintenanceMaintenance
andGrowth
Project Management
DimensionalModeling
PhysicalDesign
Data Staging
Development
Data StagingDesign &
Development
Quelle: R. Kimball, Lifecycle Toolkit, 1998
Prof. Andreas Reber © Business Intelligence
Anforderungsdiagramm
Indikator
Definition Formel
Geforderte Aktualität Zeitreihenbereich
Geforderte Genauigkeit Masseinheit
Sollwerte Massnahmen
Quelle(n)
Verantwortlicher Bezüger
Dimensionen Aggregatebenen
Autor, Datum Version, Status
26
Prof. Andreas Reber © Business Intelligence27
Entwicklungsprobleme Anforderungsdefinition
Koordination von Fachabteilungen
Laden operativer Daten Datenextraktion, -transformation und -integration
Komplexität und Redundanz der Datenmodelle Definition und Wartung komplexer Tabellenstrukturen Einführung von Redundanz
Speicher- und Zugriffseffizienz durch mehrere Fakttabellen und grosse Dimensionstabellen durch umfangreiche Indizes und Vorberechnungen
Datenverantwortung und -sicherheit Datenhoheit der Fachabteilungen
Evaluation und Schulung Tabellenmodell (z.B. Fremdschlüssel-Begriff) Boolesche Abfragelogik für Endbenutzer
Projektmanagement zu lange Projektdauer (Jahre statt Monate) mangelnde Erfahrung
Quelle: [Lusti, 2002]
Prof. Andreas Reber © Business Intelligence
Soll ein KMU BI implementieren?
+ Microsoft tritt auf den Markt mit Personal BI
+ Viele Anwender propagieren Mobile BI
+ Open Source BI verfügbar
- Aufwand und Know How liegt in der Datensammlung und Aufbereitung sowie der richtigen Definition der Kennzahlensysteme
28