Unternehmensführung mit SAP BI

7/30/2019 Unternehmensfhrung mit SAP BI

1/22

SpezielleThemen der WI-ERP Systeme

Unternehmensfhrungmit SAP BIMerve Kalkan-071100085

Simin Toker-135808023


2/22

Die neue Herausforderung fr Unternehmen-Wandel im Unternehmensfeld

Wirschaftliche Umfeldder

Fhrungsinstrumentenund

Informationssystemen

rechtlicheVernnderungen

konomischeVernderungen

informationstechnischgetriebene Vernderungen

kologischeVernderungen

Bedarf: Anpassung an Vernderungen der unternehmensinternen

und externen Faktoren, Ein System, das erlaubt die Planung-, Steuerungs und

Kontrollsystem des Unternehmens fhrt.


3/22

- Makro- und Mikroumwelt


4/22

Warum Business Intelligence?

Zielheterogene Datenmengen integriereneffizientere Planung-, Steuerung und KontrolleSchlsselgren bestimmenMarkt- und Unternehmenstreiber identifizieren

AusgangspunktBusiness Information Warehouse (BW) und Strategic Enterprise

Management (SEM) kombinierenkomplexe Methode fachlicher und technischer Entwicklung

strukturieren

Motivation und VorgehenKernfunktion des FhrungsprozessesGrundbegriffe sowie die Architektur- und Analyseprinzipien der Data

Warehouse (DWH)-Technologie und deren technischen Prozessebeschrieben.

Fr die Know-How ein Basis erstellen


5/22

zweck- und zielorientiert

Spezialisierte Systemelemente

das Zusammenwirken von Mensch, Material und Methode, um

ein bestimmtes Ziel zu erreichen.

Kernfunktionen der Fhrung

Rechnungswesen: SAP FI = Finanzwesen, SAP CO = Controlling,SAP TR = Treasury

Logistik: SAP MM = Materialwirtschaft, SAP SD = Vertriebslogistik,

SAP PP = Produktionsplanung und -steuerung Personalwirtschaft: SAP HR = Human Resources

Quelle ERP System und SAP R/3

Der Betrieb eines ERP-Systems generiert fortlaufend Daten, derenAuswertung Erkenntnisse ber das eigene Unternehmen liefert.

Datenentstehung

Grundlagen einer modernenUnternehmensfhrung


6/22

Struktur der Unternehmensfhrung-Organisatorische Struktur des modernen Managements


7/22

Planung, Steuerung und Kontrolle als Kernfunktionendes Fhrungsprozesses

-Kybernetischer Regelkreis


8/22

-Instrumente der modernenPlanung, Steuerung und Kontrolle Ein Unternehmen ist dann erfolgreich, wenn

dessen Potentiale und Fhigkeiten auf dieAnforderungen der Umwelt, insbesondere

den Wettbewerb, abgestimmt sind.

- Strken und

Schwchenanalyse- Potential und

Wettbewerbsanalyse- Portfolioanalyse- Prognoseverfahren

- Simulation

- Benchmarking- Frhwarnsysteme- Balanced Scorecard- Budgetierung

Darber hinaus fr ein Unternehmen sind die Instrumentenwichtig wie;


9/22

-Instrumente der modernen Planung, Steuerung und Kontrolle


10/22

Herausforderungen ininformationstechnisch gesttzten

Managementprozess

Durch die Eigenschaft, groe Mengen an Datenentsprechend den Anforderungenschnell und

effizient verarbeiten zu knnen, wurde dieInformationssysteme, die der Versorgung desFhrungssystems mit Informationen zur PSuK

dienen, werden im allgemeinen als

Fhrungsinformationssysteme (FIS) oderManagementsupportsysteme (MSS) bezeichnet.


11/22

-Entwicklung vonManagementinformationssystemen

MIS stellt dem UnternehmenInformationen zur Verfgung, mitderen Hilfe das Unternehmengelenkt bzw. das Controlling (alsodem Produktions-und Vertriebssektor) betriebenwerden kann.

Entscheidungsuntersttzungssysteme sind Softwaresysteme, die frmenschliche Entscheidungstrger

fr operative und strategischeAufgaben relevanteInformationen ermitteln,aufbereiten, bersichtlichzusammenstellen und bei derAuswertung helfen.

Whrend MIS und DSS sich wenig imoberen Managementetablierten, hatten dieprsentationsorientierten ExcecutiveInformationSysteme (EIS) genau diesenPersonenkreis und dessen

Informationsbedarf zur Zielgruppe.


12/22

Das Konzept von Datawarehouse

Systemen In Bezug auf die Durchfhrung von Analysen zum Zweck der

Entscheidungsuntersttzung liegt der Fokus des DWH-Konzeptes auf der effizienten Bereitstellung groerDatenmengen durch Integration operativer Datenbankenund externer Datenquellen.


13/22

-Merkmale eines DWHFolgende Merkmale eines DWH ableiten sich aus:

Themen- bzw. Analyseorientierung: Gespeicherte Informationenorientieren sich an entscheidungsrelevanten Geschftsobjekten,jedoch nicht an den operativen Geschftsprozessen konventionelleroperativer Systeme.

Zeitraumbezug: Alle Informationen enthalten einen Bezug zu einemZeitraum, innerhalb dessen sie gltig sind. Damit knnen auchhistorische Daten parallel zu aktuellen Daten gespeichert werden,ohne sie, wie bei operativen Systemen blich, zu verlieren.

Struktur- und Formatvereinheitlichung: Gleiche Informationenwerden in einer Datenstruktur in einem Format abgelegt.

Vorhandene unterschiedliche Ablagen dieser Informationen mssenin das einheitliche Format berfhrt werden.

Nicht-Volatilitt: bertragene und archivierte Daten werden ineinem DWH nicht mehr verndert, um eine konsistente Datenbasiszu schaffen. Eine Ausnahme bilden Plan-Daten, die im Zuge von

Planungsprozessen hufigen nderungen unterliegen knnen.


14/22

-Die Schichten von DWH-Systemen


15/22

-Datenhaltung im Datawarehouse

In der Ebene der Datenhaltung werden Strukturenvorgehalten, in denen die Daten in einermultidimensionalen Form gespeichert werden, umdem Anwender mehrperiodische, flexible undmehrdimensionale Analysemglichkeiten zu

erffnen.Multidimensionales Datenmodell

Multidimensionales Datenmodell ist zum einem dielogische Struktur eines semantischen Datenmodellsund zum anderem die technische Grundlage frdie Implementierung im DWH. Basis einesmehrdimensionalen Datenmodells bilden dessenBeschreibungselemente, welche diecharakterisierenden Eigenschaften derDatenstruktur darstellen.


16/22


Star-Schema Das Sternschema ist eine

besondere Form

eines Datenmodells, dessen

Ziel nicht die Normalisierung ist,

sondern eine Optimierung aufeffiziente Leseoperationen.

Die Bezeichnung Sternschema

rhrt daher, dass

die Tabellen sternfrmigangeordnet werden: Im

Zentrum steht eine

Faktentabelle, um die sich

mehrere Dimensionstabellen

gruppieren.Beispiel eines Star-Schemas


17/22


Snowflake-Schema Das Schneeflockenschema

ist eine Weiterfhrungdes Sternschemas, dasbeim OLAP und Data-Warehousing eingesetztwird.

Zur Vermeidungauftretender Redundanzeninnerhalb derDimensionstabellen wird beidem Snowflake- bzw.Schneeflockenschema eine

Normalisierung derDatenstrukturen inUnterdimensionenvorgenommen.

Bespiel eines Snowflake bzw.Schneeflockenschemas


18/22

Anwendungen der DWH- Daten

Der Aufbau eines DWHs sowie die Modellierung derDaten dient dem Zweck, entscheidungsrelevanteInformationen in unterschiedlichem Kontext darzustellenund weiterzuverarbeiten.

Aus gesammelte Daten geschftsrelevante

Informationen zu erreichen, muss man diese Datenentsprechend aufbereiten. Folgende Hauptkategorienlassen sich unterscheiden:

Berichtswesen

Ad

hoc Analyse Planung & Budgetierung

Data Mining


19/22

OLAP als integraler Bestandteil derDWHPhilosophie

- Drei Anstze von OLAP SystemenOnline Analytical Processing (OLAP) wird nebendem Data-Mining zu den Methoden der analytischen

Informationssysteme gezhlt. Relationales OLAP ( ROLAP)

Multidimensionales OLAP ( MOLAP)

Hybrides OLAP ( HOLAP)

Man unterscheidet zwischen ROLAP(relationales OLAP),das auf eine relationale Datenbank zugreift,und MOLAP(multidimensionales OLAP), das aufeine multidimensionale Datenbank zugreift. HOLAP(H frHybrid) ist eine Zwischenform zwischen ROLAP und

MOLAP.


20/22

-Navigation im Rahmen von OLAPOLAP Wrfel

Ein OLAP-Wrfel ist ein inder Data-Warehouse-Theoriegebruchlicher Begriff zurlogischen Darstellungvon Daten. Die Daten werdendabei als Elemente eines

mehrdimensionalen Wrfels(engl. cube) angeordnet.

Grundoperationen einesOLAP Wrfels:

Drill - DownDrillUpDrillAcrossDicingSlicing

Beispiel eines OLAP Wrfels


21/22

Data Mining Die spezialisierten Funktionen desData Mining erweitern die

betriebswirtschaftlichenAnalysemethoden, um unentdeckteZusammenhnge und Muster ausBeziehungen oderGesetzmigkeitenzwischen Daten zuextrahieren und offen zu legen.

Zum Einsatz kommen hierbeihauptschlich Techniken aus denBereichen der Statistik, z. B. NeuronaleNetze, Clusteranalyse undEntscheidungsbaumverfahren sowieAlgorithmen zum Finden vonAssoziationsregeln undSequenzmustern. Diese Technikenuntersttzen die drei Verfahren derSegmentierung, Klassifizierung undAssoziierung von abhngigen Daten.


22/22

Betriebswirtschaftliche Anwendungsgebiete

des Data Warehouse-KonzeptesDer Ausgangspunkt des DWH-Gedankens ist die Analysierbarkeitder Daten aus einer homogenen und integrierten Datenbasis,um effiziente und zielorientierte Analysen in unterschiedlichenbetriebswirtschaftlichen Anwendungsbereichen unter

mehrdimensionalen Sichtweisen durchzufhren. Im Folgendenwerden diese Anwendungsbereiche charakterisiert:

Erweiterung des klassichen Reportings

Optimierung der unternehmerischen Distribution

Betriebliche Kennzahlensysteme

Analystische Kosten- und Leistungsrechnung

Exception Reporting

Unternehmensführung mit SAP BI

Documents

Transcript of Unternehmensführung mit SAP BI