Wawi-Klausurumfang-Skript

v4.2

WarenwirtschaftssystemeVorlesungsskriptKlausurumfang

BA-MosbachDozent: Günter Drews

Das Vorlesungsmanuskript ist nur für den Gebrauch innerhalb der Vorlesung zu verwenden und darf nicht weiter gegeben oder gesamt oder in Teilen veröffentlicht werden.

1 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Inhaltsverzeichnis

1 EINFÜHRUNG.............................................................................................................................. 4 1.1 Ziele der Vorlesung .......................................................................................................4 1.2 Vorgehensweise ............................................................................................................5 2 WARENWIRTSCHAFT .............................................................................................................. 6 2.1 Begriff der Warenwirtschaft: ..........................................................................................6 2.2 Prozesse in der Warenwirtschaft...................................................................................6

2.2.1 Begriff des Prozesses....................................................................................................... 6 2.2.2 Prozessbeschreibungen ................................................................................................... 8 2.2.3 Das H-Modell bei Prozessen der Warenwirtschaft ....................................................... 10

3 WARENWIRTSCHAFTSSYSTEME ....................................................................................... 13 3.1 Operative und analytische Systeme ............................................................................13 3.2 Klassifikation und Umfang von Warenwirtschaftssysteme ..........................................16

3.2.1 Abgrenzung zu ERP-Systemen....................................................................................... 16 3.2.2 Klassifikation der Warenwirtschaftssysteme................................................................. 16 3.2.3 Zentrale und Filial-Warenwirtschaftssysteme............................................................... 17

3.3 Technologische und organisatorische Basis ...............................................................19 3.3.1 Basis-Informationen ...................................................................................................... 19 3.3.2 Marktposition ................................................................................................................ 20 3.3.3 DV-Kriterien.................................................................................................................. 21 3.3.4 Bedienungsaspekte ........................................................................................................ 22 3.3.5 Organisationsstrukturen................................................................................................ 22 3.3.6 Filialmanagement.......................................................................................................... 23 3.3.7 Führungsinformation..................................................................................................... 23 3.3.8 Datenaustausch ............................................................................................................. 24

3.4 Die Datenbasis: Stammdaten und Transaktionsdaten ................................................25 3.4.1 Stammdaten ................................................................................................................... 25 3.4.2 Die EAN......................................................................................................................... 26 3.4.3 Klassifizierungen ........................................................................................................... 29 3.4.4 Weitere standardisierte Kennzeichen ............................................................................ 31 3.4.5 Bewegungsdaten............................................................................................................ 34

3.5 Die Prozesse ...............................................................................................................35 3.5.1 Der Beschaffungsprozess............................................................................................... 35 3.5.2 Das Lager ...................................................................................................................... 41 3.5.3 Der Distributionsprozess............................................................................................... 42

3.6 Der Softwareauswahlprozess......................................................................................45 3.7 Der Softwareeinführungsprozess ................................................................................46

3.7.1 Die Herausforderung .................................................................................................... 46 3.7.2 Einführungsstrategien ................................................................................................... 46 3.7.3 Einführungsmodelle....................................................................................................... 46 3.7.4 Das Key-User Konzept .................................................................................................. 48

4 DATA WAREHOUSE IN DER WARENWIRTSCHAFT...................................................... 49 4.1 Problemstellung...........................................................................................................49

4.1.1 Motivation ..................................................................................................................... 49 4.1.2 Wo drückt der Schuh: Grenzen der traditionellen Entscheidungsunterstützung........... 51 4.1.3 Geforderte Lösung......................................................................................................... 52

4.2 Aufbau eines Data Warehouse....................................................................................53 4.3 OLAP...........................................................................................................................55

4.3.1 Das Datenmodell ........................................................................................................... 55 4.3.2 Kennzahlen (Fakten) ..................................................................................................... 56 4.3.3 Dimensionen.................................................................................................................. 62


4.3.4 Navigation ..................................................................................................................... 62 4.4 Data Mining .................................................................................................................66

4.4.1 Klassifikationsmethoden................................................................................................ 67 4.4.2 Assoziation..................................................................................................................... 70 4.4.3 Clustering ...................................................................................................................... 74 4.4.4 Prognosen...................................................................................................................... 75

4.5 Die Präsentationsschicht .............................................................................................80 4.5.1 Management Cockpits ................................................................................................... 80

5 LITERATUR ZUM NACHARBEITEN: .................................................................................. 80


1 Einführung

1.1 Ziele der Vorlesung Warenwirtschaftsysteme gehören zu den operativen Informationssysteme, die in Handelsunternehmen eine weiter Verbreitung gefunden haben. Ihr Leistungsumfang ist inzwischen weitgehend standardisiert, sodass sich die einzelnen WWS im Funktionsumfang nicht mehr gravierend voneinander unterscheiden. Wie die ERP-Systeme sind sie aber derzeit in einem grundlegenden Wandel begriffen:

1. Konzeptionell werden die operativen Systeme mehr als eine Zusammenstellung von Services begriffen, als ein monolithisches System. Das Stichwort SOA, Service Oriented Architecture gibt hier die Richtung vor.

2. Der Siegszug der webbasierenden Technologien bestimmt die technische Architektur der Warenwirtschaftssysteme

3. Die Ausdifferenzierung der Management Informationskomponente in eigenständige Data Warehouse-Lösungen.

Die Vorlesung verfolgt folgende Ziele.

• Einordnung der Warenwirtschaftssysteme und Abgrenzung zu anderen operativen Informationssystemen.

• Klassifizierung der Warenwirtschaftsysteme • Darstellung des Funktionsumfang der Warenwirtschaftssysteme anhand des H-

Modells der Prozesse der Warenwirtschaft. • Darstellung der Optimierungsmöglichkeiten von Warenwirtschaftssysteme anhand

einer Fallstudie • Der Einführungsprozess von Warenwirtschaftssystemen • Data Warehouse Systeme in der Warenwirtschaft.


1.2 Vorgehensweise

Technology

People

ProcessTechnology

People

Process

Quelle: Ernst&Young Analysen und auch konkrete Projekte haben in Organisationen immer drei Dimensionen:

• eine menschliche Dimension • eine technische Dimension • und eine organisatorische Dimension

Im Business Process Reengineering wurde der Begriff PSO-Projekte (People, Systems, Organisations) geprägt: Unsere Vorlesung folgt diesem Ansatz:

• die menschliche Dimension sind die unterschiedlichen Kategorien der Mitarbeiter, die mit den operativen und analytischen Systemen umgehen.

• die technische Dimension sind WWS Konzepte und die Software. • die organisatorische Dimension sind die Prozesse des Handels und im engeren

Sinne, die der Warenwirtschaft und des Controllings.


2 Warenwirtschaft Wenn man etwas steuern will, muss man erst einen Begriff davon haben, was man steuern möchte. Der Bereich, mit dem wir uns befassen, ist die Warenwirtschaft. Was wir steuern wollen, sind die Prozesse der Warenwirtschaft. Die Stellglieder unserer Steuerung sind die Kennzahlen. Die Systeme, die uns dabei unterstützen, sind die operativen und analytischen Informationssysteme

2.1 Begriff der Warenwirtschaft: Warenwirtschaft umfasst die Planungs- Steuerungs- und Kontrollprozesse für den gesamten Warenfluss, vom Einkauf bis zum Verkauf, in Handels- und Produktionsbetrieben in mengen- und wertmäßiger Hinsicht Alle (einplanenden und ausführenden)Tätigkeiten, die in irgendeiner Weise mit Mengen-Veränderungen zu tun haben

1

2.2 Prozesse in der Warenwirtschaft

2.2.1 Begriff des Prozesses Begriff des Prozesses Ein Prozess ist ein strukturierter Ablauf. Er transformiert einen gegeben Input mit jeweils spezifischen Regeln in einen gewünschten Output. Prozesse umfassen inhaltliche abgeschlossenen Vorgänge. Welche inhaltliche Tätigkeiten jeweils zu einem Prozess zusammengefasst werden, hängt von der subjektiven Problemsicht der handelnden Personen ab. Innerhalb eines Prozesses erfolgt durch Kombination der Produktionsfaktoren ein Wertezuwachs. Michael Hammer stellt deshalb auch die Wertschöpfung aus Kundensicht n den Vordergrund: 1


„Als Prozess betrachten wir jene Tätigkeiten, die zusammengenommen einen Wert für den Kunden schaffen- z.B.. die Entwicklung eines neunen Produktes“2. Eines der bekanntesten Prozessmodelle einer Unternehmung ist das Modell der Wertschöpfungskette nach Porter

„Innerhalb des Prozesses erfolgt durch die Kombination der Einsatzgüter ein definierter Wertzuwachs, der als Prozessergebnis weitergeleitet wird. Dieser Wertzuwachs (oder Wertschöpfung) ist die Differenz zwischen dem Wert des Output (Marktpreis oder interner Verrechnungspreis) und dem Wert des Input (Kosten der Wertschöpfungsaktivitäten) und bildet letztendlich die vom Unternehmen erzielte Gewinnspanne. „Wert“ kann demgemäss als derjenige Geldbetrag definiert werden, den ein interner oder ein externer Kunde zu zahlen bereit ist. Aus diesem Wert heraus entstehen Wettbewerbsvorteile (Kostenvorteile), wenn er die Kosten der Wertschöpfung übersteigt. (....) Mit seine Wertkettenmodell stellt der amerikanische Wirtschaftswissenschaftler Porter ein "analytisches Instrument“ vor, mit dessen Hilfe sämtliche Aktivitäten eines Unternehmens und deren Wechselwirkungen systematisch untersucht werden können (.......).

Die Wertkette (value chain) gliedert ein Unternehmen in strategisch bedeutsame Aktivitäten. Sie zeigt den Gesamtwert und besteht aus den wertschöpfenden Aktivitäten ("Wertaktivitäten“ nach Porter) und der Gewinnspanne. Wenn ein Unternehmen die verschiedenen Aktivitäten besser und/oder zu geringeren Kosten durchführen kann als konkurrierende Unternehmen, entstehen Wettbewerbsvorteile. Die Wertaktivitäten lassen sich in primäre und sekundäre (unterstützende) Aktivitäten unterteilen, die je nach Branche für den Wettbewerbsvorteil von entscheidender Bedeutung sein können (....)

• Die primären Aktivitäten beinhalten die physische Herstellung und den Vertrieb des

Produkts. Porter unterscheidet hier fünf Kategorien: die Eingangslogistik (Empfang, Lagerhaltung und Distribution von Betriebsmitteln und Material), die Operationen (Be- und Verarbeitung des Inputs), den Bereich Marketing und Vertrieb (Einsatz der Marketinginstrumente, um die potentiellen Kunden zum Kauf des Produkts zu bewegen), die Ausgangslogistik (Sammlung, Lagerung und physische Distribution des Produkts an die Abnehmer) und den Kundendienst (Installation, Reparatur, Ersatzteilversorgung und Produktanpassung).

• Demgegenüber sorgen die sekundären Aktivitäten dafür, dass die primären Tätigkeiten überhaupt stattfinden können, indem sie die erforderlichen Inputs (Technologien,

2 Michael Hammer, James Champy:Business Reengineering. Eine Radikalkur für das Unternehmen. München 1999. S.14.


menschliche und materielle Ressourcen) für die einzelnen Aktivitäten zur Verfügung stellen. Die Unternehmensinfrastruktur (Unternehmensleitung, Finanz- und Rechnungswesen, Unternehmensplanung, Qualitätswesen, Rechtsabteilung) unterstützt übergreifend die gesamte Wertkette........“3

2.2.2 Prozessbeschreibungen Der VDMA gibt in seiner Broschüre Prozesse beschleunigen und gewinnorientiert steuern4

Folgende 12 Regeln zur Beschreibung eines Prozesses: 1. Prozess Identifikation

a. Wie wird dieser Prozess bezeichnet b. Wo beginnt der Prozess und wo endet er?

2. Prozess Eigner a. Wer ist für die Beschreibung und die Weiterentwicklung des Prozesses

verantwortlich? 3. Prozess Beteiligte

a. Wer übernimmt eine Aufgabe in diesem Prozess? b. Welche Funktion hat diese Person?

4. Prozess Ziel a. Was ist die Aufgabe dieses Prozesses? b. Welcher Nutzen hat dieser Prozess für den Kunden und das Unternehmen? c. Wie können die Ziele gemessen und verfolgt werden.

5. Kunde (intern/extern) a. Wer profitiert von den Ergebnissen (Dies können sein: Verantwortliche eines

Folgeprozesses, ein Folgeprozess an sich, der Gesetzgeber, der Käufer, Benutzer, Anwender eines Produktes

6. Prozess Eingaben a. Was löst den Prozess aus? b. Was wird vom Prozess benötigt um ihn erfolgreich durchführen zu können? (Das

kann sein: Informationen, Dokumente, Produkte, festgelegte Zyklen) 7. Prozess Regelungen

a. Welche Vorgaben und Regeln gibt es für den Prozess? (Verfahren, Anweisungen, Richtlinien, Methoden, Kriterien)

b. Welchen Einfluss haben diese Regeln auf den Prozess? 8. Prozess Ergebnis

a. Was ist das Ergebnis des Prozessablaufs? (Dies kann ein Produkt, eine Dienstleistung, eine Entscheidung sein)

b. Wie wird das Ergebnis geprüft? 9. Nachweise und Dokumentation

a. Welche Dokumente und Aufzeichnungen werden für den Prozess benötigt? b. Welche Dokumente und Aufzeichnungen werden von dem Prozess erzeugt?

10. Kennzahlen zur Steuerung a. Mit welchen Kenngrößen wird der Prozess gesteuert? (Dies sind klassischerweise

Termin, Kosten- oder Zeitgrößen) 11. Wechselwirkung

a. Welche anderen Prozesse haben Einfluss auf diesen Prozess? b. Welche Prozesse werden von diesem Prozess beeinflusst?

12. Prozess Lieferant

3 3 Dietmar Vahs: Organisation. Einführung in die Organisatonstheorie und –praxis. Stuttgart 2001. S. 194 ff. 4 VDMA (Hrsg):Prozesse beschleunigen und gewinnorientiert steuern. Frankfurt a. M 2002 (VDMA-Verlag) S. 22 ff.


a. Wer muss für diesen Prozess die notwendigen Vorarbeiten leisten (Ergebnissen (Dies können sein: Verantwortliche eines Folgeprozesses, ein Folgeprozess an sich, der Gesetzgeber, der Käufer, Benutzer, Anwender eines Produktes)


2.2.3 Das H-Modell bei Prozessen der Warenwirtschaft5 Modellübersicht

Lagerprozess

Streckenprozess

ZentralregulierungsprozessAktionsprozess

Dienstleistungsprozess

Lagerprozesse Das Lagergeschäft repräsentiert die wichtigste Geschäftsart, mit der der Handel die Aufgabe der mengenmäßigen, zeitlichen und räumlichen Überbrückung erfüllt. Es umfasst die hochaggregierten Funktionen Beschaffen, Lagern und Distribution. In einer ersten Konkretisierung werden auf der Beschaffungsseite die Funktionen Einkauf, Disposition, Wareneingang, Rechnungsprüfung und Kreditorenbuchhaltung differenziert, distributionsseitig Marketing, Verkauf, Warenausgang, Fakturierung und Debitorenbuchhaltung. Die Kopplung erfolgt durch das Lager, das die Überbrückungsfunktionen erst ermöglicht. Neben den operativen Funktionen sind die betriebswirtschaftlich-administrativen Funktionen der Haupt- und Anlagenbuchhaltung, der Kostenrechnung und der Personalwirtschaft abzubilden. Zu Zwecken der Unternehmenssteuerung werden Controllingsysteme, Executive Information Systeme und Systeme zur Unterstützung der Unternehmensplanung erforderlich.

5 Das H-Modell stammt aus Becker,Schütte: Handelsinformationssysteme. 2. Aufl. Landsberg/Lech 2004. Die nachfolgenden Folien, die sich auf das H-Modell beziehen sind entnommen aus:http://www.wi.uni-muenster.de/is/projekte/handels-h-modell/lager/index.cfm abgerufen am 30.11.2005: Lehrstuhl für WI und IM: Prof. Dr. Jörg Becker, Das Handels-H-Modell. Das WI-Executive Program Information Management für (Nachwuchs-) Führungskräfte. Journal Information Systems and e-Business Management (ISeB)


Das Streckengeschäft Der Streckenprozess ist eine Geschäftsform, bei der das Handelsunternehmen als Mittler zwischen Industrieunternehmen und Abnehmer auftritt, ohne dass es logistische Aufgaben übernimmt. In den letzten Jahren hat der Anteil des Streckengeschäfts in Großhandelsunternehmen zugenommen. Bei der "klassischen Strecke" bestellt ein Abnehmer beim Handelsunternehmen, welches den Auftrag in eine Streckenbestellung zum Lieferanten umwandelt (s. Abbildung). Die Ware wird direkt vom Lieferanten zum Abnehmer geliefert. Der Lieferant stellt dem Handelsunternehmen die Lieferung und dieses dem Abnehmer die Ware in Rechnung. Rechtlich liegen zwei getrennte Geschäftsvorfälle vor. Das Zentralregulierungsgeschäft Im Gegensatz zum Streckengeschäft werden beim Zentralregulierungsgeschäft keine Artikel beim Lieferanten bestellt, sondern die Leistung vom Handelsunternehmen ist ausschließlich abrechnungstechnisch. Der grundsätzliche Ablauf der Zentralregulierung kann der folgenden Abbildung entnommen werden. Kreditoren- und Debitorenbuchhaltung werden eng miteinander verzahnt, da die kreditorische Rechnung unmittelbar in eine debitorische Abrechnung Eingang findet. Auch die Stammdaten von Kreditoren und Debitoren müssen eng miteinander gekoppelt werden, wenn z. B. der Kreditor mit dem Debitor bilateral besondere Konditionen (Zahlungskonditionen, Sofortboni) vereinbart.


Das Aktionsgeschäft Aktionen können definiert werden als zeitlich befristete Einkaufs- und/oder Verkaufsmaßnahmen, die zur Ausnutzung von Konditionen und sonstigen Angeboten der Lieferanten und/oder der Förderung des Verkaufs dienen. In Abhängigkeit von der Handelsbranche besitzt die Aktion eine hohe (im Konsumgüterhandel im allgemeinen und im Lebensmittelhandel im speziellen) bis geringe Bedeutung (Produktionsverbindungshandel). Beim Aktionsprozess werden Beschaffungsprozesse mit Distributionsprozessen gekoppelt. Das Zusammenwachsen des linken und rechten Astes des Handels-H-Modells veranschaulicht diesen Sachverhalt .


3 Warenwirtschaftssysteme Ziele, die mit dem Einsatz von Warenwirtschaftssystemen erreicht werden solle:

1. Zeitersparnis 2. Kostenersparnis 3. Qualitätsverbesserung

Dies wird durch den integrativen Aspekt der WWS-Systeme erreicht Interne Integration

1. Datenintegration: Einmalige Erfassung der Daten und Verwendung an mehreren Stellen.

2. Prozessintegration: Die Ergebnisse eines Prozesses, z.B. Verkaufsauftrag kann unmittelbar in anderen Prozessen verwendet werden.

3. Benutzerintegration: Alle Benutzer arbeiten mit derselben Oberfläche. Moderne Systeme benutzen dafür Portale.

Externe Integration • Die Integration der Wertschöpfungskette.

3.1 Operative und analytische Systeme Anwendungen für das Management von Geschäftsprozessen lassen sich in drei unterschiedliche Kategorien einteilen:

1. Die Customer Fullfillment Programme. Dazu gehört die Beschaffung (Sourcing & Procurement, das Management der Produkte von der Konstruktion bis zur Verschrottung (Product Lifecycle Management, der Vertrieb(Demand&Revenue Management),die Produktion über die ganze Lieferkette hinweg (Supply Chain Management), Personalmanagement, (Human Capital Management), und der Service (Service Lifecycle Management)

2. Enterprise Performance Management: Systeme für Managementinformation und Controlling

3. Die Systeme für die Infrastruktur, wie Office Systeme, Content Management Systeme, Systeme für die Verwaltung der IT etc.


Im Bereich der operativen Anwendungssysteme haben sich inzwischen der ERP-systeme (Enterprise Resource Planning Systeme und als Teilbereich die Warenwirtschaftsysteme (WWS)) weitgehend etabliert, in Großfirmen vollständig, im oberen Mittelstand nahezu vollständig. Bei kleineren und mittleren Firmen ist der Markt derzeit heftig umkämpft. Aufgabe der ERP/WWS-Systeme ist es die horizontale Prozesskette zu integrieren und zu optimieren durch die Schaffung eines einheitlichen Benutzerinterfaces, durch eine integrierte Datenbasis und durch die Integration der zentralen betrieblichen Funktionen. Durch die langjährige Erfahrungen mit dem Einsatz dieser operativen Systeme haben sich auch Bereiche und Anwendungen ausdifferenziert, deren Bedürfnisse durch diese Art der operativen Systeme unzureichend abgedeckt sind. Ausdifferenziert haben sich die CRM-Systeme (Customer Relationship Management-Systeme), die SCM-Systeme (Supply Chaine Management Systeme und die analytischen Informationssysteme in der Form von Business-Intelligence oder Performance Management Systemen. Der Grund liegt in der unterschiedlichen Orientierung der Systeme

• Die ERP/WWS-Systeme orientieren sich an den betrieblichen Ressourcen, deshalb ist der Aufbau um diese Ressourcen (Materialstamm, Stücklisten, Arbeitspläne) gestaltet.

• Die Zentrale bei den CRM-Systemen ist der Kunde. Deshalb sind diese Systeme um die Kundenadresse als zentralen Bezugspunkt aufgebaut

• SCM-Systeme haben nicht nur den einzelnen Betrieb im Auge, sondern die gesamte interne und externe Wertschöpfungskette.

• Business Intelligence Systeme orientieren sich an den Bedürfnissen des Managements und des Controllings und diese Bedürfnisse werden von den operativen Systemen konzeptbedingt nur unzureichend befriedigt. Deshalb auch über lange Zeit die Klage der Controller und des Managements, dass die ERP Systeme nur Datensenken darstellen, und es erheblichen Anpassungsaufwand bedarf um wenigstens die Informations-Grundbedürfnisse des Managements und des Controllings zu befriedigen. Dies wird deutlich wenn man die unterschiedlichen Blickwinkel von operativen und analytischen Systemen betrachtet.


6

6 Quelle:Lehner, Wolfgang: Datenbanktechnologie für Data-Warehouse-Systeme. Heidelberg 2003. S. 18


3.2 Klassifikation und Umfang von Warenwirtschaftssysteme

3.2.1 Abgrenzung zu ERP-Systemen • Nach Schütte; Warenwirtschaftssystem ist ein System zur Unterstützung der

dispositiven und logistischen abrechnungsbezogenen Aktivitäten für die Geschäftsprozesse des Handels

• Hertel definiert ein WWS funktionsbezogen als die „mengen- und wertmäßige Darstellung und Steuerung des Warenflusses in einem Handelsunternehmen.“

• ERP-Systeme: Ein Informationssystem, das Geschäftsprozesse und Geschäftsregeln sowohl innerhalb der Hauptfunktionsbereiche eines Unternehmens als auch über die Bereiche hinweg abbildet und teilweise oder ganz automatisiert.

• Abgrenzung für diese Vorlesung: Ein Warenwirtschaftssystem ist ein ERP-System für den Handel

• Warenwirtschaftssysteme befassen sich mit Endprodukten (Waren). Die Erzeugnisstruktur spielt bei Warenwirtschaftssystemen eine untergeordnete Rolle

3.2.2 Klassifikation der Warenwirtschaftssysteme Offene Warenwirtschaftssysteme: Ein WWS wird als offen bezeichnet, wenn es entweder nur eingangs- oder ausgangsorientiert arbeitet, d.h. entweder nur Daten über den Eingang bzw. Ausgang von Waren registriert und verarbeitet. Es werden nur Eingangsdaten oder Ausgangsdaten erfasst und kein Bezug oder Abgleich hergestellt Geschlossene WWS: Geschlossene Warenwirtschaftssysteme (GWWS) werden aus einer Zusammenführung der Bestandsdaten von eingangs- bzw. ausgangsbezogenen Komponenten gebildet. Dabei werden Daten über Warenbewegungen und Abverkäufe miteinander in Beziehung gesetzt. In einem geschlossenen WWS werden die Warenbestände in allen Unternehmenseinheiten artikelgenau geführt und kurzfristig fortgeschrieben. Während ein WWS in der Vergangenheit durch eine Inventuraufnahme und Ermittlung der Differenz geschlossen wurde, d.h. ein Soll-Ist-Abgleich durchgeführt wurde, kann dies heute durch Übernahme von Abverkaufsdaten aus Scannerkassen und Anlieferungsdaten, automatisch erfolgen. (Hertel S. 6)


R e g u l ie r u n g

B u c h h a l t u n g

7 B e d a r f s e r m it t lu n g B e s te l lv o r s c h la g

A u t o m a t is c h e r A b r u f

6 B e s ta n d s f ü h r u n g

W W S - In v e n tu r

5 V K -

D a te n e r f a s s u n g

2 B e s te l lu n g

A u f t r a g s r ü c k s t a n d

3 W a r e n e in g a n g A u s z e ic h n u n g

L a g e r u n g

4 R e c h n u n g s p r ü f u n g

1 S ta m m -

d a te n ( L is t u n g )

7

Einstufigen-mehrstufige WWS Ein mehrstufiges Warenwirtschaftssystem ist in der Lage, die warenwirtschaftlichen Prozesse über mehrere Handelsstufen hinweg abzubilden. Zu den modellierbaren Ebenen gehören die Zentrale eines Handelsunternehmens, regionale Niederlassungen, Lager, Verteilzentren, Vertriebsschienen und der Direktvertrieb. Bildet ein Warenwirtschaftssystem lediglich eine Handelsstufe ab, spricht man von einem einstufigen Warenwirtschaftssystem. Dezentrale oder zentrale WWS Zentral in der Handelszentrale angesiedelt oder dezentral in den Filialen Integrierte oder isolierte WWS Integriert:

• Extern: Integration zu Handelspartnern o Intern: Integration Zentrale, Filiale o Schnittstellen zu anderen Anwendungssysteme: Integration der Datenbasis

• Isoliert: Stand Alone Systeme

3.2.3 Zentrale und Filial-Warenwirtschaftssysteme „Ein Großteil der filialisierten Handelsunternehmen betreibt neben dem zentralen Warenwirtschaftssystem zusätzliche Filial-Warenwirtschaftssysteme, die zumeist mit dem zentralen System vernetzt sind. Insbesondere die technologische Weiterentwicklung der Kassensysteme und der im Laden anfallenden Daten haben wesentlich zur Notwendigkeit einer eigenen IT -Lösung in den Betriebsstätten beigetragen. Vom Funktionsumfang sind Filial-Warenwirtschaftssysteme meist deutlich weniger leistungsfähig als Zentral-Warenwirtschaftssysteme. Sie bieten jedoch neben der reinen Abverkaufserfassung auch Bestandsführungs- und Auswertungsfunktionalität. Das Rechnungswesen eines mehrstufigen Handelsunternehmens ist überwiegend zentralisiert. Grundsätzlich steht aber - zumindest logisch - immer mindestens je ein dezentrales Filial- und ein Zentralsystem zur Verfügung, wobei das dezentrale System in der Filiale mit Stamm- und Bewegungsdaten aus der Zentrale versorgt wird und umgekehrt Bewegungs- resp. Abverkaufsdaten durch POS- 7 Hertel, J; Zentes, J; Schramm-Klein, H.: Supply-Chain-Management und Warenwirtschaftssysteme im Handel, Springer-Verlag, Berlin, 2005 S.225


Upload an das zentrale System meldet. Bei den dezentralen Systemen können folgende unterschiedlichen Integrationsgrade zwischen beiden Systemarten unterschieden werden · Keine DV -Anbindung, · reines POS-System ohne Filialwarenwirtschaft, · Kombination von Filial-Warenwirtschaft und POS-System, · Remote-Anbindung der Filiale an die Zentral-Warenwirtschaft. Der Remote-Zugriff auf zentrale Warenwirtschaftssysteme gewinnt vor allem durch die Internet-Technologie und Intranet-Lösungen an Popularität. Einige Warenwirtschaftssysteme können vollständig über handelsübliche Browser bedient werden, so dass die Installation von Software in der Filiale entfällt.“8

8 [BECK] S.104ff


3.3 Technologische und organisatorische Basis

3.3.1 Basis-Informationen

Handelsstufe

Branchenfokus

Weitere Funktionsbereiche

Systemmerkmal 1:Basisinformation

25.11.2006 - v5

EinzelhandelGrosshandelEH/EG

Lebensmittel FrischeChemie Pharma

Allg. technische HandelElektro

Sanitaer HeizungBaustoffe Fliessen

ModeUnterhaltungselkekrt.

VersandhandelSonstige

FinanzbuchhaltungControlling

LiquiditaetsplanungAnlagenbuchhaltung

KassenbuchKostenstellenrechnungKostentraegerrechnung

LagerverwaltungPersonalwirtschaft

PersonaleinsatzplanungPPS

ZeiterfassungEShop

DokumentenmanagementCustomer Relationsship Management


3.3.2 Marktposition

InstallationszahlenErst-Installation

Versions-Nummer Gartner Magic Quadrant

Systemmerkmal 2Marktposition

25.11.2006 - v3


3.3.3 DV-Kriterien Hardware

Datenbank System

Engeraete

Programmiersprachen

Webfaehigkeit

Lizenzpolitik

Betriebssystem

Systemmerkmal 3DV-Kriterien

25.11.2006 - v5


3.3.4 Bedienungsaspekte

Dokumentation

Frontends

Komplette Tastatursteuerung

Mehrsprachigkeit

Betriebswirtschaftliche Flexibilitaet

Anpassbarkeit Berichte und Masken

Berechtigungskonzept

Suchmechanismen

Sytemmerkmal 4:Bedienungsaspekte

19.12.2006 - v5

Handbuch gedrucktOnlineKontextintensiv

ZeichenorientiertGraphisch

WebfrontendRegelbasierte SystemkonfigurationVordefinierte ProzessalternativenPictogrammbasierte Definition von WorkflowsUser Exits

BerichtsgeneratorIndividuelle Menuegestaltung

MaskeneditorAusblenden von Maskenfeldern

Generelle systemweite AnpassungenBenutzerspezifische Anpassungen

3.3.5 Organisationsstrukturen

Firmenuebergreifende Stammdaten

Mehrfirmenfaehigkeit

Firmenuebergreifende Hierarchien

Firmenuebergreifende Bestandstransparenz

Zentral-Filial-Strukturen

Lieferung zwischen Firmen

Firmenuebergreifende Einkaufsvereinbarungen

Systemmerkmal 5:Organisationsstrukturen

25.11.2006 - v4

ArtikelstammLieferantenstammKundenstamm

ArtikelgruppenEinkaufsgruppenVertriebsgruppen

ManuellAutomatisch


3.3.6 Filialmanagement Bestandsfuehrung

Elektronischer Ordersatz

Dispositionsprinzip

Umlagerung

Gutscheinverwaltung

Anbindung an ein Kassensystem

Systemmerkmal 22 Filialmanagement

25.11.2006 - v5

Wertmaessig (EK-Preis)Wertmaessig VK-Preis

ZentralDezentralGemischtNachschubdisposition (one-sell-one-buy)

Automatische BestandsverschiebungManuelle BestandsverschiebungVerkauf zu Zentrale und Filiale

Download

Upload

Verdichtete VerkaufsvorgaengeUnverdichtete VerkaufsvorgaengeWarenbewegungenGeldbewegungen

Eigene PC-KasseKassenschnittstellen

3.3.7 Führungsinformation

Bezugsobjekt

Prozessphase

Vergleich

ABC-Analyse

Systemmerkmal 23Fuehrungsinformationssystem

30.11.2005 - v3

PeriodenArtikelKundenRegionen

AuftragseingangLieferungenFakturenReklamationen

Ist/PlanIst/Ist VormonatIst/Ist Vorjahr

KundenArtikelUmsatzDeckungsbeitragPlan/Ist Abweichungen


3.3.8 Datenaustausch

Belegarten Beschaffung

Belegarten Distribution

EDI-Formate

Subset

Systemmerkmal 24 Datenaustausch

30.11.2005 - v2

LieferantenanfrageLieferantenangebotLieferantenbestellungenLieferantenrechnung

KundenanfrageKundenangebotKundenauftragKundenlieferavisKundenrechnung

SEDASDATANORMWeitere

EANCOMWeitere


3.4 Die Datenbasis: Stammdaten und Transaktionsdaten

3.4.1 Stammdaten Stammdaten sind Daten, die über einen längeren Zeitraum unverändert sind. Zu den wichtigsten Stammdaten zählen:

• der Artikelstamm • der Kundenstamm • der Lieferantenstamm

Eine eindeutige Identifikation der einzelnen Stammsätze ist besonders wichtig. Möglichkeiten dazu sind • Identnummer

o Eindeutige und unverwechselbare Kennzeichnung. Am einfachsten eine fortlaufende Nummerierung

• Klassifizierungsnummer o “sprechende” Nummer. Vergabe von Nummern auf Grund von Eigenschaften

oder Attribute einer Menge gleichartiger Objekte • Verbundnummern

o Ein klassifizierender Teil ist mit einer Zählnummer verbunden (Autokennzeichen) • Parallelnummer

o Der identifizierende Teil ist vom klassifizierenden Teil getrennt • Sachmerkmalsleiste nach DIN 4000

o Zusammenstellung der für eine Objektgruppe wichtigen Merkmale. Der Artikelstamm ist das zentrale Konstrukt in der Warenwirtschaft. Bei Artikel- oder Warenstämmen im Handel nimmt die EAN-Nummer eine gesonderte

Stellung ein. Quelle: „Handels-H-Modell“ EINKAUF Vorlesung Handelsinformationssysteme Prof. Dr. J. Becker SS 2005 Konzept eines Aufbaus eines Artikelstammsatzes


Quelle: Nach Schütte/Vehring, a.a.O., S.:177ff

3.4.2 Die EAN Europäische Artikelnummer oder jetzt Internationale Artikelnummer Die Europäische Artikelnummer gibt es als 13stellige oder verkürzte 8stellige Ziffernfolge.

Für die obige Abbildung heißt das: Herstellerland ist Deutschland, der Hersteller ist BASF, das Produkt eine Videokassette E 300.


Zur Ländernummer:

Zur Betriebsnummer und Artikelnummer Die Identifikationssysteme im Überblick

• ILN Internationale Lokationsnummer: zur Identifikation von Unternehmen und Unternehmenseinheiten engl.: Global Location Number, GLN

• Internationale Artikelnummer (EAN) zur Identifikation von Artikeln (Verkaufs- und Handelseinheiten) engl.: Global Trade Item Number, GTIN

• Nummer der Versandeinheit (NVE) zur Identifikation von Versandeinheiten, engl.: Serial Shipping Container Code, SSCC

• EAN-Identnummer für Mehrweg-Transportverpackungen (MTV) zur Identifikation von wiederverwendbaren Verpackungen und Transporthilfsmitteln, engl.: Global Returnable Asset IDentifier, GRAI

Den Schlüssel zu den Nummernsystemen bildet die ILN. Die in ihr enthaltene Basisnummer ist Grundlage für die darauf aufbauenden EAN-Artikelnummern, Nummern der Versandeinheiten etc. Diese werden durch das regelgerechte Anfügen eigener Nummernbestandteile von den Unternehmen selbst gebildet.


International verantwortliche Institution für diese Nummernsysteme ist die EAN-Organisation mit über 70 nationalen Mitgliedern, welche auf Länderebene als autorisierte Vergabestellen von entsprechenden (Basis-)Nummern fungieren. In Deutschland ist dies die GS1-Germany GmbH. Die Zuweisung von ILN Nummern ist kostenpflichtig. ILN - Internationale Lokationsnummern (Typ 1) Diese 13-stellige Lokationsnummer weist jedem interessierten Wirtschaftsteilnehmer eine spezifische Nummer zu. Diese dient beispielsweise der Identifikation bzw. Adressierung im Austausch von Daten zwischen Geschäftspartnern ILN - Internationale Lokationsnummer (Typ 2) Diese ebenfalls 13-stellige Lokationsnummer besteht aus einer 7-, 8- oder 9-stelligen Basisnummer, welche den jeweiligen Wirtschaftsteilnehmer identifiziert, einer 5-, 4- oder 3-stelli-gen Nummer, die vom Wirtschaftsteilnehmer selbst generiert werden kann, sowie einer 1-stelligen Prüfziffer. Die selbst zu generierenden Ziffern ermöglichen es Unternehmen beispielsweise für einzelne Filialen, Abteilungen oder auch einzelne Wareneingangsrampen unterschiedliche Lokationsnummern zu definieren. EAN - Internationale Artikelnummer Die EAN ermöglicht eine eindeutige Identifizierung von Waren. Sie besteht ebenfalls aus 13 Stellen und ist vergleichbar der ILN Typ 2 zusammengesetzt. Die 7-, 8- oder 9-stellige Basisnummer dient der Identifizierung des Markenherstellers (Hersteller oder Lieferant), während die nächsten 5, 4 bzw. 3 Ziffern die handelsbetriebsinternen Artikelnummern sind, welche vom jeweiligen Handelsbetrieb generiert werden. Die letzte Ziffer ist erneut eine international abgestimmte Prüfziffer. Auch die EAN kann in strichcodierter Form dargestellt


werden. Dies ermöglicht beispielsweise ein Scannen des Preises an Warenkassen oder ein Erfassen der Ar-tikel für Zwecke des Wareneingangs bzw. der Kommissionierung. Wenn zusätzliche Artikel-informationen (Charge, Haltbarkeit etc.) erfasst werden sollen, steht hierfür das System EAN 128 zur Verfügung. NVE - Nummer der Versandeinheit Die NVE ermöglicht eine eindeutige Identifikation von Sendungen auf ihrem Weg vom Absender über das Transportunternehmen zum Empfänger. Die NVE setzt sich aus einem Ver-packungskennzeichen, der 7- bis 9-stelligen Basisnummer, einem 9-, 8- oder 7-stelligen Nummernteil zur Identifizierung der Versandeinheit sowie einer Prüfziffer zusammen. Die Identifizierung von einzelnen Versandeinheiten ermöglicht beispielsweise die Verfolgung einer Sendung, das Routing, Rückrufaktionen oder die Einrichtung von Qualitätssicherungssystemen.9 Zur Prüfziffer: Mit Hilfe der letzten Ziffer, der Prüfziffer, können falsche Artikelnummern festgestellt werden. Dabei wird wie folgt geprüft: Von links nach rechts werden die einzelnen Ziffern abwechselnd mit den Faktoren 1 und 3 multipliziert und die Produkte addiert. Der EAN wird nur dann akzeptiert, wenn die so gebildete Prüfsumme ohne Rest durch 10 teilbar ist. Soll also die Prüfziffer bestimmt werden, so bildet man zunächst die Prüfsumme für die ersten 12 Stellen. Die richtige Prüfziffer ergibt sich dann durch Ergänzung zum nächsten Vielfachen von 10.

Nachteile der EAN-Nummern Mehrdeutigkeit: Für einen Artikel können mehrere EANs existieren wenn er a) von mehreren Herstellern hergestellt wird oder b) von einem Hersteller in mehreren Ländern

3.4.3 Klassifizierungen

3.4.3.1 Standardwarenklassifikation10 Die Standard-Warenklassifikation wird bereits seit 1978 in Deutschland genutzt. Aufbauend auf der Binnenhandelsstatistik des Statistischen Bundesamtes umfasst sie heute nach mehrmaliger Aktualisierung eine Vielzahl der unterschiedlichsten Warenbereiche und kann damit branchenübergreifend eingesetzt werden. Besonders hohe Akzeptanz genießt die Standard-Warenklassifikation in der Konsumgüterwirtschaft zur Unterstützung der Geschäftsbeziehungen zwischen Industrie und Handel. Aufbau

9 http://www.darmstadt.ihk24.de/servicemarken/branchen/Handel,_Absatzwirtschaft/~$EAN.jsp abgerufen am 12.12.2006 10 Quelle:GS1: http://www.gs1-germany.de/internet/content/produkte/ean/dienstleistungen/klassifikationen/gpc/index_ger.html vom 17.12.2006


Die Standard-Warenklassifikation ist ein dreistufiger, hierarchischer Klassifikationsschlüssel, auf dessen dritter Stufe die vierstellige Nummer der Artikelgruppe zu finden ist.

Mit dem internationalen Klassfikationsstandard "Gobal Product Classification" steht Anwendern ein effizientes Instrument für grenzüberschreitende Warenverkehre in Ergänzung zur Standard-Warenklassifikation zur Verfügung.

3.4.3.2 Global Product Classification (GPC) Angesichts des hohen grenzüberschreitenden Handelsaufkommens ist für international agie-rende Unternehmen eine weltweit standardisierte Klassifikation erforderlich, um ihre Ein-kaufs- und Beschaffungsprozesse zu erleichtern. Eine Anforderung, der die Global Product Classification (GPC) gerecht wird. Seit Mai 2003 steht sie den Anwendern als anerkannter EAN-Standard zur Verfügung. Die GPC umfasst heute die Warenbereiche Food, Beverages, Tobacco Products sowie die FMCG-Bereiche Baby Care, Beauty-Personal Care-Hygiene, Healthcare, Homecare und Pet Care. Weitere Warengruppen werden sukzessive ergänzt. Aufbau

Global Product Classification (GPC) Angesichts des hohen grenzüberschreitenden Handelsaufkommens ist für international agie-rende Unternehmen eine weltweit standardisierte Klassifikation erforderlich, um ihre Ein-kaufs- und Beschaffungsprozesse zu erleichtern. Eine Anforderung, der die Global Product Classification (GPC) gerecht wird. Seit Mai 2003 steht sie den Anwendern als anerkannter EAN-Standard zur Verfügung. Die GPC umfasst heute die Warenbereiche Food, Beverages, Tobacco Products sowie die FMCG-Bereiche Baby Care, Beauty-Personal Care-Hygiene, Healthcare, Homecare und Pet Care. Weitere Warengruppen werden sukzessive ergänzt.

3.4.3.3 United Nations Standards Products and Services Code (UNSPSC


Der United Nations Standards Products and Services Code – kurz UNSPSC – ist eine aus dem nordamerikanischen Raum stammende Klassifikation. Sie wurde 1998 entwickelt und wird seit Mai 2003 von GS1 US verwaltet. Aufgrund ihrer breit gefächerten Warenbereiche kann sie branchenübergreifend zur Unterstützung elektronischer Einkaufs- und Verkaufsprozesse eingesetzt werden. Aufbau Die hierarchische aufgebaute UNSPSC-Klassifikation umfasst vier Stufen. Ist ein tieferer Detaillierungsgrad erwünscht, kann sie durch eine weitere, unternehmensspezifische Stufe ergänzt werden.

Da die UNSPSC lediglich der reinen Klassifikation von Produkten dient, wird sie in verschiedenen Segmenten, wie z. B. in den Bereichen Food, Beverages,Tobacco Products, optimal durch die GPC ergänzt. Letztere bietet unter ihrer Brick-Ebene (entspricht der Commoditiy-Ebene bei UNSPSC) Merkmale, mit deren Hilfe Anwender Produkte näher beschreiben können.

3.4.3.4 Zentraler Stammdatenabgleich Stammdaten Management Die SINFOS GmbH betreibt das ursprünglich von GS1 Germany entwickelte Portal für Artikelstammdaten. Industrie und Handel rationalisieren ihren Warenverkehr, indem sie ihre Artikelstammdaten nicht bilateral, sondern multilateral über den zentralen Pool der SINFOS GmbH abgleichen. Charakteristisch für das SINFOS-Portal ist, dass es sich auf international standardisierte Inhalte, Prozess-Regeln und Funktionen stützt.

3.4.4 Weitere standardisierte Kennzeichen

3.4.4.1 NACE-Code Der NACE Code: Die Klassifikation der Wirtschaftszweige der Europäischen Union Mit der NACE (“Nomenclature statistique des Activités économiques dans la Communauté Européenne” – Statistische Systematik der Wirtschaftszweige in der Europäischen Gemeinschaft) wurde eine einheitliche statistische Systematik der Wirtschaftszweige in der Europäischen Gemeinschaft geschaffen. Die Vergleichbarkeit zwischen den nationalen Systematiken und der Gemeinschaftssystematik und zwischen den nationalen und den gemeinschaftlichen Statistiken ist somit gewährleistet. Der WZ2003 des statistischen Bundesamtes baut darauf auf. 01 Landwirtschaft, gewerbliche Jagd


02 Forstwirtschaft 05 Fischerei und Fischzucht 10 Kohlenbergbau, Torfgewinnung 11 Gewinnung von Erdöl und Erdgas, Erbringung damit verbundener Dienstleistungen 12 Bergbau auf Uran- und Thoriumerze 13 Erzbergbau 14 Gewinnung von Steinen und Erden, sonstiger Bergbau 15 Ernährungsgewerbe 16 Tabakverarbeitung 17 Textilgewerbe 18 Bekleidungsgewerbe 19 Ledergewerbe 20 Holzgewerbe (ohne Herstellung von Möbeln) 21 Papiergewerbe 22 Verlagsgewerbe, Druckgewerbe, Vervielfältigung von bespielten Ton-, Bild-, und Datenträgern 23 Kokerei, Mineralölverarbeitung, Herstellung und Verarbeitung von Spalt- und Brutstoffen 24 Chemische Industrie 25 Herstellung von Gummi- und Kunststoffwaren 26 Glasgewerbe, Keramik, Verarbeitung von Steinen und Erden 27 Metallerzeugung und -bearbeitung 28 Herstellung von Metallerzeugnissen 29 Maschinenbau 30 Herstellung von Büromaschinen, Datenverarbeitungsgeräten 31 Herst. von Geräten der Elektrizitätserzeugung, -verteilung u.ä. 32 Rundfunk-, Fernseh- und Nachrichtentechnik 33 Medizin-, Mess-, Steuer- und Regelungstechnik, Optik 34 Herstellung von Kraftwagen und Kraftwagenteilen 35 Sonstiger Fahrzeugbau 36 Herstellung von Möbeln, Schmuck, Musikinstrumenten, Sportgeräten, Spielwaren und sonstigen Erzeugnissen 37 Recycling 40 Energieversorgung 41 Wasserversorgung 45 Baugewerbe 50 Kraftfahrzeughandel, Instandhaltung und Reparatur von Kraftfahrzeugen, Tankstellen 51 Handelsvermittlung und Grosshandel (ohne Handel mit Kraftfahrzeugen) 52 Einzelhandel (ohne Handel mit Kraftfahrzeugen und ohne Tankstellen) 55 Gastgewerbe 60 Landverkehr, Transport in Rohrfernleitungen 61 Schifffahrt 62 Luftfahrt 63 Hilfs- und Nebentätigkeiten für den Verkehr 64 Nachrichtenübermittlung 65 Kreditgewerbe 66 Versicherungsgewerbe 67 Mit dem Kredit- und Versicherungsgewerbe verbundene Tätigkeiten 70 Erschließung, Kauf und Verkauf von Grundstücken, Gebäuden und Wohnungen 71 Vermietung beweglicher Sachen ohne Bedienungspersonal


72 Datenverarbeitung und Datenbanken 73 Forschung und Entwicklung 74 Erbringung von Dienstleistungen überwiegend für Unternehmen 75 Öffentliche Verwaltung, Verteidigung, Sozialversicherung 80 Erziehung und Unterricht 85 Gesundheits-, Veterinär- und Sozialwesen 90 Abwasser- und Abfallbeseitigung und sonstige Entsorgung 91 Interessenvertretungen sowie kirchliche und sonstige religiöse Vereinigungen 92 Kultur, Sport und Unterhaltung 93 Erbringung von sonstigen Dienstleistungen 95 Private Haushalte 99 Exterritoriale Organisationen und Körperschaften

3.4.4.2 Länderkennzeichen 1. ISO-2/Stat. BA - Länderkurzbezeichnungen – ISO-Alpha-2-Codes der ISO (International Organization for Standardization) bzw. die vom Statistischen Bundesamt (Stat. BA) verwandten Abkürzungen (ISO 3166 (-1,-2,-3) 2. ISO-3 – Währungskürzel – ISO-Alpha-3-Codes der ISO (International Organization for Standardization) 3. LKZ - Länderkennziffer nach der Außenhandelsstatistik 4. Kurzbezeichnung - Länderkurzbezeichnungen nach der Außenhandelsstatistik 5. Präf.-Kürzel - Länderkürzel nach dem Präferenzrecht 6. KFZ-Kennzeichen – Kraftfahrzeugkennzeichen

3.4.4.3 Intrastat Warenarten, Warenverzeichnisse Intrastat: Erhebungssystem im Rahmen der Europäischen Union für den innergemeinschaftlichen Warenaustausch Dieses sieht eine Erhebung der diese Warenverkehre betreffenden statistischen Informationen direkt bei den beteiligten Unternehmen vor. Die Warenarten werden entsprechend der 8-stelligen Warennummer des arenverzeichnisses für die Außenhandelsstatistik (WA) untergliedert. Beispiel Kapitel 4:Milch und Milcherzeugnisse; Vogeleier; natürlicher Honig; genießbare Waren tierischen Ursprungs, anderweit weder genannt noch inbegriffen


3.4.5 Bewegungsdaten Transaktionsdaten oder Bewegungsdaten sind Daten, die während der Durchführung der Prozesse entstehen. Dazu gehören:

• Lieferantenbestellungen • Kundenbestellungen • Kassendaten • Lagerbestandsdaten

Diese Transaktionsdaten unterliegen einem häufigen Änderungsprozess: Anlegen, Ändern, Löschen bzw. Archivieren. Die Transaktionsorientierten Systeme sind dazu ausgelegt, solche Daten möglichst optimal zu behandeln.


3.5 Die Prozesse Keine Aktion ohne Bedarf

Bedarfsplanung

EinkaufProduktion

PrognosenKundenauftrag

Netzplan im Projekt

LagerbestandManuelle Eingaben

WarenverteilungService + ReparaturLager

Kasse /POS

Auftragsvorschläge Bedarfe aus verschiedenen Bereichen gehen in die Bedarfsplanung ein. Ergebnis der Bedarfsplanung sind Einkaufs- Lager, ggf. Produktionsvorschläge

3.5.1 Der Beschaffungsprozess

D is p o s it io n

W a re n -e in g a n g

R e c h n u n g s -

p rü fu n g

K re d ito re n -

b u c h h a ltu n g

E in k a u f


3.5.1.1 Der Einkauf

E in k a u f

L ie fe r a n te n -v e r w a l tu n g

K o n d i t i o n e n -v e r w a l tu n g

A r t i k e l -v e r w a l tu n g

K o n t r a k t -v e r w a l tu n g

L ie f e r a n te n -p f le g e

L ie f e r a n te n -b e w e r tu n g

R e c h n u n g -k o n d it io n e n

N a c h t r ä g lic h e K o n d i t io n e n

M e n g e n -k o n t r a k t

W e r tk o n t r a k t

L i e f e r p l a n

3.5.1.2 Die Disposition

D i s p o s i t i o n

L i m i t r e c h n u n g

B e s t e l l -m e n g e n -r e c h n u n g

B e d a r f s -r e c h n u n g

A u f t e i l u n g

V e r b r a u c h s -g e s t e u e r t e P r o g n o s e

P r o g r a m m -g e b u n d e n e

B e d a r f s r e c h n u n g

L i e f e r a n t e n -a u s w a h l

L i e f e r m e n g e n u n d – z e i t e n

f e s t l e g e n

B e s t e l l -ü b e r m i t t l u n g

B e s t e l l -ü b e r w a c h u n g


Die verbrauchsgesteuerte Disposition Bei der verbrauchsgesteuerten Produktion erfolgt der Anstoß zur Disposition über die Verfolgung des Lagerbestandes. In der Bestellpunktdisposition wird erfolgt eine Bedarfsauslösung, wenn ein zuvor definierter Lagerbestand unterschritten wird. In der Bestellrhythmusdisposition erfolgt die Bedarfsauslösung in einem definierten Zeitintervall. Bestellpunktsdisposition

11

Definition einiger Begriffe im Zusammenhang mit der verbrausorientierten Disposition

Lagerbestand körperlich vorhandene Materialien im Lager

Durchschnittsbestand Mittelwert über eine längere Periode

Sicherheitsbestand oder Mindestbestand

Puffer bei Zulieferschwierigkeiten, Ausfällen oder Mindest bestand unsicherer Planung, wird nicht verplant

Meldebestand I Bestellpunkt

Wert, bei dessen Unterschreitung Bestellungen ausgelöst werden (muss so hoch sein, dass während der Beschaffungszeit der Sicherheitsbestand nicht angegriffen wird)

Höchstbestand maximal zugelassener Bestand; oft durch räumliche Abgrenzungen vorgegeben

Wiederbeschaffungszeit Zeit zwischen Bestellauslösung und Materialeingang

11 [EBEL] S.259 [TEMPEL] S.249 ff


Bestellstrategien Folgende Bestellstrategien lassen sich unterteilen, wenn man Bestellpunkt, Bestellrhythmus und die zu bestellende Menge betrachtet s: Bestellpunkt T: Bestellrhythmus q: feste oder optimale Bestellmenge S: Höchstbestand

Quelle: Bernd Ebel: Produktionswirtschaft. 8. Auflage. Leipzig 2003. Anstatt vom Bestellpunktrythmus spricht man einfacher vom Bestellrythmus


3.5.1.3 Der Wareneingang

W a r e n e i n g a n g

W a r e n -e i n g a n g s -

p l a n u n g

W a r e n -k o n t r o ll e

W a r e n a n -n a h m e

W a r e n -e i n g a n g s -e r f a s s u n g

E r f a s s u n g m i t B e s t e l l b e z u g

E r f a s s u n g o h n e

B e s t e l l b e z u g

Q u a n t i t a t i v e W a r e n -

k o n t r o l l e

Q u a l i ta t i v e W a r e n -

k o n t r o l l e

R ü c k s ta n d s -a u f l ö s u n g

W a r e n -e i n l a g e r u n g

M a n u e l l e Z u t e i l u n g

A u t o m a ti s c h e Z u t e i l u n g

3.5.1.4 Die Rechnungsprüfung

R e c h n u n g s -p r ü f u n g

R e c h n u n g s -e m p fa n g

R e c h n u n g s -k o n t r o l le

R e c h n u n g s -e r f a s s u n g

N a c h t r ä g l i c h e V e r g ü t u n g

S c h r i f t l i c h e R e c h n u n g e n

E l e k t r o n i s c h e R e c h n u n g e n


3.5.1.5 Die Debitorenbuchhaltung

D e b i t o r e n -b u c h h a l t u n g

D e b i t o r e n -s t a m m d a t e n -

p f l e g e

E i n z u g u n d A b b u c h u n g

B u c h u n g R e c h n u n g /

G u t s c h r i f t / n a c h t r . A b r e c h n u n g

B u c h u n g d e s Z a h l u n g s -e i n g a n g s

B u c h u n g G u t s c h r i f t

B u c h u n g R e c h n u n g

B u c h u n g n a c h t r ä g l i c h e A b r e c h n u n g

K r e d i t -m a n a g e m e n t

A b n e h m e r -r e g u l i e r u n g

Z a h l l a u f

R e g u l ie r u n g d u r c h m a n u e l le ( n )

E i n z u g / A b b u c h u n g

M a h n u n g

V e r z i n s u n g


3.5.2 Das Lager

L a g e r

L a g e rs t a m m -d a t e n p f le g e

M T V -V e r w a l t u n g

U m la g e r u n g u n d

U m b u c h u n g

In v e n t u r d u rc h -f ü h r u n g

I n v e n t u r d u rc h -f ü h r u n g L a g e r

I n v e n t u r d u rc h -f ü h ru n g F i l ia le

L a g e r -s t e u e r u n g


3.5.3 Der Distributionsprozess

Verkauf

W aren-ausgang

Fakturierung

Debitoren-

buchhaltung

Marketing

3.5.3.1 Marketing

M a r k e t i n g

K u n d e n -m a n a g e m e n t

K o n d i t io n s -p o l i t i k

S o r t i m e n t s -p o l i t i k

P r o v i s i o n s -p o l i t i k

S o r t i m e n t s -b i l d u n g /

A r t i k e l l i s t u n g

A b s a t z -p l a n u n g


3.5.3.2 Der Verkauf

V e r k a u f

A n g e b o t s -b e a r b e i t u n g

R e k l a m a ti o n s -b e a r b e i t u n g

A u ft r a g s -b e a r b e i t u n g

A u ß e n d i e n s t-u n te r s t ü t z u n g

A u s -s c h r e i b u n g s -b e a r b e i t u n g

A u f t r a g s a r t e n

P r e i s a u s k u n f t

S c h r i f t l i c h e s A n g e b o t

V e r f ü g -b a r k e it s -p r ü f u n g

B o n i t ä t s -p r ü f u n g

3.5.3.3 Der Warenausgang

W a r e n a u s -g a n g

T o u re n -p la n u n g

K o m m is -s io n ie r u n g

K o m m is -s io n ie r p la n u n g

W A - E rf a s s u n g/ B e s ta n d s -

b u c h u n g

K o m m is -s io n ie ru n g s -

s t ra te g ie

K o m m is -s io n ie rb e le g

V e r s a n d -a b w ic k lu n g


3.5.3.4 Die Fakturierung

F a k t u r i e r u n g

L i e f e r s c h e i n -b e w e r t u n g

G u t - / L a s t s c h r i f t e n -

e r s t e l l u n g

R e c h n u n g s -e r s t e l l u n g

B e r e c h n u n g n a c h t r ä g l i c h e r

V e r g ü t u n g

E i n z e l -r e c h n u n g

S a m m e l -r e c h n u n g


3.6 Der Softwareauswahlprozess Die Prozessschritte

• Lastenheft • Dimensionen von Funktionscheckliste • Von der Longlist zur Shortlist • Angebote einholen • Vorbereitung und Durchführung von Anbieterpräsentationen • Vorbereitung und Durchführung von Referenzbesuchen • Entscheidungskriterien • Vertragsgestaltung


3.7 Der Softwareeinführungsprozess

3.7.1 Die Herausforderung

Performance des Altsystems

Erwartete Performance

Go Life

Zeit

Perspektiven

Katastrophe:•Liquiditätsprobleme•Lieferprobleme•Inkonsistente Daten•User Boykott

•Maßnahmen zur Stabilisierung

Kontinuierlicher Verbesserungsprozess

Neue Technologie

Stabilisierungsphase Optimierungsphase

Ende Stabilisierung

Performance des Altsystems

Erwartete Performance

Go Life

Zeit

Perspektiven

Katastrophe:•Liquiditätsprobleme•Lieferprobleme•Inkonsistente Daten•User Boykott

•Maßnahmen zur Stabilisierung

Kontinuierlicher Verbesserungsprozess

Neue Technologie

Stabilisierungsphase Optimierungsphase

Ende Stabilisierung

3.7.2 Einführungsstrategien Prinzipielle Einführungsstrategien Im Verhältnis von Prozessen und Software

• 1:1 Einführung: Die alten Prozesse werden 1:1 unverändert im Warenwirtschaftssystem abgebildet.

• Zunächst werden die Geschäftsprozesse optimiert und danach die Software implementiert

• Simultane Geschäftsprozessoptimierung und Einführung des Warenwirtschaftssystems

Umfang der Einführung:

• Big Bang Einführung: Alle Teilmodule werden gleichzeitig in Betrieb genommen • Inkrementelle Einführung: Funktionsbereiche werden nacheinander eingeführt.

3.7.3 Einführungsmodelle Es gibt unterschiedliche Modelle der Einführung von Warenwirtschaftssystemen Man kann sich an den Vorschlägen der Hersteller (z.B. SAP, Microsoft u.a.) orientieren, an Modellen der Unternehmensberatungen oder an Vorschlägen von Institutionen, z.B. V-Modell, das im öffentlichen Bereich weit verbreitet ist, Die meisten Einführungskonzepte legen ein einfaches Wasserfallmodell zu Grunde. Als Beispiel wird hier das Phasenkonzept von Ernst&Young angeführt, das einen expliziten simultanen Ansatz von Geschäftsprozessoptimierung und Softwareeinführung verfolgt.


Der Ansatz Package Enabled Reengineering sieht drei Phasen mit jeweils spezifischen Aktivitäten vor.

3.7.3.1 Phase 1 “Istreview, Visioning und Sollkonzeption”

Review Istzustand

Managem.ziele

Managem.ziele

Visioning

BestPractice

BestPractice

Abgleichmit

BaaN

Abgleichmit

BaaN

Sollkonzeption

Soll-Gesch.Vorgänge definieren.

Soll-Gesch.Vorgänge definieren.

Gaps bearbeiten

Gaps bearbeiten

Umsetzungs-planung des

BaaN IV-Einsatzes

Umsetzungs-planung des

BaaN IV-Einsatzes

Aufbau der Projekt-Infrastruktur

Aufbau der Projekt-Infrastruktur

Abbild.der

Kern-prozesse

inBaaN

Abbild.der

Kern-prozesse

inBaaN

Prozesse Infrastrukrur

Konzeption Live-Infrastruktur

Konzeption Live-Infrastruktur

Bemerkungen zur Gap-Analyse: Diese erfolgt in zwei Richtungen:

• Feststellung der Lücken zwischen Anforderungen des Benutzers und der Software o Software ändern oder o Add ons besorgen oder o Organisation ändern

• Lücke zwischen den Prozessen des Kunden und dem Optimierungspotential der Software

o Optimierungspotential der Software zum Reengineering nutzen

3.7.3.2 Phase 2: “Feinkonzeption und Prototyping”

Um-setzungs-Planung

Um-setzungs-Planung

Infra-strukturvervoll-

ständigen

Infra-strukturvervoll-

ständigen

DesignDesign

Proto-typingProto-typing

IntegrationIntegration

BaaN IVFkt.lückenschließen

BaaN IVFkt.lückenschließen

Infra-struktur

einführen

Infra-struktur

einführen

ErgebnisPhase 1

SollKonzeption

SollKonzeption

BaaN

Prototypabstimmen

Prototypabstimmen

Design und Prototyping der Geschäftsvorfälle


3.7.3.3 Phase 3: Implementierung

3.7.4 Das Key-User Konzept

ErgebnissePhase 2

Proto-typ

ErgebnissePhase 2

Proto-typ

Proto-typ

Betreuungnach Pro-duktivstart

Optimi-rung

planen



Optimi-rung

planen

Optimi-rung

planen

Schulungs-konzept

umsetzen

Schulungs-konzept

umsetzen

System-test

System-test

Produktiv-start

Produktiv-start

Imple-mentie-

rungplanen

Imple-mentie-

rungplanen

Berater Key-User End-User

Verantwortung Verantwortung

Projektstart Prototyp abgenommen

Life-Simulation abgenommen

llgemeine Idee ng von Verantwortung von externen Beratern über Key-user zum

• externer Beratung übernahme

durchsetzungsfähig

A• Übertragu

Endbenutzer Sicherung der Unabhängigkeit von

• Weg von der Konsumentenhaltung zur Verantwortungs• Vermittlerrolle von der Fachabteilung zur Projektorganisation • Aufnahme von Anforderungen aus der Abteilung • Wissenstransfer vom Projekt in die Abteilung • Persönliche Merkmale: Kompetent, akzeptiert,


4 Data Warehouse in der Warenwirtschaft

4.1 Problemstellung

4.1.1 Motivation

Entscheidungen, die ein Unternehmen erfolgreich weiterbringen setzen den „analytischen + navigierenden“ + schnellen“ Zugriff auf „qualitativ-hochwertige“ Informationen voraus. „Analytischer“ Zugriff bedeutet, dass dem Anwender 1. die „klassische BI“-Fragen12 beantwortet werden: Gesucht: Wert einer Kennzahl (z.B. Umsatz) Bekannt: Sichtweisen der Betrachtung (z.B. Artikel-Gruppe, Kunden-Gruppe, Zeit) Beispiele aus dem Warenwirtschafts-Controlling

• Wie war der Umsatz in Abhängigkeit von der Artikel-Gruppe o Wie war der Umsatz bei Herrenfahrräder? o Wie war der Umsatz bei Damenfahrräder?

• Wie war der Umsatz in Abhängigkeit von der Kunden-Gruppe o Wie war der Umsatz im Einzelhandel? o Wie war der Umsatz im Großhandel?

• Wie war der Umsatz in Abhängigkeit von der Zeit o Wie war der Umsatz im 1. Quartal 2005? o Wie war der Umsatz im 2. Quartal 2005?

2. „Data-Mining“-Fragen beantwortet werden: Gesucht: Sichtweisen, die die Ursachen für gute oder schlechte Kennzahlen aufzeigen (z.B. Artikel-Gruppe, Kunden-Gruppe, Zeit) Bekannt: Wert einer Kennzahl (z.B. Umsatz) Beispiele aus dem Warenwirtschafts-Controlling

12 BI bedeutet Business Intelligence. Der Begriff wird hier gleichbedeutend mit Performance Manaegment, Data Warehousing oder analytischen Informationssystemen verwendet


• Gestellte Frage: Welche Sichtweisen (z.B. Artikel-Gruppe, Kunden-Gruppe, Zeit) zeigen die Ursachen für schlechten Umsatz am besten auf?

• Mögliches Ergebnis: Wichtigste Erklärungsgröße sind die Damen-Fahrräder, dann folgt Einzelhandel und dann 2.Quartal

3. mit Hilfe von “Methoden“ neue Erkenntnisse“ gewinnen kann: • ABC-Analyse • Portfolio-Analyse • Zeitreihen-Analyse • Kreuz-Tabellen-Analyse • Geo-Analysen • etc.

“Navigierender“ Zugriff bedeutet,

• dass der Anwender ad hoc“ durch Informationen navigieren kann. I.d.R. macht er die Reihenfolge der jeweils nächsten Frage vom Ergebnis der zuvor gestellten Frage abhängig und kennt somit seinen Informationsbedarf meist erst sehr spät. Dem widersprechen „vorgefertigten“ EDV-Listen bzw. Abfragen. „Give me what I want, then I can tell you what I really want.“

• durch ein „drill down“ in die tiefere oder ein „roll-up“ auf die höhere Verdichtungs-Ebene navigieren kann Stellt er z.B. fest, dass der Umsatz der Herrenfahrräder sehr schlecht geworden sie, so will er „sofort“ zu den Einzel-Artikeln „hinabbohren“. Ist er an den zentralen Konzern-Daten interessiert, dann will er vielleicht vom Großhandel „hoch-rollen“ zu den Kunden eines Landes oder eines Kontinents

„Schneller“ Zugriff bedeutet, dass der Anwender

• „transparent“ zugreifen kann, d.h. sich nicht darum kümmern muss, WO die Informationen gespeichert sind und wie sie ZUSAMMENHÄNGEN

• „performant“ zugreifen kann, d.h. dass er die Ergebnisse seiner Recherchen schnell angezeigt bekommt

Zugriff auf „qualitativ-hochwertige“ Informationen bedeutet, dass der Anwender nicht mit „schlechten“ Informationen überflutet (information overload) sondern in seiner „Wissensbildung“ unterstützt wird . „Wir ertrinken in Informationen, aber wir sind durstig nach Wissen.“ (John Naisbitt)


4.1.2 Wo drückt der Schuh: Grenzen der traditionellen Entscheidungsunterstützung

Probleme beim „analytischen“ Zugriff

• Gesamtumsatz 121300 € • Einzelhandel: 99.000€; Großhandel: 22.300€ • Damenfahrräder: 57.300€; Herrenfahrräder: 64.000€ • Billigheim: 34.000€; Mosbach: 87.300€ • Billigheim/EH: 34.000€; Billigheim/GH: 0€; Mosbach/EH: 65.000€; Mosbach/GH: 22.300€ • Etc. Klassische BI-Frage (am Beispiel der Frage: Wie viel Umsatz wurde mit Herrenfahrrädern in Mosbach gemacht?) • Umsatz: kann aus Tabelle Rechn_Pos‘s (über Re_Art-Menge *Re_DM/Stck) entnommen

werden. • Herrenfahrräder: kann aus Tabelle Art-Gruppen entnommen werden (man braucht aber

auch die Tabelle Artikel um den Bezug zur Tabelle Rechn_Pos‘n herstellen zu können • Mosbach :kann aus Tabelle Orte entnommen werden (man braucht aber auch die

Tabellen Läden und Rechnungsköpfe um den Bezug zur Tabelle Rechn_Positionen herstellen zu können).

• FAZIT: Um eine Antwort auf die oben gestellte Frage zu bekommen muss man zunächst wissen, welche der Tabellen zu verbinden sind, dann muss man die (in diesem Falle 6!!! Tabellen) miteinander verbinden.

• Data-Mining Frage (am Beispiel der Frage: Was sind die Faktoren, die zu den geringen Umsätzen in Mosbach am meisten beitragen; ist es eher die Artikelgruppe Herrenfahrräder oder eher die Zeitgruppe 2.Quartal, oder beides zusammen oder … oder ?)Solche Fragen lassen sich auf der Basis von traditionellen Warenwirtschafts-Datenbanken kaum beantworten.

• Methodeneinsatz (am Beispiel der Frage: Verhalten sich A-Artikel anders als B-Artikel).Solche Fragen lassen sich auf der Basis von traditionellen Warenwirtschafts-Datenbanken kaum beantworten.


Probleme beim „navigierenden“ Zugriff Vorgefertigte Berichte decken nicht den „Analyse“-Bedarf ab sondern nur den Bedarf an regelmäßiger Informationen • Das ad-hoc-Erstellen von Abfragen ist für den Mitarbeiter aber sehr zeitaufwändig • Es ist kaum vorstellbar, dass man so viele Abfragen „vorgefertigt“ abspeichert, wie man

braucht um „ad hoc“ zu navigieren • Je mehr Abfragen vorgefertigt sind, desto weniger wird sich der Mitarbeiter an den

genauen Inhalt von z.B. Abfrage 4711 erinnern • FAZIT heute: „Listen anschauen“ statt „Navigation“

Probleme beim „schnellen“ Zugriff • Intransparenz statt Transparenz: Anwender, die wissen müssen, in welchen Tabellen

(auf welchen Rechnern) welche Informationen stehen und diese Tabellen dann auch noch verbinden müssen sind meist überfordert und demotiviert

• Mangelnde Performance: Aufgrund der notwendigen Tabellen-Joins („in kleine Tabellen zerrissene Welt“) ist die Performance-Belastung i.d.R. sehr hoch

4.1.3 Geforderte Lösung Datenwürfel (Cubes) statt Warenwirtschaftstabellen

Management Cockpit-Lösungen zur Navigation


4.2 Aufbau eines Data Warehouse A Data Warehouse is a subject-oriented, integrated, non-volatile, and time variant collection of data in support of managements decisions. (W.H. Inmon 1996) Fachorientierung (subject-oriented): Daten werden nach betriebswirtschaftlichen Kriterien organisiert, bzw. zugänglich gemacht. Integrierte Datenbasis (integrated): Das Data Warehouse integriert verschiedene Daten-quellen (interne und externe) des Unternehmens Nicht-flüchtige Datenbasis (non-volatile): stabile, persistente Datenbasis. Die Daten werden im Data Warehouse dauerhaft gespeichert werden durch Anwendungen nicht geändert oder gelöscht Historische Daten (time-variant): Vergleich der Daten über Zeit möglich (Zeitreihenanalyse). Speicherung über längeren Zeitraum.

ETL-Bereich

ModellierungAdministration

Ausgabe

Der prinzipielle Aufbau eines Data Warehouses besteht aus drei Schichten: Der ETL-Bereich: Daten extrahieren, Daten transformieren, Daten laden. Das ist die Schicht, in der Daten aus verschiedenen internen und externen, strukturierten und unstrukturierten Datenquellen in eine zentrale Datenbasis überführt werden. Zu den strukturierten Datenquellen zählen in erster Linie die Datenbanken der operativen Anwendungssysteme (ERP, WWS,CRM; SCM etc). Unstrukturierte Daten sind vorwiegend Textdateien. Externe Quellen sind meist Seiten aus dem Internet Beim Aufbau eines Data Warehouses ist dies der aufwändigste Bereich. Zunächst müssen die Datenquellen ausgewählt werden und über einen längeren Zeitraum auch zuverlässig verfügbar sein. Bei externen Datenquellen ist das kein einfacher Prozess. In diesem Zusammenhang wurde auch der Begriff Data Farming oder Web Farming geprägt, das heißt das systematischen und nachhaltige Auswählen von zuverlässigen internen und externen Datenquellen. Die Datenquellen werden transformiert, d.h. in einheitliche Schemata umgewandelt, um Fehler bereinigt, mit fehlenden Daten ergänzt und dann nach bestimmten Vorschriften (real time, periodisch) in die zentrale Datenbasis übernommen.


Die Modellierungsschicht. Das Datenmodell eines Data Warehouse muss den spezifischen Anforderungen des Controlling und des Managements entsprechen. Deshalb muss sich der Aufbau von den operativen Datenbanken unterscheiden. (Wenige Benutzer, komplexe Abfragen, Themenbezug, Historisierung etc). Eine weit verbreitetes Datenmodell für analytische Informationssysteme ist das sogenannte Starschema. Das Sternschema ist charakterisiert durch eine einzelne Fakttabelle, deren Inhalt die zu analysierenden Daten, (Kennzahlen) sind. Diese Tabelle bildet die Mitte des Sterns und ist über je genau ein Schlüsselfeld mit den Dimensionstabellen, welche die Spitzen des Sterns bilden, verbunden

Die Ausgabeschicht. In der Ausgabeschicht kommen zunehmend Dashboards zum Einsatz. Dashboards stellen eine integrierte Ansicht der Wissensquellen eines Unternehmens, sowie Analyse- und Gruppen-Tools auf dem Desktop des Mitarbeiters zur Verfügung. Zu diesen frontend-seitige OLAP-Werkzeuge gehören: • Query / Reporting

o Abfragegeneratoren o Berichtsgeneratoren

Beispiel: Cristal Reports • Statistical Analysis

o Regressionen o Korrelationen etc

• Multidimensionale Analyse o Klassisches BI

• Data Mining o Suche nach in Daten „versteckten“ Strukturen


4.3 OLAP Die OLAP-Methoden und Werkzeuge kommen dann zum Einsatz, wenn für das Management wichtige Zusammenhänge bekannt , in den Datenstrukturen des Data Warehouses modelliert sind und in Cubes zur Verfügung gestellt werden. Die FASMI-Regeln von Pendse/Creeth • Fast: Antwortzeiten von 1-2 Sekunden. • Analysis: Verfahren und Techniken zur ad hoc-Formulierung aller notwendigen

mathematischen Berechnungen und Strukturuntersuchungen. • Shared: gemeinsamer Zugriff. • Multidimensional: Freier Zugriff auf einen vieldimensionalen Datenwürfel. • Information: Ein System ist dann von hohem Nutzen, wenn es mehr Datenelemente bei

stabiler Antwortzeit analysieren kann.

4.3.1 Das Datenmodell Man stellt sich das Datenmodell als einen Würfel vor. Die Zellen des Würfels beinhalten die Kennzahlen, die es abzufragen gilt und die Kanten des Würfels bilden die Dimensionen unter der die jeweilige Kennzahl (Umsatz, Gewinn, Durchlaufzeit, usw) betrachtet wird. Dimensionen können sein: Region, Zeit, Produkt, Markt etc. Umgangsprachlich ausgedrückt ist eine Dimension die Antwort auf eine W-Frage (Was = Produkt, Wann = Zeit, Wo = Ort, Wie = Methoden, Wofür = Kunden, etc) So lassen sich mehrdimensionale Abfragen formulieren:

a. Eine 0 dimensionale Abfrage ist lediglich eine Abfrage nach einer Kennzahl: Wieviel Umsatz habe ich gemacht.

b. Eine ein-dimensionale Abfrage könnte heißen: Wieviel Umsatz habe ich im ersten Quartal 2006 gemacht

c. Eine zwei-dimensionale Abfrage: Wie viel Umsatz habe ich im ersten Quartal 2006 mit der Produktgruppe Freizeitbekleidung gemacht.

Im Gegensatz zu den bisher üblichen zyklischen Standardreports, erlauben die OLAP-Werkzeuge einen analytischen, navigierenden ad hoc Zugriff des Benutzers auf die Daten. Mit analytisch ist gemeint, dass die Daten unter verschiedenen Perspektiven analysiert werden können. Navigierend bedeutet, dass es möglich ist, die Daten nach Bedarf zu verdichten oder detaillieren und dadurch eine nächste Anfrage an einen Datenbestand vom Ergebnis der vorhergehenden Frage abhängig zu machen. Ad hoc bedeutet, dass die Abfragen online durchgeführt werden.


Die Graphik skizziert das Beispiel eines Cubes, mit dem es möglich ist Kennzahlen in den den Dimensionen Zeit, Produkt und Ort zu analysieren. Nehmen wir an die Kennzahl sei der Umsatz in k€, dann würde die Zahl 49 unten links bedeuten, dass in der Filiale Ost, mit dem Produkt A, am 21.12.1999 ein Umsatz von 49000 € erzielt wurde.

4.3.2 Kennzahlen (Fakten)

4.3.2.1 Kennzahlen und Kennzahlensysteme „You can’t control, what you can’ measure“13

„Ein Polizist trifft in der Nacht einen Betrunkenen, der unter einer Laterne sucht. Er erklärt dem Wachmann, er habe seine Schlüssel verloren, "irgendwo da drüben", dabei zeigt er ins Dunkle. Natürlich fragt ihn der Polizist, warum er die Schlüssel unter der Laterne sucht und nicht da, wo er sie verloren hat. Antwort: Weil man im Licht besser sieht!"14

Für eine kennzahlenorientierte Unternehmenssteuerung müssen Kennzahlen oder Kennzahlensysteme folgende Anforderungen erfüllen (nach Reichmann) Informationscharakter: Sollen zweckorientiertes Wissen für konkrete Entscheidungssituationen tragen und Urteile über sachlogische Zusammenhänge erlauben Messbarkeit: sollten „harte“ Merkmale ursprünglich auf metrischen Skalenniveau erfassen � heute werden verstärkt auch qualitative Merkmal (z.B. Kundenzufriedenheit) über Ordinal-Skalen gemessen. Vereinfachungscharakter: Sollen komplizierte Strukturen und Zusammenhänge auf eine einfache Art und Weise sichtbar machen Planungs- und Kontroll-Charakter :Plan-Zahlen sind normativ (Vorgabe von Zielen),

13 Tom de Marco: Contolling Software Projects. Englewood Cliffs, New Jersey, 1982. S.3. 14 Joseph Weizenbaum nach einem Essay von Martin Ebner in der Nürtinger Zeitung vom 11.11.2006 „Wozu brauchen wir Computer?“


Ist-Zahlen sind deskriptiv (Beschreibung des empirisch Eingetretenen), Abweichungsvergleich Kennzahlenbeispiele für den Handel Beispiele für Kennzahlen

• Produktivitäts-Kennzahlen: o Flächenproduktivität = Umsatz pro qm Verkaufsfläche o Mitarbeiterproduktivität = Umsatz pro Mitarbeiter o Filial-Produktivität = Umsatz pro Filiale

• Rohertrag o Bezogen auf Fläche / Mitarbeiter / Filiale

• Deckungsbeitrag o Bezogen auf Fläche / Mitarbeiter / Filiale o Da Fixkosten (Raum, Personal) sehr hoch und artikelbezogene variable

Kosten sehr niedrig deshalb oft kein artikelbezogener DB Anforderungen an Kennzahlensysteme Einzelne Kennzahlen sind vieldeutig und wenig aussagefähig. Kennzahlen-Systeme dagegen bringen Kennzahlen in eine sachlogische Beziehung und richten sie auf ein übergeordnetes Ziel aus . Die sachlogischen Beziehungen können systematischer, mathematischer oder empirischer Natur sein. Die Entwicklung eines Kennzahlensystems für ein bestimmtes Unternehmen ist eine anspruchsvolle Modellierungsaufgabe. Kennzahlensysteme sind zum Beispiel ROI nach dem duPontschen Schema oder Return on Logistics (Cap Gemini Kennzahlensystem). Beispiel: Return on Logistics (Quelle: Cap Gemini) Folgende Ziele sollen erricht werden:

• Senkung der Bestände, • Senkung der Logistikkosten, • Erhöhung der Lieferbereitschaft.

Diese Ziele sind einzeln messbar. Die Bestandskosten und Logistikkosten sind zudem als absolute Zahl wenig aussagekräftig. Man muss sie in Relation zum Umsatz setzen. Folgende Einzelkennzahlen werden definiert:

• Liefertreue (% Einhaltung der bestätigten Liefertermine): • Bestände: Bestandskosten in Relation zum Umsatz • Logistikkosten: Logistikosten in Relation zum Umsatz

Für die Messung muss man sich auf Regeln festlegen, was jeweils gemessen werden soll: Für die Bewertung der Bestandskosten können die bilanziellen Richtlinien herangezogen werden (Durchschnittswerte: 12 Monatswerte kumuliert /12) Zu den Logistikkosten zählen die Kosten der Auftragsabwicklung, der Absatzplanung, des Einkaufes etc. Diese drei Kennzahlen sind jedoch nicht unabhängig von einander. Man kann seine Lieferbereitschaft erhöhen, indem man mehr Waren auf Lager nimmt und somit seine Bestandskosten erhöht. Man muss deshalb die drei Ziele im Zusammenhang


verfolgen. Die Betrachtung erfolgt nun in der Weise gemeinsam, dass man ein integriertes Kennzahlensystem bildet, den RoL: Return on Logistics

Logistik Rentabilität als der logistische Erfolg ...Logistik Rentabilität als der logistische Erfolg ...

Logistik

Bestände

Logistik-kosten

Input Liefertreue

Output

Logistik Rentabilität als der logistische Erfolg ...Logistik Rentabilität als der logistische Erfolg ...

Logistik

Bestände

Logistik-kosten

Input Liefertreue

Output

überüber RoL meßbarRoL meßbar ......

RoL

Liefertreue(% Einhaltung bestätigter Liefertermine)

Bestände(% vom Umsatz)

Logistikkosten(% vom Umsatz)X

=

überüber RoL meßbarRoL meßbar ......

RoL

Liefertreue(% Einhaltung bestätigter Liefertermine)


Logistikkosten(% vom Umsatz)X

=

Dieses Kennzahlensystem kann nun zu externen oder internen Benchmarks benutzt werden: Als eine erste Faustregel gilt: eine optimierte Logistik erreicht einen RoL von 1 (z. B. durch 100 % Liefertreue, 10 % Bestände und 10 % Logistikkosten)

Benchmark-Vergleich

Benchmarks Durchschnitt

Liefertreue


Logistikkosten(% vom Umsatz)

RoL

+ –

12 %

7,5%

0,9 0,51

85%

27%

8,3%

18%

8,6%

0,61

91%100%

8,0%

88%

0,46

Benchmark-Vergleich

Benchmarks Durchschnitt

Liefertreue


Logistikkosten(% vom Umsatz)

RoL

+ –

12 %

7,5%

0,9 0,51

85%

27%

8,3%

18%

8,6%

0,61

91%100%

8,0%

88%

0,46

Im Projektmanagement ist ein Kennzahlensystem weit verbreitet, das unter dem Namen magisches Dreieck eingeführt wurde. Das magische Dreieck beschreibt den Zusammenhang von Qualität des zu liefernden Ergebnisses , Zeit und Aufwand. Der Ausdruck magisch wird verwendet um den Zusammenhang der drei Ziele zu verdeutlichen. Wenn man mit einem der drei Ziele in Verzug zu geraten droht, kann man das oft nur kompensieren, indem man die anderen beiden Ziele kompromittiert. Kommt man z.B. mit dem Zeitziel in Verzug, kann das eventuell kompensiert werden, indem man mehr Mitarbeiter in ein Projekt steckt, was aber sicher zu Lasten des Aufwandszieles geht.


4.3.2.2 Balanced Scorecard im Handel Kennzahlensysteme zur Steuerung eines Unternehmens konzentrieren sich üblicherweise auf monetäre Größen, z.B :das ROI (Return-on-Invest) Kennzahlensystem von DuPont basiert ausschließlich auf finanziellen Kennzahlen. Demgegenüber stellt die Balanced Scorecard eine Erweiterung des Kennzahlenschemas über finanzielle Kenngrößen hinaus. Das von Robert S. Kaplan und David P. Norton in den 90-ziger Jahren entwickeltes Controlling- und Managementsystem betrachtet ein Unternehmen aus unterschiedlichen Dimensionen oder Perspektiven, wobei als die vier „klassischen“ Dimensionen, Finanzen, Kunden und Markt, Interne Prozesse, Lernen und Wachstum am häufigsten verwendet werden.

• Die finanzielle Dimension kontrolliert die Ansprüche der Kaitalgeber. Hier kommen die entsprechenden Steuerungsgrößen des Finanzbereiches zum Ansatzes wie ROI-Betrachtungen

• Die Kundenperspektive kann Kennzahlen wie Kundenzufriedenheit, Marktanteile, Kundenprofitabilität enthalten aber auch Kennzahlen für Serviceeigenschaften, wie Liefertreue, Image des eigenen Unternehmens oder Produktes beim Kunden

• Die Prozessperspektive befasst sich mit der Qualität und Effizienz der eigenen Geschäftsprozesse. Kennzahlen wie Durchlaufzeiten, Prozesskosten, Produktivität etc. haben hier ihren Platz

• Die Innovations- und Lernperspektive verdeutlicht die Wichtigkeit des menschlichen Faktors. Wie innovativ, wie lernbereit sind die Mitarbeiter des eigenen Unternehmens. Kennzahlen wie Anzahl Verbesserungsvorschläge, Patente, Weiterbildung , aber auch das Durchschnittsalter der Produkte, Umsatzanteil an Neuprodukten haben hier ihren Platz

Die Methode ist aber so flexibel, dass auch mehr als vier und andere als die „klassischen“ je nach Anwendungsgebiet verwendet werde. Die Balanced Scorecard ist als Instrument des strategischen Managements zu sehen, das heißt das die Steuerungsgrößen aus der Strategie und der für diese Strategie wichtigen kritischen Erfolgsfaktoren abgeleitet werden. Die daraus zu entwickelnden Kennzahlen müssen so gewählt werden, dass der Zielerreichungsgrad messbar ist und Abweichungen frühzeitig erkennbar sind. Insofern ist die Balanced Scorecard auch ein Hilfsmittel des Changemanagements, da sie den Rückkopplungsprozess von der Strategie bis zur Überprüfung des Umsetzungserfolges systematisch implementiert. Dieser Rückkopplungsprozess umfasst die Phasen:

• Festlegung der Dimensionen oder Perspektive • Definition von strategischen Zielen • Abbildung eines Ursache-Wirkungs-Zusammenhangs der strategischen Ziele • Entwicklung der Messgrößen für jedes strategische Ziel • Festlegung der operativen Ziele (Vorgaben) • Entwicklung von Initiativen und Maßnahmen • Erstellung eines Umsetzungsplanes • Überprüfung


Vision und

Strategie

Bewertung und Steuerung von Kunden- und Marktsegmenten

KundenKe

nnza

hlen

Ziel

e

Vorg

aben

Maß

nahm

en

Effiziente und kundenorientierteOptimierung von Geschäfts-prozessen

Prozess- Perspektive

Kenn

zahl

en

Ziel

e

Vorg

aben

Maß

nahm

en

Ansprüche der Kapitalgeber an die Organisation

Finanzen

Kenn

zahl

en

Ziel

e

Vorg

aben

Maß

nahm

en

Beurteilung, Steuerung und Verbesserung des Potentials der Mitarbeiter

Innovation und Lernen

Ziel

e

Vorg

aben

Maß

nahm

en

Kenn

zahl

en

Vision und

Strategie

Bewertung und Steuerung von Kunden- und Marktsegmenten

KundenKe

nnza

hlen

Ziel

e

Vorg

aben

Maß

nahm

en

Effiziente und kundenorientierteOptimierung von Geschäfts-prozessen

Prozess- Perspektive

Kenn

zahl

en

Ziel

e

Vorg

aben

Maß

nahm

en

Ansprüche der Kapitalgeber an die Organisation

Finanzen

Kenn

zahl

en

Ziel

e

Vorg

aben

Maß

nahm

en

Beurteilung, Steuerung und Verbesserung des Potentials der Mitarbeiter

Innovation und Lernen

Ziel

e

Vorg

aben

Maß

nahm

en

Kenn

zahl

en

Die einzelnen Kennzahlen können nicht losgelöst voneinander betrachtet werden. Deshalb gibt die Balance Scorecard auch Rechenschaft über die Abhängigkeiten der Kennzahlen voneinander in einer Ursachen Wirkungskette. Die Mitarbeiterkompetenz in der Innovationsdimension wirk sich auf die Prozessqualität in der Prozess-Dimension aus, diese wiederum auf die Liefertreue in der Kundendimension und im Endeffekt auf den Gewinn in der Finanzdimension. Anwendungen im Handel: Eine Operationalisierung eine Handels-BSC und einen möglichen Zusammenhang zwischen den Zielen zeigen folgende Abbildungen [BECK S.81 ff]


4.3.3 Dimensionen Hierarchische Dimensionen sind die gebräuchlichste Dimensionsarten .Bei ihnen bestehen vertikale Beziehungen zwischen den Dimensionspositionen. Es wird unterteilt in Elementarpositionen und verdichtete Positionen Die Verdichtung der Detaildaten erfolgt gemäß festgelegter Regeln. Es gibt unterschiedliche Hierarchietypen

Einfache Hierarchie Hierarchie mit variabler Pfadlänge

Parallele Hierarchien Heterarchien

4.3.4 Navigation Wenn Dimensionen hierarchisch strukturiert sind, kann man die Daten anhand der Hierarchiestufen entlang verdichtet oder detailliert. Detaillierung und Verdichten sind zwei der Navigationsmethoden, die sich im Zusammenhang mit den OLAP Methoden eingebürgert haben. Zusammen mit Slicing, Dicing und Pivotierung bilden sie die Navigationsmethoden, die in den meisten OLAP-Werkzeugen implementiert sind: • Drill Down: Das Herunterbrechen (Detaillieren) der Information in kleinere Einheiten • Roll up: Das Aggregieren (Verdichten) der Information zu größeren Einheiten • Slicing: Das „Herausschneiden“ von Informationsscheiben, z.B alle Produktgruppen eines

Jahres. Das bedeutet das Setzen von Filtern um kleinere Informationseinheiten zu bekommen

• Dicing: Eine Sonderform der "slice"-Technik. Als Filter werden dabei Intervalle gesetzt. Das Ergebnis ist wiederum ein kleinerer Würfel, der schneller analysiert werden kann.

• Pivotierung: Das Vertauschen von Dimensionsachsen "Slicing and Dicing", Rotation15

"Slicing and Dicing” bedeutet im Grunde genommen das Setzen von Filtern. Im Falle unseres 3-dimensionalen Datenwürfels würde beispielsweise das Setzen eines Filters auf ein bestimmtes Produkt eine "Scheibe" (engl. "slice") aus dem Würfel ausschneiden. Das 15 Abschnitt ist entnommen aus: o.V.:Data Warehouse.: http://wwwai.wu-wien.ac.at/~koch/lehre/inf-sem-ss-01/pachernik/main.html abgerufen am 20.9.2006


Ergebnis wäre ein Report über die Verkaufsdaten aller Kunden zu diesem Produkt im Zeitablauf.

"Slicing" Quelle:

" Ergebnis des "Slicings": Verkaufsdaten der Kunden zu einem Produkt im Zeitablauf In Anschluss daran könnte ein weiterer Navigationsschritt darin bestehen, einen Filter auf einen interessanten Kunden zu setzen und nach Produkten "aufzureißen". Dies entspricht einem Drehe" des Datenwürfels. Das Ergebnis ist ein Report für einen bestimmten Kunden, der die verkauften Produkte im Zeitablauf darstellt.

Rotieren des Würfels

Ergebnis der Rotation: verkaufte Produkte nach Monaten zu einem bestimmten Kunden "Dicing" ist eine Sonderform der "slice"-Technik. Hier wird durch das Setzen von Intervallen als Filter eine Untermenge aus dem Datenwürfel ausgeschnitten. Das Ergebnis ist wiederum ein kleinerer Würfel, der schneller analysiert werden kann.


"Dicing"

esultat einer "Dicing"-Navigation

rill Down" und "Roll Up" lgemein das Hinzufügen zusätzlicher Informationen zu einem

t,

R "DEin "Drill down" bedeutet alReport. Dies kann einerseits innerhalb einer Dimension geschehen, beispielsweise wenn man sich in der Produkthierarchie von Produktgruppen zu den einzelnen Produkten bewegandererseits durch das Hinzufügen von Merkmalen aus anderen Dimension. "Roll up" bezeichnet das exakte Gegenteil des "drill down".

Produkte nach Kundengruppen

Ergebnis des "Drill Downs" von Kundengruppen zu Kunden

rill Across" "D


Als einen "Drill Across" bezeichnet man im Allgemeinen das Austauschen der X- und Y-

rill Through" rehouse Systeme bieten die Möglichkeit, auch auf Daten zu reporten, die gar

bschließend soll jedoch darauf hingewiesen werden, das die genannten Begriffe in der

Achsen eines Reports. "DEinige Data Wanicht im Warehouse selbst, sondern nur in den OLTP-Systemen gespeichert sind. Ein Beispiel hierfür könnten einzelne Buchhaltungs-Belege sein. Diese Fähigkeit wird "Drill Through" genannt. ALiteratur teilweise unterschiedliche Bedeutung haben. z. B verwendet Cognos den BegriffDicing eher im Sinne von Pivotierung also Rotation.


4.4 Data Mining Was ist Data Mining ? Eine provozierende Antwort aus der WEKA-Community: Data Mining is Statistics + Marketing16

Data Mining Methoden kommen dann zum Einsatz, wenn nicht bekannt ist, wie die vorhandenen Datenbestände zu interpretieren sind. Während bei den OLAP-Methoden Zusammenhänge bekannt und modelliert sind, helfen die Data Mining Methoden bei der Hypothesenbildung. Betriebswirtschaftliche Anwendungsgebiete , bei denen sie mit Erfolg eingesetzt wurden sind Marketing, Produktion, Personalwirtschaft, Einkauf mit den Beispielen:

• Absatz - und Marktanteilsprognosen • Segmentierung von Kunden in Verhaltensklassen • Cross Selling : gut verkaufbare Produktkombinationen • Warenkorbanalysen • Kundenabwanderungs-Prognosen • Gewinnmaximales Mailing (Industrie oder Versandhandel) • Kostenminimale Routenplanung im Außendienst • Missbrauchserkennung von Versicherungsnehmern • WWW: Click -maximierendes Zuordnen von Werbebannern • Bonitätsprognosen von Kunden • Personalselektion bzw. Matchinganalysen • Simulation alternativer Zukünfte, insbesondere Preis-Absatz-Funktionen • Optimale Standortwahl • Fehlererkennung in der Fertigung (Qualitätssicherung) • Optimale Reihenfolgeplanung in der Produktion

Analyse Anwendungsfelder

• 17Churn-Analysen und Service-Optimierung Die Churn-rate ist die Rate der Vertragskündigungen oder die Rate der Geschäftskunden, die dauerhaft in einem anderen Geschäft einkaufen. Die Gründe dieser Fluktuationen geben oftmals Aufschluss über mögliches Optimierungspotential in der Kundenbeziehung. Andererseits dient die Churn-Analyse auch als Frühwarnsystem.

• Warenkorb-Analyse Durch die Analyse der Warenverkäufe kann überprüft werden, ob positive oder negative Korrelationen zwischen den einzelnen Produkten bestehen (z. B. wird Bier häufig zusammen mit Chips oder Grillwaren gekauft). Mit diesen Informationen lässt sich das Sortiment und die Produktpositionierung optimieren.

• Zielgruppen-Analyse: Data Warehousing und Data-Mining erlauben es, die klassische Zielgruppenanalyse um eine Dimension zu erweitern. Verschiedenste Variablen des Kaufverhaltens können genauestens untersucht werden. Somit kann vom bestehenden Sortiment auf Kundenprofile geschlossen werden, «die als ‹Schablone› für Neukunden dienen können. Mit Hilfe dieser Profile können ausserdem Vorhersagemodelle erstellt werden, welche die Wahrscheinlichkeit vorhersagen können, ob ein neues Produkt ein Erfolg werden kann oder nicht.

• Vertriebs-Targeting: Hier wird vor allem eine geographische Analyse der Kaufgewohnheiten durchgeführt. Mit den gewonnenen Erkenntnissen können die Vertriebsressourcen optimiert und die Marketingaktivitäten koordiniert werden.

• Budget-Analysen: Mit Hilfe der Zielgruppenanalyse kann auch festgestellt werden, wie effektiv das Budget bezüglich einzelner Kampagnen eingesetzt wurde: «so

16 WEKA ist ein Open Source Data Minino Werkzeug, das an der Universität von Waikato in Neuseeland entwickelt wurde und eine weite Verbreitung gefunden hat. 17 Churn ist ein Kunstwort aus change und turn


können zum Beispiel nach einer Kampagne in einem Printmedium die reinen Abverkaufszahlen des beworbenen Produktes aufgebrochen, mit der regionen- sowie zielgruppenspezifischen Reichweite des gewählten Medium verknüpft und miteinander in Beziehung gesetzt werden.

• Cross-Selling: Häufig werden bei grossen Produktpaletten die Geschäftsfelder getrennt, um die Vermarktung zu vereinfachen. Dadurch werden mögliche Synergien gar nicht oder nur unzureichend ausgenutzt. Ein Data Warehouse ermöglicht hier Geschäftsfelder zu virtuellen Einheiten zu verknüpfen.

• Fertigung/Logistik/Distribution: Durch die verschiedenen Analysen des Marktes mit Hilfe von Data-Mining können Trends frühzeitig erkannt werden. Dies erlaubt es einem Unternehmen, rechtzeitig reagieren zu können und die Fertigung anzupassen. Außerdem kann die Lagerhaltung und der Vertrieb schnell angepasst werden.

• Cross-funktionale Fragen: Die Einführung eines Data Warehouses kann das Informationsverhalten der Mitarbeiter positiv beeinflussen. Sie erhalten einen Einblick auf die gesamte Wertschöpfungskette und können die Konsequenzen ihres Handelns besser abschätzen. Außerdem können die Verknüpfungen zwischen den Abteilungen analysiert werden. Managemententscheidungen können so auf eine solide Grundlage gestellt werden. Durch Red-Flag-Funktionalitäten werden darüber hinaus schnelle Reaktionszeiten auf kritische Veränderungen ermöglicht.

4.4.1 Klassifikationsmethoden

4.4.1.1 Entscheidungsbaum Beispiel : Bestimmung der Kreditwürdigkeit Ist ein Berufstätiger kreditwürdig, wenn er jünger als 30 Jahre ist, ein Einkommen < 100000€ hat und 250000€ Schulden?

Eine Anwendung der Klassifikationsanalyse ist zum Beispiel die Beurteilung der Kreditwürdigkeit von Bankkunden. Hier werden zuerst die bisherigen Kreditnehmer, die ihren Kredit zurückbezahlten, in der Gruppe „kreditwürdig“ zusammengefasst. Die Kunden, die ihren Kredit nicht zurückbezahlten, bilden dann die Gruppe „nicht kreditwürdig“. Anhand dieser bekannten Testdaten entwickelt das Verfahren nun einen Entscheidungsbaum mit zum Beispiel folgenden Komponenten: Verschuldungsgrad, Alter, Einkommen, Sicherheiten...... Anhand des Entscheidungsbaumes kann man nun bei der Kreditvergabe in Zukunft den Kunden anhand der Informationen Alter,


Verschuldungsgrad, Einkommen in die Gruppe „kreditwürdig“ oder „nicht kreditwürdig“ einordnen. Die Abbildung zeigt einen möglichen Entscheidungsbaum. Hier entspricht die Klasse 0 der Gruppe „nicht kreditwürdig“ und Klasse 1 der Gruppe „kreditwürdig“. Dieser in Abb.1 dargestellte Entscheidungsbaum sagt voraus, dass jemand der berufstätig ist, zwischen 30 und 50 Jahre alt ist, sein Einkommen maximal 100.000 Euro beträgt und seine Schulden größer als 250.000 Euro sind, sehr wahrscheinlich einen weiteren Kredit nicht zurückzahlen kann. Dagegen legt das Modell nahe, einem Studenten, der kein Vermögen besitzt, aber eine Bürgschaft seiner Eltern vorweisen kann, einen Kredit zu gewähren.


4.4.1.2 Naiver Bays Qualitätskontrolle Lieferant A B C Lieferanteil 70% 20% 10% Mangelhafte Stücke pro Lieferung 10% 30% 20%

a) Frage: Wie groß ist der Anteil der mangelhaften Stücke überhaupt? b) Mit welcher Wahrscheinlichkeit ist ein mangelhaftes Stück vom Lieferant A?

Schulbeispiel zur Herleitung

Zwei Säcke enthalten rote und blaue Kugeln. Im ersten Schritt wird gewürfelt, um einen Sack auszuwählen. Wird eine 1 oder 2 gewürfelt, wählen wir Sack 1, sonst Sack 2. Danach wird eine Kugel zufällig aus diesem Sack entnommen. Wir haben eine blaue Kugel gezogen, wie groß ist die Wahrscheinlichkeit, dass sie aus Sack 1 stammt?


Die Formel

)()()(

)(DP

hPhDPDhP =

Der Satz von Bayes gibt an, wie man mit bedingten Wahrscheinlichkeiten rechnet Beispiel zwei Ereignisse: Ereignisse h = Sack 1 ist ausgewählt, Ereignis D eine blaue Kugel ist gezogen P(h/D) (a posteriori Wahrscheinlichkeit) Wahrscheinlichkeit von h unter der Voraussetzung von D. Wie groß ist die Wahrscheinlichlichkeit von Sack 1 (h) unter der Voraussetzung blaue Kugel (D) gezogen? P(h) (A priori Wahrscheinlichkeit), ist die Wahrscheinlichkeit eines Ereignisses h, die man aufgrund von Vorwissen kennt. Ich kenne die Wahrscheinlichkeit von Sack 1 oder ich kenne die Wahrscheinlichkeiten auf Grund von Testdatenbeständen (Aus meinen Testfällen weiß ich zum Beispiel, dass 5/11 aller Patienten zur Risikoklasse hoch gehören). P(D/h): (likelyhood) Ist die Wahrscheinlichkeit eines Ereignisses D unter der Voraussetzung, dass h eintritt. (Wenn ich Sack 1 ausgewählt habe, die Wahrscheinlichkeit einer blauer Kugel). P(D) = (Wahrscheinlichkeit des Ereignisses D ) Wahrscheinlichkeit einer blauen Kugel überhaupt. Dies bedeutet eine Normierung des Bruches auf 100 %. Naiv deshalb, weil das Verfahren auf der Annahme der Unabhängigkeit der Merkmale beruht.

4.4.2 Assoziation

Das Ziel der Assoziation ist es interessante Verbindungen der Attribute von Datensätzen zu finden. Man möchte z.B. wissen, von welchem Produkt eine Verbundwirkung ausgeht. Die Ergebnisse liefern Antworten auf zahlreiche Fragen, wie etwa:


• Welche Artikel einer Warengruppe werden zusammen gekauft? • Von welchem Artikel geht die Verbundbeziehung aus? • Welche Artikel werden zusammen mit Sonderangeboten gekauft? • Welche Artikel einer Warengruppe werden mit Artikeln anderer Warengruppen

gekauft? • Welche Artikel finden sich auf Bons mit hohen und niedrigen Summen?

Was als interessant zu bewerten ist wird mit zwei Kriterien beschrieben: Support und Confidence. Der Support einer Assoziationsregel ist ein Maß für die Anzahl (absolut oder in %) der Datensätze für die die Assoziationsregel zutrifft. Confidence bezeichnet die Anzahl der Datensätze für die die Assoziationsregel zutrifft im Verhältnis zu allen Datensätzen auf die sie anwendbar ist. Angenommen, man hat eine Regel X Y gelernt. Confidence bezeichnet die Stärke einer Regel: Eine Regel X Y hat Confidence c wenn c% der Datensätze in D, die X enthalten, auch Y enthalten. Support bezeichnet die Häufigkeit der Muster: Eine Regel X Y hat Unterstützung s, wenn für s% der Datensätze in D sowohl X als auch Y gilt Interessant sind Regeln mit hoher Confidence und großem Support

Mit diesen Maßen kann durch die Vorgabe von minimalen Support und Konfidenzen gesteuert werden, ab wann eine Assoziation als interessant angesehen wird. Denn sonst treten in einer umfangreichen Datenbasis fast beliebig viele Assoziationen auf. Dies hat auch einen positiven Einfluss auf die Rechenzeit des Verfahrens. Beispiel: Gegeben sei folgende Warenkorbanalyse Aftershave Bier Chips Transaktions-ID

(Käufe) 0 1 1 1 1 1 0 2 0 1 1 3 1 0 0 4 Berechnen Sie Support und Confidence. Welche Schlüsse ziehen Sie daraus {Aftershave} --> {Bier}


{Aftershave} --> {Chips} {Bier} --> {Chips} {Chips} --> {Aftershave} {Aftershave} --> {Bier,Chips}

Lösung

support{Aftershave} --> {Bier}= Anzahl aller Transaktionen, die Aftershave und Bier enthalten / Alle Transaktionen = ¼ Confidence {Aftershave} --> {Bier}= Anzahl aller Transaktionen, die Aftershave und Bier enthalten / Anzahl der Transaktionen, die Aftershave enthalten = ½ {Aftershave} --> {Chips} s= 0 {Bier} --> {Chips} s= 2/4, c=2/3 {Chips} --> {Aftershave} s=0 {Aftershave} --> {Bier,Chips} s=0 Anwendungsbeispiel: Assoziation. Warenkorbanalyse mit dem Apriori Algorithmus Der Apriori Algorithmus Ausgehend von dieser Zielsetzung besteht die Schwierigkeit der Assoziationsanalyse nun darin, geeignete Algorithmen zu finden, die in der Lage sind, die gesuchten Regeln effizient zu generieren. Dazu wurde 1993 von der Gruppe um Rakesh Agrawal am IBM Forschungszentrum in Almaden die ersten Algorithmen zur Erzeugung von Assoziationsregeln entwickelt, der bis heute die in verschiedenen Varianten angewendet wird. Ziel des Apriori Algorithmus ist es, die Menge aller häufigen Itemkombinationen (engl. „itemsets“) möglichst effizient zu bestimmen. Zu nutze macht man sich dabei die Regel dass alle Teilmengen einer häufigen Objektmenge ebenfalls häufig sind. Dies ist die Apriori-Regel. Oder anders ausgedrückt: Wenn ein Item A zu einem Itemset I hinzugefügt wird, kann das Ergebnis nicht häufiger sein, als I. Kommt z.B. die Itemmenge {Butter, Marmelade} in der Grundgesamtheit in 40% aller Fälle vor, so kann die Itemmenge {Butter, Marmelade, Zucker} auf keinen Fall diesen Prozentsatz übersteigen. Erfüllt nun die Itemmenge {Butter, Marmelade} nicht den Mindestsupport, so kann keine erweiterte Itemmenge der Form {Butter, Marmelade, ...} den Mindestsupport erreichen. Das Schaubild zeigt die exemplarische Vorgehensweise des Apriori Algorithmus anhand einer Warenkorbanalyse (# ist dabei definiert als die Häufigkeit einer Itemmenge). Die Datenbasis besteht aus acht Transaktionen. Alle häufigen Itemmengen sollen in der Datenbasis mindestens zweimal enthalten sein. Dies entspricht einem Mindestsupport von 2/8=25%. Im ersten Schritt werden die Häufigkeiten der 1-Itemmengen gezählt. Die Items “Honig“ und “Marmelade“ werden dabei nicht in die Ergebnismenge L1 aufgenommen, da sie nicht den Mindestsupport erreichen. Aus L1 wird die Hypothesenmenge C2 (Join-step) generiert in dem alle items miteinander kombiniert werden. In Schritt drei werden die Häufigkeiten der Kandidaten C2 anhand ihres Auftretens in der Datenbasis D ermittelt. Wiederum reicht der Support zweier Itemmengen nicht aus, um in die Menge der häufigen Itemsets aufgenommen zu werden. Schritt vier verdeutlicht die Funktion des Prune Step (Prune = entfernen aller nicht häufigen Untermengen). Da bei dem 3-Item-Kandidat {Brot, Butter, Wurst} die Teilmenge {Butter, Wurst} nicht häufig und somit nicht mehr als einmal in der Datenbasis vorhanden ist, kann die Itemmenge {Brot, Butter, Wurst} ebenfalls nicht mehr als einmal auftreten. Aus diesem Grund wird dieser Kandidat sowie der Kandidat {Brot, Käse, Wurst} im Prune Step eliminiert. Die Vorgehen wird solange fortgesetzt, bis CK und damit auch LK eine leere Menge bildet. Als Ergebnis liefert der Apriori Algorithmus die Mengen aller häufigen Itemsets mit ihren dazugehörigen Häufigkeiten.


18

18 Klaus D. Wilde: Data Mining im Marketing (Vorlesung) Katholische Universität Eichstätt-Ingolstadt http://www.ku-eichstaett.de/Fakultaeten/WWF/Lehrstuehle/WI/Lehre/dm_v/ abgerufen am 10.11.2003


4.4.3 Clustering Idee:

• Zuordnung einer endlichen Menge von Items zu Kategorien,Klassen oder Gruppen (Cluster) mit dem Ziel einer möglichst großen Ähnlichkeit zwischen Items im selben und einer möglichst großen Unähnlichkeit zwischen Items in verschiedenen Clustern

• Cluster sind vorher nicht bekannt • je kleiner die Distanz: Items sind ähnlicher • je größer die Distanz: items werden unähnlicher


4.4.4 Prognosen Von besonderer Bedeutung Warenwirtschaft sind Prognosen der zukünftigen Entwicklung der Nachfrage. Die Basis der Prognose sind die Verbrauchswerte der Vergangenheit. Mit den Vergangenheitswerten werden Zeitreihen aufgestellt und analysiert. Auf Grund der Analyse wird mit dem dafür geeigneten Prognoseverfahren, die Nachfrage in die Zukunft extrapoliert. Das generelle Prognosemodell sieht folgendermaßen aus:

19

rt die in der Periode t tatsächlich aufgetretenen Verbrauchsmengen einer Materialart darstellt, ist PWt+1 ein auf der Grundlage der Vergangenheitswerte prognostizierter Verbrauchswert für die Periode t+1. Um die Qualität eines Prognosemodells zu beurteilen, ist es erforderlich, eine ex post Prognose zu erstellen und die Vorhersagewerte mit den tatsächlichen Werten zu vergleichen um einen Prognosefehler festzustellen. Die Zeitreihen können vier Verlaufsformen annehmen:

• unregelmäßig o stark schwankend o sporadisch

• regelmäßig o konstant

ohne Saisoneinfluss mit Saisoneinfluss

o trendförmig ohne Saisoneinfluss mit Saisoneinfluss

Die gebräuchlichsten Prognoseverfahren für regelmäßige Bedarfsverläufe sind:

• Der gleitende Durchschnitt und • die exponentielle Glättung

19 Quelle: TEMPEL.142 ff


Methoden der Prognose a) Gleitender Durchschnitt Mit dieser Funktion und der zugehörigen Formel werden Werte in den Prognosezeitraum übertragen, die auf dem Mittelwert der Variablen für eine bestimmte Anzahl vorhergehender Perioden beruhen. Die prognostizierten Werte basieren auf der folgenden Formel.

Darin gilt:

• N ist die Anzahl der vorhergehenden Perioden, die in den gleitenden Durchschnitt einbezogen werden

• Aj ist der aktuelle Wert zum Zeitpunkt j • Fj ist der prognostizierte Wert zum Zeitpunkt j

Anmerkung: Die Anzahl der Punkte auf einer Trendlinie mit gleitendem Durchschnitt ist gleich der Gesamtzahl der Punkte in der Datenreihe abzüglich der Punkte, die Sie für die Periode angeben. Beispiel: Anzahl der Perioden, die rollierend einbezogen werden: N = 5 Aktuelle Periode: t = 8 Prognose für Periode t + 1 = 9 Summiert werden die Werte über folgende Perioden: (A8 + A7+ + A6 + A5 + A4 )/5 Für Index j = 1 ergibt sich t-j+1 = 8-1+1=8 Für Index j = 2 ergibt sich t-j+1 = 8-2+1 = 7 und so weiter bis Index j=N = 5 t-j+1 = 8-5+1=4

b) Exponentielle Glättung erster Ordnung

B steht für Verbrauch)

ei der exponentiellen Glättung handelt es sich um ein Prognoseverfahren, mit dem

abei werden die Vergangenheitswerte mit einem sog. Glättungsfaktor gewichtet, der ch die

VBneu = VBprognostiziert, alt + α ×(VBtatsächlich,alt - VBprognostiziert, alt) (V BZukunftswerte auf der Basis vergangener Werte vorhergesagt werden. Dexponentiell abnimmt je weiter man in die Vergangenheit zurückgeht. Es werden dadurjüngeren Vergangenheitswerte stärker bewertet. Das kommt dadurch zustande, dass immer die errechneten alten Prognosewerte mit einbezogen werden um die neuen zu errechnen, aber da der Glättungsfaktor mit eingeht, kommen diese Vergangenheitswerte, je weiter sie zurückliegen immer weniger stark zum Tragen .


c) Zeitreihenanalysen Wenn man für ein metrisches Merkmal Y zu aufeinanderfolgenden Zeitpunkten oder Perioden Beobachtungen sammelt, erhält man eine Zeitreihe. Die Zeitreihenanalyse zielt darauf ab, Entwicklungsverläufe für Merkmale anhand von Modellen zu erklären und Prognosen zu gewinnen. Bei manchen Zeitreihen erkennt man Auffälligkeiten schon durch bloßes "Hinsehen". Bei der Visualisierung von Zeitreihen aus der Ökonomie entsteht oft der Eindruck, dass die beobachteten Merkmalswerte yt durch das Zusammenwirken verschiedener Bewegungskomponenten erklärbar sind. Das additive Komponentenmodell der Zeitreihenanalyse geht von einer systematischen Komponente gt aus, die durch Saisoneinflüsse st und zufällige Einflüsse εt (lies: epsilon-t) überlagert wird. Der systematische Anteil des Modells heißt auch glatte Komponente, weil er in den gängigen Modellen durch eine glatt verlaufende Kurve repräsentiert wird. Bezüglich des Störterms εt wird - analog zum Regressionsmodell - angenommen, dass er zufällig um den Wert Null schwankt, also keinen systematischen Beitrag liefert. Das Komponentenmodell in dieser Form beinhaltet also, dass sich die beobachteten Werte zu jedem Zeitpunkt t zusammensetzen aus einer Trendfunktion, einer Saisonkomponente und einem nicht erklärten Rest, der auf Zufallseinflüsse zurückgeht. Bei manchen Anwendungen innerhalb und vor allem außerhalb der Ökonomie ist keine Saisonkomponente erkennbar, etwa bei Zeitreihen für Aktienkurse. Man hat dann ein reines Trend-Modell

tttt sgy ε++=

tg = glatte Komponente / Trend

ts = Saisonkomponente

tε = Störterm, zufällige Komponenten Die gebräuchlichsten Prognoseverfahren für regelmäßige Bedarfsverläufe sind

• der gleitende Durchschnitt • die exponentielle Glättung • Ermittlung des Trends durch eine Regressionsanalyse


Trendberechnung mit der KQ-Methode: Lineare Regression

In vielen Anwendungsfeldern kann man bei der Analyse von Zeitreihen ein reines Trendmodell verwenden. Häufig kann man mit einem linearen Ansatz arbeiten Bei Ansatz eines linearen Trends setzen sich die beobachteten Werte yt also zusammen aus der systematischen Komponente α + βt und einem Störterm εt (lies: epsilon-t). Dies ist genau das lineare Regressionsmodell, wenn man dort den Beobachtungsindex mit t bezeichnet und für die Werte xt des unabhängigen Merkmals X speziell xt = t setzt. (Vergleiche die Herleitung) Die KQ-Schätzungen für die Parameter der Trendgeraden ergeben sich also direkt aus den Formeln zur KQ-Schätzung beim einfachen linearen Regressionsmodell. Man hat hier lediglich im Minimierungsansatz xt durch t zu ersetzen.

Beispiel der Umsatzentwicklung einer Brauerei

Umsatzen

020406080

100120140

0 2

Um

satz

twicklung einer Brauerei

4 6 8 10 12

Jahre

t yt1 622 663 684 765 906 947 1058 1079 114

10 120

Sie sehen in tabellarischer und grafischer Darstellung fiktive Umsatzzahlen yt einer Brauerei für den 10-Jahres-Zeitraum von 1988 bis 1997. Dem ersten Jahr dieses Zeitraums ist der Indexwert t = 1 zugewiesen. Die Daten legen den Ansatz eines linearen Trendmodells nahe. Wie wird die Umsatzentwicklung in den nächsten Jahren sich verhalten ?

t yt t*yt t*t1 62 62 12 66 132 43 68 204 94 76 304 165 90 450 256 94 564 367 105 735 498 107 856 649 114 1026 81

10 120 1200 10055 902 5533 385 Summe5,5 90,2 553,3 38,5 Mittelwert

Bei der Schätzung des Achsenabschnitts α (lies: alpha) und der Steigung β(lies: beta) der Trendgeraden nach der Methode der kleinsten Quadrate ist es sinnvoll, die Tabelle um zwei Hilfsspalten zu ergänzen, in denen die Produkte aus t und yt bzw. die Quadrate des Zeitindexes ausgewiesen sind. Wenn man die vier Spalten der erweiterten Tabelle aufsummiert und durch die Anzahl der Elemente pro Spalte teilt, hat man nämlich genau die Mittelwerte, die in den KQ-Schätzformeln auftreten. Jetzt sind die vier berechneten Mittelwerte nur noch in die Kleinst-Quadrat-Schätzformeln einzusetzen. Anmerkung: In den Tabellen Yt durch Yt ersetzen


933,65,55,38

2,90*5,53,553)(

*222

=−

−=

−

−=

∧

ttyttyβ

068,525,5*933,62,90 =−=−=∧∧

ty βα

Der für (lies: beta-Dach) errechnete Wert gibt an, um wieviel Millionen Euro pro Jahr sich der Umsatz der Brauerei tendenziell verändert. Diesen Wert benötigt man noch zur

Berechnung des KQ-Schätzwerts (lies: alpha-Dach). Die nach dem KQ-Prinzip geschätzte Trendgerade ist hier also durch die Gleichung = 52,068 + 6,933 t gegeben.

∧

β

∧

α

Mit Regressionsgerade

0

20

40

60

80

100

120

140

Jahr

Um

satz

yt 62 66 68 76 90 94 105 107 114 120

Prognose 59,001 65,934 72,867 79,8 86,733 93,666 100,599 107,532 114,465 121,398

1 2 3 4 5 6 7 8 9 10


4.5 Die Präsentationsschicht

4.5.1 Management Cockpits „Das sogenannte Führungscockpit (auch Management-Cockpit) ist eine spezielle Darstellung der grundlegenden ökonomischen Kennzahlen eines Unternehmens, die das Controlling der Unternehmungsführung möglichst zeitnah bereitstellt. Der Controller als Träger der Transparenzverantwortung hat die Aufgabe, über die reine Darlegung dieser Kennzahlen hinaus eine Darstellung zu wählen, die möglichst direkt und übersichtlich erkennen lässt, in welchem Umfang die Unternehmensziele aktuell erreicht werden. Diese kontinuierlichen Berichte sind entfernt mit der Anzeige der verschiedenen Bordinstrumente im Cockpit etwa eines Flugzeuges vergleichbar“20. Andere Darstellungsformen sind unter dem Begriff Dashboard bekannt.

Um einen Management-Cockpit nachhaltig aufzubauen, muss das Controlling folgende Aufgaben erfüllen:

• Aufnahme der Anforderungen an eine kennzahlenorientierten Unternehmens-Navigation

• Aufbau und Pflege von Analyse- und Auswerte-Technologien • Aufbau und Pflege controllingrelevanter Informationsspeicher • Aufbau und Pflege einer permanenten Informationslogistik

5 Literatur zum Nacharbeiten:

• [BECK]Jörg Becker, Axel Winkelmann: Handelscontrolling. Optimale Informationsversorgung mit Kennzahlen. Berlin, Heidelberg, New York 2006

• [BERT]Hans Bertram: Data Warehouse gestützte Warenwirtschaftssysteme. In: Antje Krey:Handelscontrolling. 2.überarbeitete Auflage, Hamburg 2000. S. 311 ff

• [Schütt]Reinhard Schütte, Oliver Vering: Erfolgreiche Geschäftsprozesse durch standardisierte Warenwirtschaftssysteme. Berlin, Heidelberg, u.a. 2004

20 Wikipedia, Cotrolling: http://de.wikipedia.org/wiki/Controlling, abgerufen am 20.9.2006


• [HOLT]Jan Holthuis: Der Aufbau von Data Warehouse Systemen, Konzeption-Datenmodellierung-Vorgehen. Wiesbaden 1999.


Wawi-Klausurumfang-Skript

Documents

Transcript of Wawi-Klausurumfang-Skript