Sie sind auf Seite 1von 22

Spezielle Themen der WIERP Systeme

Unternehmensfhrung mit SAP BI


Merve Kalkan-071100085 Simin Toker-135808023

Die neue Herausforderung fr Unternehmen


-Wandel im Unternehmensfeld rechtliche Vernnderungen informationstechnisch getriebene Vernderungen

kologische Vernderungen

Wirschaftliche Umfeld der Fhrungsinstrumenten und Informationssystemen

konomische Vernderungen

Bedarf: Anpassung an Vernderungen der unternehmensinternen und externen Faktoren, Ein System, das erlaubt die Planung-, Steuerungs und Kontrollsystem des Unternehmens fhrt.

- Makro- und Mikroumwelt

Warum Business Intelligence?


Ziel
heterogene Datenmengen integrieren effizientere Planung-, Steuerung und Kontrolle Schlsselgren bestimmen Markt- und Unternehmenstreiber identifizieren

Ausgangspunkt
Business Information Warehouse (BW) und Strategic Enterprise Management (SEM) kombinieren komplexe Methode fachlicher und technischer Entwicklung strukturieren

Motivation und Vorgehen


Kernfunktion des Fhrungsprozesses Grundbegriffe sowie die Architektur- und Analyseprinzipien der Data Warehouse (DWH)-Technologie und deren technischen Prozesse beschrieben. Fr die Know-How ein Basis erstellen

Grundlagen einer modernen Unternehmensfhrung


Spezialisierte Systemelemente
zweck- und zielorientiert

Kernfunktionen der Fhrung


das Zusammenwirken von Mensch, Material und Methode, um ein bestimmtes Ziel zu erreichen.

Quelle ERP System und SAP R/3


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

SAP TR = Treasury Logistik: SAP MM = Materialwirtschaft, SAP SD = Vertriebslogistik, SAP PP = Produktionsplanung und -steuerung Personalwirtschaft: SAP HR = Human Resources

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

Struktur der Unternehmensfhrung

-Organisatorische Struktur des modernen Managements

Planung, Steuerung und Kontrolle als Kernfunktionen des Fhrungsprozesses


-Kybernetischer Regelkreis

-Instrumente der modernen Planung, Steuerung und Kontrolle


Ein

Unternehmen ist dann erfolgreich, wenn dessen Potentiale und Fhigkeiten auf die Anforderungen der Umwelt, insbesondere den Wettbewerb, abgestimmt sind.

Darber hinaus fr ein Unternehmen sind die Instrumenten wichtig wie;


-

Strken und Schwchenanalyse Potential und Wettbewerbsanalyse Portfolioanalyse Prognoseverfahren

Simulation Benchmarking Frhwarnsysteme Balanced Scorecard Budgetierung

-Instrumente der modernen Planung, Steuerung und Kontrolle

Herausforderungen in informationstechnisch gesttzten Managementprozess


Durch die Eigenschaft, groe Mengen an Daten entsprechend den Anforderungen schnell und effizient verarbeiten zu knnen, wurde die Informationssysteme, die der Versorgung des Fhrungssystems mit Informationen zur PSuK dienen, werden im allgemeinen als Fhrungsinformationssysteme (FIS) oder Managementsupportsysteme (MSS) bezeichnet.

-Entwicklung von Managementinformationssystemen


Whrend MIS und DSS sich wenig im oberen Management etablierten, hatten die prsentationsorientierten Excecutive Information Systeme (EIS) genau diesen Personenkreis und dessen Informationsbedarf zur Zielgruppe.

MIS stellt dem Unternehmen Informationen zur Verfgung, mit deren Hilfe das Unternehmen gelenkt bzw. das Controlling (also dem Produktionsund Vertriebssektor) betrieben werden kann.

Entscheidungsuntersttzungssyste me sind Softwaresysteme, die fr menschliche Entscheidungstrger fr operative und strategische Aufgaben relevante Informationen ermitteln, aufbereiten, bersichtlich zusammenstellen und bei der Auswertung helfen.

Das Konzept von Datawarehouse Systemen

In Bezug auf die Durchfhrung von Analysen zum Zweck der Entscheidungsuntersttzung liegt der Fokus des DWHKonzeptes auf der effizienten Bereitstellung groer Datenmengen durch Integration operativer Datenbanken und externer Datenquellen.

-Merkmale eines DWH


Folgende Merkmale eines DWH ableiten sich aus:

Themen- bzw. Analyseorientierung: Gespeicherte Informationen orientieren sich an entscheidungsrelevanten Geschftsobjekten, jedoch nicht an den operativen Geschftsprozessen konventioneller operativer Systeme. Zeitraumbezug: Alle Informationen enthalten einen Bezug zu einem Zeitraum, innerhalb dessen sie gltig sind. Damit knnen auch historische Daten parallel zu aktuellen Daten gespeichert werden, ohne sie, wie bei operativen Systemen blich, zu verlieren. Struktur- und Formatvereinheitlichung: Gleiche Informationen werden in einer Datenstruktur in einem Format abgelegt. Vorhandene unterschiedliche Ablagen dieser Informationen mssen in das einheitliche Format berfhrt werden. Nicht-Volatilitt: bertragene und archivierte Daten werden in einem DWH nicht mehr verndert, um eine konsistente Datenbasis zu schaffen. Eine Ausnahme bilden Plan-Daten, die im Zuge von Planungsprozessen hufigen nderungen unterliegen knnen.

-Die Schichten von DWH-Systemen

-Datenhaltung im Datawarehouse

In der Ebene der Datenhaltung werden Strukturen vorgehalten, in denen die Daten in einer multidimensionalen Form gespeichert werden, um dem Anwender mehrperiodische, flexible und mehrdimensionale Analysemglichkeiten zu erffnen.

Multidimensionales

Datenmodell

Multidimensionales Datenmodell ist zum einem die logische Struktur eines semantischen Datenmodells und zum anderem die technische Grundlage fr die Implementierung im DWH. Basis eines mehrdimensionalen Datenmodells bilden dessen Beschreibungselemente, welche die charakterisierenden Eigenschaften der Datenstruktur darstellen.

-Datenhaltung im Datawarehouse
Star-Schema

Das Sternschema ist eine besondere Form eines Datenmodells, dessen Ziel nicht die Normalisierung ist, sondern eine Optimierung auf effiziente Leseoperationen. Die Bezeichnung Sternschema rhrt daher, dass die Tabellen sternfrmig angeordnet werden: Im Zentrum steht eine Faktentabelle, um die sich mehrere Dimensionstabellen gruppieren.

Beispiel eines Star-Schemas

-Datenhaltung im Datawarehouse
Snowflake-Schema

Das Schneeflockenschema ist eine Weiterfhrung des Sternschemas, das beim OLAP und DataWarehousing eingesetzt wird. Zur Vermeidung auftretender Redundanzen innerhalb der Dimensionstabellen wird bei dem Snowflake- bzw. Schneeflockenschema eine Normalisierung der Datenstrukturen in Unterdimensionen vorgenommen.

Bespiel eines Snowflake bzw. Schneeflockenschemas

Anwendungen der DWH- Daten

Der Aufbau eines DWHs sowie die Modellierung der Daten dient dem Zweck, entscheidungsrelevante Informationen in unterschiedlichem Kontext darzustellen und weiterzuverarbeiten. Aus gesammelte Daten geschftsrelevante Informationen zu erreichen, muss man diese Daten entsprechend aufbereiten. Folgende Hauptkategorien lassen sich unterscheiden: Berichtswesen Adhoc Analyse Planung & Budgetierung Data Mining

OLAP als integraler Bestandteil der DWH Philosophie

- Drei Anstze von OLAP Systemen

Online Analytical Processing (OLAP) wird neben dem Data-Mining zu den Methoden der analytischen Informationssysteme gezhlt.

Relationales OLAP ( ROLAP) Multidimensionales OLAP ( MOLAP) Hybrides OLAP ( HOLAP)


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

-Navigation im Rahmen von OLAP


OLAP Wrfel
Ein OLAP-Wrfel ist ein in der Data-Warehouse-Theorie gebruchlicher Begriff zur logischen Darstellung von Daten. Die Daten werden dabei als Elemente eines mehrdimensionalen Wrfels (engl. cube) angeordnet. Grundoperationen eines OLAP Wrfels: Drill - Down Drill Up Drill Across Dicing Slicing

Beispiel eines OLAP Wrfels

Data Mining

Die spezialisierten Funktionen des Data Mining erweitern die betriebswirtschaftlichen Analysemethoden, um unentdeckte Zusammenhnge und Muster aus Beziehungen oder Gesetzmigkeitenzwischen Daten zu extrahieren und offen zu legen. Zum Einsatz kommen hierbei hauptschlich Techniken aus den Bereichen der Statistik, z. B. Neuronale Netze, Clusteranalyse und Entscheidungsbaumverfahren sowie Algorithmen zum Finden von Assoziationsregeln und Sequenzmustern. Diese Techniken untersttzen die drei Verfahren der Segmentierung, Klassifizierung und Assoziierung von abhngigen Daten.

Betriebswirtschaftliche Anwendungsgebiete des Data Warehouse-Konzeptes


Der Ausgangspunkt des DWH-Gedankens ist die Analysierbarkeit der Daten aus einer homogenen und integrierten Datenbasis, um effiziente und zielorientierte Analysen in unterschiedlichen betriebswirtschaftlichen Anwendungsbereichen unter mehrdimensionalen Sichtweisen durchzufhren. Im Folgenden werden diese Anwendungsbereiche charakterisiert:

Erweiterung des klassichen Reportings Optimierung der unternehmerischen Distribution Betriebliche Kennzahlensysteme Analystische Kosten- und Leistungsrechnung Exception Reporting