Managementunterstützungssysteme/FIS Flashcards
Aufgabe eine FIS
alle Daten des Unternehmens analysieren und aufbereiten
FIS
Konzeptionelle Fragestellung/Kernfragen
- Welche Informationen sollen in das Syste aufgenommen werden?
- Wie werden die Daten beschafft, aufbereitet und bereitgestellt?
- In welcher Information werden die Informationen präsentiert?
- Übersicht → Graphiken → Zahlen (Detaillierungsgrad)
FIS
- Wie werden Daten beschafft, aufbereitet und bereitgestellt?
Data Warehouse = 2. Datenbank für FIS
- externe Daten/Planwerte → Direktabruf aus Onlinediensten oder manuelle Eingabe
- z.B. Rohstoffpreise, Gesetzesänderungen, Wetterdaten, soziale Netzwerke
- interne Daten → Direktübernahme aus operativen Anwedungssystemen nach Selektion und Aggregation
Datenauswertung → Plan-Ist-Vergleich
FIS
Gründe für Data Warehouse
- stabile, statische Daten für vergleichende Analysen, Historie, …
- Datenänderungen zum Testen möglich ohne Auswirkungen auf Produktion
- operatives Tagesgeschäft wird nicht gestört
- Analyse benötigt große Bandbreite (schneller)
FIS
- In welcher Form werden die Informationen präsentiert?
- natürliche Sprache
- graphische Unterstützung wie Drag & Drop
- Abfrageergebnisse als interaktive Graphiken, insbesondere mit Drill-Down-Unterstützung → Durchwandern von Verdichtungshierarchien
BI
Definition
Menge an Methoden, Algorithmen, Konzepten, um Daten zu analysieren und aufzubereiten, dass Manager intelligent und informiert Entscheidungen treffen können
BI
Wissen
in der Datenmenge verborgene entscheidungsrelevante Zusammenhänge, Muster, …
z.B. Trends, Verbraucherverhalten, Kundensegmente
Architektur von BI-Systemen
BI
Technologien im Überblick
BI
ETL - 4 Phasen
Extraktion - Transformation - Laden
- Bereinigung: Beseitigung von syntaktischen und semantischen Mengeln (Datumsformate, fehlende Werte durch Planwerte ersetzen)
-
Harmonisierung: Synonyme, Homonyme und unterschiedliche Codierungen beseitigen
- Synonym: Mitarbeiter, Personal - Homonym: Partner für Kunden/Lieferant - Geschlecht codiert mit (0,1)/(m,w)
- Verdichtung: Summation auf verschiedene Aggregationsstufen, in Data Warehouse gespeichert
- Anreicherung: Berechnung und Speicherung wichtiger Kennzahlen = Grenzzahlen (Return of Investment, Gewinn, Krankenstand, …)
BI
Data Warehouse
- Sekundärdatenbank, die mit ETL-Verfahren aus Anwendungssystemen und externen Datenquellen erzeugt wird
- Daten so aufbereitet, dass in geeigneter Weise (Hypercube) dem OLAP - Online Analytical Processing zur Verfügung stehen
BI
Data Mart
- abteilungsspezifisches Data Warehouse
- 1 Data Warehouse → viele Data Marts
- multidimensional statt relational (Data Warehouse)
BI
Gründe für Data Marts
- gleiche Datenbestände gleichzeitig an mehreren Orten schneller bereitstellen (vergleichende Analysen zwischen Filialen/Tochterunternehmen)
- einzelnen Fachabteilungen eigene, spezielle Datensammlungen ermöglichen (Vertrieb: Preise, Verkaufszahlen, … - Personal: Kosten, Krankenstände, …)
→ schneller durch weniger Daten und multidimensionalen Zugriff
→ nur wesentliche Daten
BI
Analyseverfahren
- Drill-Down-Technik: systematisches Durchwandern von Verdichtungshierarchien
- Whatif-Analysen: bestimmte Parameter/Variablen verändern, um mögliche Auswirkungen zu sehen
- Multidimensionale Auswertung (OLAP):
- mehrere Dimensionen auswählen → Würfel
- einschränken → Slicing and Dicing
- Daten aggregieren und zu einem Ergebnis summieren
- verbinden mit Drill-Down
BI
Data Mining
- Suche nach bisher unbekannten aber relevanten Zusammenhängen
- neues, nicht offensichtliches Wissen automatisiert ableiten
- gegenseitige Beziehungen der Daten/Analyseziel nicht vorher festgelegt
- Anwendung: Vertrieb → Käuferverhalten anaylsieren, Kundenprofile erstellen