Kartografische Visualisierung von KennzahlenEffiziente Nutzung betriebswirtschaftlicher Fakten
Lesedauer: 6 Minuten
|
Der Mensch ist ein visuelles Wesen, denn ein Großteil unserer Kommunikation findet über die Augen statt. Permanent werden bewusst und unbewusst Informationen wahrgenommen, bewertet, gespeichert, verworfen. Die Art der Präsentation dieser Informationen hat dabei einen entscheidenden Einfluss auf die Attraktivität und die Verarbeitungsgeschwindigkeit für unser Gehirn. Zusammenhänge bleiben entweder verborgen oder werden bereits auf den ersten Blick erfasst. Erkenntnisse prägen sich nachhaltig ein oder sind in wenigen Minuten wieder vergessen. Was also liegt näher, als harte betriebswirtschaftliche Fakten visuell ansprechend und mit räumlichem Bezug aufzubereiten?
ERP als Instrument zur zielgerichteten Steuerung der betrieblichen Wertschöpfung ist für Unternehmen heute selbstverständlich. Dabei werden die Ressourcenplanung und -verwendung eines Unternehmens mit einem einzigen, großen ERP-System oder mit verschiedenen, miteinander verbundenen kleineren IT-Systemen abgebildet.
Den Ursprung haben diese Systeme vor allem in Anwendungen, die für die Produktionsplanung und -steuerung (PPS-Systeme) geschaffen worden sind. Erst mit der Erweiterung dieser Systeme um Komponenten, z. B. für die Personalwirtschaft und den Vertrieb, wurde der Begriff ERP geprägt.
Die in den ERP-Systemen vorliegenden Daten können analysiert und dadurch Erkenntnisse über vielfältige Aspekte des Unternehmens gewonnen werden. Aus verschiedenen Gründen werden solche Auswertungen allerdings nicht im ERP-System vorgenommen, sondern auf einer dafür besser geeigneten Datenbasis, dem Data Warehouse (DWH). Dazu werden die Daten aus den Ursprungsquellen mittels ETL-Prozess (Extraktion, Transformation, Laden) im Data Warehouse bereitgestellt und auf diesem zentralen und konsistenten Datenbestand dann die Business-Intelligence-Projekte durchgeführt.
Business Intelligence (BI)
Der Begriff Business Intelligence wurde bereits 1958 durch Luhn geprägt [1]. Er konnte sich allerdings erst Ende der Neunziger Jahre im betrieblichen Umfeld etablieren. Den in Wissenschaft und Praxis uneinheitlich interpretierten Begriff teilt Gluchowski in drei Sichtweisen ein, die er als „enges“, „analyseorientiertes“ und „weites BI-Verständnis“ bezeichnet [2].
Unter dem engen Begriffsverständnis werden analyseorientierte Anwendungen, wie OLAP zusammengefasst, mit deren Hilfe multidimensionales Datenmaterial aufbereitet und präsentiert wird. Zum analyseorientieren BI-Verständnis zählen Komponenten, die zielgerichtete Analysen ermöglichen. Als Werkzeug kommen beispielsweise Data-Mining oder das Ad-hoc-Reporting zum Einsatz. Das weite Begriffsverständnis umfasst Applikationen, die der Aufbereitung und Speicherung der operativen Daten dienen, aber auch Auswertungsmöglichkeiten zur Verfügung stellen.
Business Intelligence sind also alle Aktivitäten der Identifikation und Selektion, der Bereinigung und Verbesserung sowie der Transformation und statistischen Analyse betrieblicher Daten, um aus ihnen Informationen für Planungs-, Kontroll- und Entscheidungssituationen zu generieren und bereitzustellen.
Neue Analysemöglichkeiten bieten sich, wenn solche Daten in visueller oder in kartographischer Ansicht bereitgestellt werden. Ein solches Projekt liegt diesem Beitrag zugrunde.
Projektidee
Die Berliner Stadtreinigung stand vor der Aufgabe, ausgewählte betriebswirtschaftliche Kennzahlen zur Sperrmüllsammlung auf einer Berlinkarte darzustellen. Das Kartenmaterial hierzu soll frei verfügbar sein, aber gleichzeitig aus offiziellen Quellen stammen.
Die Anzeige der Karte sollte in der bei der BSR bereits im Einsatz befindlichen In-Memory-basierten Business-Intelligence-Software erfolgen – eines der wesentlichen Erfolgskriterien für die Akzeptanz der Lösung bei den Anwendern. Denn: Eine separate GIS-Lösung (Geoinformationssystem), bei der Kennzahlen aus Quellsystemen immer wieder neu importiert werden müssen und dann nur statisch, für die eine Perspektive der Auswertung dargestellt werden können, bietet keinen Mehrwert bei den Anwenderinnen und Anwendern. Self-Service-BI durch assoziative Datenanalysen von Millionen von Datensätzen in Sekundenschnelle, dargestellt auf einer Berlinkarte – das war der Anspruch des hier beschriebenen Vorhabens.
Rahmenbedingungen
Zunächst galt es, einen geeigneten Kartendienst zu evaluieren. Die Senatsverwaltung für Stadtentwicklung und Umwelt von Berlin bietet auf ihrer Internetpräsenz den Kartendienst FIS Broker an. Dieses Geoportal ist nicht nur über die Weboberfläche verfügbar, sondern wird auch als Web Map Service (WMS) angeboten.
Ein WMS stellt eine Schnittstelle in Form eines spezialisierten Web Service dar. Dieser Web-Service liefert auf eine HTTP-GET-Anfrage hin Auszüge von Landkarten zurück, ggf. auch Metainformationen zu einer Position innerhalb des dargestellten Kartenausschnittes. Die Spezifikation eines WMS wurde vom Open Geospatial Consortium (OGC) verfasst [3]. Aktuell liegt diese in der Version 1.3.0 vor.
Neben geeignetem Kartenmaterial sind für eine kartografische Darstellung von beliebigen Elementen die passenden Koordinaten unabdingbar. Im ERP-System der BSR liegen zu den Adressen der Leistungsorte im Berliner Stadtgebiet die zugehörigen X- und Y-Koordinaten im Format World Geodetic System 1984 (kurz: WGS84) vor. WGS84 ist ein geodätisches Referenzsystem und wurde durch die International Civil Aviation Organization (ICAO) u. a. zum Standard für die Navigation im zivilen Luftverkehr erklärt [4].
Ausgangslage
Sämtliche kaufmännische Auftrags- und Abrechnungsdaten, die Kundendaten sowie die logistischen Leistungsdaten der Sperrmüllentsorgung werden täglich aus dem ERP-System der BSR in die Business Intelligence Software extrahiert. Somit stehen die Informationen Tag genau zur Verfügung.
Darunter sind z. B.:
- Art (Sperrmüll, Elektroschrott) und Anzahl der Aufträge
- Mengen der Entsorgung
- Inanspruchnahme von Zusatzleistungen (Expressservice, Komfortentsorgung)
Bereits ohne eine Kartenanbindung lässt sich eine Vielzahl von interessanten Fragestellungen beantworten, z. B.:
- Wie viele Aufträge wurden in einem bestimmten Zeitraum je Auftragsart erledigt?
- Welche Umsätze und Mengen wurden je Zeitraum/Auftragsart erzielt?
- Was sind die meistgenutzten Auftragskanäle bei welchen Kundensegmenten?
Mit der visuellen Unterstützung einer Berlinkarte ergeben sich neue Perspektiven auf die betriebswirtschaftlichen Fakten:
- In welchen Stadtgebieten sind Expressaufträge besonders beliebt?
- Welche Zusammenhänge existieren zwischen den Stadtgebieten und der Art der Leistung bzw. der entsorgten Mengen?
- Gibt es Leistungsorte, die besonders häufig im Jahresverlauf angefahren werden?
Umsetzung
Basis für die Umsetzung ist ein Punktdiagramm in der BI-Software. In diesem werden alle Leistungsorte der Sperrmüllentsorgung anhand ihrer WGS84-Koordinaten als verschiedene farbliche Punkte dargestellt. Die unterschiedlichen Farben repräsentieren in diesem Fall die unterschiedlichen Auftragsarten, allerdings ist auch jede andere Dimension für eine farbliche Unterscheidung denkbar.
Für den Aufbau des http-Requests an den Web-Map-Service der Senatsverwaltung müssen jeweils die minimalen sowie die maximalen X- und Y-Koordinaten aller Leistungsorte ermittelt werden. Daraus ergibt sich ein definierter Ausschnitt, wie in Bild 1 angegeben.
Dieser Ausschnitt definiert den Bereich des Stadtgebietes, zu dem der Web-Service den Auszug des Kartenmaterials in der Form jpeg oder png zurückliefern soll.
Der http-Request selbst weist lediglich vier Variablen (in rot) auf, deren Inhalt durch eine Berechnung dynamisch für jede Selektion neu ermittelt werden. Alle anderen Parameter sind statisch in der URL vereinbart.
Das empfangene Bild des Kartenausschnittes wird als dynamisches Hintergrundbild im Punktdiagramm definiert.
Der Vorteil dieser Lösung: Die Karte wird automatisch für alle sichtbaren Punkte auf die richtige Größe skaliert. Sofern Selektionskriterien auf die Leistungsorte angewendet werden, wie das Leistungsjahr oder ein spezifisches Berliner Stadtgebiet, so bestimmt die Treffermenge gleichzeitig auch die Größe und den Detaillierungsgrad der Karte. Im Bild 3 ist ein spezifisches Postleitzahlgebiet Berlins selektiert. Der zurückgelieferte Kartenausschnitt entspricht somit der min-max-Ausdehnung der selektierten Leistungsorte.
Ergebnis
Zwei Vorteile werden verbunden: die Flexibilität, Geschwindigkeit und Variabilität einer multidimensionalen, assoziativen In-Memory-basierten BI-Software mit der einprägsamen und intuitiven Präsentationsform einer Landkarte. Alle selektierten Dimensionen und Kennzahlen werden am Leistungsort dargestellt. Dabei wird ausschließlich lizenzkostenfreies, aktuelles Kartenmaterial aus öffentlicher Hand verwendet. Im Zuge der vielen Open-Data-Initiativen des Bundes und der Länder stehen solche frei verfügbaren Dienste vermehrt zur Verfügung, sodass eine vergleichbare Umsetzung auch mit Kartenmaterial anderer Regionen möglich sein sollte.
Für die Berliner Stadtreinigung können nun ganz konkret die Schwerpunktsammelgebiete der Stadt auf einen Blick erkannt werden. Gemessen und ausgewertet über längere Zeiträume lassen sich so Vorhersagen zu Sperrmüllaufkommen und Tourenauslastung in den Stadtbezirken präziser formulieren.
Literatur
[1] Luhn, H. P.: A Business Intelligence System: Stand Oktober 1958. URL: http://altaplana.com/ibmrd0204H.pdf, Abrufdatum 29.01.2014.[2] Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business Intelligence: Computergestützte Informationssysteme für Fach- und Führungskräfte. Berlin 2008.
[3] OGC Open Geospatial Consortium: Web Map Service. URL: www.opengeospatial.org/standards/wms, Abrufdatum 24.11.2015.
[4] ICAO International Civil Aviation Organization: World Geodetic System – 1984. URL: www.icao.int/NACC/Documents/Meetings/2014/ECARAIM/REF08-Doc9674.pdf, Abrufdatum 23.11.2015.
Das könnte Sie auch interessieren
