ERP-Technologie

Big Data Management

Stand der Innovationsadoption

26. September 2015 von Bernd Heesen

Big Data Management

Big Data Management ist heutzutage in fast allen Organisationen ein Gesprächsthema. Was genau sich dahinter verbirgt und was die Unterschiede zwischen Big Data Management, Business Intelli-gence und Business Analytics sind, wird in vielen Diskussionen nur unzureichend geklärt. Daher beginnt der Beitrag mit einer Vorstellung der Begrifflichkeiten, die, wenn auch abweichende Definitionen existieren, ein gemeinsames Verständnis für das weitere Lesen etablieren. Darauf aufbauend beschäftigt sich dieser Beitrag mit den Ergebnissen einer wissenschaftlichen Untersuchung, mit dem Thema, in welchem Ausmaß Unternehmen analytische Applikationen nutzen, um ihre Strategien effizient umzusetzen. Der Begriff Business Intelligence wurde erstmals von Hans Peter Luhn [1] 1958 in dem IBM Journal erwähnt. Luhn beschreibt Business Intelligence (BI) als eine Kombination von Konzepten und Methoden, welche die Entscheidungsfindung in Organisationen durch die Bereitstellung faktenbasierter Informationssysteme verbessern. Im Zuge der rasanten Entwicklung der Informationstechnologie ab Mitte der 1990er Jahre wurde die Idee des BI wieder zum Leben erweckt. Ex-ecutive Information Systems, Management Information Systems und Online Analytical Processing (OLAP) wurden etabliert. Das von den ERP-Systemen bereitgestellt Berichtswesen wurde zunehmend mithilfe von extern etablierten Data Warehouses abgebildet. Ein wesentlicher Vorteil dieser Trennung von ERP-Systemen zur Unterstützung der Geschäftstransaktionen mithilfe des Online Transactional Processing (OLTP) und der Data Warehouses für das Berichtswesen (OLAP) ist die Tatsache, dass aufwendige Analysen und Berichtsabfragen die Antwortzeiten bei der Ausführung der Geschäftsprozesse im ERP-System nicht mehr negativ beeinflussen.


Bild1: Strategic Business Intelligence Framework [3].

Neueste Entwicklungen der führenden Anbieter nutzen inzwischen In-Memory-Business Intelligence, um diese Problematik der Antwortzeit zu lösen, ohne eine Trennung der OLTP und OLAP-Systeme erforderlich zu machen. Für Organisationen mit mehr als einem ERP-System (von besonderer Relevanz bei international agierenden Organisationen mit landesspezifischen ERP-Systemen und Organisationen, die durch Merger and Acquisition Aktivitäten heterogene Systemlandschaften nicht vermeiden können) ist jedoch durch die Vielfalt der ERP-Systeme eine Zusammenführung in einem Gesamtsystem oft unmöglich. Die Einführung eines Data Warehouse als zentrales System für alle Daten, die systemübergreifend für ein integriertes Berichtswesen genutzt werden können, etabliert somit weiterhin die Grundlage für ein organisationsweit einheitliches Berichtswesen und ergänzende Funktionen der Unternehmensplanung und -kontrolle. Diese werden oft mit dem Begriff Business Analytics bezeichnet.

Im Zuge der neueren Entwicklungen werden unternehmensrelevante Daten jedoch nicht mehr nur in OLTP-Systemen erfasst, sondern in einer Vielzahl von Applikationen (Websites, soziale Netzwerke, Apps etc.) und über unterschiedlichste Endgeräte (mobile Endgeräte, GPS-Systeme, Kameras etc.). Aufgrund des hohen Volumens an Daten und deren unterschiedlicher Struktur wird hierbei von Big Data gesprochen. Die Menge der Daten, die sich seit dem Anbeginn der Menschheit bis zum Jahr 2003 angesammelt hat, betrug insgesamt fünf Exabytes. Heute entsteht eine Datenmenge mit diesem Volumen schon in einem Zeitraum von nur zwei Tagen [2].


Bild 2: Top 5 Business Intelligence Vendors worldwide.

Business Intelligence [3] als Überbegriff berücksichtigt jegliche Art von Daten (Big Data), unabhängig von ihrer Herkunft aus OLTP-Systemen, OLAP-Systemen oder anderen Datenquellen (Data Supply) und stellt diese in einem standardisierten Format in einem Data Warehouse (Data Management) zur Verfügung (BI-Foundation). BI-Front-end-Anwendungen greifen auf diese Daten zu, um die gängigen Business Analytics zu betreiben: (1) Analyse historischer Daten (Data-Mining, Korrelationsanalyse zwischen Früh- und Spätindikatoren usw.), (2) Analyse aktueller Daten (Alerts, Performance Monitoring usw.) und (3) Analyse zukünftiger Entwicklungen (Szenarioplanung, Simulation, Strategieplanung, Budgetierung).

Markt von BI-Lösungen
Der Markt für BI-Lösungen wächst seit Jahren, was mit der zunehmenden weltweiten Nachfrage nach BI, Corporate Performance Management (CPM) und analytischer Anwendungssoftware begründet ist. Der Markt belief sich im Jahr auf 14,4 Milliarden US$, ein Wachstum um 8 % gegenüber dem Vorjahr, basierend auf Information des Marktforschungsunternehmens Gartner [4]. Dieser Betrag beinhaltet noch nicht die Investitionen in die Implementierung dieser Softwarelösungen.

Nutzen von Business Intelligence
Als Gründe für die Investitionen in BI, wurden u.a. die folgenden Faktoren identifiziert [5]:

  • Bessere Transparenz von entscheidungsrelevanten Fakten für die Planung und Kontrolle (54 %)
  • Interesse an besserer Analyse des eigenen Geschäftes, um der Herausforderung sich schnell verändernder Märkte gewachsen zu bleiben (43 %)
  • Frühwarnsystem (29 %)

Bild 3: World of Strategic Business Intelligence [5].

Insofern ist erkennbar, dass BI aus der Unternehmensstrategie abgeleitete Ziele mithilfe von CPM zu erreichen helfen soll, wie in Bild 3 dargestellt ist und in [6] näher vorgestellt wird.
CPM basiert auf der Annahme, dass zunächst eine Strategie festgelegt wird und dann unter Nutzung von messbaren Kriterien (Key Performance Indicators, KPI) im Rahmen der Unternehmensplanung Zielwerte definiert werden, die mit den Verantwortlichen auf allen Organisationsebenen abgestimmt sind. Auf diese Art können die Beiträge aller an der Wertschöpfung Beteiligten bestmöglich an den Organisationszielen ausgerichtet werden.
Herausforderungen

Basierend auf einer Befragung von 23⌨Personen aus dem Jahr 2004 wird dies so aber in den wenigsten Organisationen gelebt [7]. Das Ergebnis der Studie war erschütternd:

  • Nur 10 % gaben an klare, messbare, terminbezogene Arbeitsziele zu haben, an denen sie sich orientieren.
  • Nur 10 % hatten das Gefühl, dass für sie relevante KPI akkurat gemessen und ihnen zugänglich gemacht würden.
  • Nur 37 % waren sich sicher die Ziele ihrer Organisation verstanden zu haben.

Der Autor hat sich dieser Thematik gewidmet und im letzten Jahr eine neue Befragung gestartet und Organisationen damit die Möglichkeit gegeben, durch die Beantwortung der Fragen, für sich selbst Klarheit zu erlangen, inwieweit die eigene Strategieumsetzung effektiv ist und wie der Nutzungsgrad von BI im Vergleich zu anderen Organisationen aussieht [8].


Bild 4: Teilnehmer der Studie.

Strategy Execution Effectiveness Survey
An der Umfrage haben in 2014 bislang 117 Personen teilgenommen, die, wie aus Bild 4 erkennbar, überwiegend der Management- und Executive-Ebene zugeordnet werden können und über entsprechend langjährige Berufserfahrung verfügen. Die repräsentierten Organisationen stammen aus 13 Ländern, wobei mehr als 40 % der Teilnehmer aus Deutschland stammen.
Die Studie geht sehr tief in der Analyse relevanter Fragen auf der Strategie-, Management-, und IT-Ebene. Einige der bemerkenswerten Erkenntnisse ergaben Folgendes:

Strategie und Management:

  • Nur 29 % der Mitarbeiter verstehen die Ziele der Organisation.
  • Nur 27 % gaben an, dass klare, messbare Arbeitsziele für alle Mitarbeiter definiert sind.

Information:

  • Nur 25 % stimmen zu, dass die Mitarbeiter Zugriff auf die für ihre eigene Arbeit relevanten KPI haben.
  • Nur 33 % haben das Gefühl, dass die IT-Infrastruktur geeignet ist, um organisationsumspannende Analytics zu unterstützen.
  • Nur 36  % stimmen zu, dass alle relevanten KPI aufgezeichnet werden.
  • Nur 50 % stimmen zu, dass die Informationssysteme akkurate und zeitnahe Informationen zu den KPI anbieten.

Das könnte Sie auch interessieren:
Prozessmanagement und Big Data – Eine neue Herausforderung

AnalyticsBig DataBusiness IntelligenceCorporate Performance ManagementEffective Strategy Execution


[1] Luhn, H. P. (1958): A business intelligence system. IBM Journal, S. 314 - 319.
[2] Heesen, B. (2012): Effective Strategy Execution: Improving Performance with Business Intelligence. Berlin: Springer. S. 88.
[3] Smolan, R.; Erwitt, J. (2012): The Human Face of Big Data. Against All Odds Productions, S. 1.
[4] Gartner Inc. (2014): Gartner Says Worldwide Business Intelligence and Analytics Software Market Grew 8 Percent in 2013. Stamford, Connecticut: Press release from April 29, 2014. http://www.gartner.com/newsroom/id/2723717.
[5] Ness Global Industries (2010): From expected to achieved: Four steps to making business intelligence work. http://www.nessdownload.com/forms/NGI_WP_BIResearch_Final.pdf.
[6] Heesen, B. (2012): Effective Strategy Execution: Improving Performance with Business Intelligence. Berlin: Springer. S. 22 - 35.
[7] Covey, S. R. (2004): The 8th habit: From effectiveness to greatness. New York: Free Press. S. 370-371.
[8] Heesen, B. (2014): Strategy Execution Effectiveness Survey. http://www.survey.prescient.pro.




Das könnte Sie auch interessieren

Anbieterportal


alle Anbieter
Sharer Icon: facebookSharer Icon: TwitterSharer Icon: LindekInSharer Icon: XingSharer Icon: EnvelopeSharer Icon: Print
Banner

Melden Sie sich zur Onlineveranstaltung an

16.11.2020: Finale Wettbewerb Fabriksoftware des Jahres

23.11.2020: Fachkongress Fabriksoftware

Wir verwenden Cookies, um die Nutzererfahrung stetig zu verbessern. Mehr Erfahren.

Essentielle Cookies

Cookie Settings
Speichert Einstellungen, die hier getroffen werden. (1 Jahr)

Statistik

Google Analytics | Google LLC | Datenschutz
Cookie von Google für Website-Analysen. Erzeugt statistische Daten darüber, wie der Besucher die Website nutzt. Alle Informationen werden anonymisiert gespeichert. (2 Jahre)