Aktives Analysesystem für die Kennzahlenanalyse - Business Intelligence Umsetzung | www.iBusiness-Intelligence.org

3.3.5. Aktives Analysesystem für die Kennzahlenanalyse

Neben der regelmässigen Informations- und Erkenntnisgewinnung über passive Analysesysteme stellen aktive Analysesysteme den zweiten wesentlichen Nutzungserbringer der Business Intelligence Anwendungswerkzeuge dar. Aktive Analysesysteme ermöglichen die spezifische Gewinnung von Informationen für die Unternehmenssteuerung.

Operative Informationssysteme, die nach dem On-Line Transaction Processing (OLTP) Benutzungsparadigma funktionieren, beinhalten eine fragmentierte und verarbeitungsbezogenen Datenhaltung und werden im operativen Tagesgeschäft angewendet. Sie verhindern durch ihre Orientierung auf die Verarbeitung eine ganzheitliche Sicht auf die benötigten Informationsobjekte und sind darum für Analysezwecke für das Management ungeeignet. Einen besseren Zugang zu entscheidungsrelevanten Informationen wird durch die Online Analytical Processing-Technologie (OLAP) im Rahmen eines Business Intelligence Systemen ermöglicht. Diese gewährt dem Management sowie qualifizierten Mitarbeitern aus den Fachabteilungen einen schnellen, vielfältigen und interaktiven Zugriff auf die benötigten Daten (vgl. Gabriel, Gluchowski, & Pastwa, 2009, S. 10 f. in Einbezug von Chamoni & Gluchowski , 2006, S. 143 ff.). «Durch die gewählte Begrifflichkeit werden OLAP-Systeme bewusst von OLTP-Systemen abgegrenzt, die transaktionsorientiert die Abwicklung der operativen Geschäftstätigkeit unterstützen.» (Gabriel, Gluchowski, & Pastwa, 2009, S. 52)

«OLAP repräsentiert eine Software-Technologie, die entsprechend dem Geschäftsverständnis des Endanwenders geeignete Sichtweisen auf das zugrunde liegende Datenmaterial und leistungsfähige Optionen zur Navigation im Datenbestand eröffnet. OLAP folgt dabei dem Paradigma der Multidimensionalität» (Gabriel, Gluchowski, & Pastwa, 2009, S. 12)

Im Vordergrund des OLAP-Ansatzes stehen dynamische und multidimensionale Analysen, basierend auf historischen und konsolidierten Datenbeständen eines Data Warehouse. Als charakteristisch für OLAP-Systeme wird die ermöglichte Multidimensionalität angesehen, welche seit der Etablierung von Exekutive Information Systemen (EIS) als geeignete Sichtweise auf betriebswirtschaftliches Zahlenmaterial, Kennzahlen, akzeptiert ist. „Multidimensionalität“ beschreibt eine bestimmte Form der Anordnung quantitativer, betriebswirtschaftlicher Messgrössen. Die Messgrössen gliedern die Messresultate bzw. -zahlen. Die Messzahlen hängen dabei logisch-verknüpft an zugehörigen Informationsobjekten, den Dimensionsdaten. Dadurch können betriebswirtschaftliche Kenngrössen (wie z. B. die Besuche der Website, der dabei erzielte Umsatz oder der Deckungsbeitrag) im Zeitverlauf entlang der bedeutsamsten Dimensionen, wie z. B. Kundentypen, Kundenkanäle/Quellen oder Artikeln, untersucht werden. (vgl. Gabriel, Gluchowski, & Pastwa, 2009, S. 12 & S. 52 f.) OLAP-Systeme stellen somit auch Dimensionsdaten und Messzahlen (Kennzahlen) dar, ermöglichen aber im Gegensatz zu klassischen Berichtsystemen die gleichzeitige Darstellung von mehreren Dimensionen und Dimensionsdaten sowie den Metriken und den dazugehörigen logisch-verknüpften Messzahlen (Metrikdaten).

Ein OLAP-System ist ein geführtes Analyse-System, welches dem Benutzer mittels Eingabemasken die Analysen erleichtern. Dies geschieht mit dem OLAP -Würfel oder Datenwürfen (engl. „OLAP cube“ bzw. „data cube“). Dieser Würfel, auch Cube-Operator genannt, ist in eine logische Darstellungsform von Daten und Messzahlen umgesetzt. Die Dimensionen stellen die Achsen des Würfels dar, auf welchen die jeweiligen Dimensionsdaten ausgegeben werden. Diese Messzahlen werden als Inhalt des Würfels ausgegeben und sind dabei die logische Schnittmenge der Messzahlen der jeweiligen Dimensionsdaten. Die Darstellung und Nutzung mittels Würfel erlaubt einen einfachen Zugriff auf komplex zusammenhängende Kennzahlen. Die Darstellungsform des Würfels ist für die Analyse von Kennzahlen von Vorteil, da auf verschiedene Aspekte (Dimensionsdaten) dieser zugegriffen werden kann. (vgl. Wikipedia, OLAP-Würfel)

Der OLAP-Würfel erlaubt somit eine einfache Navigation in multidimensionalen Datenräumen. Durch die interaktive Navigation können die Resultate von Analyseschritten unmittelbar nachvollzogen werden. (vgl. Gabriel, Gluchowski, & Pastwa, 2009, S. 60.) Im Vergleich zur Darstellungsform von Kennzahlen in Berichtsystemen handelt es sich dabei also um ein mehrdimensionales Analyseinstrument, bei welchen die verschiedenen Dimensionen gleichzeitig herangezogen werden können und die Analyseschritte dadurch nicht simultan erfolgen müssen.

An Analytical Workspace Cube, aus Gerard, 2009
Abbildung 53:«An Analytical Workspace Cube»69

Mittels des OLAP-Würfel können verschiedenen Grundoperationen getätigt werden:

Slicing Ausschneiden von Scheiben aus dem Datenwürfel
Dicing Gleichzeitige Slicing-Vorgänge in unterschiedlichen Dimensionen. Hierbei wird ein kleinerer Würfel erzeugt, der einen Teilbereich des Gesamtwürfels enthält
Pivoting / Rotation Drehen des Datenwürfels, so dass mindestens eine andere Dimension sichtbar wird
Drill-Down Aggregationen eines Informationsobjekts auf detaillierte Werte herunterbrechen; „Hereinzoomen“
Drill-Up/Roll-Up Gegenoperation zu Drill-Down; Verdichten auf höhere Hierarchiestufe (z. B. von der Monats- auf die Jahressicht)
Drill-Across Dimension auf der gleichen Hierarchiestufe; Betrachtung der benachbarten Dimensionselemente (andere Region, anderes Produkt, anderer Monat)
Drill-Through / Drill-In Verfeinerung bis auf höchsten Detaillierungsgrad (z. B. Stammdatensatz, Transaktionsbeleg)
Split Der Split Operator ermöglicht es, einen Wert nach weiteren Dimensionen weiter aufzuteilen, um weitere Detailstufen zu erreichen (z. B. Umsatz einer Filiale für eine bestimmte Menge von Produkten)
Merge Im Gegensatz zu Split wird hier die Granularität durch das Entfernen zusätzlicher Dimensionen wieder verringert
Tabelle 9:Grundoperationen eines Daten-Würfel70
Dicing des OLAP-Würfel, aus übernommen aus Wikipedia, OLAP-Würfel
Abbildung 54:Dicing des OLAP-Würfel71

Die einfache Aufbereitung und Präsentation von komplexem Datenmaterial für die Erkenntnisgewinnung ist somit ein Hauptanliegen der OLAP-Technologie. Um die dafür geforderten Funktionalitäten zu ermöglichen, stehen drei Speichertechnologien der Daten zur Verfügung. Beim Relational OLAP (ROLAP) werden die Daten in Relationen Datenbanksystemen verwaltet und dafür in speziellen Datenbankstrukturen abgelegt (wie bzw. dem Star-Schema oder dem Snowflake-Schema). Der konzeptionelle Gegensatz ist das Multidimensionale OLAP (MOLAP), bei welchem die Daten bereits physikalisch multidimensional gespeichert werden. Dafür werden spezielle Datenbanksysteme verwendet, bei denen die Datenablage auf physischer Zellstruktur analog der RAM-Technologie geschieht. Die Speicherung der Daten erfolgt somit in nicht relationalen Datenbanken, wie dies auch bei Big Data Warehouse Systemen der Fall ist. Mit dem hybriden OLAP (HOLAP) steht ein weiteres Architekturkonzept zur Verfügung, welche die beiden vorgängigen Konzepte miteinander verknüpft. (vgl. u. a. Gabriel, Gluchowski, & Pastwa, 2009, S. 59 f.)

Herausschneiden einzelner Scheiben, Schichten oder kleiner Würfel aus dem Datenraum, aus Gabriel, Gluchowski, & Pastwa, Data Warehouse & Data Mining, 1. Auflage, 2009, S. 61
Abbildung 55:«Herausschneiden einzelner Scheiben, Schichten oder kleiner Würfel aus dem Datenraum»72



Publizieren auf TwitterGoogle+Facebook
 XingLinkedIn