Business Intelligence (BI)
“When the world gets smaller, the data gets bigger“ So lautet ein häufig zitierter (Werbe)Spruch von Teradata. In der Tat erfassen operative IT-Systeme im Unternehmen heute nahezu jedes Detail der Geschäftstätigkeit. Beispiele sind der Scanner an der Supermarktkasse, GPS- oder RFID- basierte Informationen in der Logistik und detaillierte Kundentransaktionsdaten in der Finanz- und Versicherungswirtschaft. Immer wichtiger werden auch unstrukturierte Daten aus sozialen Netzwerken. Diesen Datenschatz, der heutzutage bis zu mehrere Hundert Terrabyte umfassen kann, zu analysieren, für die Unternehmensplanung und -führung nutzbar zu machen und in strategische Entscheidungen einfließen zu lassen, ist das Ziel von BI (Business Intelligence).
So umfasst BI die Integration von Strategien, Prozessen und Technologien, um im Umfeld entscheidungsunterstützender Systeme aus fragmentierten, inhomogenen Unternehmens-, Markt- und Wettbewerberdaten erfolgskritische Informationen über Status, Potenziale und Perspektiven zu generieren und diese für Analyse-, Planungs- und Steuerungszwecke geeignet darzustellen.
Dabei ist die Entwicklung der Analyseanwendungen nicht nur eine große systemtechnische Herausforderung (Wie kommen die Daten regelmäßig über Extraktions-, Transformations- und Ladeprozesse (ETL) aus den zahlreichen operativen IT-Systemen in eine spezielle Analysedatenbank, das Data Warehouse?), sondern sie erfordert auch ein detailliertes branchen- und fachspezifisches Wissen. Daher sind BI-Projekte in aller Regel komplex und weisen zahlreiche organisationsspezifische Herausforderungen auf. Es handelt sich also um eine klassische Aufgabenstellung der Wirtschaftsinformatik.
Im Rahmen des Schwerpunktes lernen die Studierenden,
- wie Entscheider im Unternehmen durch moderne IT-Werkzeuge unterstützt werden können
- wie man hochwertige Informationen (kurzfristig) gewinnen und in der Fachabteilung zielgerichtet zur Analyse nutzen kann
- ein effizientes Reporting aufzubauen und Analysen und Simulationen zu erstellen
- wie Informationssysteme als Wettbewerbsfaktor einsetzbar sind („Analytische Kompetenz“)
- geeignete Tools auszuwählen und deren Einführung zu begleiten
- die verschiedenen fachlichen und technischen Aufgaben im BI-Umfeld kennen.
Im Modul Data Warehousing stehen das Datenmanagement (mit Datenbereitstellung und Transformation) und die Datenorganisation im Data Warehouse (DWH) im Vordergrund. Die Abgrenzung zu operativen Datenbanken verdeutlicht die Rolle des DWH als Archivspeicher und Basis für weitere Auswertungen und Aufbereitungen der Daten, insbesondere für Entscheidungsfindungen der Unternehmensführung.
Das Modul Business Intelligence vermittelt ein klares Verständnis von BI als integriertem Gesamtansatz, der die (bereichsübergreifende) Entscheidungsunterstützung (insbes. im Rahmen der Unternehmens-steuerung) auf Basis analytischer Systeme und durch eine geeignete Aufbereitung und Darstellung der Informationen ermöglicht. Neben eher technisch orientierten Fragen (z. B. Datenmodellierung), Analysewerkzeugen und Vorgehensweisen stehen auch die fachlichen Anwendungsbereiche im Vordergrund. Dabei werden die klassischen BI Anwendungen Reporting, OLAP, Dashboards und Data Mining in zahlreichen praktischen Übungen behandelt.
Das Modul Vertiefende Themen des BI gibt einen Einblick in aktuelle und/oder vertiefende Themen. Damit werden neuere Entwicklungen oder speziellere Fragestellungen erarbeitet und entsprechende Erkenntnisse zielgerichtet und problemorientiert ausgewertet und angewendet. In den vergangenen Semestern wurde z.B. das aktuelle Thema Big Data ausführlich behandelt. Dazu wurde ein Hadoop System aufgebaut und anhand von praktischen Beispielen mit HDFS, MapReduce und HIVE vorgestellt. Um moderne analytische Fragestellungen kennenzulernen, wurden anschließend mit R unstrukturierte Twitter Nachrichten mit dem Naive Bayes Classifier in solche mit positiver oder negativer Stimmungen klassifiziert.
Im BI Projekt werden die technischen und betriebswirtschaftlichen Kenntnisse im Data Warehouse und Business Intelligence Umfeld in einem projektbezogenen Zusammenhang eingesetzt. Beispiele: