Glossar
A|B|C|D|E|F|G|H|I|J|K|L|M|N|O|P|Q|R|S|T|U|V|W|X|Y|Z
Ad Hoc Auswertung:
Dies sind vor allem spontane Auswertungen, die für aktuelle
Zwecke erstellt werden. Meistens werden sie für eine einmalige
Nutzung benötigt.
nach oben
Business Intelligence (BI)
Dieser Sammelbegriff wurde 1993 vom Marktforschungsunternehmen
Gartner Group geprägt. Er umschreibt den IT-gestützten Zugriff auf
Daten verschiedener Quellen, die in einer Datenbank (meist als DWH)
integriert werden. Die Entscheidungs- und Informationsorientierung
von Business Intelligence steht damit im Gegensatz zur
Transaktionsorientierung der üblichen betrieblichen Informations-
und Kommunikationssysteme. Die zweite Aufgabe besteht darin, die für
das Berichtswesen notwendigen analytischen Auswertungen
einzurichten. Dies kann von einfachen Aggregationen von z. B.
Umsatzzahlen einzelner Artikel in den letzten Tagen, Wochen, Monaten
gesamt und in den einzelnen Sparten entwickelt bis hin zu
komplizierten statistischen Analysen, z. B. Trendanalysen von
Kundenverhalten gehen.
Das Hauptziel ist letztlich erfolgskritisches Wissen über Status,
Potentiale und Perspektiven zu erzeugen und somit
Entscheidungsträger in die Lage zu versetzen, bessere Entscheidungen
schneller zu treffen.
nach oben
BWL-Logik:
Vordefinierte Zahlenstruktur, die betriebswirtschaftliche
Prozesse darstellt.
nach oben
Corporate Performance Management (CPM)
Der Begriff Corporate Performance Management, manchmal auch Business
Corporate Performance Management genannt, beschreibt Methoden und
Prozesse zur Darstellung und Verbesserung der Leistungsfähigkeit und
Profitabilität von Unternehmen. CPM gilt als Weiterentwicklung von
Business Intelligence. Die Weiterentwicklung gesteht darin, dass
neben den auf die Vergangenheit und die Gegenwart bezogenen Analysen
und Berichten CPM auch in die Zukunft gerichtete Aktionen wie
Planung, Simulationen, Forecasts und Prognosen abdeckt.
CPM darf man nicht mit einer losen zusammengewürfelten Auswahl an
Tools, Anwendungen und Technologien verwechseln, sondern man muss es
als eine komplexe, aber grundlegende Aufgabe verstehen. Das Ziel
dieser Aufgabe ist die Zusammenführung von Informationen und
Prozessen in einem einzigen Datenmodell, das sich konsistent
anwenden lässt.
nach oben
Cockpit
Der Begriff wird als „Kennzahlen-Cockpit“ häufig als Synonym für ein
Dashboard verwendet. Eine besondere Form stellen die Realisierungen
einer Balanced-Scorecard zur Unternehmenssteuerung dar. In tegos.BI
wird unter einem Cockpit auch ein Berichtselement in Form einer
Tacho- oder Thermometeranzeige verstanden. Es dient vor allem der
Darstellung von Kennzahlenberichten und Ad-hoc-Abfragen. Hier können
sehr gut Abweichungen zu vorgegebenen Zielwerten aufgrund der
graphischen Aufbereitung erkannt und Gegenmaßnahmen eingeleitet
werden.
nach oben
Cube
Bildliche Darstellung einer multidimensionalen Datenstruktur. Diese
repräsentiert die Schnittpunkte jeder eindeutigen Kombination von
Dimensionen (Auswertungskriterien). An jedem dieser Schnittpunkte
befindet sich eine Zelle, die einen Datenwert (Kennzahl) enthält.
Jede dieser Kennzahlen kann anhand der Dimensionen ausgewertet
werden, die den Kreuzungspunkt berühren. Gerade diese
multidimensionale Struktur ermöglicht flexible Analysemethoden. So
wird durch das Hinzunehmen weiterer Dimensionen oder durch das
Aufklappen der Hierarchie innerhalb einer Dimension („Drill Down“)
der Detailierungsgrad erhöht. Man erkennt wie sich die Werte im
Einzelnen zusammensetzen. Der umgekehrte Weg das Weglassen von
Dimensionen bzw. das Zuklappen der Dimensionshierarchie („Drill Up“)
zeigt die Werte in aggregierter Form.
nach oben
Data Mining
Der Begriff des Data Mining beschreibt den Prozess des
Entdeckens bedeutsamer neuer Zusammenhänge, Muster und Trends durch
die Analyse großer Datensätze mittels Mustererkennung sowie
statistischer und mathematischer Verfahren. Data Mining Verfahren
führen zu besseren Prognosen, differenzierteren Segmentierungen,
Klassifizierungen und Bewertungen von Kundengruppen oder Märkten.
Diese Form der Wissensfindung kann mitunter recht überraschende
Ergebnisse auswerfen.
nach oben
Data Warehouse (DWH)
Ein Data Warehouse ist ein Konzept für die themenorientierte,
integrierte, zeitbezogene und dauerhafte Sammlung von Daten
verschiedener Datenquellen innerhalb und außerhalb des Unternehmens.
Die Speicherung in einem Data Warehouse erfolgt in Form relationaler
Tabellen und Views. Data Warehouse ist die Datenbasis für die
Analyse und Entscheidungsunterstützung für das Management. Es ist
prozessorientiert definiert, fach- und sachbezogen und somit
unabhängig von der Quelle und dank einer unternehmensweiten
Terminologie integrierbar, darüber hinaus reproduzierbar und hat
einen zeitlichen Bezug. Es wird zwei Bereiche aufgeteilt: erstens
die Staging Area und zweitens dem eigentlichen Data Warehouse.
nach oben
Dashboard:
(übersetzt Instrumententafel) Bezeichnung für mehrere graphische
Auswertungen in verdichteter Form auf einem Bild. Die Auswertungen
sind häufig in Form von Ampel-, Tachometer- oder Thermometer
dargestellt. Ein Dashboard wird oft benutzt, um Kennzahlensystemen
übersichtlich und graphisch darzustellen.
nach oben
Dimension
Dimensionen sind die Unterteilung von Geschäftsdaten nach
verschiedenen Blickwinkeln.
nach oben
Dimension Table
Eine Dimension Table ist eine Tabelle in einer Datenbank (Data
Warehouse). Sie enthält Informationen über aufgeschlüsselte
Geschäftsinformationen innerhalb einer Dimension.
nach oben
Drill Down
Mit der Funktion Drill Down kann der Anwender während einer
Datenanalyse auf detailliertere Daten der gerade betrachteten
Dimension zugreifen. So gelangt man schnell in die verschiedenen
Detaillierungsebenen, die Übersicht bleibt aber weiterhin gewahrt.
nach oben
Drill Through
Drill Through ist die Technik, von einer Datenquelle auf eine
andere zu verzweigen, dies geschieht durch Setzung von Filtern.
nach oben
Drill Up
Gegenteil von Drill Down. Somit ist eine sehr komprimierte Sicht
der einzelnen Daten möglich.
nach oben
DOLAP
DOLAP beschreibt eine spezielle Form des MOLAP, jedoch werde
hier die Daten nicht auf einem Server abgelegt sondern direkt auf
dem Desktop des jeweiligen Anwenders. Das „D“ vor dem OLAP bedeutet
hier also Desktop.
nach oben
ETL
ETL = Extraction Transformation Loading
ETL in der Prozess bei dem verschiedenste Daten aus
unterschiedlichsten Quellen zu einer Zieldatenbank zusammen geführt
werden. „Extraction" ist das holen von relevanten Daten aus
verschiedenen Datenquellen. „Transformation" ist die Umwandlung der
Daten in das Schema und Format der Zieldatenbank. „Loading" ist das
Laden der Daten in die Datenbank.
nach oben
ETL-Tools
Werkzeuge, die den Prozess des Bildens eines Data Warehouse
unterstützen. Siehe auch ETL.
nach oben
HOLAP
Ist der Mittelweg zwischen dem ROLAP und einem MOLAP
nach oben
Key Performance Indicator (KPI)
KPI stellt eine betriebswirtschaftliche Kennzahl dar, anhand derer
wichtige Zielsetzungen oder kritische Erfolgsfaktoren ermittelt und
bewertet werden können. Für einen KPI ist vorab zu definieren,
welche Kennzahl welchen Wert erreichen soll. Zu einem gegebenen
Zeitpunkt wird dann der erreichte Wert dem Soll Wert
gegenübergehalten.
Sehr häufig wird die Zielerreichung als Ampel oder CockpitGauges
(Tachoanzeigen) graphisch dargestellt. Dafür ist es zu definieren,
welche Grenzwerte zur Beurteilung gelten sollen.
nach oben
Management-Informationssystem (MIS)
Ein MIS ist ein Informationssystem für den Zugriff und die
Analyse von Unternehmensdaten auf einem hohen Level
(Management-Ebene). Durch ein erfolgreiches MIS kann das Unternehmen
gelenkt und das Controlling betrieben werden.
nach oben
Multidimensionale Daten
Multidimensionale Daten sind nach vielfältigen Kriterien
auswertbare Daten. Daten können z. B. gleichzeitig nach Umsatz je
Produkttyp und –reihe, je Verkaufsregion, je Kundentyp und in einem
bestimmten Zeitraum analysiert werden.
nach oben
MOLAP
MOLAP ist wesentlich schneller als das OLAP System, da es die
aggregierten Kennzahlen dauerhaft speichert, diese Form der
Speicherung wird Persistenz genannt.
nach oben
OLAP
Mit Online Analytical Processing (OLAP) ist die Analyse und
Auswertung von multidimensional Daten gemeint, um Informationen für
Unternehmensentscheidungen zu erhalten. OLAP strukturiert Daten auf
hierarchische Weise und erlaubt in der Regel sowohl Einzel- als auch
Trendanalysen. OLAP Systeme erhalten ihre relevanten Daten aus den
Echtdatenbeständen des Unternehmens oder aus Data Warehouse. Durch
die Trennung ist gewährleistet, dass die Analysedaten nicht mit den
Echtdaten im System in Kontakt kommen, somit wird bleibt die
Performance im Echtsystem konstant hoch. Es gibt verschiedene Arten
von OLAPs
nach oben
OLAP-Werkzeuge
Unter OLAP-Werkzeuge (OLAP=Online Analytical Processing)
versteht man nutzerseitige Programmpakete (Front-End-Tools), die den
Abfrage- und Analyseprozess vorstrukturieren und automatisieren.
nach oben
Reporting
Unter Reporting versteht man die Gesamtheit der Methoden und
Techniken für die betriebliche Berichterstellung. Reporting umfasst
sowohl die Berichterstellung auf relationalen Datenbanken als auch
das multidimensionale Reporting auf OLAP-Datenbanken.
nach oben
ROLAP ( Relationales OLAP)
Bei ROLAP-Abfragen wird direkt auf die relationale Datenbank –
und damit auf den gesamten Datenbestand – zugegriffen. Über eine
grafische Oberfläche werden normale SQL-Abfragen generiert. Durch
den direkten Zugriff auf große Datenmenge ist unter Umständen mit
langen Antwortzeiten zu rechnen. Bei den beiden Varianten ROLAP und
MOLAP sind Geschwindigkeit und Datenaktualität die zentralen Fragen.
ROLAP hat zudem den Vorteil, dass es weniger Speicherplatz benötigt,
da Daten aus bereits vorhandenen Datenbanken entnimmt.
nach oben
Star Schema
Datenbankstruktur, die Fakten- und Dimensionstabellen (Fact
Table; Dimension Table) enthält. Dabei steht die Tabelle mit den
Fakten (auch Transaktionsdaten genannt) im Mittelpunkt, und alle
Dimensionstabellen sind über Primary Keys (Primärschlüssel) mit der
Faktentabelle verbunden. Stellt man ein solches Design grafisch dar,
ergibt sich ein Diagramm, das an einen Stern („Star") erinnert.
nach oben
Staging Area
Temporärer Datenpuffer innerhalb des DWHs. Der Staging Bereich
umfasst relationale Tabellen, in die die Daten ohne weitere
Transformationen aus den operativen Quellsystemen geladen werden.
Das Laden dieser Tabellen stellt die Extraktion des ETL-Prozesses
dar.
Der Aufbau der des eigentlichen DWHs (in dem die Daten integriert
und transformiert vorliegen), erfolgt mit Hilfe von Views auf die
Tabellen des Staging Bereichs.
nach oben
Views
Eine View (Sicht) stellt im Wesentlichen ein Synonym für eine
Abfrage auf eine oder mehrere Tabellen dar. Die Aufgabe einer View
ist es, aus den Tabellen nur relevanten Daten der Tabellen zu
berücksichtigten. In diesen Abfragen Skripten der Views werden
Filterungen, Vorberechnungen und andere Transformationen
vorgenommen, sodass die Daten für weitere Analyse die erforderliche
Struktur haben. Mit Hilfe von Views wird der ETL-Prozess mit den
Schritten „Transformation“ und „Loading“ abgeschlossen. Der
Datenbankbenutzer kann eine View wie eine normale Tabelle abfragen.
Wann immer eine Abfrage diese View benutzt, wird diese zuvor durch
das Datenbankmanagementsystem berechnet.
nach oben
|
