Business-Intelligence

Grothe: Business Intelligence Seite 1 von 1 Aufbau von Business Intelligence Entwicklung einer softwaregestützten Controlling-Kompetenz bei o.tel.o [erschienen in krp Kostenrechnungspraxis 1999, H. 3] Dr. Martin Grothe Leiter Controlling Concepts & Procedures, o.tel.o communications GmbH & Co., Heerdter Loh- weg 35, 40549 Düsseldorf, Tel. 0211-5602-8227, und externer Habilitand am Lehrstuhl für BWL, insb. Controlling ung Logistik, an der WHU. Forschungsschwerpunkte: Wettbewerbsdynamik, Strategie und Führungstheorie, Business Intelligence. E-Mail: Martin.Grothe@o-tel-o.de Kernaussagen • Der Aufbau von Business Intelligence erschließt durch Beiträge zur Rationalitätssicherung Ansätze für eine nachhaltige Verbesserung der Wettbewerbsposition. • Business Intelligence ist kein IT-Thema. Für die wichtigsten Bausteine liegen für Fachabtei- lungen einsetzbare Instrumente vor. Das BI-Portfolio strukturiert diese Ansätze. • Diese softwaregestützten Instrumente greifen traditionelle Controllingaufgaben auf, erschlie- ßen aber eine neue Lösungsqualität. • Folglich wird nahegelegt, daß Controlling als Promotor den Einsatz von BI aktiv aufnimmt und die entsprechende Kompetenz aufbaut. Inhalt Die Wettbewerbsdynamik in vielen Branchen stellt immer höhere Herausforderungen an erfolg- reiches Agieren: Traditionelle Controlling-Methoden stoßen durch Ausweitung und Beschleuni- gung der Einflußbereiche an ihre Grenzen. Business Intelligence beschreibt einen analytischen Prozeß, der die Transformation der verfügbaren Daten in handlungsreichtetes Wissen erreicht. Das Business Intelligence-Portfolio strukturiert die einzelnen Prozeßschritte und ordnet ihnen entsprechende softwaregestützten I strumente zu. Es zeigt sich, daß hier eine Aufgabe ent- n steht, die zentrale Controlling-Kompetenz werden kann. Business Intelligence ist kein IT-Thema! Einführung ....................................................................................................................................... 2 Herausforderungen.......................................................................................................................... 2 Business Intelligence: Zielsetzung und Umfang ............................................................................. 4 Zentrale Bausteine........................................................................................................................... 6 Multidimensionale Modelle................................................................................................................7 Balanced Scorecard.........................................................................................................................8 Weitere Bausteine ......................................................................................................................... 10 DV-Basis: BI ist kein IT-Thema! .................................................................................................... 12 Aufbau von Business Intelligence.................................................................................................. 13 Literaturhinweise: .......................................................................................................................... 15 30.08.2000 21:10 KRP_990513final-paper Grothe: Business Intelligence Seite 2 von 2 Einführung Stichtag 1. Januar 1998: Liberalisierung des Telekommunikationsmarktes in Deutschland. Die- ser Schritt läßt eine Branche mit einer höchst asymmetrischen Erfahrungs- und Wissensvertei- lung entstehen. Auf der einen Seite der Ex-Monopolist oder „Incumbent“, der die öffentliche Tele- phonie quasi seit der Erfindung des Telephons organisiert und verwaltet hat, auf der anderen Seite eine Reihe von „New Entrants“, die am liebsten sogleich in die neue Multimediazukunft ü- bergehen möchten. In dieser neuen Wettbewerbsarena sind die strategischen Positionierungen der Konkurrenten keineswegs vorgeprägt – teilweise sind sie bis heute nicht eindeutig erkennbar. Weiter er- schwert die fehlende Historie grundsätzlich eine Erwartungsbildung bezüglich der Aktionen und Reaktionen der Wettbewerber wie auch der Kunden. • In einer solchen Konstellation kommt einerseits der Fähigkeit, umfassend auf Entwicklungen reagieren und permanent einen Überblick über die zentralen Funktionsbereiche gewährleisten zu können, eine herausgehobene Bedeutung zu. • Andererseits macht es die hohe Branchendynamik mit entsprechend wechselnden Prioritäten in besonderem Maße notwendig, die unternehmensspezifischen Schwerpunkte und Zielni- veaus intern transparent abbilden zu können, um die gemeinsame Zielausrichtung und Koor- dination zu fördern. Die o.tel.o communications GmbH & Co. hat sich als ein solcher New Entrant (ursprünglich!) ein weitgespanntes Spektrum als Arbeitsfeld definiert: Festnetztelephonie und Datendienste, Netzdienstleistungen, Mobilfunk, Satellitenkommunikation, Internetdienste und Kabel-TV als we- sentliche Betätigungsfelder. Geprägt wurde die Start-up-Phase durch die Shareholder VEBA und RWE. Dieser Beitrag präzisiert die mit einer solchen Konstellation verbundenen Herausforderungen und stellt dann – unter dem Begriff Business Intellingence (BI) – Teile des aufgebauten Control- ling-Instrumentariums vor. Diese Ansätze sind allgemeingültiger Natur, folglich wird weitestge- hend von einem Telekommunikationshintergrund abstrahiert. Es zeigt sich, daß die dargestellten Instrumente zwar jeweils einen Bezug zu Software-Tools haben, gleichwohl vollständig durch Controlling entwickelt und eingesetzt werden können. Damit, so das Plädoyer dieses Beitrags, sollte Business Intelligence als neue Controlling-Kompetenz aufgegriffen werden. BI ist kein IT- Thema! Herausforderungen Zwei Entwicklungen dominieren in zunehmenden Maße das Wettbewerbsumfeld der Unterneh- men: • Zum einen kommt es zu einer Ausweitung der relevanten Aktionsfelder und ihrer Wirkungs- beziehungen: sei es die geographische Expansion, das Auftreten von neuen Wettbewerbern und Lösungen oder das Zusammenwachsen zentraler Technologien. • Zum anderen führt die zunehmende Anzahl von Einflußfaktoren mit den wiederum jeweils be- stehenden Wechselwirkungen zu einer Beschleunigung von Entwicklungen: seien es an- steigende Innovationsraten, sinkende Produktlebenszyklen und steigende Churn-Raten. Die Beschleunigung erfordert die Verkürzung von Analyse- und Entscheidungsprozessen sowie eine ausgeprägte Früherkennungsfähigkeit. Die Ausweitung führt, bei Einsatz der traditionellen Vorgehensweisen, zu einer Verstärkung der Informationsüberflutung und damit zunehmender Orientierungslosigkeit. Eine bewußte Einengung des Betrachtungsbereiches mindert jedoch die Qualität erreichbarer Lösungen. Folglich gilt es, effektive Wege zu finden, die eine Identifikation der wesentlichen Relationen und Muster erlauben. Abbildung 1 zeigt diesen Lösungsansatz schematisch auf. Grothe: Business Intelligence Seite 3 von 3 Komplexitätsgrad Einsicht? Anforderungsniveau Wissen Erkennen von Information Prinzipien Daten Erkennen von Erkennen von Mustern Relationen Struktur des internen Modells/ Verständnisgrad Abbildung 1: Komplexitätsreduktion - Aufwertung von Daten. Diese Entwicklungen der relevanten Unternehmens- und Wettbewerbsstrukturen betreffen nicht nur die TIME-Branchen Telekommunikation, Informationstechnologie, Multimedia und Entertain- ment, sondern greifen zunehmend per Transmission (Fortpflanzung im Interaktionsnetz) oder Adaption (Übernahme von erfolgreichen Lösungen) auf andere Sektoren über. Unternehmen aus unterschiedlichen Ausgangssituationen werden mit diesen Entwicklungstendenzen konfrontiert. Ohne ein explizites Erkennen und Management dieser Herausforderungen wird die Nachhaltig- keit dieser zwei Tendenzen die betroffenen Unternehmen in dominierte Wettbewerbspositio- nen abdrängen: • Einerseits führt der Versuch, der Dynamisierung mit bestehenden oder fortschreitender Formulierung von (Verhaltens-) Regeln und fixierten Strukturen zu begegnen, zu zunehmen- der Erstarrung (plakativ: „Bürokratiefalle“). Strukturgeprägte Unternehmen mit dominieren- den kollektiven Ordnungsmustern verlieren die Fähigkeit zu adaptivem Verhalten, im Zeitab- lauf sinkt der Fit zur externen Wettbewerbsdynamik. • Andererseits mindert eine weitgehende Entkopplung der betrieblichen Funktionen (etwa in ei- ner Aufbauphase) die Fähigkeit, koordinierte Aktionsmuster in die Realität umzusetzen („Chaosfalle“). Bei der Dominanz individueller Beiträge können Erwartungen über Leis- tungsbeiträge kaum formuliert, Skalenvorteile nicht mehr ausreichend realisiert werden. Auf der Gratwanderung zwischen diesen Attraktoren kann jedoch ein Entwicklungspfad beschrit- ten werden, der eine Balance zwischen Bürokratie- und Chaosfalle erreicht: Die Komplexitäts- theorie bezeichnet diese Positionierung als „Rand des Chaos“. Abbildung 2 macht diese Wett- bewerbssicht plastisch deutlich. Schemadarstellung Best Practice Aufbau von Fähigkeit, umfassende & komplexe “frozen Components” “frozen Auflockerung von Auflockerung von (Wissen, Strukturen, ...) Lösungen zu generieren Strukturen für Strukturen für neue Lösungen neue (auch: Entlernen) Entlernen) New Entrant Incumbent Abstraktion vom Abstraktion Einzelfall. Kombination Rand des von Lösungen. von Lösungen. Chaos starr regelmäßig lebendig chaotisch - Interne Prozesse/Strukturen und vorhandenes Wissen - Abbildung 2: Wettbewerbsdynamik - Beispiel Telekommunikation. Grothe: Business Intelligence Seite 4 von 4 Es entstehen weitreichende strategische Wettbewerbsvorteile: Die Verbindung einer Grund- menge aus wenigen Kernstrukturen („frozen Components“) mit hoher Aufnahmefähigkeit schafft die Basis für ein breites Spektrum schneller und zielgerichteter Handlungsoptionen. Je nach Ausgangskonstellation wird diese Zielpositionierung durch konträre Vorgehensweisen erreicht. Gleichwohl kann die Strategieforschung drei sich ergänzende Gestaltungsleitsätze herausstellen (vgl. Brown/Eisenhardt 1998): • Adaptive Unternehmenskulturen: Anpassungen an neue Entwicklungen, d.h. Überra- schungen, werden von den Beteiligten erwartet. Die mentalen und internen Modelle sind auf stetigen Wandel ausgerichtet. Es wird Offenheit gegenüber neuen Lösungen hervorgehoben; dem organisationalen Beharrungsvermögen wird bewußt entgegengewirkt. Ein Abdriften in den Attraktor „Bürokratiefalle“ wird dadurch verhindert. • Semi- oder Kernstrukturen: Das Zusammenspiel der Akteure ist durch eine begrenzte, a- ber akzeptierte Menge fester Strukturen geprägt, um dem Attraktor „Chaosfalle“ zu entgehen: − wohldefinierte Prioritäten mit klaren Verantwortlichkeiten und Zeitplänen, − eine übersichtliche Zahl von Aussagen, die zentrale Punkte der Zusammenarbeit festlegen − sowie ein Set von wohldefinierten und akzeptierten Performance-Indikatoren. Über diese „frozen Components“ hinausgehende Aktivitäten sind a priori weitgehend unstruktu- riert und damit aufnahmefähig für individuelle Lösungsbeiträge sowie erst entstehendes Wis- sen. • Real-time Kommunikation: Fokussierte Kommunikation auf breiter und fundierter Informati- onsgrundlage ist möglich und wird formal und informal gefördert. Der schnelle und umfas- sende Austausch erreicht die Erzeugung, Filterung und Nutzung von Fluktuationen. Zusam- menhänge, Muster und Diskontinuitäten werden erkannt und zielgerichtet kommuniziert. Diese Imperative können durch die Nutzung von Business Intelligence unterstützt werden. So ist diese Darstellung auch als Plädoyer zu verstehen, Business Intelligence zu einer zentralen Controlling-Kompetenz aufzubauen. Controlling kann dadurch bestehende Aufgabenfelder effizienter ausfüllen und diese zweckgerichtet ausbauen (vgl. auch Weber/Schäffer 1999 S. 8 ff.). Es gilt, eine Methoden- und Systemunterstützung zu erschließen, die Adaption, Mustererken- nung und Wissensaufbau ermöglicht und fördert. Business Intelligence: Zielsetzung und Umfang In der Vergangenheit haben solche Analyseaufgaben zu überlangen Pflichtenheften und umfang- reichen DV-Systemen geführt. Dadurch wurde die hergebrachte Arbeitsteilung zwischen Daten- verarbeitung/Informatik auf der einen sowie Fachabteilung auf der anderen Seite weiter festge- schrieben. Diese insbesondere für operative, transaktionsorientierte Aufgaben effiziente Tren- nung kann allerdings für analysegerichtete Aufgaben zu einer Verzögerung der Bereitstellung passender Lösungen führen. Dieser Beitrag verfolgt das Anliegen, ein umfassendes, eher funktionsbezogenes, denn techni- sches Begriffsverständnis von Business Intelligence nahezulegen. Erst auf Basis einer solchen Auffassung kann das Potential, welches zur Bewältigung der skizzierten Anforderungen genutzt werden kann, für und durch das Controlling aufgenommen werden. Es muß jedoch deutlich gemacht werden, daß es für die Entwicklung der betrieblichen Control- ling-Bereiche nicht unerheblich sein kann, durch welche Promotoren die Business Intelligence- Lösungen m Unternehmen eingebracht werden. Wie die weiteren Darstellungen zeigen, e i r- wächst aus der zielgerichteten Nutzung eine hohe Handlungskompetenz in Bezug auf control- ling-typische Aufgabenstellungen. Damit muß Controlling ein hohes Interesse haben, selbst frühzeitig diese Kompetenz zu entwickeln. Eine einheitliche Begriffsbildung liegt noch nicht vor, gleichwohl zeigen Indikatoren auf die wach- sende Bedeutung dieses Feldes: als gute Frühindikatoren einer solchen Entwicklung mögen die Grothe: Business Intelligence Seite 5 von 5 Proklamation und organisatorische Formation entsprechender Kompetenzzentren auf Bera- tungsseite, die zunehmende Vermarktung von „Business Intelligence-Produkten“ sowie die Auf- stellung von entsprechenden Seminarveranstaltungen dienen. Der „Intelligence“-Begriff wird als überaus positiv belegtes Substantiv benutzt: gleichwohl hebt die korrekte Übersetzung den Aspekt der „Suche“ hervor. Wichtig ist somit eine Einordnung von Business Intelligence als Prozeßfolge und nicht als Bestandsgröße. Um dies aufzunehmen und insbesondere eine rein technische Interpretation zu vermeiden, wird Business Intelligence hier folgendermaßen definiert: Business Intelligence (BI) bezeichnet den analytischen Prozeß, der – fragmentierte – Unternehmens- und Wettbewerbsdaten in handlungsgerichtetes Wissen über die Fähigkeiten, Positionen und Ziele der betrachteten internen oder externen Handlungsfelder (Akteure und Pro- zesse) transformiert. Mit dieser Definition wird unmittelbar der Bezug zu den formulierten Gestaltungsleitsätzen hergestellt. • So ist das Ergebnis dieses Bereitstellungs- und Entdeckungsprozesses keinesfalls vordefi- niert. Der BI-Prozeß ist nur dann sinnvoll, wenn es eben nicht um die Bestätigung herge- brachter Meinungen („immer schon so gemacht“, „industry rules“) geht, sondern um die A- daption an neue Erkenntnisse, um die Bestätigung oder Ablehnung von Hypothesen. • Der BI-Prozeß ist ganz wesentlich dadurch geprägt, daß in den aufgenommen Basisdaten nur wenige Strukturen betrachtet werden. Es ist essentiell, die relevanten Zusammenhänge zu identifizieren und in ihrer Dynamik zu verstehen. • Die Entdeckung solcher Muster ist aber kein Ziel an sich, sondern erst durch den zielgerichte- ten Einsatz kommt es zu einer Nutzung dieses Wissen. Somit ist schnelle Kommunikation ein Erfolgskriterium. Mit diesem Grundverständnis läßt sich Business Intelligence in drei Prozeßphasen strukturieren. Diese Unterteilung stellt eine geeignete Dimension bereit, um die Folge von einzelnen methodi- schen Ansätzen aufzuzeigen. 1 Bereitstellung quantitativer und qualitativer, strukturierter oder unstrukturierter Basisdaten. 2 Entdeckung relevanter Zusammenhänge, Muster und Musterbrüche oder Diskontinuitäten gemäß vorbestimmter Hypothesen oder hypothesenfrei. 3 Teilen und Nutzung der gewonnenen Erkenntnisse zur Stützung von Maßnahmen und Ent- scheidungen. Betrachtet man die für diese Teilprozesse diskutierten und eingesetzten Instrumente genauer, dann lassen sich in dieser Vielzahl zwei große Klassen ausmachen: Eine große Gruppe von In- strumenten zielt auf strukturierte, qualitative Aspekte, deren Relationen sich bereits durch eine Reihe von Hypothesen beschreiben lassen. Eine zweite Gruppe fokussiert unstrukturierte, quali- tative Bereiche, für deren Verknüpfungen nur zum Teil a priori Hypothesen vorliegen. Diese Gruppen stellen die beiden Grenztypen aus einem ganzen Spektrum von Betrachtungsbe- reichen dar, wobei die erste Gruppe einfacher durch das hergebrachte analytische Instrumenta- rium aufgenommen werden kann. Dieser leichtere Zugang führte traditionell zu einer Überbeto- nung quantitativer, strukturierter Aspekte, die jedoch mit dem Business Intelligence-Ansatz aus- geglichen werden soll. Dieses Spektrum stellt die zweite Dimension bereit. Als Zielfunktion muß deren scheinbare Di- chotomie aufgehoben werden: zur Zeit sind solchermaßen integrierende Werkzeuge nicht ver- fügbar. Folglich muß diese Trennung durch Abläufe und kommunikative Elemente behoben wer- den. Es entsteht das Business Intelligence-Portfolio, das der Vielzahl der einzelnen Methoden und Instrumenten eine Ordnung gibt. Abbildung 3 zeigt diese Gliederungen im Zusammenhang. Grothe: Business Intelligence Seite 6 von 6 Ausprägung: quantitativ größtenteils qualitativ Datengrundlage: strukturiert kaum strukturiert Entdeckungsprozeß: hypothesengestützt weitgehend hypothesenfrei 1 Bereitstellung Unternehmens-, Markt- und Wettbewerbsanalyse (data delivery) • Data Warehouse, Data Mart • Internet Channel, Agenten- • Multidimensionale Modelle für Pla- Technologie etc. nung, Budgetierung, Analyse und • (ex- und) implizites Wissen Reporting 2 Entdeckung • Multidimensionale Analysen (OLAP) • Business Simulatoren • Balanced Scorecard mit Key Ratios • Früherkennungssystematik (discovery of rela- und Kernanalysen • Data Mining, Text Mining tions, patterns, and • klassische Methoden (z.B. ABC- • Case based-Reasoning CBR principles) Analyse, Abweichungsanalyse) 3 Kommunikation • standardisiertes und ereignisge- • Interessenprofile (Teilen, Nutzung) steuertes Reporting • Issue Management • Info-System (EIS/DSS/MIS) • traditionelles Wissensmanagement (knowledge sharing) Pull- und Push-Service Competitive Intelligence: Unternehmens-, Markt- und Wettbewerbsanalyse Abbildung 3: Business Intelligence-Portfolio. Wenn sich feststellen läßt, daß die Anforderungen an das unternehmerische Handeln durch Ausweitung und Beschleunigung d Handlungsräume drastisch zunehmen, dann zeigt das er Portfolio auf die methoden- und systembezogene Unterstützung, um den betrieblichen Regel- kreis entsprechend fortzuentwickeln. So kann das Problemverständnis – und damit die Qualität der Entscheidungsfindung – auch unter den sich ausbreitenden Rahmenparametern auf einem hohen Niveau gehalten werden, wenn über die Bereitstellung von Daten hinaus auch Relationen, Muster und Prinzipien innerhalb der Handlungsräume vermittelt werden können. Hochgradig verknüpfte, wechselwirkende Wettbewerbsfelder können genau dann für Planungen, Analysen und Entscheidungen erschlossen werden, wenn es gelingt, deren Komplexität durch die Identifikation von relevanten Mustern und Ordnungsstrukturen beherrschbar zu machen (vgl. Grothe 1997). Zentrale Bausteine Mit den folgenden Ausführungen werden zentrale Bausteine der Business Intelligence vorgestellt, um Einsatzpotentiale abzustecken (vgl. Grothe 1999). Gleichwohl wird das Potential um so stär- ker ausgeschöpft, je vollständiger das Zusammenspiel dieser Bausteine erreicht werden kann. • Als Abbildungsansatz für strukturierte, quantitative Aspekte sind multidimensionale Modelle (z.B. Datenwürfel aus Vertriebsregionen, Kundensegmenten, Produktgruppen und Zeitreihen) geeignet. Die traditionell listenorientierte Herangehensweise entspricht weder der betrachte- ten Realität, noch einem explorativen Analysevorgehen hinreichend erfolgreich. • Der Ausweitung der Einflußfaktoren wird durch möglichst umfassende Betrachtungsfelder Rechnung getragen. Eine hinreichende Abbildungsstruktur läßt sich durch die Verwendung des Balanced Scorecard-Ansatzes erreichen. • Um trotz dieser Ausweitung eine Datenüberflutung zu vermeiden, ist eine Fokussierung auf die jeweiligen Kernfragen/-analysen der Betrachtungsfelder notwendig. Jede Kernanalyse steht in Bezug zur Struktur der Gewinn- und Verlustrechnung. So wird ein schnelles Vordrin- gen zu den Ursachen möglicher „Auffälligkeiten“ erreichbar: die Analysezeit sinkt, die Ana- lysequalität steigt. Gleichwohl ist eine solche Selektion niemals endgültig. Grothe: Business Intelligence Seite 7 von 7 • Die modellierten multidimensionalen Reporting- und Planungsstrukturen werden um Vorge- hensweisen ergänzt, die die informationelle Offenheit des Gesamtansatzes sicherstellen: nur durch eine Früherkennung auch von unstrukturierten, qualitativen und unerwarteten Mo- menten läßt sich das Überraschungspotential effektiv senken. • Wesentlich für die Effizienz von Business Intelligence ist der Einsatz von Push- und Pull- Funktionen. Pull kommt einer direkten Suche gleich, Push jedoch bezeichnet die ereignis- gesteuerte Benachrichtigung aufgrund definierter Interessenprofile. Diese Bausteine stützen mit den Eigenschaften Transparenz, Anpassungsfähigkeit, Erweiter- barkeit und eigene Strukturierung die vorgenannten Gestaltungsleitsätze. Es zeigt sich, daß für diese Bausteine geeignete Software-Tools zur Verfügung stehen; die eigentliche Herausforde- rung liegt in der Formulierung einer entsprechenden Strukturierung und in der Aufrechterhaltung einer Koordination der erzeugten Flüsse – dies ist Controllingaufgabe im besten Sinne. Multidimensionale Modelle Das Prinzip multidimensionaler Modelle sei hier an einem plastischen Beispiel dargestellt: So zeigt ein klassischer Profit Center-Report bei näherer Betrachtung Daten aus einem vierdi- mensionalem Raum. Grundsätzlich ist jeder Wert durch die Angabe der entsprechenden organi- satorischen Bezugseinheit (oder auch eines bestimmten Prozesses), der zeitlichen Bezugspe- riode, der Datenart und seiner Aussagebezeichnung (Statement) determiniert. Folglich lassen sich diese Report-Daten vollständig in vierdimensionale Modelle transportieren. Abbildung 4 zeigt dies schematisch und ergänzt, wie durch die Ergänzung einer fünften Dimen- sion die Analysemöglichkeit und -geschwindigkeit gesteigert werden kann. Profit Center Zeit Business Unit August Januar - August 1998 Großkunden Ist Plan Abw. Ist Plan Abw. HR Plan Umsatz Betriebsergebnis Mitarbeiter Profit Center Investitionen Zeit Statements Datenarten Datenarten statisch Statements Plan-Ist-Abweichung dynamisch < 80% 80-95% Analyse 95-105% 105-120% > 120% Abbildung 4: Vom Report zum Würfel. Konkret ist es Ziel der multidimensionalen Modellierung, bestimmte Realitätsbereiche nicht nur abzubilden, sondern durch entsprechende Komponenten das Potential der Analysefunktionalität direkt zu integrieren. Diese Aufgabe ist originär betriebswirtschaftlicher Natur: Die entstehenden Modelle werden durch Hypothesen getragen. Abbildung 5 zeigt ausschnittweise eine anwendungsbezogene Sicht auf einen solchen Würfel (die Darstellung basiert ebenso wie Fehler! Verweisquelle konnte nicht gefunden werden. auf der Software TM1 Server 7 der Firma Applix): Grothe: Business Intelligence Seite 8 von 8 Würfel-Dimensionen “ Views”: Vordefinierte Sichten auf die mehrdimensionalen Drill-down Datenräume. Abbildung 5: Anwendungsoberfläche eines multidimensionalen Modells. Durch einfaches Verschieben werden die erzeugten Datensichten an neue Abfragen angepaßt. Durch Doppelklick werden die Elemente der Dimensionen ausgewählt. Ein wesentlicher Gewinn liegt bereits in der Schaffung einer einheitlichen und transparenten Da- tenbasis. Controlling kann diese Modelle umfassend nutzen: • Für Planungsaufgaben werden diese Sichten auf die Datenmodelle als Eingabe-Oberflächen zusammengestellt. Die Modelle können eine ausführliche, unternehmensspezifische Rechen- logik aufnehmen. • Für Analyse- und Reportingaufgaben lassen sich darüber hinaus dynamische Verknüpfungen aus einer Tabellenkalkulation auf die Würfelstrukturen aufbauen. Entscheidend ist die klare Trennung zwischen Datenhaltung und Analyse bzw. Aufbereitung. Dieses Vorgehen erschließt zahlreiche Vorteile: • Klare Trennung zwischen Daten und Reports. Zentrale Administration der Datenmodelle. • Transparente und einheitliche Datenbasis. Für die Dimensionen lassen sich auch Stamm- daten-Kategorien frei festlegen: z.B. Kostenstellen-Verantwortlicher, Projektpriorität, Mengen- einheit für Produkte, ... . Diese Attribute lassen sich ebenso in den Tabellen anziehen. • Individuelle Aufbereitungsmöglichkeiten: umfangreiche Möglichkeiten für Formatierung/ Sei- tenlayout, breites Spektrum an Grafiken, automatische Aktualisierung über B ezüge. Dazu Raum, um weitere Information (auch Text) und Zusatzberechnungen einzufügen. Integration von und in Texten (Word) problemlos möglich. • Minimierung des notwendigen Lernaufwands der Anwender • Reports können als *.xls-Dateien behandelt werden (Speicherung, Mailversand etc.). Auch: Offline-Bearbeitung. Balanced Scorecard Traditionelle Reporting- und Planungsansätze wie auch Performance-Beurteilungen über- gewichten typischerweise kurzfristige, finanzorientierte Indikatoren. Im Rahmen des Business In- telligence ist jedoch eine umfassendere Abbildung der Realitätsbereiche anzustreben. Die Balanced Scorecard ist ein Instrument, das schwerpunktmäßig für den Prozeß der Strate- giedurchsetzung diskutiert wird. Hier soll jedoch die Gliederung der Betrachtungsfelder herange- 30.08.2000 21:10 KRP_990513final-paper Grothe: Business Intelligence Seite 9 von 9 zogen werden. So präsentiert die Balanced Scorecard eine Gesamtsicht aus vier Perspekti- ven: • Ausgehend von finanziellen Ergebnisanforderungen wird präzisiert, • mit welchen Kunden-/Produkt-Kombinationen diese erreicht werden sollen. Es gilt, Kunden- anforderungen, -nähe und -zufriedenheit zu betrachten. • Daraus werden Leistungsanforderungen an interne Prozesse sowie • Profile mit notwendigem Wissen und zu entwickelnden Fähigkeiten abgeleitet. Die Perspekti- ve Lernen lenkt die Aufmerksamkeit auf die Grundlagen künftigen Erfolgs. Im Sinne einer Fokussierung der Betrachtungsfelder werden für die einzelnen Perspektiven Key Ratios (mit Ursache-Wirkungsketten) und spezifische Kernanalysen zusammengestellt. Mit Key Ratios wird ein schneller Überblick zu einer Perspektive vermittelt. Eine vertiefende Analyse und Ursachenexploration wird durch die definierten Kernanalysen erreicht (vgl. hierzu auch Con- nelly/McNeill/Mosimann 1996). Abbildung 6 zeigt einen möglichen Überblick. Kunden Finanzen Finanzen [1] Key Customer Ratios [1] Key Financial Ratios [2] Customer & Product Profitability [2] Income Statement & Profit Analysis [3] Cost of Service Relationship [3] Balance Sheet [4] Complaints, Returns & Claims [4] Cash Flow-Analysis [5] On-Time Delivery [5] Cash Management [6] Sales Pipeline [6] Value-Analysis [7] Marketing Activity Analysis [7] Sales Analysis Prozesse Lernen Lernen [1] Key Process Ratios [1] Key Learning Ratios [2] Supplier Scorecard [2] Human Resource-Analysis [3] Carrier Scorecard [3] Function-Scheme [4] Capacity Management [4] Core Competency Deployment [5] Standard Product Cost & Quality [6] Cause of poor Quality [7] Inventory Turn-Over Abbildung 6: Balanced Scorecard mit Key Ratios und Kernanalysen. Damit wird die multidimensionale Modellierung als Abbildungsmethode und die Struktur der Ba- lanced Scorecard als Gliederungsschema herangezogen. Hypothesen über relevante Aspekte werden in Kernanalysen gegossen. Ein Beispiel ist die Profitabilitätsanalyse: Wie verteilt sich die Profitabilität im Produkt- („Renner und Penner“) und Kunden-Portfolio? Eine segmentspezifische Untersuchung der verdeckten Kosten der Kundenbeziehungen kann dann tiefergehende Fragen des Relationship Management beantworten helfen. Kernanalyse: Werden sämtliche Kosten der Kundenbeziehungen in der Preisbildung berücksichtigt? In der Modellierung ergibt sich eine fünf-dimensionale Struktur (vgl. Abbildung 7). Kundensegmente Profit Kunden(segment)profil Center • Absatz Absatz • Umsatz • Direkte Kosten Direkte Kosten • • Deckungsbeitrag Deckungsbeitrag Zeit • Anz. Nachprüfungen Nachprüfungen • Anz. Beschwerden • Anz. Rücksendungen Rücksendungen • Betrag Rücksendungen Rücksendungen Produktgruppen • Betrag Nachforderungen Nachforderungen Abbildung 7: Analysestruktur „Cost of Service Relationship“. Eine Exploration in dieser Struktur führt in der Regel zu der Entdeckung von wichtigen Zusam- menhängen. Grothe: Business Intelligence Seite 10 von 10 Die bisher am Stärksten vernachlässigte Perspektive ist der Bereich Ler- nen/Wissen/Innovation. Sehr schnell kann hier die Gefahr auftreten, gerade solche Indikatoren auszuwählen, die relativ leicht zu messen, aber nur wenig beurteilungsrelevant sind. Es ergibt sich, daß diese Perspektive gerade deshalb so schwer zu fassen ist, weil den unterlie- genden Prozessen und Potentialen bisher nur eine geringe Aufmerksamkeit zuteil geworden ist. Gleichwohl wird das Potential mittlerweile erkannt: So ist der Ansatz eines pragmatischen Wis- sensmanagement geeignet, diese Schwachpunkte weiter abzubauen. Um dies zu forcieren, sollte Wissensmanagement nicht auf Datenbanken oder Zugriffstools bezogen werden, sondern auf die umfassende Nutzung des Einsatzfaktors Wissen. Es steht die Unterstützung einer zwei- geteilten Aufgabenstellung im Vordergrund. • „Wer benötigt die jetzt hier vorhandene Information?“ • „Wer hat/wo ist Information zu dieser Fragestellung?“ Es sind dies Fragestellungen, die insbesondere in der Nutzungsphase für die Produktivität von Business Intelligence unerläßlich sind. Einen wichtigen Baustein für diese Zielsetzung stellt das untenstehend skizzierte Früherkennungssystem dar. Weitere Bausteine Business Intelligence stellt das Gebäude dar, von dem vorstehend einige Bausteine skizziert werden. Es sind dies die Elemente, die zum einen sicherlich zuerst eingeführt werden sollten (oder müssen), die zum anderen aber auch bisher am weitesten verbreitet sind. Allerdings fin- den sich in der BI-Matrix noch weitere Bausteine: • Agenten-Technologien stellen die Möglichkeit bereit, automatisch nach bestimmten Inhalten im Internet oder Intranet suchen zu lassen. Dies ist die Stufe, die die Interessenprofile und Push-Services weiter verbessern wird. Allerdings ist der Abstand zum gewohnten Arbeitsver- halten noch groß. • Früherkennung: Die frühzeitige Bereitstellung von Signalen ist eine zentrale Herausforde- rung, gleichwohl kann der konkrete Informationsbedarf nicht a priori vollständig fixiert werden (Informationsparadoxon). Somit muß eine informationelle Offenheit erreicht werden, um mög- lichst zeitnah zu erkennen, wenn aus betrachteten, vernachlässigten oder als irrelevant er- achteten Bereichen plötzlich unerwartete Risiken oder Chancen erwachsen (Überraschungs- potential). Eine Basis für eine effektive Früherkennung wird durch das Abonnement von Inter- net-Channel (vgl. hierzu Abbildung 8 als Illustration) sowie Möglichkeiten zur Priorisierung und Kommentierung gelegt. Grothe: Business Intelligence Seite 11 von 11 Alert Abbildung 8: Nachrichtenkanal als Push-Funktionalität. • Business Simulatoren erschließen die Möglichkeit des dynamisches Laborexperiments. Sehr spezifische Interaktionsnetze lassen sich abbilden und in ihrem Zeitverhalten untersu- chen. Dies ist insbesondere dann sinnvoll, wenn präventive Strategien formuliert werden sol- len. Die Bereitstellung fußt in diesem Fall nicht auf der Ableitung aus konkreten Beobachtun- gen, sondern auf der modellbezogenen Abbildung von Realitätsbereichen. Durch eine Simula- tion lassen sich zum einen komplexe Systeme besser verstehen, zum anderen stellen sie auch eine Kommunikationsbasis bereit. • Data Mining beschreibt die weitgehend hypothesenfreie Suche nach Auffälligkeiten in großen Daten-Pools, sei es ein Data Warehouse, Data Mart oder OLAP-Modell. Gleichwohl stellen die verfügbaren Tools hohe Anforderungen an die Nutzer. • Text Mining ist die Fortschreibung dieser Grundidee auf Textdokumente. Allerdings ist die Zahl der Anwendungen noch eher begrenzt. • Case Based-Reasoning nutzt Ähnlichkeitsbeziehungen innerhalb einer Menge von „Cases“. So erschließt CBR einem Anwender strukturell oder wertmäßig ähnliche Fälle. Auch hier ist das tatsächliche Einsatzfeld noch begrenzt. • Es stehen mittlerweile Werkzeuge bereit, die die Bereitstellung und Präsentation von Inhalten und Zusammenhängen in einem Informationssystem sehr leicht erreichbar werden lassen. In einem solchen System kann die Zusammenführung unterschiedlicher Datenquellen (SAP, OLAP-Modelle, operative Systeme) unter einem Zugriff geleistet werden. • Knowledge Sharing und andere allgemeine Aspekte des Wissensmanagement bergen zum Teil ein erhebliche s Potential zur Unterstützung von Business Intelligence. Zahlreiche An- wendungsfälle zielen zumeist auf die Schaffung von Transparenz über primäres und sekun- däres Wissen. • Die Präzisierung der Methoden der Competitive Intelligence, der gezielten Wettbewerbs- analyse, würde den Rahmen dieses Beitrags sprengen. Insbesondere die Synthese einer Vielzahl von Quellen ist ein zentraler Punkt. Als wichtigen Theoriebaustein sei in diesem Zu- sammenhang auf die Spieltheorie hingewiesen. Die Vielzahl der Ansätze und Tools ist sicherlich geeignet, Verwirrung zu stiften. Deshalb sollte stets die eigentliche Motivation betont werden: Die rechtzeitige Entdeckung und zielgerichtete Nutzung von Zusammenhängen und Diskontinuitäten innerhalb oder außerhalb des Unterneh- mens ist der Kern des Business Intelligence. Grothe: Business Intelligence Seite 12 von 12 DV-Basis: BI ist kein IT-Thema! Nun ist der Einsatz von softwarebasierten Instrumenten und Systemen für Controlling keine neue Erfahrung. So ist gerade der Rückgriff auf transaktionsorientierte Systeme des Rech- nungswesen essentiell, auch wenn diese – wie viele andere operative Systeme – primär nicht für Analysezwecke ausgerichtet sind. • Für fallweise Analysen verwendet Controlling insbesondere Tabellenkalkulationstools wie z.B. Microsoft Excel; fallweise zum einen deshalb, weil auf diesen Spreadsheets die Darstellungs- und Auswertungsanordnung nach der erstmaligen Erstellung grundsätzlich nur umständlich verändert werden kann, zum anderen, weil die aufgebauten Spreadsheets in der Regel indivi- duelle Lösungen sind. • Für generelle Analysen (Variierbarkeit, Erweiterbarkeit, Netzwerk- und Mehrbenutzerbetrieb) war Controlling bisher auf die Unterstützung der DV-Abteilung oder eine Überdehnung der fallweisen Ansätze angewiesen: die Resultate waren dann häufig zeitliche Verzögerungen, suboptimale Abbildungen oder übergroße Kompliziertheit und Fehleranfälligkeit. Der Vorteil der in diesem Beitrag vorgestellten Business Intelligence-Werkzeuge liegt nun zum einen in der analytischen Leistungsfähigkeit, zum anderen aber in dem überschaubaren Einfüh- rungsaufwand. Für multidimensionale Planungs- oder Analysesysteme liefert die Anbieterseite einerseits zahlreiche Lösungen, die in der Regel bereits weitgehend vorstrukturiert sind. Damit werden der eigenständigen Gestaltung umfassender oder modulartiger Modelle teilweise enge Grenzen gesetzt. Um eigene Gestaltungsanforderungen schnell umsetzen zu können und den sich einstellenden Lernprozeß optimal zu unterstützen, kann sich andererseits der Einsatz einer multidimensiona- len Modellierungssoftware als sinnvoll erweisen. Um einen Eindruck solcher Modellierungsauf- gaben zu vermitteln, zeigt Abbildung 9 beispielhafte Dimensionen für die Konten-, OrganisatiU- Daten unterscheidet, läßt sich bereits ein GuV-Würfel aufbauen. # Dimension Konten # Konten # Dimension Organisation Organisation # Dimension Organisation # Dimension Zeit # Dimension Zeit C C Betriebsergebnis Betriebsergebnis Betriebsergebnis C C o.tel.o Konzern o.tel.o Konzern Konzern C C 1999 1999 Operatives Ergebnis Operatives Ergebnis Operatives Ergebnis Festnetz Festnetz Festnetz 1. Quartal 1999 1. Quartal 1999 1999 Zinsergebnis Zinsergebnis Zinsergebnis Beteiligungen Beteiligungen 2. Quartal 1999 2. Quartal 1999 1999 3. Quartal 1999 3. Quartal 1999 1999 C C Operatives Ergebnis Operatives Ergebnis Operatives Ergebnis C C Festnetz Festnetz Festnetz 4. Quartal 1999 4. Quartal 1999 1999 Gesamterlöse Gesamterlöse Gesamterlöse CEO CEO Gesamtaufwand Gesamtaufwand Gesamtaufwand -1 -1 BU Consumer BU Consumer C C 1. Quartal 1999 1. Quartal 1999 1999 BU Netz BU Netz Jan 1999 Jan 1999 C C Gesamterlöse Gesamterlöse Gesamterlöse ... ... ... Feb 1999 Feb 1999 (...) (...) (...) CIO CIO CFO Mrz 1999 Mrz 1999 CFO C C Gesamtaufwand Gesamtaufwand Gesamtaufwand Materialaufwand C C Beteiligungen Beteiligungen C C 2. Quartal 1999 2. Quartal 1999 1999 Materialaufwand Materialaufwand (...) (...) (...) E-Plus E-Plus Apr 1999 Apr 1999 Personalaufwand Personalaufwand Personalaufwand Iridium Iridium Mai 1999 Mai 1999 Abschreibungen Abschreibungen Abschreibungen Telecolumbus Telecolumbus Telecolumbus Jun 1999 Jun 1999 sonstiger Aufwand sonstiger Aufwand sonstiger ... ... ... (...) (...) (...) C C sonstiger Aufwand sonstiger Aufwand sonstiger CC BU Consumer BU Consumer (...) (...) (...) Dimensionen werden in Marktplanung Marktplanung Marktplanung C C kum. Apr 1999 kum. Apr 1999 Produktentwicklung Produktentwicklung Produktentwicklung Jan 1999 Jan 1999 Excel-Blättern festgelegt: Excel-Blättern festgelegt: Vertriebsregion abc Vertriebsregion abc abc Feb 1999 Feb 1999 hierarchische Strukturen Vertiebsregion def Vertiebsregion def Mrz 1999 Mrz 1999 durch calculated ... ... ... Apr 1999 Apr 1999 elements. Telesales Telesales Telesales (...) (...) Abbildung 9: Beispiele für die Dimensionsdefinition. Jeder Würfel kann mit Rechenregeln, etwa für Konsolidierungen oder Kennzahlenberechnung, versehen werden. Es wird deutlich, daß die technische Komponente einer solchen Modellierung kaum die Anforderungen an einen Spreadsheet-Aufbau übersteigt. Somit steht bei der Entwick- lung solcher Business Intelligence-Werkzeuge die Gestaltung eines betriebswirtschaftlichen Mo- dells im Mittelpunkt – dies ist jedoch eine Controlling-Aufgabe im besten Sinne. Grothe: Business Intelligence Seite 13 von 13 In der Übersicht stellt Abbildung 10 das bei o.tel.o aufgebaute Reporting-Analyse-Planungs- System dar. Text etc. Slice MIS Ad hoc- Browse Views Analysen • definierte Views • freies “Browsing” SAP Standards: z.B. COPA Bwl. GuV MA • Report.xls Modelle ... ... • Analyse.xls • Plan.xls SAP CO manuelle OLAP-Server OLAP-Server Eingaben oder Reporting andere Korrekturen Planning Quellen Abbildung 10: Übersicht Reporting-Analyse-Planungssystem RAPtor. Die Planungs- und Reporting-Modelle sind auf eigenen Servern abgelegt. Für die dezentral ver- teilten Standorte wurde ein online-Zugriff im Wide-Area-Network (WAN) realisiert. Dieser client- seitige Zugriff ist über die Anwendungsoberfläche möglich, die Abbildung 5 zeigt. Ebenso lassen sich nach dem beschriebenen Funktionsprinzip Spreadsheets einbinden. Ein Info-System greift auf die definierten Modelle sowie SAP-Daten zu und erschließt durch vorstrukturierte Analysen und Grafiken weitere Anwendungsbereiche. Die gesamte Konfiguration ist modular aufgebaut und wird anforderungsnah fortentwickelt. Aufbau von Business Intelligence Unternehmen im Wettbewerb seien durch ein Bündel an Fähigkeiten beschrieben (vgl. We- ber/Bach/Brettel/Grothe/Schäffer 1998, S. 2ff.): • Als Antizipationsfähigkeiten lassen sich Perzeptions-, Prognose- und Bewertungsfähigkeit un- terscheiden, • ergänzt und manifestiert werden diese durch die Realisationsfähigkeit des Unternehmens. Das Zusammenspiel der Akteure innerhalb eines Unternehmens bestimmt die konkrete Ausprä- gung dieser Fähigkeiten wie auch das gemeinsame interne Modell. Dieses Modell wiederum be- inhaltet gemeinsame Annahmen über künftiges Verhalten und ist damit Grundlage für die Koor- dination einer komplexen Leistungserstellung. Dieses Modell wird – genau wie auf der individuellen Ebene – nun durch Ausweitung der Einfluß- faktoren und Beschleunigung der Veränderungen herausgefordert. Durch Business Intelligence wird eine Funktion beschrieben, die die Nutzbarmachung relevanter, verfüg- oder generierbarer Information für zielgerichtete Handlungen forciert. Damit wird die Aufgabe der strategischen Un- ternehmensführung in zeit- und qualitätsbezogener Hinsicht unterstützt. Das Attribut „strategisch“ sei hier nicht mit „langfristig, wichtig, schwierig und ungewiß“ gleichge- setzt, sondern mit solchen Fragestellungen verbunden, die klären helfen, welche Handlungen „jetzt“ vorgenommen werden müssen, um die langfristigen Ziele zu erreichen bzw. nicht zu ge- fährden. Wenn Business Intelligence Beiträge leisten kann, um Muster und Diskontinuitäten frühzeitig und umfassend zu erkennen, dann werden gerade diese Aufgaben der Koordination und Rationali- tätssicherung unterstützt. Hierzu bietet der Aufbau und die flexible Entwicklung von multidimensionalen Systemen eine Ba- sis. Mit den beispielhaft vorgestellten Kernanalysen sowie einem offenen Früherkennungssy- Grothe: Business Intelligence Seite 14 von 14 stem/Issue Management werden weitere Beiträge geleistet, um trotz der Ausweitungs- und Be- schleunigungs-Tendenzen Chancen und Risiken rechtzeitiger erkennen zu können. Der Erstellungsprozeß solcher BI-Bausteine birgt mehrere positive Nebeneffekte, die eine inten- sive Mitarbeit der betroffenen Fachabteilung als dringend geboten erscheinen lassen. Prägnant läßt sich formulieren: Der Aufbau solcher Systeme ist keine Aufgabe für die DV-Abteilung. Als Vorteile einer weitgehenden Eigenerstellung lassen sich folgende Punkte nennen: • Es besteht ein Zwang zu einer eindeutigen und einheitlichen Festlegung von Strukturen und Kennzahlen. Es erwächst dadurch ein gemeinsamer Pool von Definitionen. • Die Diskussion schafft ein hohes Verständnis für die Key Ratios und Kernanalysen: Was sind die zentralen Treiber des Geschäfts und wie lassen sie sich konkret fassen? • Die Gestaltungsaufgabe liefert Ansatzpunkte, um die Reporting-und Planungs-Prozesse hin- sichtlich Transparenz und Zeitbedarf zu verbessern. • Die Eigenerstellung erlaubt eine anwendungsnahe Realisierung, ermöglicht kurzfristige An- passung und Berücksichtigung der Anwenderanforderungen. • Es wird ein Outsourcing von Wissen verhindert bzw. das explizit entstehende Wissen wird di- rekt für den Fachbereich nutzbar. Die Eigenerstellung läßt ein strukturiertes Geschäftsmodell entstehen. Die Notwendigkeit eigener Strukturierungsleistung setzt einen wesentlichen Zusatznutzen frei: Aus „shared facts“ wird durch Anwendung „shared knowledge“ und damit eine sprunghaft ver- besserte Koordination. Dieses durch Business Intelligence-Prozesse erschlossene „shared knowledge“ entspricht dem Wissen um die Relationen, Muster und Prinzipien innerhalb einer Un- ternehmens- oder Wettbewerbsarena, es bildet einen wichtigen Teil des internen Modells eines Unternehmens. Damit wird zugleich die Basis gelegt für eine nochmalige Verbesserung der „strategischen Kompetenz“: So entsteht durch die hier aufgezeigten Ansätze ein umfassendes Geschäftsmo- dell, das unstrukturierte und unstrukturierter wie auch quantitative und qualitative Aspekte integ- riert. Mit dem folglich aufgebauten Wissen um die kritischen Zusammenhänge und Muster kann nicht nur das eigene Unternehmen besser geführt, sondern auch die Dynamik der Wettbe- werbsarena besser verstanden und antizipiert werden. Es gilt demnach – wenn man einen Ausblick in die weitere Entwicklung dieser Lösungskompe- tenz wagen möchte – zum einen, entsprechende Modelle über die Fähigkeiten und Intentionen auch für aktuelle und potentielle Wettbewerber aufzubauen, zum anderen, das eigene U nter- nehmen und dessen Handeln auch aus der Warte dieser anderen Akteure zu hinterfragen. In diesen – spieltheoretisch geprägten – Überlegungen und Simulationen kommt dem Aspekt Signalling („Man kann nicht nicht-kommunizieren!“) eine herausgehobene Bedeutung zu: • Einerseits bieten von Konkurrenten oder Kooperationspartnern empfangene Signale Anhalts- punkte, um die abgebildeten Modelle zu prüfen bzw. zu erweitern. Gleichwohl bieten solche Modelle auch die Möglichkeit, die Glaubwürdigkeit eines Signals bzw. Commitments kritisch zu untersuchen. • Andererseits läßt sich Signalling auch gezielt als Instrument einsetzen, das Handlungen auf der Wettbewerberseite hervorrufen bzw. unterbinden kann und so mittelbar die eigenen Ziele zu fördern vermag. Es sind dies jedoch Ansätze, die noch der weiteren Ausführung bedürfen. Wenn eine adaptive Kultur, einige wenige „frozen Components“ und Real-time Kommunikation als die zentralen Gestaltungsleitsätze für den Wettbewerbserfolg in dynamischen Branchen an- gesehen werden, dann können die hier vorgestellten Ansätze als entsprechendes Instrumentari- um verstanden werden. Grothe: Business Intelligence Seite 15 von 15 Die Einführung solcher Instrumente verändert eine Vielzahl von Arbeitsweisen, als Beispiel sei hier die Push-Funktionalität genannt. Folglich wird hier ein schrittweiser Aufbau empfohlen, der zuerst die bestehenden Lösungen aufnimmt, diese durch Verwendung von neuen Medien in ihrer Effizienz verbessert, um dann durch einen qualitätiven Sprung auch an der Effektivität an- zusetzen. Eine solche Abstufung vermeidet eine Überforderung der Organisation und erlaubt auch einem Projektteam das Aufbauen von Erfahrung. Abbildung 11 macht ein solches Vorgehen durch eine Matrix beispielhaft deutlich, auf der grundlegenden Ebene werden auch angrenzende Bausteine aus dem Bereich des Wissensmanagement dargestellt. Neue Bewährtes neu strukturieren: Qualitativer Sprung: Lösung • Begrenzung der Standard-Reports • Ereignisgesteuertes Reporting • Fokussierung von Umläufen • Business Simulation • Individuelle Vergabe von Expertise- • Data Mining, Text Mining, CBR Ziel: Bereichen (insb. Integration in Zieldialog) • Früherkennungssystem Effektive • Expertenverzeichnis Entfaltung • Vielschichtiger Info-Pool (Wissensdatenbank) alte Bestandsaufnahme, Übersicht: Effizienzsteigerung durch neues Medium: Lösung • Telefonliste Papier • Multidimensionale Modelle • Presseumlauf • Reports aus OLAP-System • Monats-Reports aus MS Excel • Abstimmungs -/Diskussions prozesse in Wis- Ziel: • Frequently Asked Questions sensdatenbank Effiziente • vorhandenes Wissen • Telefonliste in Lotus Notes Basis • Richtlinien als Dateianhänge altes Medium neues Medium Abbildung 11: Einführungsmatrix Wissensmanagement und Business Intelligence. Das Spektrum dieser Ansätze unterstreicht drei zentrale Aussagen: 1. Der Prozeß des Business Intelligence erschließt durch Beiträge zur Rationalitätssicherung im Unternehmen Ansätze für eine nachhaltige Verbesserung der Wettbewerbsposition. 2. Business Intelligence ist kein IT-Thema. Für die wichtigsten Bausteine liegen einsetzbare In- strumente vor. 3. Der Entwicklungs- und Einführungsprozeß der BI-Kompetenz bedarf umfassender Koordina- tion. Damit bietet es sich fast zwangsläufig an, daß die konsequente Umsetzung von Business Intelli- gence im Unternehmen stark von Controlling aufgenommen wird. Literaturhinweise: Brown, Shona L. - Eisenhardt, Kathleen M.: Competing on the Edge, Boston 1998. Connelly, Richard - McNeill, Robin - Mosimann, Roland: The Multidimensional Manager, Ottawa 1996. Grothe, Martin: Ordnung als betriebswirtschaftliches Phänomen, Wiesbaden 1997. Grothe, Martin: Realtime-Analytical-Processing, in: Martin, Wolfgang (Hrsg.): Data Warehousing & Enterprise Resource Management, Velbert 1999, S. C845.03-20. Leonard, Dorothy: Wellsprings of Knowledge, Boston 1998. Weber, Jürgen - Schäffer, Utz: Sicherstellung der Rationalität von Führung als Controllingaufga- be?, WHU-Forschungspapier Nr. 49, April 1998. Grothe: Business Intelligence Seite 16 von 16 Weber, Jürgen - Schäffer, Utz: Controller auf dem Weg zum internen Berater, in: krp 43. Jg., 1999, H.1, S. 8-10. Weber, Jürgen - Bach, Sabine - Brettel, Malte - Grothe, Martin - Schäffer, Utz: Grundmodell einer dynamischen Theorie ökonomischer Akteure, WHU-Forschungspapier Nr. 56, August 1998.