: Matthias Goeken
: Entwicklung von Data-Warehouse-Systemen Anforderungsmanagement, Modellierung, Implementierung
: DUV Deutscher Universitäts-Verlag
: 9783835091788
: 1
: CHF 42.70
:
: Informatik
: German
: 439
: Wasserzeichen/DRM
: PC/MAC/eReader/Tablet
: PDF
Matthias Goeken setzt sich mit der Entwicklung von Data-Warehouse-Systemen, und vor allem mit den frühen Phasen des Entwicklungsprozesses, auseinander. Er analysiert Phasenmodelle der Anwendungsentwicklung, Techniken und Aufgaben des Anforderungsmanagements sowie die Modellierung multidimensionaler Datenstrukturen. Auf dieser Grundlage entwirft er eine eigene Methode zur Entwicklung von Data-Warehouse-Systemen, die ein detailliertes Phasenmodell mit Aktivitäten, Techniken und Entwicklungsergebnissen umfasst, um den Anforderungen verschiedener Benutzergruppen gerecht zu werden.



Dr. Matthias Goeken ist Juniorprofessor für Wirtschaftsinformatik an der HfB - Business School of Finance& Management in Frankfurt/Main.
"2.2.2 Betriebswirtschaftlich-fachliche Perspektive (S. 22-24)

Eine andere, betriebswirtschaftlich orientierte Sichtweise, ein Data Warehouse bzw. ein Data-Warehouse-System zu betrachten, besteht darin, es nicht als ein Produkt, sondern als einen Prozess anzusehen. Diese Auffassung vertritt Gardner, er definiert Data Warehousing folgendermaßen:

„Data Warehousing is a process, not a product, for assembling and managing data from various sources for the purpose of gaining a single, detailed view of part or all of a business""

Die betriebswirtschaftliche Sichtweise betrachtet damit die zur Verfügung gestellte Information. Häufig wird ein Data Warehouse auch als „Single Point of truth"" für ein Untemehmen oder für einen Unternehmensbereich bezeichnet. Diesen Aspekt bringen Devlin/Murphy bereits in ihrer Veröffentlichung aus dem Jahre 1988 zum Ausdruck:

„ ... there is a single support structure responsible for delivering business information to users, and a single contact point is responsible for its quality and accuracy. Users can now focus on the use of the information rather than on how to obtain it.""

Der Zweck des Data Warehousing besteht demnach in der bedarfsgerechten Informationsversorgung von Entscheidungstragern, also darin, entscheidungsrelevante Daten in aufbereiteter Form kompakt, konsistent und leicht zugänglich zur Verfügung zu stellen. Die Datenbank, die bei der technisch-integrativen Perspektive im Mittelpunkt steht, wird folglich eher als Mittel zum Zweck angesehen. Sie dient dazu, eine einheitliche Datenbasis bspw. für die Berechnung und Herleitung betriebswirtschaftlich relevanter Kennzahlen bereitzustellen und somit das Problem der Datenbeschaffung zu lösen.

Dutta et al. charakterisieren Data-Warehouse-Systeme anhand verschiedener Modi der Unterstützung mit den Begriffen „automate"", „informate"" und „stimulate"". Das Kunstwort „informate"" kennzeichnet dabei die Fähigkeit von Technologien, Informationen über eine Organisation zu erfassen und zu liefem. Der Benutzer wird im Entscheidungsprozess dadurch unterstützt, dass ihm flexible Navigationsraume und somit Alternativen für die Analyse des Entscheidungsraums zur Verfügung gestellt werden.

Die zentrale Herausforderung besteht aus dieser Perspektive nun darin, ausgehend von „informationellen Anforderungen"" die aus unterschiedlichen operativen Systemen und externen Quellen gewonnenen Daten inhaltlich zusammenzuführen und die so gewonnenen konsolidierten Daten für die Optimierung von Geschäftsprozessen und Entscheidungen zur Verfügung zu stellen. Diese Idee findet sich bereits in der Literatur zu den Vorläufern von Data-Warehouse- Systemen:

„Usually, the EIS links data from diverse sources to provide information in a new perspective. A successful EIS creates quality reports and charts that eliminate the need of combining information from various systems and inputting it into another system to produce a separate report""

Während sich die Daten operativer Systeme auf einzelne Funktionen, Funktionsbereiche oder Abteilungen beziehen, sollen durch ein Data Warehouse gerade funktionsbereichsübergreifende Daten und Informationen zur Verfügung gestellt werden. Werden Entscheidungen auf der Grundlage nichtintegrierter (d. h. funktionsbereichsbezogener) Daten getroffen, so sind diese häufig nicht angemessen oder eben nur angemessen in Bezug auf eine einzelne Funktion bzw. Abteilung. Gardner betont diesen Aspekt besonders und streicht heraus, dass es mithilfe von Data-Warehouse-Systemen möglich ist, funktionsbereichsübergreifende Fragestellungen zu analysieren. Somit beziehen sich dann auch Entscheidungen und Maßnahmen nicht nur auf einzelne Funktionsbereiche und Abteilungen, sondern auf das Unternehmen als Ganzes."