![Business Intelligence 2.0 – Neue Architektur verspricht weniger Komplexität und bessere Performance]()
Die
Umwandlung von
Geschäftsdaten in relevante Informationen mittels
Business-Intelligence Lösungen ist vor dem Hintergrund steigender Datenmengen und wachsender Anforderungen an das
Berichtswesen zum Top-Thema für
Controller geworden. Dabei erfordert dieser Prozess eine enge Verzahnung der vorliegenden
Werkzeuge und Techniken zum Zugriff auf heterogene Datenquellen, deren Integration, Aufbereitung, eine Analyse der syntaktischen, semantischen sowie temporalen Strukturen und Visualisierung.
Herkömmliche Technologien weisen aus Sicht der Anwender jedoch erhebliche
Einschränkungen auf: sowohl bei der Verarbeitung großer Datenmengen als auch hinsichtlich der Performance beziehungsweise der Flexibilität, mit der Informationen ausgewertet werden können. Hauptspeicher-basierte Ansätze stellen heutzutage aufgrund der verfügbaren Serverkapazitäten bei überschaubaren Kosten eine überzeugende Alternative dar.
Anzeige
|
|
Smurfit Kappa gehört mit weltweit 48.000 Mitarbeiterinnen und Mitarbeitern in 36 Ländern zu den führenden Anbietern von papierbasierten Verpackungslösungen. Wir suchen zum nächstmöglichen Zeitpunkt einen engagierten Controller (m/w/d) für das Vertriebscontrolling am Standort St. Leon-Rot....
zur Stellenanzeige >>
|
Traditionelle OLAP-Ansätze
Traditionell werden Business Intelligence Softwarelösungen auf Basis des Online-Analytical-Processing eingesetzt. Grundsätzlich lassen sich OLAP-Produkte hierbei in zwei Gruppen unterteilen:
multidimensionales und
relationales OLAP. Multidimensionale OLAP-Server (MOLAP) unterstützen die mehrdimensionale Sicht auf Daten durch eine multidimensionale Storage-Engine. Sie speichern Daten direkt in bestimmten Datenstrukturen (z.B. Arrays) und implementieren OLAP-Operationen über diesen Strukturen. Das ermöglicht die Implementierung mehrdimensionaler Front-Ends, die die Auswertung von
Kennzahlen oder
Key Performance Indikatoren (KPI) entlang von Dimensionen erlauben ("Slicing und Dicing").
Dieser Ansatz hat den
Vorteil einer relativ guten Performance bei der Abfrage aufgrund sehr guter Indexeigenschaften - trägt jedoch nicht zu einer effizienten Nutzung der Speicherkapazitäten bei. Darüber hinaus werden nur Ausschnitte der Datenbanken extrahiert und aggregiert, die dann in einer
mehrdimensionalen Struktur abgelegt werden können.
Durch dieses Vorgehen kann nicht auf alle Unternehmensdaten zugegriffen werden sondern nur auf
Teilbereiche der
Datenbank, Data Marts oder Cubes. Des weiteren ist das verarbeitbare Datenvolumen auf wenige Gigabyte beschränkt, ebenso wie die Attribute, die ausgewertet werden können, mengenmäßig limitiert sind. Sollen modifizierte Fragestellungen analysiert werden, müssen neue Cubes oder Data Marts erstellt werden.
Typisch für diese Technologie sind zudem
lange Ladezeiten, da die Berechnung der Aggregate viel Zeit in Anspruch nehmen kann. Im Gegensatz dazu können ROLAP-gestützte Architekturen auch auf standardisierten oder erweiterten relationalen Datenbanksystemen implementiert werden. ROLAP-Server sind dabei
Zwischenserver zwischen relationalen Back-End-Servern (auf denen die Daten des Data Warehouse gespeichert sind) und Client-Front-End-Tools.
Die
ROLAP-Server erweitern herkömmliche relationale Server mit spezialisierter Zugriffs- und Implementierungsmethoden sowie SQL-Erweiterungen für eine effiziente Unterstützung
multidimensionaler OLAPQueries. Mit dieser Technik können weit mehr Dimensionen verwaltet werden und auch aktuelle Daten für aggregierte Informationen berücksichtigt werden. Diese Technologie ist zwar flexibler, als MOLAP-Ansätze, jedoch ist die Verarbeitung von hohen Datenvolumina mit langen Antwortzeiten verbunden.
Grenzen traditioneller OLAP-Technologie
Laut einer
Umfrage des Business Application Reserach Center
BARC (OLAP-Survey 2006) mit 4.270 befragten
Unternehmen aus über 70 Ländern haben nur 28% angegeben, keinerlei fachlichen oder technischen Probleme mit Ihrem OLAP-Produkt zu haben. Als größtes Problem wird eine schlechte Abfragegeschwindigkeit genannt, die deutlich mit der Höhe des Datenvolumens korreliert. Der Median der Abfragezeit lag bei 7,4 Sekunden. Die Spanne reicht von 3,8 Sekunden bis 41 Sekunden. Interessanterweise sind die Beschwerden hinsichtlich der mangelhaften Performance in jeder der mittlerweile sechs Ausgaben des OLAP Survey gestiegen.
Diese Entwicklung ist unabhängig von der tatsächlichen Abfragegeschwindigkeit, zeigt aber deutlich, dass Unternehmen eine
gestiegene Erwartungshaltung an die
Leistungsfähigkeit eines OLAPProduktes entwickelt haben. Ursächlich hierfür ist zum einen die stark wachsende Informationsmenge, der steigende Wettbewerbsdruck sowie rechtliche Rahmenbedingungen, die eine wesentlich schnellere Reaktionszeit der Unternehmen zum Beispiel hinsichtlich
Basel II-relevanter
Reportings erfordern.
Die weltweit größte unabhängige Umfrage zu OLAP-Produkten ergab auch, dass neben den technischen insbesondere
personenbezogene Probleme genannt wurden. An erster Stelle rangieren dabei
administrative Schwierigkeiten sowie fehlendes Interesse der Nutzer, die auf die häufig komplizierte Implementierung respektive Anwendung solcher Lösungen zuführen sind.
Alternativarchitektur: In-Memory Analyse
Um die OLAP-Problematik der zeitintensiven Erstellung und Aktualisierung der angelegten Cubes zu umgehen, etabliert sich zunehmend ein
speicherbasierter BI-Ansatz. Einige dieser BI-Tools wie beispielsweise die Analyse- und Reportinglösung
QlikView
verzichten auf eine aufwändige und starre Definition des Datenmodells und laden alle erforderlichen Daten von Anfang an direkt in den Arbeitsspeicher. Dazu werden Daten unaggregiert eingelesen, was die bei konventionellen BI-Tools erforderliche Voraggregierung der Daten erspart. Anschließend werden Metadaten extrahiert, welche die Beziehungen zwischen den verschiedenen zu analysierenden Datenelementen beschreiben, und in einer separaten Datei gespeichert.
Die eigentlichen Daten werden in einer
assoziativen Datenbank
im Arbeitsspeicher stark
komprimiert abgelegt. Auch Daten aus unterschiedlichen
ERP-Systemen wie
SAP, Intentia Movex, Navision und J.D. Edwards, aus Datenbanken wie ORACLE, Informix, AS/400 und Access oder aus sonstigen Datenquellen wie
Excel oder dem Internet können ohne Vorverarbeitung (bzw. zusätzliche ETL-/ Data Warehouse Lösungen) miteinander verbunden und analysiert werden.
Da die
Daten nur noch
inkrementell geladen werden, können beispielsweise bei einem Ladevolumen von einer Mrd. Datensätze (ca. 10 TB) Antwortzeiten von unter einer Sekunde erreicht werden (Auf HP 64-Bit-Dual-Prozessor-Plattformen Intel® Itanium® 2 und Xeon®) . Aufgrund der Tatsache, dass QlikView ständig alle Daten/Dimensionen geladen hat, kann der Anwender jederzeit den Analyseblickwinkel durch Hinzufügen einer neuen Dimension/Kennzahl variieren und den gedanklichen Analysepfad - ohne neu anzusetzen - nahtlos bis zum Ende durchlaufen.
Bestätigt wird dieser Trend zu speicherbasierten BI-Lösungen durch den 2006 erschienenen
Gartner-Report "BI Applications Benefit from In-Memory Technology Improvements", in dem die Analysten zu dem Schluss kamen, dass spätestens 2012 70 Prozent der weltweit größten Unternehmen kritische Daten mit dieser Technologie auswerten.
Für diese
speicherbasierte Alternative entschieden hat sich beispielsweise der Medizintechnikanbieter Radiometer. Ausgewertet werden Daten aus der Finanzbuchhaltung, einem ERP einer CRM- Lösung, um Analysen des Kundenumsatzes im Zeitverlauf,
Plan-Ist- sowie Periodenvergleiche, TrendReports etc. zu erstellen.
Download des vollständigen Beitrages:
Business Intelligence 2.0
letzte Änderung Andrea Fischedick
am 20.12.2022
|
Bleiben Sie auf dem Laufenden mit unserem Newsletter
Tragen Sie sich für den
kostenfreien und unverbindlichen
Newsletter von Controlling-Portal.de ein und erhalten Sie jeden Monat aktuelle Neuigkeiten für Controller. Wir informieren Sie über neue Fachartikel, über wichtige News, aktuelle Stellenangebote, interessante Tagungen und Seminare. Wir empfehlen Ihnen spannende Bücher und geben Ihnen nützliche Excel-Tipps. Verpassen Sie nie mehr wichtige Diskussionen im Forum und stöbern Sie in Software-Angeboten, die Ihnen den Arbeitsalltag erleichtern.
Beispiel-Newsletter >>
Jetzt Newsletter gratis erhalten
Eigenen Fachbeitrag veröffentlichen?
Sie sind Autor einer Fachpublikation oder Entwickler einer Excel-Vorlage? Gern können Sie sich an der Gestaltung der Inhalte unserer Fachportale beteiligen! Wir bieten die Möglichkeit Ihre Fachpublikation (Fachbeitrag, eBook, Diplomarbeit, Checkliste, Studie, Berichtsvorlage ...) bzw. Excel-Vorlage auf unseren Fachportalen zu veröffentlichen bzw. ggf. auch zu vermarkten.
Mehr Infos >>