Adaptive Business-Intelligence-Systeme (eBook)

Dr. Lars Burmester promovierte bei Prof. Dr. Ulrich Hasenkamp am Institut für Wirtschaftsinformatik an der Philipps-Universität Marburg. Er ist heute Unternehmensberater mit Beratungsschwerpunkt Business-Intelligence-Lösungen.

Geleitwort 6
Danksagung 8
Inhaltsverzeichnis 9
Abbildungsverzeichnis 15
Tabellenverzeichnis 19
Abkürzungsverzeichnis 20
Teil I: Exposition und Grundlegung 22
1 Exposition 23
1.1 Problemstellung und Ziele der Untersuchung 23
1.2 Erkenntnistheoretische Annahmen und Forschungsmethode 26
1.2.1 Erkenntnistheoretische Annahmen 27
1.2.1.1 Realitätsverständnis 28
1.2.1.2 Wahrheitstheorien und Wahrheitskriterien 31
1.2.1.3 Erkenntnisquellen und Erkenntnismethoden 33
1.2.2 Forschungsmethode 36
1.2.2.1 Forschungsansatz 37
1.2.2.2 Forschungsvorgehen und Aufbau der Arbeit 44
2 Terminologische Grundlegung 45
2.1 Systemtheoretische Grundlegung 45
2.1.1 Systembegriff 45
2.1.2 Komplexitätsbegriff 48
2.2 Wissen, Daten, Informationen 49
2.3 Lernen 54
2.3.1 Allgemeine Struktur von Lernprozessen 55
2.3.2 Die Lerntheorie Piagets 58
3 Sprache, Modelle, Metamodelle 63
3.1 Sprache 63
3.1.2 Semantische Betrachtung von Sprache 66
3.1.3 Pragmatische Betrachtung von Sprache 69
3.1.4 Zusammenfassung und Schlussfolgerungen 71
3.2 Modelle 72
3.2.1 Allgemeiner Modellbegriff 72
3.2.2 Spezielle Modellbegriffe 75
3.2.2.1 Abbildungsorientierter Modellbegriff 75
3.2.2.2 Konstruktivistischer Modellbegriff 76
3.2.2.3 Modellverständnis der Arbeit 78
3.3 Metamodelle 81
3.3.1 Sprache und Metasprache 81
3.3.2 Metaisierung, Metaebenen und Metamodellierung 83
Teil II: Managementunterstützung und System Dynamics 89
4 Management und Managementunterstützung 91
4.1 Theoretische Ansätze des Managements 91
4.2 Managementunterstützung 94
4.2.1 Identifikation von Unterstützungspotenzialen des Managements 95
4.2.1.1 Kognition 95
4.2.1.2 Unterstützungspotenziale 103
4.2.2 Informationsunterstützung 104
4.2.2.1 Inhaltliche Anforderungen an die Informationsunterstützung 105
4.2.2.2 Repräsentationsanforderungen an die Informationsunterstützung 107
4.2.2.3 Zusammenfassung der Anforderungen an die Informationsunterstützung 112
4.2.3 Entscheidungsunterstützung 113
4.2.3.1 Entscheidungstheoretische Grundlegung 114
4.2.3.2 Phasen des Entscheidungsprozesses und Anforderungen an deren Unterstützung 118
4.3 Zusammenfassung und Schlussfolgerungen 120
4.3.1 Zusammenfassung 120
4.3.2 Schlussfolgerungen für eine Lernunterstützung des Managements 121
4.3.2.1 Betrachtung der Informationsunterstützung vor dem Hintergrunddes Lernens 121
4.3.2.2 Betrachtung der Entscheidungsunterstützung vor dem Hintergrunddes Lernens 123
4.3.2.3 Betrachtung eines Gesamtansatzes der Lernunterstützung vor dem Hintergrund der Managementunterstützung 125
5 Business Intelligence 128
5.1 Begriffsabgrenzung und Begriffsverständnis 128
5.2 Klassen von Business-Intelligence-Systemen 131
5.2.1 Datenbereitstellung durch Data Warehouses 133
5.2.1.1 Das Data-Warehouse-Konzept 133
5.2.1.2 Data-Warehouse-Architektur und -Modellierung 138
5.2.2 Analysesysteme 145
5.2.2.1 Online Analytical Processing 147
5.2.2.2 Entscheidungsunterstützungssysteme 157
5.2.2.3 Analytische Modelle und integrierte Architektur für Business-Intelligence-Modelle 159
5.3 Schlussfolgerungen 161
5.3.1 Business Intelligence und Kognition 162
5.3.2 Business Intelligence und Lernunterstützung des Managements 163
6 System Dynamics 166
6.1 Grundlagen des System-Dynamics-Ansatzes 166
6.1.1 Gegenstand und Anwendungsgebiete 166
6.1.2 Annahmen des System-Dynamics-Ansatzes 169
6.1.2.1 Ontologische Annahmen 169
6.1.2.2 Realitätsverständnis und methodische Annahmen 172
6.1.3 Dynamische Komplexität – Entstehung und Auswirkungen 174
6.1.3.1 Entstehung dynamischer Komplexität 174
6.1.3.2 Auswirkungen dynamischer Komplexität 176
6.2 Modellierung und Simulation dynamischer Systeme 179
6.2.1 Entscheidungsprozess des System-Dynamics-Ansatzes 179
6.2.2 Modellierung im Rahmen des System-Dynamics-Ansatzes 181
6.2.2.1 Modellstruktur und Vorgehen des System-Dynamics-Ansatzes 181
6.2.2.2 Konzeptionelle Modellierungssprachen des System-Dynamics-Ansatzes 184
6.2.3 Simulation von System-Dynamics-Modellen 188
6.3 System Dynamics und Lernprozesse 190
6.3.1 Assimilierendes Lernen in Mikrowelten 190
6.3.2 Modellieren als akkommodierendes Lernen 192
6.4 Zusammenfassung und Schlussfolgerungen 194
6.5 Zwischenfazit 195
Teil III: Konstruktion eines modellbasierten Ansatzes zur Lernunterstützung desManagements durch Business Intelligence 199
7 Analyse multidimensionaler und systemdynamischer Modellierungssprachen 201
7.1 Metamodelle multidimensionaler und systemdynamischer Modelle 201
7.1.1 Metamodell multidimensionaler Datenmodelle 202
7.1.1.1 Gegenstand und Vorgehen der Metamodellkonstruktion 202
7.1.1.2 Abstraktion vom qualifizierenden Aspekt multidimensionaler Datenmodelle 204
7.1.1.3 Abstraktion vom quantifizierenden Aspekt und Metamodellmultidimensionaler Datenmodelle 213
7.1.2 Metamodell systemdynamischer Flussmodelle 217
7.1.2.1 Konventionen und Vorgehen der Metamodellkonstruktion 217
7.1.2.2 Übersetzung der Sprachelemente der Flussmodellierungssprache 218
7.1.2.3 Metamodell systemdynamischer Flussmodelle 223
7.1.3 Zusammenfassung und Schlussfolgerungen 225
7.2 Repräsentationsanalyse multidimensionaler und systemdynamischer Sprachen 226
7.2.1 Repräsentationsanalyse von Modellierungssprachen 227
7.2.2 Repräsentation multidimensionaler Datenmodelle durchsystemdynamische Flussmodelle 231
7.2.2.1 Analyse des qualifizierenden Aspekts 231
7.2.2.2 Analyse des quantifizierenden Aspekts 233
7.2.2.3 Nicht berücksichtigte Konstrukte systemdynamischer Flussmodelle 234
7.2.2.4 Zusammenfassung und Schlussfolgerungen 235
7.2.3 Repräsentation systemdynamischer Flussmodelle durch multidimensionale Datenmodelle 236
7.2.3.1 Analyse der Knotentypen systemdynamischer Flussmodelle 237
7.2.3.2 Analyse der Kantentypen systemdynamischer Flussmodelle 238
7.2.3.3 Zusammenfassung 240
7.3 Zusammenfassung und Schlussfolgerungen 244
8 Integration multidimensionaler Datenmodelle und systemdynamischer Flussmodelle 246
8.1 Multidimensionale Repräsentation systemdynamischer Flussmodelle 246
8.1.1 Multidimensionaler Aspekt der Repräsentation 246
8.1.1.1 Multidimensional repräsentierte Flussmodelle auf Typebene 246
8.1.1.2 Ausprägung multidimensional repräsentierter Flussmodelle durch Simulation und Parametervariation 248
8.1.2 Hierarchischer Aspekt der Repräsentation 251
8.1.3 Fallbeispiel 253
8.1.4 Schlussfolgerungen 256
8.2 Integration von Flussmodellen mit multidimensionalen Datenmodellen 257
8.2.1 Modellintegration 257
8.2.2 Fallbeispiel 261
8.2.3 Schlussfolgerungen 265
8.3 Einordnung in die integrierte Architektur für BI-Modelle 265
8.3.1 Logische Datenmodelle 266
8.3.2 Datenflüsse 271
8.4 Schlussfolgerungen 273
9 Integrierte Lernunterstützung des Managements durch Business Intelligence 275
9.1 Integrationsrahmen 275
9.2 Teilfunktionen eines Prozesses der Lernunterstützung des Managements 278
9.2.1 Lernimpuls 278
9.2.1.1 Lernimpuls auf Typebene 279
9.2.1.2 Lernimpuls auf Ausprägungsebene 282
9.2.2 Assimilation 284
9.2.3 Akkommodation 286
9.2.4 Habitualisierung 288
9.3 Fallbeispiel 293
9.3.1 Szenario 1: Assimilation 293
9.3.2 Szenario 2: Akkommodation 295
10 Fazit 299
10.1 Zusammenfassung der Arbeit 299
10.2 Erweiterungsvorschläge 300
Anhang 1: Fallbeispiele 302
Anhang 1a: OLAP-Würfel zum Vertriebsreporting 302
Anhang 1b: Flussmodell zur Produktdiffusion 303
Anhang 2: Archetypisches Verhalten dynamischer Systeme 308
Literaturverzeichnis 310