Iran im Informationszeitalter (eBook)

Prolog 7
Geleitwort aus Paderborn 9
Geleitwort aus Teheran 12
Wir danken 13
Inhalt 15
Die weite Fahrt zum Arbeitsplatz – Von Deutschland zum Campus der Teheran University 18
Kapitel 1: Die DOMINO Notes Familie 23
DOMINO Notes in Deutschland 24
Groupware im Iran 30
Der Islam 32
Kapitel 2: Data Warehouse und Business Intelligence 37
Einsatz in deutschen Firmen 38
Iran: Ohne Daten kein Datenwarenhaus 44
Die Trauer der Schiiten 48
Kapitel 3: E-Learning 53
Elektronisch unterstützte Aus- und Weiterbildung in deutschen Betrieben 54
JiT-Lernmodule 56
Teheraner Kompaktkurs-Produktion 62
Von der Hauptstadt zum Schrein des 8. Imam 66
Kapitel 4: Wissensmanagement 73
Deutschland: Konzepte, Systeme, Prozesse 74
Iran: Know-How-Sammelleidenschaft 81
Risse im System 85
Kapitel 5: Der K-Pool 89
Deutschland: Software für Expertenteams 90
Iran: Experimente mit Expertenwerkzeug 99
Teheran-Impressionen 103
Persische Verfassungsakrobatik 105
Kapitel 6: Von Klüften und Brücken 109
Bildungslandschaft 110
Entwicklungsprojekt 111
Der schwierige Weg zu konstruktiver Zusammenarbeit 116
Zwei Kulturen 120
Wir und die anderen 121
Globalisierung 123
Kräfte der Vergangenheit 124
Untersuchungsobjekt Iran 125
Bunter Orient 126
Kapitel 7: Streiflichter 131
Bildungsbetrieb 132
Studieren im Ramadan 133
Führungswechsel 135
Der Tag der schwarzen Mädchen 136
Abkürzungsverzeichnis 139
Literaturverzeichnis 141
Mehr eBooks bei www.ciando.com 0

Die Menschen verlieren die meiste Zeit damit, dass sie Zeit gewinnen wollen.
John Steinbeck.

Einsatz in deutschen Firmen (S. 36-37)

Business Intelligence und Data Warehouse gehören in Deutschland zu den wichtigsten Softwareanwendungen der Großindustrie. Sie stellen Daten für Kontroll- und Entscheidungsprozesse der Unternehmungsführung bereit. Data Warehouse und Business Intelligence kommen überall dort zur Anwendung, wo Daten in großen Mengen vorliegen. Das ist beispielsweise bei Rechnungen, Absatz- und Umsatzzahlen der Fall. Bis zu 20% aller Informationen eines Unternehmens sind zähl- und messbar und üblicherweise in Tabellenform in relationalen Datenbanken wie DB2 oder Oracle abgelegt. Die wiederum bilden die Grundlage für operative Anwendungssysteme wie z.B. SAP R/3, eigens für die Unterstützung operativer Geschäftstätigkeiten in Buchhaltung, Vertrieb und Personal entwickelt. Dort sind gewaltige Datenmengen zu bewältigen, besonders wenn, wie bei der Firma Henkel KGaA, eine umfangreiche Produktpalette vorliegt, die außerdem noch in mehreren Ländern gefertigt und weltweit vertrieben wird.

Häufig sind diese Datenhaltungs- oder auch Vorsysteme bis zur maximalen Auslastung genutzt. Gleichzeitig ist es für Firmen wichtig, den riesigen Datenbestand zu analysieren, um so Entscheidungsgrundlagen für Prognosen zu erhalten. Diese zusätzlichen Aufgaben sind mit den gängigen Systemen nicht mehr zu bewältigen, da sie nur für die Unterstützung operativer Geschäftstätigkeiten und nicht für Analyse und Prognose entwickelt worden sind. Genau an dem Punkt setzen Data Warehouse und Business Intelligence an. Beispiel: Ein Manager sucht die Ursache für den lokalen Umsatzrückgang eines Produkts, das in mehreren Ländern angeboten wird. Außerdem will er prüfen, ob ein Rückgang auch in weiteren Ländern zu beobachten ist und ob noch andere Produkte betroffen sind. Ebenso will er schnell, idealerweise auf „Mausklick" herausfinden, ob der beobachtete Rückgang nur eine Verkaufsfiliale, die gesamte Kaufhaus-Kette, eine Region oder ein Land betrifft.

Natürlich interessieren in diesem Zusammenhang auch Details wie Kaufverhalten von Kunden oder Kundengruppen. Die gesuchten Aussagen sind den relationalen Datenbanken, in denen alle Rechnungen und Kundenstammdaten nur abgelegt, nicht jedoch für die Analyse vorsortiert sind, nicht zu entnehmen. Um statistische Aussagen für die Entwicklung z. B. einer Verkaufsstrategie zu erhalten, wird ein Data Warehouse System gebraucht.

Seit Mitte der 90er Jahre gibt es in Deutschland Data Warehouse Software, die eine Vorsortierung nach dem Prinzip eines Warenhauses unterstützt. Ein Data Warehouse führt die verteilten heterogenen Datenbestände verschiedener relationaler Datenbanken, auch Vorsysteme genannt, zu einem konsistenten Datenbestand zusammen. Voraussetzung für die Zusammenführung ist ein Datenmodell, das auf die Anforderungen der späteren Anwender zugeschnitten ist. Bestandteil des Modells sind Daten, die sich in Kennzahlen ausdrücken lassen und durch Merkmale und Attribute in Beziehung gebracht werden können.

Alle Daten, die zu Produkten, Ländern und Kunden zähl- und kalkulierbar in großen Mengen aus den Vorsystemen kommen, sind im Data Warehouse themen orientiert, integriert und chronologisch für übergreifende Auswertungen und Analysen vorstrukturiert. Im Falle der SAP Business Information Warehouse Software, SAP BW, geschieht dies in Würfelform.