Neben den operativen Informationssystemen, die die Abwicklung des betrieblichen Tagesgesch ftes unterst tzen, treten heute verst rkt Informationssysteme f r die analytischen Aufgaben der Fach- und F hrungskr fte in den Vordergrund. In fast allen Unternehmen werden derzeit Begriffe und Konzepte wie Data Warehouse, On-Line Analytical Processing und Data Mining diskutiert und die zugeh rigen Produkte evaluiert. Vor diesem Hintergrund zielt der vorliegende Sammelband darauf, einen aktuellen berblick ber Technologien, Produkte und Trends zu bieten. Als Entscheidungsgrundlage f r den Praktiker beim Aufbau und Einsatz derartiger analytischer Informationssysteme k nnen die unterschiedlichen Beitr ge aus Wirtschaft und Wissenschaft wertvolle Hilfestellung leisten.

Charakteristika dieses Buches: Umfassende Darstellung der Themenbereiche Data Warehousing und Data Mining . Den betrieblichen Alltag optimieren. Vermittlung der technischen Komponenten zur Informationsversorgung und Entscheidungsunterstützung. Alle konzeptionellen und technischen Grundlagen werden vorgestellt. Mit zahlreichen Beispielen aus einer durchgängigen Fallstudie. Analysedaten multidimensional modellieren und in einer geeigneten Architektur implementieren. Unter Einsatz leistungsfähiger Methoden zielführend Analysedaten auswerten. Themenschwerpunkte: Data Warehouse und OLAP, On-Line Analytical Processing, Modellierung multidimensionaler Datenstrukturen, Data Mining, CRISP-DM-Modell.

Know-how für eine erfolgreiche Data Governance umfassendes, anwendungsbezogenes Handbuch den Fokus nicht nur auf fachliche und technische, sondern auch organisatorische Aspekte legen mit vielen Fallbeispielen, die Inhalte und Umsetzung, Potenziale und mögliche Fallstricke verdeutlichen Vor dem Hintergrund zunehmender regulatorischer Anforderungen sowie wachsender Komplexität der eingesetzten IT-Landschaften erlangt das Themengebiet "Data Governance" immer größere Bedeutung in den Unternehmen. Dieses Buch greift nach einer Einordnung und Abgrenzung des Themas die unterschiedlichen Kernaspekte der Data Governance umfassend auf. Anschließend werden spezielle Facetten und -Toolkategorien mit hoher praktischer Relevanz präsentiert, bevor die Darstellung spezifischer Unternehmenslösungen erfolgt.

Derzeit wird kaum noch ernsthaft bestritten, dass die Daten eines Unternehmens ein wichtiges Wirtschaftsgut darstellen und in erheblicher Weise zum Erfolg beitragen können. Allerdings gilt es, nicht nur den Wert der Daten zu erkennen, sondern diese auch in den zugehörigen Geschäftsprozessen gewinnbringend einzusetzen. Als zwingende Voraussetzung erweist sich dabei, eine organisatorische und technische Basis zu etablieren, die nachhaltig darauf ausgerichtet ist, die fachlichen Ausgabenstellungen bestmöglich zu unterstützen. Unter dem Oberbegriff Datenmanagement werden dazu diejenigen Führungs- und Durchführungstätigkeiten diskutiert, die einen tragfähigen Rahmen für den Umgang mit Daten in der Organisation aufspannen. Daneben erweisen sich vor allem die Verfahren zur Auswertung und Analyse der verfügbaren Datenbestände als leistungsfähige Instrumente, um langfristige Wettbewerbsvorteile zu erlangen. Vor diesem Hintergrund widmet sich das vorliegende Buch den stetig an Bedeutung gewinnenden Themenfeldern Datenmanagement und Datenanalyse, denen insbesondere im Rahmen der digitalen Transformation eine große Bedeutung zukommt.

Seit mehr als dreissig Jahren werden Anstrengungen unternommen, um eine bessere Unterstützung betrieblicher Fach- und Führungskräfte bei der Bewältigung ihrer dispositiven Arbeiten mit computergestützten Informationssystemen zu erreichen. Das Buch greift die unterschiedlichen, in der betrieblichen Praxis bewährten System- und Konzeptkategorien auf und ordnet diese historisch, funktional und architektonisch ein. Im Vordergrund stehen dabei die aktuellen technologischen Strömungen im Business Intelligence-Umfeld, welche sich in Data Warehouse-Architekturkonzepten, On-Line Analytical Processing-Lösungen und Data Mining-Systemen manifestieren. Daneben werden aufsetzende betriebswirtschaftliche Anwendungssystemlösungen eingehend behandelt, beispielsweise für die Themenfelder Balanced Scorecard, Analytisches Customer Relationship Management sowie Planung und Budgetierung.

Dieses Buch bietet wertvolle Unterstützung beim Aufbau und bei der Modellierung eines Data Warehouse (DW). Es führt praxisnah durch alle Phasen eines DW-Projekts – von der Anforderungsanalyse über die Datenmodellierung und Architektur bis hin zur praktischen Umsetzung. Leserinnen und Leser gewinnen ein tiefes Verständnis für bewährte Modellierungstechniken, die einen entscheidenden Faktor für die Struktur und den Erfolg eines DW darstellen. Ein besonderer Schwerpunkt liegt dabei auf der Definition von Regelwerken zur effektiven Erstellung semantischer und logischer Datenmodelle. Zudem werden nicht nur theoretische Grundlagen vermittelt, sondern auch praktisches Wissen zur Umsetzung – abgerundet durch eine realistische Fallstudie. Zielgruppe Praktiker*innen

Big Data beschreibt das Phänomen rasant wachsender Datenmengen: 90 Prozent aller heute zur Verfügung stehenden Daten wurden in den vergangenen beiden Jahren gesammelt und gespeichert. Die vielfach unstrukturierten Daten fließen in Data Lakes, Pools oder Warehouses und werden durch intelligente Verknüpfung zu Informationen veredelt. Schon heute wird Big Data zur Steuerung von Produktionsprozessen und Entwicklung neuer Geschäftsmodelle im produktionswirtschaftlichen Bereich angewandt. Big Data hat durch die sich abzeichnende vierte Industrielle Revolution eine gesteigerte Wahrnehmung erfahren, sodass es sich zu einem diffusen Containerbegriff entwickelt hat. Vor diesem Hintergrund ordnet der Sammelband aus der Perspektive von Fachleuten das Phänomen Big Data ein und stellt neben den technischen Voraussetzungen auch die betrieblichen Nutzungspotentiale vor.

Fiihrungskrafte und Entscheidungstrager (Management) in Unterneh mungen sehen sich einer Vielzahl sachlicher und zeitlicher Zwange gegeniiber, wenn es darum geht, den an sie gestellten Anforderungen gerecht zu werden. Aufgrund vielfaltiger unternehmerischer Ver flechtungen und hoher Wettbewerbsintensitat erweisen sich betrieb liche Probleme heute uniiberschaubarer denn je. Urn die anstehenden Aufgaben dennoch wirkungsvoll bearbeiten und dadurch das Beste hen der Unternehmen im Markt gewahrleisten zu k6nnen, bedarf es angemessener Hilfsmittel, die dem Management bei der Ausiibung anfallender Tatigkeiten im Rahmen von Planungs- und Entschei dungsprozessen zur Seite stehen. Dabei erweist sich die effiziente und effektive Handhabung von Informationsverarbeitungs- und Kommu nikationstechnologien bzw. von -systemen (IuK-Systeme) als immer wichtiger im betrieblichen Alltag. Seit mehr als dreigig Jahren werden Anstrengungen unternommen, urn eine bessere Unterstiitzung betrieblicher Entscheidungstrager bei der Bewaltigung derartiger Arbeiten mittels elektronischer Rechenan lagen zu forcieren. Die urspriinglich euphorischen Erwartungen, die in den 60er Jahren mit entsprechenden MIS-Konzepten verkniipft waren, wichen zwischenzeitlich einer Phase der Enttauschung und Resignation aufgrund der vehementen Diskrepanzen zwischen er traumten und realisierten Systemleistungen. Nicht erst mit dem ver starkten Aufkommen leistungsstarker Arbeitsplatzrechner (Personal Computer) in den 80er Jahren ist die Diskussion urn Systeme zur Managementunterstiitzung (Management Support Systeme) neu ent flammt. 1m Laufe der Zeit wurden dabei unterschiedlichste Konzepte und Systeme entwickelt, die zwar sehr leistungsfahig sind und sich in der betrieblichen Praxis bewahrt haben, sich jedoch in einer verwir renden Vielfalt unterschiedlicher Akronyme wie MIS, DSS, EIS, etc.

Erfolgsfaktoren für BI-Architekturen Umfassendes und anwendungsbezogenes Handbuch Einsatz von neuen Technologien wie EAI, Virtualisierung sowie Cloud- und Data-Lake-Architekturen Mit vielen Praxisbeispielen aus der BI & Analytics-Welt Sowohl regulatorische Vorgaben als auch gesteigerte Anforderungen seitens der Fachanwender haben in den letzten Jahren zu immer komplexeren Business-Intelligence- und Analytics-Landschaften geführt, die es zu entwickeln und betreiben gilt. So setzt sich eine heute übliche Architektur aus zahlreichen Einzelkomponenten zusammen, deren Zusammenspiel und funktionale Abdeckung als wesentlicher Erfolgsfaktor für zugehörige BIA-Initiativen zu werten ist. Dieses Buch setzt sich das Ziel, die derzeit gebräuchlichen Architekturmuster zu beschreiben und dabei einen Überblick über die aktuell verwendeten Technologien zu liefern. Dabei werden nicht nur die architektonischen Frameworks der großen Produktanbieter aufgegriffen, sondern darüber hinaus Lösungen für konkrete Anwendungsfälle präsentiert.

Um Fach- und F]hrungskrdfte in Entscheidungssituationen mit relevanten Informationen zu unterst]tzen, hat sich das Konzept des Data Warehousing in Unternehmen und Organisationen bewdhrt. Dabei ist neben der managementgerechten Aufbereitung der Daten in F]hrungsinformationssystemen und Entscheidungsunterst]tzungssystemen auch die zeitnahe und konsistente Zuf]hrung von internen und externen Informationen ausschlaggebend. Insbesondere f]r Unternehmen, die ihre operativen Prozesse mit SAP-Produkten abwickeln, kann es ein entscheidender Wettbewerbsfaktor sein, die dort anfallenden Daten als Business Content vorkonfiguriert im Business Information Warehouse (BW) der SAP vorzufinden. BW ist f]r die Gestaltung von Customer Relationship Management und Supply Chain Management zentral und unverzichtbar. Das Buch beschreibt ausgehend von den betriebswirtschaftlichen Einsatzgebieten die Architektur und den Aufbau des Business Information Warehouse und zeichnet an Fallstudien den aktuellen Stand der Implementierungen nach.