Vernetzte Datenbanken, Informationsgewinnung und Wissenstransfer Prof. Dr. Dr. Popp FH Deggendorf.

Vernetzte Datenbanken, Informationsgewinnung und

Wissenstransfer

Prof. Dr. Dr. PoppFH Deggendorf

Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 2

Gliederung• Verteilte Datenbanksysteme• Data-Warehouse • Gewinnung von Information

– Data-Mining und OLAP– Externe Datenbanken und Internet– Planungs- und Kontroll- sowie Wissensmanagementsysteme

• Wissen und Wissenstransfer– Wissensarten– Strategien und Methoden des Wissenstransfers


Verteilte Datenbanksysteme (1)


Verteilte Datenbanksysteme (2)Nach C.J. Date muss ein verteiltes DBS folgende Punkte erfüllen:• Lokale Autonomie• Keine zentralen Knoten• Unterbrechungsfreier Betrieb• Standortunabhängigkeit• Fragmentierungsunabhängigkeit• Replizierungsunabhängigkeit• Verteilte Query• Hardware-, Betriebssystem und Netzwerkunabh.• DBMS-Unabhängigkeit


Begründung von Data Warehouse Projekten

0% 10% 20% 30% 40% 50%

10%Andere

10%BPR

11%Kostenkontrolle

13%ROI Analyse

13%DW Folgeprojekt

17%Evaluierung von Technologien

39%Wettbewerb

44%Strategische Initiative


KennzahlenSubjektive Faktoren- Arbeitsklima- Arbeitsstil- ...

Objektive Faktoren- Funktionsbereich- Branche- Unternehmensform- ...

Bestimmungsgrößen des spezifischen Informationsbedarfs

Situative Faktoren- Wirtschaftslage- Handlungsdruck- ...

ChartsReports1.

Qrtl.2.

Qrtl.3.

Qrtl.4.

Qrtl.

0102030405060708090

1.Qrtl.

2.Qrtl.

3.Qrtl.

4.Qrtl.

7Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer

Datenquellen und Datenarten

Nach: Meier, M., Fülleborn, A., Integration, externer Führungsinformationen ..., WI 41(1999)5, S 449 ff.

Auftragseingang,Umsatz, KostenDeckungsbeitrag,Produktivität, ...

Kundenbesuchs-Berichte,Projekt-berichte, ...

Marktvolumen,Marktanteile,Verbrauchs-Kennzahlen, ...

Presse-Meldungen,Patente,Gutachten,...

qualitativquantitativ

inte

rnex

tern

DatenartD

aten

quel

le

InformationsbedarfOnline Daten-Banken / Internet

Operative Verfahren

sammeln,filtern,bewerten

bereinigen,strukturieren,ergänzen

Transformations-werkzeuge

Redaktions-leitstand


Informationen sind ein kritischer Erfolgsfaktor

Informationsbeschaffung muß nicht das Durchforsten des Papierbestandes sein

Informationsbeschaffung läßtsich durch Data Warehouseautomatisieren


?

Einkauf Lager/Bestände

Personal FinanzenVertrieb

Kunden Lieferanten Markt Wettbewerb

Interne Informationsressourcen

Externe Informationsressourcen

Data Warehouse

Ana

lyse

n, T

rend

sB

e ri ch te

Data Warehouse


Bestimmende Merkmale: integriert, d.h., aus verschiedenen Datenbeständen in

eine homogene Begriffswelt zusammengeführt

themenorientiert, d.h., auf die Informationsbedürfnisse des Anwenders ausgerichtet

historisch, d.h., Einbeziehung von zurückliegenden Werten (aber auch von Planzahlen)

nicht flüchtig, d.h., jederzeitige Wiederholbarkeit einer Abfrage!

Data Warehouse: DefinitionEin Data Warehouse ist ein Lösung, die das Treffen von Ent-scheidungen und Geschäftshandlungen erleichtert, indem sie die richtigen Informationen und analytischen Fähigkeiten zur richtigen Zeit liefert.


Nutzung eines Data WarehouseWie läuft dieProduktion

Wie entwickelt sich meine Direktion?

Wo steht aktuellVermittler Maier

Berichten,veröffentlichenverteilen &durchsehen

Leistungs-bemes-

sung Ad-hoc-Anfragen

Verifizieren

Sollte ich einen Wettbe-werb ausloben?

Hier ist eine Ge-legenheit!

Analyse

Erkennen vonZusammen-

hängen

Entdecken


Online Datenbanken mit wirtschaftsrelevanten Informationen

für Data WarehouseInstitutionen:DatenbankanbieterMedienMarkt- und WirtschaftsforscherOrganisationen und Verbände Öffentliche InstitutionenBankenUnternehmungsberatungen

Informationen:ProduktinfosUnternehmensdatenMarktdatenAnalysenStudien, ...

Medien:Video, AudioGrafik, Bild, TextNumerische Daten

Kosten:GrundgebührMindestgebührFestpreisNutzungsabhängigFreier Zugang

Gesamtumsatz Online-Datenbanken 1998 in Europa: 6,11 Mrd. $

13Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer

Architektur eines Data-Warehouse

operativeoperativeSysteme +Systeme +externe Systemeexterne Systeme

Entschei-der (Front-End Tool)

Aufbau undAufbau undTransformationTransformation

•verdichten•integrieren•filtern•konvertieren

unterneh-mens-weit

5-10 Jahre Ge-schichte

DW-Admi-nistrator

Meta-Daten


Beispiel: Benutzeroberfläche DW


Gewinnung von Information

Folgende Themen werden nun näher behandelt:• Data-Mining und OLAP• Externe Datenbanken und Internet• Planungs- und Kontroll- sowie

Wissensmanagementsysteme


Data-Mining und OLAP

• Data-Mining: Aufdecken von Beziehungen zwischen Daten, die bislang unentdeckt waren

• OLAP: Online Analytical Processing. Mehrdimensionale Darstellung; OLAP-Würfel


Beispiel für einen OLAP-Würfel


Berichte aus dem OLAP-Würfel

KundengruppenKundengruppen

Reg

ione

nR

egio

nen

Produktgruppen

Produktgruppen

A CB

38

2

1

3

25

4

3

2

2

DB II Ist

20

15

35

40 30

23

3844

18

Erlös Ist

Erlös Ist

20

15

35

4030

44

18

383

6

8

3 5

9

62

2

A

B

C

K

8

4

10

5 7

9

69

5

A

B

C

100

60

46

80 95

58

4045

6223

18

38

43 28

27

4045

18

Letzte Periode

Erlös DB Ivar

DB I IstPlan Ist ProgErlös Plan

Mengen


Objektfilter

A A BB

ObjektfilterObjektfilter

A A BBErklärungsanteilErklärungsanteil

A A BBAbstandsmaßAbstandsmaß

A A


1. Selektionsschritt0

0

0

FF AA DD CC JJ KK

KundengruppenKundengruppen RegionenRegionen ProduktgruppenProduktgruppen

DurchschnittDurchschnitt

Dec

kung

sbei

trags

-D

ecku

ngsb

eitra

gs-

abw

eich

ung

abw

eich

ung

Dec

kung

sbei

trags

-D

ecku

ngsb

eitra

gs-

abw

eich

ung

abw

eich

ung

Dec

kung

sbei

trags

-D

ecku

ngsb

eitra

gs-

abw

eich

ung

abw

eich

ung

Legende:GH = GroßhandelEH = EinzelhandelVS = VersandhandelEX = ExportSH = StreckenhandelKB = Konzernbetrieb

GHGH EHEH VSVS EXEX SHSH KBKB SüdSüd33

OstOst11

WestWest NordNord11

NordNord22

OstOst22

1. Selektionsschritt1. SelektionsschrittAusgewählt wird diejenige Dimension, in der Ausgewählt wird diejenige Dimension, in der die Streuung der Einzelabweichungen amdie Streuung der Einzelabweichungen amgrößten ist.größten ist.


Weitere Selektionsschritte

0 %%

0

FF AA DD CC JJ KK

FF AA DD CC JJ KK

Dec

kung

sbei

trags

-D

ecku

ngsb

eitra

gs-

abw

eich

ung

abw

eich

ung

Dec

kung

sbei

trag

Dec

kung

sbei

trag

PlanPlan IstIst

100 %100 %

80 %80 %

ProduktgruppenProduktgruppen2. Selektionsschritt2. SelektionsschrittAusgewählt werden alle Objekte,Ausgewählt werden alle Objekte,deren kumulierte Abweichungderen kumulierte Abweichungeinen vorgegebenen Erklärungs-einen vorgegebenen Erklärungs-anteil erreicht ( anteil erreicht ( 11 = Erklärungs- = Erklärungs-anteil, z. B. 80 %)anteil, z. B. 80 %)

11

3. Selektionsschritt3. SelektionsschrittEin voreingestelltes AbstandsmaßEin voreingestelltes Abstandsmaßgewährleistet, dass nur die wirklichegewährleistet, dass nur die wirkliche„„Spitzengruppe“ der verursachen-Spitzengruppe“ der verursachen-den Objekte berücksichtigt wirdden Objekte berücksichtigt wird( ( 22 = Abstandsmaß, z. B. 50 %) = Abstandsmaß, z. B. 50 %)

22


AA

BB

CCDD

EE

11 22 33 44 55

FF

KundengruppenKundengruppen

Deckungsbeitrags-Deckungsbeitrags-abweichungabweichung

“Abweichungen des Deckungs-beitrags vom Plan zwischen23 und 35 % bei den Verkäufender Artikelgruppe 4 an Kunden-gruppe C.”

Data Mining

3535

2323


Externe Datenbanken und Internet

Grundsätzlich zu unterscheiden sind:• Volltextdatenbanken

Hier liegen die gesamten Dokumente auf• Referenzdatenbanken

Hierbei sind nur Meta-Informationen verfügbar, wie– Autor– Stichwörter– Titel– ...

Suche erfolgt über Deskriptoren


Externe Datenbanken und Internet - Suchbeispiel

„Es sind alle Aufsätze, die der Autor Huber über Kostenrechnung in der Pharmaindustrie verfasst hat, herauszusuchen“; dafür müssen die Deskriptoren „Huber“, „Kostenrechnung“ und „Pharmaindustrie“ durch UND verknüpft werden. Sind neben den Abhandlungen über die Pharmaindustrie auch solche über Chemieindustrie erlaubt, so werden die Deskriptoren „Pharmaindustrie“ und „Chemieindustrie“ durch ein ODER verbunden. Werden bei einer Suche zu viele Quellen gefunden, so müssen statt der u. U. zu allgemein formulierten Deskriptoren (z. B. „Kostenrechnung“) spezifischere Beschreibungswörter (z. B. „Teilkostenrechnung“) oder zusätzliche, einschränkende Deskriptoren (etwa „seit 1990“) verwendet werden.


Forschungsowie Produkt-und Prozess-entwicklung

Kunden-dienst

Beschaf-fung

Versand

Lagerhaltung

FinanzenRechnungswesenPersonalAnlagenmanagement

Data Warehouse

Geschäftsprozesse

AngebotsprozessAuftragsabwicklungProduktentwicklungKundendienst

VertikaleIntegration

Horizontale

Integration

Wertschöpfung/Auftragsdurchlauf

Grundfunktionen

Querschnitts-funktionen

Operative Systeme

PuK-Systeme

Vertrieb

Funktions-bereichs-

übergreifende und Unternehmens-

planungsmodelle

Produk-tion

Planungs- undKontrollsysteme(PuK)

Planungs- und Kontrollsysteme


Planungs- und KontrollsystemeMorphologischer Kasten


Wissensmanagementsysteme (1)

Auch: Knowledge Management Systeme (KMS)

Definiert Prozesse und Funktionen zur• Entwicklung• Darstellung• Verwaltung• Transformation• Veredelungdes Wissens.


Wissensmanagementsysteme (2)

Ein KMS soll:• Immer auf dem aktuellsten Stand sein• Ständig gewartet werden• Einfach zu bedienen sein


Wissen und Wissenstransfer

Es werden nun folgende Themen näher behandelt:• Wissensarten• Strategien und Methoden des Wissenstransfers


Wissensarten

Grundsätzlich unterscheidet man 2 Arten:• Explizites Wissen

kann in Worte gefasst werden; transferierbar• Implizites (tazites) Wissen

personen- und kontextbezogen; lässt sich schwer artikulieren, daher auch nur teilweise transferierbar


Strategien und Methoden des Wissenstransfers (1)

• PersonalisierungZiel ist die Vernetzung von Wissensträgern, um den Austausch von tazitem Wissen zu fördern

• KodifizierungSie sieht die Beschreibung, Speicherung und Verteilung von (explizitem) Wissen auf Basis eines KMS vor


Strategien und Methoden des Wissenstransfers (2)


LiteraturDate 00 Date, C. J., An introduction to Database Systems, 7. Aufl., Reading/Mass. 2000.Mertens/Griese 02 Mertens, P. und Griese J., Integrierte Informationsverarbeitung 2,

Planungs- und Kontrollsysteme in der Industrie, 9. Aufl., Wiesbaden 2002.Mertens ua 04 Mertens, P., Bodendorf, F., König, W., Picot, A., Schumann M., Hess, T., Grundzüge der

Wirtschaftsinformatik, 8. Aufl., Springer Verlag, Berlin 2004Thiel 02 Thiel, M., Wissenstransfer in komplexen Organisationen, Wiesbaden 2002.Ullman 95 Ullman, J. D. Principles of Database und Knowledge-Base Systems, Volume I, 8. Aufl.,

Rockville 1995.Schweizer 99 Schweizer, A., Data Mining – Data Warehousing, Bern 1999.

Date post:	06-Apr-2016
Category:	Documents
Upload:	kristina-koenig
View:	219 times
Download:	0 times

Vernetzte Datenbanken, Informationsgewinnung und Wissenstransfer Prof. Dr. Dr. Popp FH Deggendorf.

Documents