Date post: | 06-Apr-2016 |
Category: |
Documents |
Upload: | kristina-koenig |
View: | 219 times |
Download: | 0 times |
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 3
Verteilte Datenbanksysteme (1)
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 4
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 5
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 6
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 8
Informationen sind ein kritischer Erfolgsfaktor
Informationsbeschaffung muß nicht das Durchforsten des Papierbestandes sein
Informationsbeschaffung läßtsich durch Data Warehouseautomatisieren
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 9
?
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 10
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.
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 11
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 12
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 14
Beispiel: Benutzeroberfläche DW
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 15
Gewinnung von Information
Folgende Themen werden nun näher behandelt:• Data-Mining und OLAP• Externe Datenbanken und Internet• Planungs- und Kontroll- sowie
Wissensmanagementsysteme
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 16
Data-Mining und OLAP
• Data-Mining: Aufdecken von Beziehungen zwischen Daten, die bislang unentdeckt waren
• OLAP: Online Analytical Processing. Mehrdimensionale Darstellung; OLAP-Würfel
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 17
Beispiel für einen OLAP-Würfel
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 18
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 19
Objektfilter
A A BB
ObjektfilterObjektfilter
A A BBErklärungsanteilErklärungsanteil
A A BBAbstandsmaßAbstandsmaß
A A
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 20
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.
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 21
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 23
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 24
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.
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 25
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 26
Planungs- und KontrollsystemeMorphologischer Kasten
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 27
Wissensmanagementsysteme (1)
Auch: Knowledge Management Systeme (KMS)
Definiert Prozesse und Funktionen zur• Entwicklung• Darstellung• Verwaltung• Transformation• Veredelungdes Wissens.
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 28
Wissensmanagementsysteme (2)
Ein KMS soll:• Immer auf dem aktuellsten Stand sein• Ständig gewartet werden• Einfach zu bedienen sein
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 29
Wissen und Wissenstransfer
Es werden nun folgende Themen näher behandelt:• Wissensarten• Strategien und Methoden des Wissenstransfers
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 30
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 31
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
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 32
Strategien und Methoden des Wissenstransfers (2)
Prof. Dr. Dr. Heribert Popp - Vernetzte Datenbanken, Informationsgewinnung, Wissenstransfer 33
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.