Mais conteúdo relacionado
Semelhante a Operational Intelligence - TDWI Europe 2008 (20)
Mais de Christian Schieder (10)
Operational Intelligence - TDWI Europe 2008
- 1. Operational Intelligence
&
Enterprise Decision Management
7. Europäische TDWI Konferenz Christian Schieder / Christian Kurze
TDWI München 2008
04. 06. 2008
- 2. Decision Support bei Caenorhabditis elegans
Operational Intelligence & Enterprise Decision Management
Quelle: Besserau, Jean-Louis: Genetics and Neurobiology of C. elegans, Institute national de la
santé et de la recherche médicinal, 2007, http://www.biologie.ens.fr/bcsgnce/, 21-02-2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 1
- 3. Das Grundproblem der „Intelligence“
Operational Intelligence & Enterprise Decision Management
„Ein großer Teil der Nachrichten, die man im Krieg bekommt, ist
widersprechend, ein noch größerer falsch und bei weitem der größte
einer ziemlichen Ungewißheit unterworfen.“
Carl von Clausewitz (1827), Preußischer General, in seinem
Standardwerk „Vom Kriege“, Erstes Buch „Über die Natur
des Krieges“, Kap. VII „Nachrichten im Kriege“.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 2
- 4. Inhalt
Operational Intelligence & Enterprise Decision Management
1 Einleitung
2 Theoretische Grundlagen
3 Praktische Umsetzung
– Pause –
4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 3
- 5. Inhalt
Operational Intelligence & Enterprise Decision Management
1 Einleitung
2 Theoretische Grundlagen
3 Praktische Umsetzung
– Pause –
4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 4
- 6. Gartner Hype Cycle Business Intelligence 2007
Einleitung
Quelle: Gartner, Juli 2007.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 5
- 7. Operational Intelligence Buzzword Dschungel
Einleitung
Real Time Warehousing Automated Decision Making
Dynamic Warehousing Predictive Analytics Streaming Analytics
Active Warehousing Business Activity Monitoring
Business Rules Technology Process Performance Measurement
Business Intelligence 2.0 Dynamic Process Control
Pervasive Business Intelligence Complex Event Processing
Operational Data Store Event Correlation
Adaptive Enterprise Zero-Latency Event Stream Processing
Agil Enterprise Visual Analysis
Enterprise Decision Management Operational Business Intelligence
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 6
- 8. Anwendungsfelder
Einleitung
Betrugserkennung (Fraud detection) Application performance monitoring
Verkehrs- und Produktionsüberwachung, Dynamic pricing and yield management
Logistik, Netzwerkverwaltung (Systems
RFID/sensor network data analysis
monitoring)
Data validation
Nachrichtenüberwachung (Presse, Börse,
Wetter, …) Risk management
Demand sensing Supply chain optimization
Payments & cash monitoring Call center optimization
Data security monitoring …
Algorithmic trading
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 7
- 9. Corporate Performance Management
Einleitung
Definition von
Unternehmens-
zielen
Ergebnis- Strategische Definition
strategischer
analyse Ebene KPIs
Process
Prozessdesign &
Design & KPI
KPI Definition
Definition
Plan- & Planung der
Prozess- Prozess-
anpassung leistung
Prozess-
leistungs-
Operative Prozess-
automatisierung
analyse Ebene
Prozess-
Prozess-
leistungs-
ausführung
ermittlung
Prozess-
überwachung
Angepasst nach: Melchert, F.; Winter, R.; Klesse, M.: Aligning Process Automation and Business Intelligence to
Support Corporate Performance Management. Proc. of the 10th AmCIS, New York, 2004, S. 4060.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 11
- 10. Latenzzeiten I
Einleitung
Geschäfts-
(Potenzieller)
vorfall
Wert der
Entscheidung
Daten im DW
verfügbar
Analyseergebnisse
verfügbar
Entscheidung
getroffen
Maßnahme
umgesetzt
Daten- Analyse- Entscheidungs- Umsetzungs-
latenz latenz latenz latenz
Zeit
Quelle: Hackathorn, Richard: Minimizing Action Distance, http://www.tdan.com/i025fe04.htm, 01-07 -2003.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 12
- 11. Latenzzeiten II
Einleitung
Zusätzlicher Gewinn
(Gewinnvorsprung) bei Operative
sofortiger Entscheidung Entscheidungssituation
Taktische
Entscheidungssituation
Strategische
Entscheidungssituation
Zeit
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 13
- 12. Inhalt
Operational Intelligence & Enterprise Decision Management
1 Einleitung
2 Theoretische Grundlagen
3 Praktische Umsetzung
– Pause –
4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 14
- 13. Menschliches Verhalten – Das S-O-R-Modell
Theoretische Grundlagen . Verhaltenswissenschaft
Verhaltenswissenschaft beschreibt, erklärt und versucht
menschliches Verhalten in Organisationen vorherzusagen
S-O-R-Modell des Neobehaviorismus betrachtet intrapersonelle
Konstrukte zur Voraussage und Beeinflussung von Verhalten
Organismus (O)
Stimulus Reaktion
(S) (R)
„Black Box“
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 15
- 14. Menschliches Verhalten – Das S-O-R-Modell
Theoretische Grundlagen . Verhaltenswissenschaft
Organismus (O)
Verhaltensintention
Wahrnehmung
Instinkte/Triebe
Rezeptor
Effektor
Stimulus Bedürfnisse/Motive Reaktion
(S) Werte/Einstellungen (R)
Anspruchsniveau/Erwartungen
Qualifikationen
Reize aus der Umwelt erregen Die Erregung des autonomen … führen zu
Sinnesorgane (Augen, Ohren, und motorischen Systems, Verhaltensintentionen,
Haut) und werden über aktivierte Motive, Erwartungen, die über Effektoren (Muskeln,
Rezeptoren (Netzhaut, Schnecke, Fähigkeiten etc. … Sehnen) zu beobachtbaren
Schleimhaut) wahrgenommen. Reaktionen führen
Quelle: Staehle, Wolfgang; Management – Eine verhaltenswissenschaftliche Perspektive, 1999, S. 163
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 16
- 15. Sense and Response Loops
Theoretische Grundlagen . Kybernetik und Verhaltenswissenschaft
Fünf Schritte innerhalb einer Sense and Response Loop:
S-I (F)-A-D-R: Sense, Interpret (Filter), Analyze, Decide, Respond
Einordnung in das menschliche Verhalten:
Organismus (O)
Verhaltensintention
Wahrnehmung
Instinkte/Triebe
Rezeptor
Effektor
Stimulus Bedürfnisse/Motive Reaktion
(S) Werte/Einstellungen (R)
Anspruchsniveau/Erwartungen
Qualifikationen
Sense Interpret (Filter), Decide Respond
Analyze
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 17
- 16. Enterprise Decision Management definiert
Theoretische Grundlagen
Enterprise Decision Management is a systematic approach to
automating and improving operative business decisions. It aims to
increase the precision, consistency, and agility of these decisions and
reduce the time to decide and the cost of the decision.
Quelle: Taylor, James; Raden, Neil: Smart (Enough) Systems – How to Deliver
Competitive Advantages by Automating Hidden Decisions, Prentice Hall, 2007, S. 39.
Enterprise Decision Management, …, entails all aspects of managing
automated decision design and deployment that an organization
uses to manage its interactions with customers, employees and
suppliers. Quelle: http://en.wikipedia.org/wiki/Enterprise_Decision_Management, 18-02-2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 18
- 17. Kennzeichen operativer Entscheidungen
Theoretische Grundlagen . Enterprise Decision Management
niedrig Ausprägung hoch
Frequenz
Zeitsensitivität
IT-Unterstützung
Interaktivität
strategisch Ebene operativ
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 19
- 18. Kernforderungen des EDM
Theoretische Grundlagen . Enterprise Decision Management
Genauigkeit Geschwindigkeit
Zielgerichtetheit einer Entscheidung im Zeit vom Treffen einer
Hinblick auf die Erreichung von Entscheidung bis zu deren
Unternehmenszielen (Effektivität). Umsetzung.
Konsistenz Kosten
Einheitlichkeit von Entscheidungen Monetärer Aufwand für das
ceteris paribus über die Zeit, über alle Vorbereiten und Treffen einer
organisatorische Einheiten im Sinne der Entscheidung (Effizienz).
Unternehmensstrategie.
Agilität
Geschwindigkeit und Kosten für die
Anpassung organisationaler Regeln,
Richtlinien und Prozeduren (Flexibilität). Robustheit?
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 20
- 19. Operational Intelligence
Theoretische Grundlagen
Operational Intelligence focuses on providing real-time monitoring
of business processes and activities as they are executed within
computer systems, and in assisting in optimizing these activities and
processes by identifying and detecting situations that correspond to
interruptions and bottlenecks.
This is achieved by observing the progress of the business processes
and computing several metrics in real-time using these progress
events and publishing the metrics to one or more channels.
Quelle: http://en.wikipedia.org/wiki/Operational_Intelligence, 08.05.2008.
Operational Business Intelligence delivers information and insights
to a broad range of users within hours or minutes for the purpose of
managing or optimizing operational or time-sensitive business
processes. Quelle: Eckerson, Wayne W.: Best Practices in Operational BI, TDWI Best Practises Report, 2007, S. 6.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 21
- 20. Abgrenzung von Operational Intelligence
Theoretische Grundlagen . Operational Intelligence
Perspektive Strategic Tactical Operational
Intelligence Intelligence Intelligence
Entscheidungs- Grundsatz- Ausgestaltungs- Ausführungs-
fokus entscheidungen entscheidungen entscheidungen
Nutzer C-Level VP-Level LOB-Level
Zeithorizont Langfristig Mittelfristig Kurzfristig
Datenhorizont Historisiert Historisiert Ereignisbasiert &
Historisiert
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 22
- 21. Ebenen der Operational Intelligence
Theoretische Grundlagen . Operational Intelligence
REAL TIME
LOW
EXECUTE
DATALATENCY
PROCESSES
FACILITATE
PROCESSES
MONITOR
PROCESSES
ANALYZE
PROCESSES
DAILY
Operational Operational Composite Event-driven
reports dashboards applications Analytic platforms
HIGH BUSINESS VALUE HIGH
Quelle: Eckerson, Wayne W.: Best Practices in Operational BI, TDWI Best Practises Report, 2007, S. 6.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 23
- 22. Entscheidungen im ECA-Tupel
Theoretische Grundlagen . Operational Intelligence
Entscheidungen lassen sich als Teil eines 3-Tupels von Ereignis,
Bedingung und Handlung (engl. Event, Condition, Action; ECA)
konzeptualisieren.
Entscheidungen entsprechen dabei dem Übergang von Bedingung zu
Handlung.
Ereignis
Sensor
Daten Erkenntnis Bedingung Entscheidung Action
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 24
- 23. Entscheidungsunterstützung
Theoretische Grundlagen . Operational Intelligence
Handlungen
Handlungslatenz
Feedbacklatenz
ERP CRM Operative …
Systeme
Entscheidung
Datenlatenz Datenintegration ESB
Entscheidungslatenz
Data Analytische …
OLAP Erkenntnis
Mining Systeme
Analyselatenz
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 25
- 24. Technologien zur Verringerung von Latenzzeiten
Theoretische Grundlagen . Operational Intelligence
Datenlatenz Analyselatenz
Micro-batches Data/Process Mining
Change Data Capture Visual Analysis
Event Stream Processing Complex Event Processing
In-Memory-Databases Business Activity Monitoring
Grid Computing
…
…
Handlungslatenz
Entscheidungslatenz
Workflow/ Process Engines
Business Rules Engines
ERP/ CRM/ SCM/ …
Case-based Reasoning
…
…
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 26
- 25. Drei Säulen der Operational Intelligence
Theoretische Grundlagen . Operational Intelligence
Operational Intelligence
PPM BAM PFS
Process Performance Business Activity Planning , Forecasting,
Management / Monitoring Simulation
Measurement
Ex post (Blick in den In situ (Blick auf Abläufe in Ex ante (Blick durch die
Rückspiegel) Bearbeitung) Windschutzscheibe)
Analyse und Verbesserung Ad-hoc Maßnahmen und Unterstützung bei
Alerting Entscheidungen
Prozess- und Kommunika-
tionsstatistiken Event- und Regel-orientiert Event- und Regel-orientiert
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 27
- 26. Events / Ereignisse
Theoretische Grundlagen . Operational Intelligence
An Event is a notable thing that happens inside or outside your
business. An event (business or system) may signify a problem or
impending problem, an opportunity or threat, a threshold or
deviation. Quelle: Michelson, B.: Event-Driven Architecture Overview, http://dx.doi.org/10.1571/bda2-2-06cc , 2006, S. 2.
Ein Ereignis (v. althochdeutsch irougen = vor Augen stellen, zeigen)
findet immer dann statt, wenn etwas passiert oder sich etwas
verändert. In der Regel geht ein Ereignis mit der Veränderung eines
Zustands einher bzw. ist deren Auslöser.
Unter einem Ereignis (engl. event) versteht man dasjenige, was eine
Aktion (Event Handler Programm) und damit eine
Zustandsveränderung auslöst. Diese Ereignisse können
Benutzereingaben (Mausklick, Taste, Spracheingabe,
Geräteanschluss, ...) oder Systemereignisse (Zeitpunkt, Fehler,
Datenveränderung, Sensor, ...) sein.
Quelle: Wikipedia, http://de.wikipedia.org/wiki/Ereignis, Abruf vom 09.05.2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 28
- 27. Datenströme – Events in der IT
Theoretische Grundlagen . Operational Intelligence
Datenstrom: Kontinuierlich übersandte Datensätze, deren Größe,
Menge sowie schnelles Aufkommen verbieten, sie vor der
Verarbeitung zu speichern.
Bisherige Forschung: Überwachung eines Datenflusses auf das
Vorkommen bestimmter Daten und Analyse von Daten innerhalb des
Stroms
Unterscheidung:
Transaktionsströme (Log-Daten: Kreditkartennutzung, Telefonanrufe, Zugriff
auf Webressourcen)
Messdatenströme (Sensoren, Rechnernetzwerke, wissenschaftliche
Messstationen)
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 29
- 28. Datenströme – Events in der IT
Theoretische Grundlagen . Operational Intelligence
Überwachung und Anfrageauswertung:
Überwachung: Suche nach bestimmten Mustern, z.B. Nachrichten über ein
bestimmtes Land in Strom von Pressemeldungen, große Kursschwankungen
in Strom von Börsendaten, lebensbedrohliche Wertkombinationen in
medizinischen Messdaten
Filtern/Anfragen: komplexe Anfragen, wie in Datenbankanwendungen;
selbe Anfragesprachen wie für traditionelle Datenbanksysteme (SQL, XPath)
Analyse von Datenströmen:
Ermittlung aggregierter Werte
Anwendungen: Trendanalyse, Abrechnung über die Nutzung von Rechnern
und Rechnernetzen sowie Verkehrswegen, Systemüberwachung,
Früherkennung von Ereignissen
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 30
- 29. Business Rules / Geschäftsregeln
Theoretische Grundlagen . Operational Intelligence
Eine Geschäftsregel ist eine Direktive oder Guideline, die das
Geschäftsverhalten beeinflussen oder leiten soll.
Quelle: Schacher, M.; Grässle, P.: Agile Unternehmen durch Business Rules, Springer, 2006, S. 17.
Ableitungsregeln: Herleiten neuer Informationen aus bestehenden
Informationen
Premium-Kunden sind solche, deren Umsatz in den letzten 12 Monaten über
5.000 EUR lag.
Einschränkungen: Aussagen über das Geschäft, die wahr sein
müssen; Verbote und Gebote
Ein Kunde darf sein Kreditlimit nie überschreiten.
Prozessregeln: Anstoßen, verhindern oder erlauben von Aktionen
Bei Bestellungsaufgabe ist die Bonität des Kunden zu prüfen.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 31
- 30. Business Rules Management – BRM
Theoretische Grundlagen . Operational Intelligence
Regeln sind eine wertvolle Unternehmensressource, der Umgang mit
ihnen muss in einem kontrollierten Prozess erfolgen
Externalisierung und Dokumentation der Geschäftsregeln
Quelle: Schacher, M.; Grässle, P.: Agile Unternehmen durch Business Rules, Springer, 2006, S. 19.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 32
- 31. Inhalt
Operational Intelligence & Enterprise Decision Management
1 Einleitung
2 Theoretische Grundlagen
3 Praktische Umsetzung
– Pause –
4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 33
- 32. Real-Time und Active Business Intelligence
Praktische Umsetzung
Real Time Business Intelligence = right time as needed
Real Time Business Intelligence ist ein dispositives System, das
Informationen in jeder benötigten Aktualität und Antwortzeit zur
Verfügung stellen kann. Die Aktualität und Antwortzeit sind dabei
nicht einheitlich, sondern bedarfsorientiert (Stage 1 bis Stage 4).
Active Business Intelligence = event-driven acting BI
Active Business Intelligence ist ein dispositives System, das Ereignisse
identifizieren und verarbeiten kann und darauf mit einer Aktion in
der Systemumgebung reagiert. Das Ziel ist die teilweise oder
vollständige Automatisierung von Routineentscheidungen (Stage 5).
Agile Business Intelligence
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 34
- 33. Information Evolution in Data Warehousing
Praktische Umsetzung
Quelle: Brobst, Stephen; Rarey, Joe, http://dssresources.com/papers/features/brobst&rarey01062003.html, 06.05.2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 35
- 35. Architekturen – Reporting
Praktische Umsetzung
ERP
Purchase
SCM
Reports
Distribution Data Warehouse Analysten
ETL-Batch
CRM
Customer Care
Legacy
Processes Systems Data Integration Data Storage Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 37
- 36. Architekturen – Analyzing
Praktische Umsetzung
ERP
Reports
Purchase
SCM
Distribution Data Warehouse Analysten
ETL-Batch
CRM
OLAP
Customer Care
Legacy
„Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 38
- 37. Architekturen – Predicting
Praktische Umsetzung
ERP
Reports
Purchase ETL-Batch
SCM
Data Warehouse
Distribution CRM ETL-Batch
OLAP Analysten
Legacy ETL-Batch
Customer Care ODS
ETL-Batch Data Mining
Workflow-
Engine
„Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 39
- 38. Architekturen – Monitoring
Praktische Umsetzung
ERP
Reports
Purchase ETL-Batch
SCM
Data Warehouse
OLAP
Distribution CRM ETL-Batch
Analysten
Legacy Data Mining
Customer Care ODS
Micro
Workflow- Batches
Engine
Enterprise Service Bus Dashboards
„Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 40
- 39. Architekturen – Decisioning
Praktische Umsetzung
ERP Reports
ETL-Batch
Data Warehouse
Purchase
SCM ETL-Batch OLAP
ODS
Event
Distribution CRM Processing
Engine
Data Mining
Micro Analysten
Batches
Legacy Stream Cache
Customer Care
Dashboards
Workflow- Event Streams Business
Business Rules
Engine Rules Engine
Repository
Mobile
Decision Service Bus Devices
Transaction Service Bus
Rückkopplung durch automatisierte Entscheidungen „Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Decisions Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 41
- 40. Operational Intelligence – PPM
Praktische Umsetzung . Komponenten
ERP Reports
ETL-Batch
Data Warehouse
Purchase
SCM ETL-Batch OLAP
ODS
Event
Distribution CRM Processing
Engine
Data Mining
Micro Analysten
Batches
Legacy Stream Cache
Customer Care
Dashboards
Workflow- Event Streams Business
Business Rules
Engine Rules Engine
Repository
Mobile
Decision Service Bus Devices
Transaction Service Bus
Rückkopplung durch automatisierte Entscheidungen „Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Decisions Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 42
- 41. Operational Intelligence – BAM
Praktische Umsetzung . Komponenten
ERP Reports
ETL-Batch
Data Warehouse
Purchase
SCM ETL-Batch OLAP
ODS
Event
Distribution CRM Processing
Engine
Data Mining
Micro Analysten
Batches
Legacy Stream Cache
Customer Care
Dashboards
Workflow- Event Streams Business
Business Rules
Engine Rules Engine
Repository
Mobile
Decision Service Bus Devices
Transaction Service Bus
Rückkopplung durch automatisierte Entscheidungen „Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Decisions Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 43
- 42. Operational Intelligence – PFS
Praktische Umsetzung . Komponenten
ERP Reports
ETL-Batch
Data Warehouse
Purchase
SCM ETL-Batch OLAP
ODS
Event
Distribution CRM Processing
Engine
Data Mining
Micro Analysten
Batches
Legacy Stream Cache
Customer Care
Dashboards
Workflow- Event Streams Business
Business Rules
Engine Rules Engine
Repository
Mobile
Decision Service Bus Devices
Transaction Service Bus
Rückkopplung durch automatisierte Entscheidungen „Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Decisions Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 44
- 43. Event Processing / Ereignisverarbeitung
Praktische Umsetzung . Komponenten
An Event is a notable thing that happens inside or outside your
business. An event (business or system) may signify a problem or
impending problem, an opportunity or threat, a threshold or
deviation.
Quelle: Michelson, B.: Event-Driven Architecture Overview, http://dx.doi.org/10.1571/bda2-2-06cc , 2006, S. 2.
Datenstrom: Kontinuierlich übersandte Datensätze, deren Größe,
Menge sowie schnelles Aufkommen verbieten, sie vor der
Verarbeitung zu speichern.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 45
- 44. Event Processing / Ereignisverarbeitung
Praktische Umsetzung . Komponenten
Simple Event Processing (SEP)
Ereignis initiiert eine nachgelagerte Handlung
Bsp.: einfache Workflow, Triggers
Event Stream Processing (ESP)
Ereignisse werden klassifiziert und an Abonnenten „weitergestreamt“
Fokus liegt auf der Versorgung nachgelagerter Ereigniskonsumenten mit
Echtzeit-Information
Complex Event Processing (CEP)
Semantische, räumliche und zeitliche Korrelationen zwischen
Ereignissen werden evaluiert, ausgewertet und entsprechende
Handlungen angestoßen
Einsatz von komplexen Algorithmen und Verfahren, um Ereignisse über
lange Zeiträume und verschiedene Ereignistypen hinweg zu korrelieren
Quelle: Michelson, B.: Event-Driven Architecture Overview, http://dx.doi.org/10.1571/bda2-2-06cc , 2006, S. 2f.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 46
- 45. Event Processing / Ereignisverarbeitung
Praktische Umsetzung . Komponenten
Verschiedene Algorithmen zur Anfrageauswertung und Analyse von
Datenströmen
Integration von historischen und streambasierten Daten
Quelle: Espertech, http://www.espertech.com/products/esper.php.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 47
- 46. Event Flow / Ereignisfluss
Praktische Umsetzung . Komponenten
Event Generators:
Quelle des Events: Applikation, Datenspeicher, Service, Geschäftsprozess,
Collaboration-Werkzeug (E-Mail, Instant Messenger)
Event Sensor:
Router / Filter, Aufnahme von Events
Event Channel:
Transportiert den Event: i.d.R. messaging backbone
Event Processing:
Evaluierung gegen Processing-Rules, Initiierung von Aktionen: Serviceaufruf, Starten
eines Geschäftsprozesses, Publishing an Subscriber, Notifying, Generierung von
neuen Events, Speichern für analytische Zwecke
Event Consumers:
Getriggerter Event Consumer führt seine Aktivität aus
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 48
- 47. Event Flow / Ereignisfluss
Praktische Umsetzung . Komponenten
Event
Consumer
ERP Reports
ETL-Batch
Data Warehouse
Purchase
SCM ETL-Batch OLAP
Event ODS
Sensor Event
Distribution CRM Processing
Engine
Data Mining
Micro Analysten
Batches
Legacy Stream Cache
Customer Care
Dashboards
Workflow- Event Streams Business
Business Rules
Engine Rules Engine
Repository
Mobile
Decision Service Bus Devices
Event
Generators Transaction Service Bus
Event
EventRückkopplung durch automatisierte Entscheidungen Processing
„Manuelle“ Rückkopplung
Processes Channel(s) Data Integration
Systems Data Storage Decisions Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 49
- 48. Drei Typen von Business Rules Technologie
Praktische Umsetzung . Komponenten
1. Rule Execution Technologie (Business Rule Engines; BREs)
Eigentliche Business Rule Engines
Workflow-Management-Systeme
Datenbanksysteme (via Trigger, Stored Procedures)
ERP-Systeme (implizite Rules)
2. Rule Management Technologie
Management – keine automatische Ausführung
Frontend für Rule-(Weiter-)Entwicklung
Oftmals Vermischung mit Rule Execution
3. Rule Discovery Technologie
Reverse Engineering von Legacy Code
Process Mining
Quelle: Schacher, Markus; Grässle, Patrick: Agile Unternehmen durch Business Rules. Springer 2006, S. 214 f.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 50
- 49. „Lebenszyklus“ von Business Rules
Praktische Umsetzung . Komponenten
Externalisierung
Rule Developer
Werkzeuge: Rule Builder
Ablage
Werkzeug: Rule Repository
Ausführung
Business Rules Engine
Management
Quelle: Yasu Technologies, http://www.yasutech.com, 2008.
Business User verbessern / passen Rules an
Process Mining
Werkzeuge: Web Editor, Rule Builder
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 51
- 50. Business Rules
Praktische Umsetzung . Komponenten
ERP Reports
ETL-Batch
Data Warehouse
Purchase
SCM ETL-Batch OLAP
ODS
Event
Distribution CRM Processing
Engine
Data Mining
Micro Analysten
Batches
Legacy Rule Stream Cache Rule
Customer Care Storage Execution
Dashboards
Workflow- Event Streams Business
Business Rules
Engine Rules Engine
Repository
Mobile
Decision Service Bus Devices
Transaction Service Bus
Rückkopplung durch automatisierte Entscheidungen „Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Decisions Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 52
- 51. Kritische Erfolgsfaktoren
Praktische Umsetzung
Kritische Erfolgsfaktoren bei der Umsetzung einer EDA:
Support durch das Top-Management
Business Ownership der Gesamtlösung
Balance zwischen kurz- und langfristigen BI-Zielen
Adäquate Ressourcen für Entwicklung und Betrieb
Sicherstellung von Datenintegrität und -qualität
Flexibilität der Datenstrukturen, Metadatenmanagement
Flexibilität und Vielseitigkeit der Architektur
Robustes System und weitreichender User-Support
Realisierung der Erfolgsfaktoren durch SLAs
Quellen: Markarian, J., Brobst, S., Bedell, J., Critical Success Factors Deploying Pervasive BI, 2007;
Davis, J. R., Business Intelligence NetworkTM Research Report, Using Operational Business Intelligence for Intra-Day Analysis and Decision Making, 2007.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 53
- 52. Inhalt
Operational Intelligence & Enterprise Decision Management
1 Einleitung
2 Theoretische Grundlagen
3 Praktische Umsetzung
– Pause –
4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 54
- 53. Agile Business Intelligence Architecture
Marktüberblick
ERP Reports
ETL-Batch
Data Warehouse
Purchase
SCM ETL-Batch OLAP
ODS
Event
Distribution CRM Processing
Engine
Data Mining
Micro Analysten
Batches
Legacy Stream Cache
Customer Care
Dashboards
Workflow- Event Streams Business
Business Rules
Engine Rules Engine
Repository
Mobile
Decision Service Bus Devices
Transaction Service Bus
Rückkopplung durch automatisierte Entscheidungen „Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Decisions Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 55
- 54. Gartner Magic Quadrant Business Intelligence
Marktüberblick
Source: Gartner, January 2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 56
- 55. Gartner Magic Quadrant Business Process Analysis
Marktüberblick
Quelle: Gartner, January 2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 57
- 56. Forrester Wave™: Human-Centric BPM Q3 ’07
Marktüberblick
Quelle: Forrester Research Inc., 2007.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 58
- 57. Business Rules Anbieter Q2/2008
Marktüberblick
Quelle: Forrester Research Inc.: The Forrester Wave™: Business Rules Platforms, Q2 2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 59
- 58. Business Rules Platforms
Marktüberblick
Quelle: Forrester Research Inc.: The Forrester Wave™: Business Rules Platforms, Q2 2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 60
- 59. Markt für Business Activity Monitoring Tools
Marktüberblick
ERP
EAI Anbieter Produkt
Anbieter Produkt
Oracle Enterprise Manager 10g Release 2
BEA PA und P-BAM
PeopleSoft Performance Management 8.9
IBM WebSphere Business Monitor V6.0
Siebel Business Analytics Platform 7.8
Microsoft BizTalk Server 2006
SAP SAP Netweaver
SeeBeyond ICAN Suite 5
Pure Player
Anbieter Produkt
Tibco BusinessFactor, OpsFactor
WebMethod Fabric 6.5 Axway Synchrony Sentinel
BPM
Anbieter Produkt Celequest Activity Suite
BI IDS Scheer ARIS PPM firstRain firstRain
Anbieter Produkt
Pikos Bonaparte iSphere iSphere Event Server
Business Objects XI Release 2 Metatomix Metatomix
Filenet Business Process Manager
Cognos Cognos 8 Rhysome ZOMA
Informatica PowerCenter Senactive InTime
Information Builders WebFocus 7 Systar BusinessBridge
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 61
- 60. BAM Marktprognose
Marktüberblick
1. Gartner survey reveals that more than 80 percent of BAM projects have a positive ROI.
2. Through 2010, the adoption of BAM platforms will grow at least 200 percent from 2006 levels
(0.7 probability).
3. By 2012, BAM solutions will be most frequently sourced from business application vendors (0.8
probability).
4. By the end of 2008, each of the major business intelligence vendors will build or buy BAM
functionality (0.7 probability).
5. By 2012, the average BAM latency requirements will decrease to less than one minute, from an
average of less than 15 minutes in 2006 (0.7 probability).
6. In the long term, it is expected that most of the BAM deployments will be embedded within
business applications.
7. Forrester: “Demand for Business Process Management Suites Will Accelerate Through 2009.”
8. By 2012, integration costs for problem-specific BAM projects will rise to at least twice the
software license costs (0.7 probability).
9. Leading industries in BAM implementation are energy, communications, financial services, and
retail/wholesale.
Quelle: Gartner: MarketScope for Business Activity Monitoring Platforms, 3Q06.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 62.
- 61. Event Processing Engines
Marktüberblick
Coral 8: Coral 8 Engine
IBM Streambase: Streambase Server
Progress Apama: Apama EP Platform
Oracle BEA: Weblogic Event Server
EsperTech: Esper EP&CEP Platform
Microsoft: BizTalk Server
Systar: BusinessBridge (z.B. ARIS Process Event Monitor)
…
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 63
- 62. Inhalt
Operational Intelligence & Enterprise Decision Management
1 Einleitung
2 Theoretische Grundlagen
3 Praktische Umsetzung
– Pause –
4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 64
- 63. Agile Business Intelligence Architecture
BI-Cool(Tool)Tour
ERP Reports
ETL-Batch
Data Warehouse
Purchase
SCM ETL-Batch OLAP
ODS
Event
Distribution CRM Processing
Engine
Data Mining
Micro Analysten
Batches
Legacy Stream Cache
Customer Care
Dashboards
Workflow- Event Streams Business
Business Rules
Engine Rules Engine
Repository
Mobile
Decision Service Bus Devices
Transaction Service Bus
Rückkopplung durch automatisierte Entscheidungen „Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Decisions Analytics User
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 65
- 64. Ausgewählte Softwareanbieter
BI-Cool(Tool)Tour
Rules Modelling: Visual Rules
http://www.visual-rules.de
Rules Management: ILOG BMRS
http://www.ilog.com/
Event Processing: Streambase
http://www.streambase.com
Coral8
http://www.coral8.com/
Activity Monitoring: TIBCO
http://www.tibco.com/
Event Analysis: Senactive
http://www.senactive.com
Visual Analysis: Tableau Software
http://www.tableausoftware.com
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 66
- 65. Business Rules Modelling: Visual Rules
BI-Cool(Tool)Tour
Quelle: Innovation Software, http://www.visual-rules.de/00_home/home.html, Abruf vom 12.05.2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 67
- 66. Business Rules Management: ILOG BRMS
BI-Cool(Tool)Tour
Quelle: ILOG, http://www.ilog.com/, Abruf vom 10.05.2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 68
- 67. Complex Event Processing: Streambase
BI-Cool(Tool)Tour
Quelle: Streambase, http://www.streambase.com/products-StreamBaseStudio.htm, Abruf vom 10.05.2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 69
- 68. Complex Event Processing: Coral8
BI-Cool(Tool)Tour
Quelle: Coral8, http://www.coral8.com/products/portal.html, Abruf vom 10.05.2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 70
- 69. Business Activity Monitoring: TIBCO Business Studio
BI-Cool(Tool)Tour
Quelle: TICBO http://ams.tibco.com/GIDemo_Advanced/, http://www.tibco.com/devnet/business_studio/default.jsp, Abruf vom 10.05.2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 71
- 70. Event Analysis: Senactive EventAnalyzer™
BI-Cool(Tool)Tour
Quelle: Senactive, , http://www.senactive.com/index.php?id=eventanalyzer,
http://www.senactive.com/fileadmin/Medienarchiv_Website/Datenblaetter/Datenblaetter_
DE/02_ARCHITEKTUR_INTIME_SENACTIVE_DE_080225_web.pdf , Abruf vom 10.05.2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 72
- 71. Visual Analysis: Tableau Software
BI-Cool(Tool)Tour
Quelle: Tableau Software, http://www.tableausoftware.com/products/tour, Abruf vom 10.05.2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 73
- 72. Inhalt
Operational Intelligence & Enterprise Decision Management
1 Einleitung
2 Theoretische Grundlagen
3 Praktische Umsetzung
– Pause –
4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 74
- 73. Fazit
Ausblick
Klassische BI-Architekturen weisen grundlegende konzeptuelle
Mängel auf, die eine Weiterentwicklung in Richtung eines
umfassenden Entscheidungsmanagements (also E.-vorbereitung und
E.-umsetzung) erschweren
Operational Intelligence erfordert ein neues Verständnis von und
neue Architekturen für Business Intelligence
Technologische Konzepte sind vorhanden und müssen kombiniert
und aufeinander abgestimmt eingesetzt werden
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 75
- 74. …und in Zukunft?
Operational Intelligence & Enterprise Decision Management
„ Die Kenntnis der Umstände hat sich in uns vermehrt, aber die
Ungewißheit ist dadurch nicht verringert, sondern gesteigert.“
Carl von Clausewitz (1827), Preußischer General, in seinem
Standardwerk „Vom Kriege“, Erstes Buch „Über die Natur
des Krieges“, Kap. III „Der kriegerische Genius“.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 76