Glossar

Ein Decision Support System ist eine computergestützte Anwendung oder ein Satz von Tools, die Führungskräften und Managern dabei helfen, komplexe Entscheidungen zu treffen, indem sie relevante Informationen, Analysen und Modelle zur Verfügung stellen.

Es bietet auch eine Möglichkeit, verschiedene Szenarien durchzuspielen, um die Auswirkungen von Entscheidungen zu simulieren und die bestmögliche Option auszuwählen.

Beispiel

Ein praktisches Beispiel für den Einsatz von Business Intelligence Ansätzen oder Lösungen im Rahmen eines DSS wäre ein Finanzinstitut, das ein Kreditvergabe-DSS verwendet, um fundierte Entscheidungen über die Kreditvergabe zu treffen. Das DSS würde verschiedene interne und externe Datenquellen wie Kredit-Score, Finanzhistorie, Arbeitsverlauf und Branchentrends integrieren. Mit Hilfe von Data Mining und Predictive Analytics-Algorithmen würde das DSS Risikobewertungen erstellen, um festzustellen, ob ein Kreditnehmer in der Lage ist, seinen Kredit zurückzuzahlen. Es würde auch Szenarien durchspielen, um zu simulieren, wie sich bestimmte Entscheidungen auf das Risiko des Unternehmens auswirken könnten. Das DSS würde somit die Kreditvergabeprozesse beschleunigen, die Entscheidungsfindung effektiver und die Risikominimierung verbessern.

Allgemein gesprochen

DSS-Systeme können auf Business Intelligence-Technologien und -Daten aufbauen, um Benutzern die Möglichkeit zu bieten, verschiedene Szenarien, Prognosen und Optimierungslösungen zu erkunden und zu bewerten.

Die Deckungsbeitragsrechnung ist eine wichtige Methode im Controlling und in der Kosten- und Leistungsrechnung. Sie ermöglicht eine differenzierte Analyse der Rentabilität von Produkten, Dienstleistungen oder Geschäftsbereichen. Der Deckungsbeitrag ist definiert als die Differenz zwischen den erzielten Umsatzerlösen und den variablen Kosten, die direkt den Produkten oder Leistungen zuzuordnen sind.

Der Deckungsbeitrag zeigt, inwieweit die variablen Kosten gedeckt sind und welcher Anteil der Umsatzerlöse für die Deckung der fixen Kosten und zur Erzielung von Gewinnen zur Verfügung steht. Die Deckungsbeitragsrechnung hilft Unternehmen, Entscheidungen über Preise, Produktmix, Produktionsmengen und Ressourcenallokation zu treffen, um die Rentabilität zu maximieren.

Ein Beispiel

Angenommen, ein Unternehmen stellt zwei Produkte her: Produkt A und Produkt B. Die Kosten- und Umsatzstruktur sieht wie folgt aus:

Produkt A:

• Verkaufspreis: 100 Euro
• Variable Kosten: 60 Euro
• Fixkosten (anteilig): 30 Euro

Produkt B:

• Verkaufspreis: 150 Euro
• Variable Kosten: 90 Euro
• Fixkosten (anteilig): 40 Euro

Um den Deckungsbeitrag der beiden Produkte zu berechnen, ziehen wir die variablen Kosten vom Verkaufspreis ab:

Deckungsbeitrag Produkt A = 100 Euro – 60 Euro = 40 Euro Deckungsbeitrag Produkt B = 150 Euro – 90 Euro = 60 Euro

Die Deckungsbeiträge zeigen, dass Produkt B einen höheren Deckungsbeitrag pro verkaufter Einheit hat und somit mehr zur Deckung der Fixkosten und zur Gewinnerzielung beiträgt als Produkt A. Das Unternehmen kann nun strategische Entscheidungen treffen, um den Produktmix und die Ressourcenverteilung entsprechend zu optimieren.

Die demografische Analyse ist eine Methode zur Untersuchung und Analyse von Bevölkerungsgruppen auf der Grundlage von Merkmalen wie Alter, Geschlecht, Einkommen, Bildung, Beruf und geografischer Lage. In Business Intelligence und Marketing werden demografische Analysen verwendet, um Kunden- oder Marktsegmente besser zu verstehen, gezielte Marketingstrategien zu entwickeln und Geschäftsentscheidungen zu treffen.

Eine Dimension ist ein wesentlicher Begriff im Bereich der multidimensionalen Datenanalyse und OLAP (Online Analytical Processing). Sie bezieht sich auf eine kategorische Variable oder einen Datenattribut, der dazu verwendet wird, Daten zu organisieren, zu gruppieren, zu filtern und zu vergleichen, um Trends, Muster und Beziehungen in den analysierten Daten zu identifizieren. Dimensionen sind grundlegende Elemente von Business Intelligence, Analytics und Data Warehousing, da sie die Struktur, Granularität und Perspektiven von Datenanalysen und Berichten bestimmen und beeinflussen. Beispiele für Dimensionen sind Zeit, Geografie, Produkt, Kunde, Vertriebskanal und Organisationseinheit. In einem multidimensionalen Datenwürfel (Cube) werden Dimensionen üblicherweise als Achsen dargestellt, während die Messwerte (Metriken) die Zellen im Cube ausfüllen.

Echtzeit-Daten sind Informationen, die nahezu sofort nach ihrer Generierung oder Aktualisierung verfügbar sind und ohne Verzögerung für die Analyse, Überwachung und Entscheidungsfindung verwendet werden können. Echtzeit-Daten sind für Business Intelligence und Analytics von besonderer Bedeutung, da sie Unternehmen ermöglichen, schnell auf Veränderungen, Ereignisse oder Anomalien in ihren Daten zu reagieren und proaktive, datengesteuerte Entscheidungen zu treffen. Echtzeit-Daten können aus verschiedenen Quellen stammen, wie z. B. Sensoren, Web-Analytics, sozialen Medien oder Transaktionssystemen.

Echtzeitanalyse bezieht sich auf die Fähigkeit, Daten kontinuierlich zu sammeln, zu verarbeiten und zu analysieren, um sofortige Erkenntnisse und Entscheidungen zu ermöglichen. In Business Intelligence und Performance Management wird Echtzeitanalyse eingesetzt, um operative Effizienz, Kundenservice, Risikomanagement und Wettbewerbsvorteile zu verbessern, indem sie die Reaktionszeit auf Ereignisse, Trends und Anomalien verkürzt. Echtzeitanalysetechnologien umfassen Stream-Processing, In-Memory-Datenbanken, Event-Driven-Architekturen und Complex Event Processing (CEP).

Enterprise Performance Management, auch als Corporate Performance Management (CPM) bezeichnet, ist ein umfassender Ansatz zur Überwachung, Steuerung und Verbesserung der Leistung eines Unternehmens. EPM beinhaltet die Definition von Zielen, die Festlegung von Key Performance Indicators (KPIs), die Planung von Ressourcen, die Analyse von Geschäftsergebnissen und die Durchführung von Korrekturmaßnahmen. EPM-Tools und -Techniken werden häufig in Kombination mit Business Intelligence verwendet, um Führungskräften und Managern datengestützte Erkenntnisse zur Verfügung zu stellen.

Enterprise Resource Planning ist ein integriertes Managementsystem, das die verschiedenen Geschäftsprozesse und Funktionen eines Unternehmens, wie Finanzen, Personalwesen, Vertrieb, Produktion und Logistik, in einer einheitlichen Softwareplattform unterstützt. ERP-Systeme erfassen und verarbeiten eine Fülle von Unternehmensdaten und können in Business Intelligence-Lösungen integriert werden, um umfassende Analysen und Berichte zu erstellen, die das Management bei der Entscheidungsfindung unterstützen.

Entscheidungsunterstützungssysteme (DSS) sind computergestützte Informationssysteme, die Daten, Modelle und analytische Techniken nutzen, um Benutzer bei der Identifizierung, Analyse und Lösung von Geschäftsproblemen und Entscheidungen zu unterstützen. DSS umfassen verschiedene Komponenten wie Datenbanken, Modelle, Analysemethoden und Benutzerschnittstellen, die auf die spezifischen Bedürfnisse und Anforderungen eines bestimmten Entscheidungskontexts zugeschnitten sind. In Business Intelligence und Performance Management werden DSS eingesetzt, um datengesteuerte Entscheidungsfindung, Planung und Problemlösung zu fördern.

ETL (Extraktion, Transformation, Laden) ist ein zentraler Prozess im Datenmanagement und Business Intelligence, der sich auf die Extraktion, Transformation und das Laden von Daten aus verschiedenen Quellen in ein Data Warehouse oder ein anderes zentrales Datenspeichersystem bezieht.

Der ETL-Prozess besteht aus drei Hauptphasen:

1. Extract (Extraktion): In dieser Phase werden Rohdaten aus unterschiedlichen internen und externen Datenquellen, wie Datenbanken, Dateien, APIs oder Webdiensten, gesammelt und extrahiert.
2. Transform (Transformation): In der Transformationsphase werden die extrahierten Daten gereinigt, normalisiert, aggregiert, bereinigt und in das gewünschte Format gebracht, um sie für die Analyse und Berichterstattung konsistent, qualitativ hochwertig und kompatibel zu machen. Die Transformation kann auch die Anwendung von Geschäftsregeln, die Berechnung von Kennzahlen und die Anreicherung der Daten mit zusätzlichen Informationen umfassen.
3. Load (Laden): Schließlich werden die transformierten Daten in das Data Warehouse oder das Zielsystem geladen und dort gespeichert, um sie für weitere Analysen, Berichte und Dashboards zur Verfügung zu stellen.

ETL-Prozesse werden in der Regel mithilfe spezialisierter ETL-Tools oder -Software automatisiert und periodisch ausgeführt, um die Aktualität, Genauigkeit und Verfügbarkeit der Business Intelligence- und Analyseinformationen zu gewährleisten. ETL ist ein wichtiger Bestandteil von Data Integration, Data Quality, Data Governance und Master Data Management-Strategien und -Praktiken.