Durch den Austausch elektronischer Informationen, die Erfassung von Benutzer- und Besucherdaten sowie breit gestreute Möglichkeiten, auch sehr große Datenmengen zu erfassen und zu speichern, stehen Unternehmen oftmals vor der Problematik, zwar sehr große Datenmengen zu besitzen, aber nicht immer die interessanten Muster und Zusammenhänge in diesen Daten zu erkennen. Im Bereich der Analyse unterstützen wir Unternehmen und Organisationen dabei, Daten auf Muster hin automatisch oder gezielt zu untersuchen und dadurch neues Wissen zu generieren. Hierbei lassen sich große Bereiche in Form von Data Mining (der eigentlichen Analyse), OLAP (der Bereitstellung und Abbildung von multidimensionalen Daten) oder auch Entscheidungsunterstützung charakterisieren. Angrenzende Bereiche sind hier die die Entwicklung von Data Warehouses für die multidimensionale Speicherung von sehr umfangreichen Datenmengen sowie auch die Entwicklung von Datenmodellen, welche insbesondere für die Erfassung von Daten zur Wissensgenerierung genutzt weden sollen. Dies meint z.B. spezielle Expertensysteme zur Konkurrenzbeobachtung, Analyse und Erfassung von Messdaten oder der Untersuchung von Daten, welche das Benutzer- und Besucherverhalten von Webseitenbesuchern abbilden. |
| 
Kennzahlen-Systeme
Der PerformancePoint Server unterstützt Organisationen durch die Integration von Überwachung, Analyse und Planung in einer einzelnen Anwendung dabei, ihre Leistung zu steigern.
Mehr
|
 |
Systeme zur Entscheidungsunterstützung Entscheidungsunterstützende Systeme beruhen nicht nur auf den Erkenntnissen der Informatik, sondern beziehen ihren Fokus und ihre Erkenntnisse auch aus benachbarten Disziplinen. Dies hängt stets mit dem umgebenden Weltausschnitt und seiner theoretischen Fundierung zusammen. Es kann sich dabei also um die Betriebswirtschaftslehre und ihre Spezialbereiche handeln oder auch um unterschiedliche Naturwissenschaften wie Physik oder Chemie. Den Anwendungen und den Anwendungsgebieten der Entscheidungsunterstützung ist gemein, dass die Datenverarbeitung auf eine Entscheidung hin projeziert wird. In diesem Zusammenhang verstehen wir den Begriff der Entscheidung als eine rationale Wahl in einer gegebenen Umwelt. Rationalität ist dabei eine Übereinstimmung von sinnvollen Kriterien mit gültigen Daten. Beide Elemente sind dabei von entscheidender Bedeutung. So sollen weder sinnvolle Kriterien auf ungültige Daten, noch gültige Daten mit sinnvollen Kriterien verarbeitet werden, sondern es ist gerade die gleichzeitige Berücksichtigung der Erfüllungsgrade von diesen beiden Prämissen, die zu konsistenten Entscheidungen führen.
Mehr
|  |
Künstliche Intelligenz und Data Mining Offensichtlich besteht ein Zusammenhang zwischen der Möglichkeit, Daten zu
speichern, und der Menge gespeicherter Daten, denn mit steigenden Speicherkapazitäten
steigt weiterhin die Anzahl der gespeicherten Daten selbst. Unternehmensdaten,
Daten von Webseitenbesuchern oder Transaktionen können innerhalb kürzester
Zeit Grenzen überschreiten, die eine schnelle, spontane Untersuchung der
inhärenten Datenstrukturen unmöglich machen. Für eine erweiterte
Mustererkennung in solchen Datenwüsten benötigt man Konzepte des Data
Mining. Dieser Ansatz als Teilbebereich des Data-Warenhouse-Ansatzes beschäftigt
sich allgemein mit der Datenmustererkennung von numerischen, ordinal- oder nominalskalierten
Daten, von denen tiefer gehende Zusammenhänge vermutet werden, die zur Optimierung
beliebiger Transaktions- und Geschäftsprozesse, aber auch im Rahmen der Analyse
von Messdatenerfassungen freigelegt werden sollen.
Mehr
|  |
OLAP (Online Analytical Processing)Information als unersetzlicher, wenn nicht sogar wichtigster heutiger Rohstoff, verlangt von seinem Benutzer besondere Fähigkeiten, sobald dieser Rohstoff mit steigender Menge und Komplexität in immer größeren Datenbanken verwendet wird. Mit OLAP-Werkzeugen sollen Möglichkeiten geschaffen werden, diese Daten in guter Präsentation und in beliebigen Aggregationsstufen für alle Benutzer eines DBMS aufzubereiten. Mehr
|  |
Datenbanken - Entwicklung von Data WarehousesIm Rahmen sich verändernder Märkte, Technologien und stärkerer
Spezialisierung ist es notwendig, die eigenen Geschäftsprozesse und Transaktionen
an diese neuen Gegebenheiten anzupassen und ständig zu optimieren. Da letztendlich
die Datenflüsse die Finanz- und Güterströme beeinflussen, ist eine
Verbesserung dieser Datenströme, ihre Analyse, Erfassung und Verwaltung von
entscheidender strategischer, aber auch in ihrer konkreten Umsetzung von operativer
Bedeutung. Mit Data Warehousing sollen Unternehmen und Organisationen in die Möglichkeit
versetzt werden, beliebig komplexe Organisationsdaten zu verwalten, zu nutzen
und zu analysieren. Dies wird insbesondere dadurch ermöglicht, dass nicht
nur unternehmensinterne Daten, sondern auch unternehmensextern Daten in die Datenbank
und damit in mögliche Analysen einbezogen werden. Mehr
|  |
Traditionelles Reporting Traditionelles
Reporting umfasst eine wesentliche Querschnittsfunktion in den IT-Lösungen
eines Unternehmens. Hier gibt es moderne Lösungen, die sowohl statische
als interaktive Berichte in unterschiedlichen Formaten erlauben. Alternativ
ist es möglich, auf Basis von Berichtsmodellen fortgeschrittenen Benutzern
die Möglichkeit zu geben, eigene Berichte zu auf Basis von vorgegebenen
und vereinfachten Datenstrukturen erstellen. Mit Hilfe der vielzähligen
Ausgabeformate und Integrationsvarianten kann man hier seinen Mitarbeitern hervorragende
Hilfestellungen bieten, damit sie umfassend an aufbereitete Unternehmensdaten
gelangen und so gute Entscheidungen und Beurteilungen treffen können.
Mehr
|  |