Enviar búsqueda
Cargar
Operational Intelligence - TDWI Europe 2008
•
2 recomendaciones
•
2,567 vistas
Christian Schieder
Seguir
Tecnología
Denunciar
Compartir
Denunciar
Compartir
1 de 74
Recomendados
Operational Intelligence im Kontext des Enterprise Decision Managements - MKW...
Operational Intelligence im Kontext des Enterprise Decision Managements - MKW...
Christian Schieder
[Expertengespräch] Jedox & BARC über Advanced Planning
[Expertengespräch] Jedox & BARC über Advanced Planning
Jedox
Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Vizlib Ltd.
Datenqualität in DWH-Projekten bei Versicherungen(für Informatica Fachtreffen)
Datenqualität in DWH-Projekten bei Versicherungen(für Informatica Fachtreffen)
CGI Germany
Datenmanagement
Datenmanagement
Uniserv
BARC Was Datenmanagement Messbar Dazu Beitragen Kann
BARC Was Datenmanagement Messbar Dazu Beitragen Kann
DataValueTalk
2012 04-17 Die automatische Post- und Rechnungseingangsbearbeitung
2012 04-17 Die automatische Post- und Rechnungseingangsbearbeitung
BARC GmbH
Datenqualitätsmanagement heute und morgen
Datenqualitätsmanagement heute und morgen
Vizlib Ltd.
Más contenido relacionado
La actualidad más candente
BI und ECM - Verbindung von strukturierten und unstrukturierten Daten
BI und ECM - Verbindung von strukturierten und unstrukturierten Daten
BARC GmbH
Data Quality Management: Geht doch auch ohne!?
Data Quality Management: Geht doch auch ohne!?
Business Intelligence Research
Der Markt für Planungs- und Controlling-Systeme
Der Markt für Planungs- und Controlling-Systeme
BARC GmbH
2009 11 04 Anwendungen Und LöSungen FüR D
2009 11 04 Anwendungen Und LöSungen FüR D
Friedel Jonker
Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...
Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...
Daniel Eiduzzis
Data Governance: Problemfelder in der Umsetzung von BI-Initiativen und Lesson...
Data Governance: Problemfelder in der Umsetzung von BI-Initiativen und Lesson...
Daniel Eiduzzis
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
OPITZ CONSULTING Deutschland
We Do Web Sphere Deutsch Webcast On24
We Do Web Sphere Deutsch Webcast On24
Christoph Goertz
"Rechenzentrum Der Zukunft". Wolfgang Egger (HP Austria)
"Rechenzentrum Der Zukunft". Wolfgang Egger (HP Austria)
hpaustria
Provadis Nr. 12 Oktober 2016
Provadis Nr. 12 Oktober 2016
Natasha Senn
B3 Act Lotusday 08 09 2009
B3 Act Lotusday 08 09 2009
Andreas Schulte
professionalView Business Brunch
professionalView Business Brunch
gst1984
Datenqualitätsmanagement aus unternehmensweiter Sicht
Datenqualitätsmanagement aus unternehmensweiter Sicht
Business Intelligence Research
WS: Wiedemann, Proventa - Sustainbility Governance - saas auswahl
WS: Wiedemann, Proventa - Sustainbility Governance - saas auswahl
CloudOps Summit
Strategien für Corporate Data Management
Strategien für Corporate Data Management
Boris Otto
Innocate Imagebroschuere 2013 - http://www.innocate.de/
Innocate Imagebroschuere 2013 - http://www.innocate.de/
Sunny2014
Business intelligence überblicksvortrag
Business intelligence überblicksvortrag
Falk Neubert
Wirksames Stammdatenmanagement
Wirksames Stammdatenmanagement
CDQ - Sharing Data Excellence
X days12 im- rubip_henkt
X days12 im- rubip_henkt
Torsten Henke
Ent-Personalisierung von IT Systemen (Anonymisierung & Pseudonymisierung)
Ent-Personalisierung von IT Systemen (Anonymisierung & Pseudonymisierung)
Patric Dahse
La actualidad más candente
(20)
BI und ECM - Verbindung von strukturierten und unstrukturierten Daten
BI und ECM - Verbindung von strukturierten und unstrukturierten Daten
Data Quality Management: Geht doch auch ohne!?
Data Quality Management: Geht doch auch ohne!?
Der Markt für Planungs- und Controlling-Systeme
Der Markt für Planungs- und Controlling-Systeme
2009 11 04 Anwendungen Und LöSungen FüR D
2009 11 04 Anwendungen Und LöSungen FüR D
Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...
Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...
Data Governance: Problemfelder in der Umsetzung von BI-Initiativen und Lesson...
Data Governance: Problemfelder in der Umsetzung von BI-Initiativen und Lesson...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
We Do Web Sphere Deutsch Webcast On24
We Do Web Sphere Deutsch Webcast On24
"Rechenzentrum Der Zukunft". Wolfgang Egger (HP Austria)
"Rechenzentrum Der Zukunft". Wolfgang Egger (HP Austria)
Provadis Nr. 12 Oktober 2016
Provadis Nr. 12 Oktober 2016
B3 Act Lotusday 08 09 2009
B3 Act Lotusday 08 09 2009
professionalView Business Brunch
professionalView Business Brunch
Datenqualitätsmanagement aus unternehmensweiter Sicht
Datenqualitätsmanagement aus unternehmensweiter Sicht
WS: Wiedemann, Proventa - Sustainbility Governance - saas auswahl
WS: Wiedemann, Proventa - Sustainbility Governance - saas auswahl
Strategien für Corporate Data Management
Strategien für Corporate Data Management
Innocate Imagebroschuere 2013 - http://www.innocate.de/
Innocate Imagebroschuere 2013 - http://www.innocate.de/
Business intelligence überblicksvortrag
Business intelligence überblicksvortrag
Wirksames Stammdatenmanagement
Wirksames Stammdatenmanagement
X days12 im- rubip_henkt
X days12 im- rubip_henkt
Ent-Personalisierung von IT Systemen (Anonymisierung & Pseudonymisierung)
Ent-Personalisierung von IT Systemen (Anonymisierung & Pseudonymisierung)
Similar a Operational Intelligence - TDWI Europe 2008
05 durchgängige unt steuerung evidanza ag
05 durchgängige unt steuerung evidanza ag
ICV_eV
Prozessrevision durch Process Mining
Prozessrevision durch Process Mining
ProcessGold AG
Infos Zum Thema Reifegradentwicklung V1 1
Infos Zum Thema Reifegradentwicklung V1 1
brox IT Solutions GmbH
Leistungsspektrum
Leistungsspektrum
Brigitte Ilsanker
NICE Performance Management
NICE Performance Management
NICE_Systems_Deutschland
pmcc consulting_vortrag_projekte_oder_prozesse_wasistwichtiger
pmcc consulting_vortrag_projekte_oder_prozesse_wasistwichtiger
PMCC Consulting GmbH
SAS Data Governance
SAS Data Governance
SAS in Deutschland, Österreich und der Schweiz
Client Vela Datenqualitätscheck
Client Vela Datenqualitätscheck
Client Vela GmbH
Mbuf
Mbuf
Inspirit Beraten+Prüfen GmbH
"Mit HP zum Rechenzentrum der Zukunft". Wolfgang Egger at HP Ideas 2008
"Mit HP zum Rechenzentrum der Zukunft". Wolfgang Egger at HP Ideas 2008
hpaustria
Individueller Kundenservice durch emotional Routing
Individueller Kundenservice durch emotional Routing
Guenter Greff Medien GmbH
Process Mining @
Process Mining @
ProcessGold AG
Business Consulting Präsentation
Business Consulting Präsentation
Frederico Baumann
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Marco Geuer
ITSM mit Open Source
ITSM mit Open Source
Christoph Steinhauer
Dr. Michael Huemer (BDO IT & Risk Advisory)
Dr. Michael Huemer (BDO IT & Risk Advisory)
Praxistage
Big Data - Die große Innovation?
Big Data - Die große Innovation?
BARC GmbH
Auswahlhilfe informationssicherheitssystem 2015dt
Auswahlhilfe informationssicherheitssystem 2015dt
Iris Maaß
KARTOSOFT deutsch
KARTOSOFT deutsch
KARTOSOFT GmbH
Aktuelle Trends in der Visualisierung von Informationen
Aktuelle Trends in der Visualisierung von Informationen
BARC GmbH
Similar a Operational Intelligence - TDWI Europe 2008
(20)
05 durchgängige unt steuerung evidanza ag
05 durchgängige unt steuerung evidanza ag
Prozessrevision durch Process Mining
Prozessrevision durch Process Mining
Infos Zum Thema Reifegradentwicklung V1 1
Infos Zum Thema Reifegradentwicklung V1 1
Leistungsspektrum
Leistungsspektrum
NICE Performance Management
NICE Performance Management
pmcc consulting_vortrag_projekte_oder_prozesse_wasistwichtiger
pmcc consulting_vortrag_projekte_oder_prozesse_wasistwichtiger
SAS Data Governance
SAS Data Governance
Client Vela Datenqualitätscheck
Client Vela Datenqualitätscheck
Mbuf
Mbuf
"Mit HP zum Rechenzentrum der Zukunft". Wolfgang Egger at HP Ideas 2008
"Mit HP zum Rechenzentrum der Zukunft". Wolfgang Egger at HP Ideas 2008
Individueller Kundenservice durch emotional Routing
Individueller Kundenservice durch emotional Routing
Process Mining @
Process Mining @
Business Consulting Präsentation
Business Consulting Präsentation
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
ITSM mit Open Source
ITSM mit Open Source
Dr. Michael Huemer (BDO IT & Risk Advisory)
Dr. Michael Huemer (BDO IT & Risk Advisory)
Big Data - Die große Innovation?
Big Data - Die große Innovation?
Auswahlhilfe informationssicherheitssystem 2015dt
Auswahlhilfe informationssicherheitssystem 2015dt
KARTOSOFT deutsch
KARTOSOFT deutsch
Aktuelle Trends in der Visualisierung von Informationen
Aktuelle Trends in der Visualisierung von Informationen
Más de Christian Schieder
Grundzüge einer Pathologie medienbezogener Störungen im Web 2.0
Grundzüge einer Pathologie medienbezogener Störungen im Web 2.0
Christian Schieder
Dynamisierung von Pricingprozessen
Dynamisierung von Pricingprozessen
Christian Schieder
Open Source Business Intelligence - TDWI 2007
Open Source Business Intelligence - TDWI 2007
Christian Schieder
PalOOCa - CeBIT 2008
PalOOCa - CeBIT 2008
Christian Schieder
Operational Intelligence
Operational Intelligence
Christian Schieder
PalOOCa - PaloCon2007
PalOOCa - PaloCon2007
Christian Schieder
Open Source Business Intelligence - TDWI 2007
Open Source Business Intelligence - TDWI 2007
Christian Schieder
Open Source Data Mining - Data Mining Cup 2007
Open Source Data Mining - Data Mining Cup 2007
Christian Schieder
CeBIT 2007 - BI goes Open Source
CeBIT 2007 - BI goes Open Source
Christian Schieder
Angebot und Nachfrage für Open Source Business Intelligence
Angebot und Nachfrage für Open Source Business Intelligence
Christian Schieder
Más de Christian Schieder
(10)
Grundzüge einer Pathologie medienbezogener Störungen im Web 2.0
Grundzüge einer Pathologie medienbezogener Störungen im Web 2.0
Dynamisierung von Pricingprozessen
Dynamisierung von Pricingprozessen
Open Source Business Intelligence - TDWI 2007
Open Source Business Intelligence - TDWI 2007
PalOOCa - CeBIT 2008
PalOOCa - CeBIT 2008
Operational Intelligence
Operational Intelligence
PalOOCa - PaloCon2007
PalOOCa - PaloCon2007
Open Source Business Intelligence - TDWI 2007
Open Source Business Intelligence - TDWI 2007
Open Source Data Mining - Data Mining Cup 2007
Open Source Data Mining - Data Mining Cup 2007
CeBIT 2007 - BI goes Open Source
CeBIT 2007 - BI goes Open Source
Angebot und Nachfrage für Open Source Business Intelligence
Angebot und Nachfrage für Open Source Business Intelligence
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
34.
Architektur-Dschungel verschiedener Anbieter Praktische
Umsetzung © Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 36
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