Melden Sie sich hier an, um auf Kommentare und die Whitepaper-Datenbank zugreifen zu können.

Kein Log-In? Dann jetzt kostenlos registrieren.

Falls Sie Ihr Passwort vergessen haben, können Sie es hier per E-Mail anfordern.

Der Zugang zur Reseller Only!-Community ist registrierten Fachhändlern, Systemhäusern und Dienstleistern vorbehalten.

Registrieren Sie sich hier, um Zugang zu diesem Bereich zu beantragen. Die Freigabe Ihres Zugangs erfolgt nach Prüfung Ihrer Anmeldung durch die Redaktion.

02.04.1999 - 

Data-Warehouse/Ohne System gleicht strategisches Planen russischem Roulette

Welche Kundeninformationen haben Auswirkungen auf Finanzfaktoren?

Von einer strategischen Planung, die diesen Namen verdient, sind viele Unternehmen weit entfernt. Denn oft werden lediglich Finanzdaten zur Einschätzung der Zukunft herangezogen. Kundeninformationen indes könnten der Unternehmensplanung und -steuerung neue Horizonte eröffnen. Dafür erweist sich Data-Warehousing zur Zeit als das Mittel der Wahl. Norbert Henkel* skizziert die Möglichkeiten der Methode.

Entscheidungsträger benötigen ebenso präzise wie umfassende Informationen aus den betriebswirtschaftlichen Bereichen Produktion, Vertrieb und Marketing, Finanzen und Personal, ferner ein vollständiges und aktuelles Bild ihres Unternehmens und von dessen Umweltbeziehungen. Allerdings sind diese Informationen in der Regel auf vielen verschiedenen Plattformen und in zahlreichen Anwendungen über die IT-Strukturen des Unternehmens verteilt - und sogar noch darüber hinaus. Es kann also kompliziert und zeitraubend werden, an die erforderlichen Zahlen und Fakten heranzukommen.

Die Zweckorientierung, die nach klassischer Definition aus Daten Informationen werden läßt, hat zur Entwicklung des Data-Warehousing beigetragen, um der geschilderten Herausforderung zu begegnen. Dabei spielt ein Data-Warehouse die Rolle einer unabhängigen Anwendungsumgebung mit dazugehörigen Datenbanken, die Daten aus verschiedenen Quellen bezieht und Anfragen und Analysen ermöglicht. Die Informationen, die ein Data-Warehouse zur Verfügung stellen soll, müssen sich an den Anforderungen orientieren, die aus den betrieblichen Fragestellungen resultieren. Dieser Deci- sion-Support besteht aus einem standardisierten Reporting und aus Abfragen, die sich aus Ad-hoc-Fragen ergeben.

Ein Data-Warehouse erscheint demzufolge als die geeignete Lösung, um aus den in den operativen Systemen gespeicherten Daten Informationen für die Entscheidungsträger zu generieren. Dennoch konnte Data-Warehousing trotz aller Aufmerksamkeit, die ihm in den 90er Jahren gewidmet wurde, die Anforderungen zunächst nicht immer erfüllen. Häufig verursachte es hohe Kosten, lieferte aber äußerst dünne Ergebnisse.

Inzwischen mehren sich jedoch auch gute Anwendererfahrungen; die Konzepte werden ausgereifter, die technologischen Umsetzungen deutlich effizienter. Mehr als 50 Data-Warehouse-Produkte und -Lösungen sind auf dem deutschen Markt. Das Spektrum reicht von SAS Institute als führendem Spezialisten auf der einen, bis zur Standardsoftware-orientierten SAP auf der anderen Seite, die seit wenigen Monaten auch eine in das R/3-Konzept eingebettete Data-Warehouse-Lösung vermarktet. Zahlreiche weitere Lösungen anderer Anbieter operieren mit SAP R/3 oder anderer ERP-Software.

Was in Management-Theorien vehement gefordert und in der technischen Umsetzung vielfach bereits berücksichtigt wurde, ist die Notwendigkeit-Strategien in Aktionen umzusetzen. Doch ist es bemerkenswert, daß maßgebliche Unternehmensstrategien oft überhaupt nicht klar formuliert sind. Das bedeutet, daß beginnend im Top- Management nicht immer klare Ansichten über die strategischen Ziele herrschen; sollten aber die Ziele erstaunlicherwei- se halbwegs deutlich formuliert sein, dann werden sie häufig wiederum nicht professionell kommuniziert. Damit ist auf den nächsten Management-Ebenen schwer verständlich beziehungsweise bleibt offen, wie die Strategien in die Praxis umgesetzt werden sollen.

Doch selbst wenn dem nicht so sein sollte, sind die Strategien nur in den seltensten Fällen vernünftig operationalisiert und sind andernfalls eher auf die reinen Finanzdaten bezogen.

Gegen dieses Dilemma ist die Balanced-Scorecard-Methodik ein geeignetes Mittel, Unternehmen an die Hand zu nehmen und sie letztendlich zu zwingen, Strategien klar zu formulieren und diese zu operationalisieren. Dieser Ansatz ist in jüngster Zeit populär geworden.

Studienergebnisse zeigen, daß zwei Drittel aller Unternehmen ihre strategischen Entscheidungen ausschließlich auf der Grundlage von Finanzdaten treffen. Diejenigen, die darüber hinausgehen und etwa ein Kunden-Management pflegen, tun dies wiederum ohne rechte Konsequenz: Die Vergütung für das Top-Management - auch in den USA - wird via Bonusmodell letztlich wieder rein an Finanzdaten ausgerichtet. Im Zuge eines übertriebenen Lean Management wurden die Unternehmen auf Kosten des deutlich reduzierten Middle Management schlank, wobei gleichzeitig fundiertes Expertenwissen verlorenging. Zwar wurden die Prozesse optimiert, Wettbewerbsvorteile hat man allerdings nur selten auf Dauer erzielen können.

Data-Warehouse liefert in solchen Prozessen das Informations-Management, um die benötigten Controlling-Daten zusammenzuführen. Zwar geschieht das in vielen Unternehmen auch heute noch über Excel, über Datenbanken oder den Direktzugriff auf Datenbankauswertungen; aber hier hat die Idee des Data-Warehousing ihren Ausgangspunkt. Man hat erkannt, daß Daten aus den unterschiedlichsten Bereichen vereint werden müssen.

Insbesondere in Großunternehmen wird Data-Warehousing zu einer Standardfunktion, die die IT-Abteilungen den Fachabteilungen zur Verfügung stellen. Dabei startet Data-Warehousing häufig von zwei Ausgangspunkten, wie Rüdiger Spies, Programm Director Europe "Application Delivery Strategy" der Meta Group in München erklärt: einmal als Erweiterung des traditionellen Reporting aus Enterprise-Resource-Management-Systemen (ERM) heraus oder aus aktuelleren Projekten rund um das Thema Customer Relationship Management. Da die beiden Applikationsbereiche aber immer enger zusammenrücken, ist davon auszugehen, daß über kurz oder lang an jedes strategische ERM-System ein Data-Warehouse oder zumindest ein oder mehrere Data-Marts zur eingehenderen Datenanalyse angekoppelt werden.

Die Anstrengungen der ERM-Anbieter belegen das in eindrucksvoller Weise. Oft werden dabei vorgefertigte Schablonen (Templates) für Reports oder auch Key Performance Indicators (KPIs) zur Verfügung gestellt. Auf der anderen Seite passen die klassischen OLAP-Tool-Hersteller ihre Werkzeuge an die Datenhaltung in den ERM-Systemen an, so daß auch von dieser Seite schnell eine Datenanalyse starten kann, und zwar ohne langwieriges Data-Warehouse-Projekt.

Unternehmen müssen künftig ihre Ressourcen effizienter einsetzen. Die strategisch wohl wertvollsten, aber dennoch stiefmütterlich behandelten Ressourcen sind virtuelle Informationen, die im Unternehmen unerkannt quasi im Dornröschenschlaf liegen. Oder anders ausgedrückt: Nicht selten sitzen Entscheider auf einem Wust brachliegender Daten, ohne deren Informationswert zu erkennen, geschweige denn zu nutzen.

Nur diejenigen Unternehmen, die Informationen in handfestes Wissen um Märkte und Produkte umwandeln können, sind in der Lage, ihre Position in enger werdenden Märkten zu stärken und auszubauen. "In hart umkämpften Bereichen wie der Telekommunikationsbranche oder im Kreditsektor", kommentiert denn auch Michael Mayr, SPSS-Marketing-Manager in München, "ist eine solche Auswertung von Daten bereits üblich. Hier werden die entstehenden Informationen gezielt genutzt, um beispielsweise absprunggefährdete Kunden frühzeitig aufzuspüren oder die Wahrscheinlichkeit der Rückzahlung von Krediten vorherzusagen. In diesen Branchen sind strategische Unternehmensplanung und Data-Warehousing beziehungsweise Data- Mining bereits heute eng miteinander verzahnt. Man muß kein Prophet seit, um zu erkennen, daß auch weitere Branchen diesen Beispielen folgen werden."

Viele Projekte spielen sich heute im sogenannten Clienting ab: Customer Relationship Management (CRM), also die Ermittlung und Auswertung konkreter Kundeninformation, steht dabei im Mittelpunkt. Auch der Balanced-Scorecard-Ansatz und andere Management-Methoden beziehen Kunden-, aber auch Mitarbeiterinformationen ein und versuchen diese zu einem Planungsfaktor für den geschäftlichen Erfolg zu machen.

"Bislang wurde der Faktor Kunde eher weniger berücksichtigt", schildert Jürgen Fritz, Direktor Marketing und Strategie bei SAS Institute in Heidelberg, seine Erfahrungen. "Aber im Vertriebs-Management beobachten wir einen massiven Boom des Themas Data-Warehousing und damit zusammenhängender Themen wie Clienting, CRM oder Database-Marketing. Hier wird Data-Warehousing auch in der Planung und Durchführung von Prozessen maßgebend. Kundeninformationen, die überall im Unternehmen in den unterschiedlichsten operativen und auch externen Informationssystemen gebunkert sind, liefern das klassische Beispiel für die Notwendigkeit der Zusammenführung, wenn kundenorientiert organisiert werden soll, wenn man beispielsweise Call-Center betreiben, Servicedaten ermitteln oder Vertriebsinformationen als Feedback aus Marketing-Aktivitäten auswerten will. Durch externe Kundendaten ergänzt und aufgewertet, läßt sich dann mit ganz anderem Wirkungsgrad Clienting betreiben."

Dieser Aspekt eröffnet völlig neue Möglichkeiten, weil jetzt wirklich valide Kundeninformationen erhältlich sind und die Beziehungen zwischen Kundeninformationen und geplanten Unternehmensergebnissen festgelegt werden können. Das ist der eigentliche Unterschied zwischen EIS-Systemen und dem Balanced-Scorecard-Ansatz, daß nicht reine Schlüsselindikatoren vorliegen, sondern die Abhängigkeiten zwischen den verschiedenen Faktoren beleuchtet werden. Klar wird dann, welche Kundenfaktoren welche Auswirkungen auf welche Finanzfaktoren haben. Zusätzlich treten mit E-Commerce und Online-Marketing weitere Spieler in die Arena. Daraus resultieren neue Kontakte beziehungsweise neue Arten von Kundenkontakten, denn die Kommunikation mit König Kunde kann endlich auf eine aussagefähige Basis gestellt werden.

Auf die Qualität der Datengrundlage - früher häufig nach dem Motto: "Datenmüll rein - Datenmüll raus" aufgehäuft - hebt auch Uwe Kalüta, Area Marketing Manager Data-Warehouse bei NCR in Augsburg, ab: "Eine Unternehmensplanung, die nicht auf objektiven und systematischen Daten beziehungsweise Informationen basiert, also ohne Data-Warehousing erstellt wurde, ist mit russischem Roulette vergleichbar. Eine strategische Planung ohne die Bewertung des individuellen Kunden hinsichtlich Potential und Loyalität gegenüber dem Unternehmen ist nicht mehr aussagefähig. Ohne Kunden läßt sich nun einmal schwer ein Geschäft abschließen - und schon gar nicht profitabel."

Schon früh haben Controller die Bedeutung von Data-Warehousing für die Unternehmensplanung erkannt und schätzen gelernt. Controller kennen die Notwendigkeit übergreifender Informationen. Durch Data-Warehousing wurde das Informationsdefizit von Online-Transaction-Processing-(OLTP-)Systemen geschlossen.

So können dank Data-Warehouse beispielsweise Konzern-Jahresabschlüsse statt in Monaten in weniger als drei Wochen erstellt werden.

Kunden sind heute kritischer als früher und treffen Kaufentscheidungen selbstbewußter. Sie sind wählerischer und nutzen alle Möglichkeiten der breitgefächerten Waren- und Dienstleistungsangebote aus unterschiedlichsten Vertriebskanälen. Sie verlangen dabei weniger nach Massenansprache, sondern erwarten ein Angebot, das individuell zugeschnitten ist. Untersuchungen von Frederick Reichheld, Autor von "The Loyalty Effect", ergaben, daß amerikanische Unternehmen im Durchschnitt

- die Hälfte ihrer heutigen Kunden in den nächsten fünf Jahren,

- die Hälfte ihrer heutigen Mitarbeiter in den nächsten vier Jahren und

- die Hälfte ihrer Investoren innerhalb von einem Jahr verlieren werden. Kalüta: "Unternehmen müssen sich dieser Herausforderung mit allen Konsequenzen stellen und benötigen dazu ebenso effiziente wie kostengünstige Systeme, mit denen sich realistische Kundenanforderungen erkennen lassen, die als Chance umgehend wahrgenommen werden könnten. Customer Relationship Management ist die Lösung. CRM auf der Basis von Data-Warehousing entwickelt sich zu einem Unternehmensprozeß, um das Kundenverhalten durch kontinuierliche Kommunikation verstehen und beeinflussen zu können, mit dem Ziel, Akquisition, Treue und Profitabilität der Kunden zu verbessern."

Den Zusammenhang zwischen einer strategischen Ausrichtung und einer operativen Umsetzung betont auch Professor Manfred Soeffky von der Fachhochschule für Wirtschaft in Berlin: "Strategische Unternehmensplanung muß sehr detaillierte Vorstellungen von den längerfristigen Unternehmenszielen entwickeln. Dabei geht es auch um die Frage, mit welchen Produkten und Dienstleistungen ein Unternehmen in Zukunft am Markt präsent sein möchte. Im Rahmen dieser Fragestellung sind dann neben der eigenen Unternehmensanalyse auch politische Rahmenbedingungen und eine Umweltanalyse einzubeziehen. Daraus können schließlich die passenden Strategien entwickelt werden. Eine wichtige Aufgabe der strategischen Unternehmensplanung besteht dann darin, diese Strategien auch in Handlungen umzusetzen."

Alle diese Aufgaben lassen sich aber nur effizient lösen, wenn das Unternehmen in der Lage ist, auf das entstandene Know-how der Mitarbeiter im Unternehmen zurückzugreifen. Dabei handelt es sich um prozeßorientiertes Wissen in den strukturierten und teilstrukturierten Geschäftsprozessen und auch um Ad-hoc-Wissen, das häufig nur in den Köpfen der Mitarbeiter existiert und wichtige Informationen über unstrukturierte Vorgänge und Projekterfahrungen enthält. Soeffky: "Ein effizientes Wissens-Management ist Voraussetzung für das Erreichen strategischer Unternehmensvorteile. Obwohl dieses Wissens-Management wesentlich von der Unternehmenskultur und der Fähigkeit aller Mitarbeiter abhängt, ihr Wissen miteinander zu teilen, ist die Informationstechnologie ein unverzichtbares Hilfsmittel in diesem Prozeß. Intelligentes strategisches Management setzt deshalb die Einsicht voraus, daß Informationstechnologie Chefsache ist und aus den Aufgabenstellungen des Vorstands nicht mehr wegzudenken."

Wissens-Management hat drei tragende Säulen:

- Data-Warehouse für die Informationen in strukturierten Daten,

- integriertes Dokumenten-Management für die Informationen in unstrukturierten Daten sowie

- Groupware und Workflow für Informationen, die im Rahmen von Projekten durch Kommunikation der Beteiligten entstehen.

"Vor diesem Hintergrund", resümiert Soeffky, "ist das Thema Data-Warehouse ein wichtiger Baustein im Rahmen eines unternehmensweiten Wissens-Managements, das Voraussetzung für jede strategische Unternehmensplanung ist."

Information - ein echter Produktionsfaktor

Bei der Unternehmensplanung handelt es sich um einen integrativen Ansatz. Losgelöst von den operativen Prozessen gilt es, Informationsprozesse zu implementieren. Hier setzt langsam ein Umdenken ein. Heute ist die operative Seite in Form eines standardisierten betriebswirtschaftlichen Systems so gut wie gelöst. Dadurch fehlt vielen Unternehmen allerdings die Differenzierung am Markt. Unternehmen müssen sich also durch ihr Wissen über Kunden, über Mitarbeiter und Mitbewerber unterscheiden. Das wird die Innovationsqualität ausmachen. "Dieser Informationsprozeß", ist sich Jürgen Fritz von SAS Institute sicher, "läßt sich nur auf der Basis von Data-Warehouse implementieren, als einem zweiten von der operativen Seite unabhängigen Informationsprozeß." Damit wird Information zum Produktionsfaktor. Der weitere Weg weist in Richtung Knowledge Management. Fritz: "IT-Manager wollen diesen Schritt jetzt machen: In einem Regelkreismodell sollen Finanzdaten, Kundeninformationen und im nächsten Schritt auch Mitarbeiterinformationen - früher schon als Total-Quality-Management-Ansatz diskutiert - in einem umfassenden Informationsprozeß organisiert werden."

Voraussetzung ist, daß der Faktor Information im Unternehmen organisiert wird. Und hier hilft Data-Warehousing weiter. Früher haben Entscheidungsunterstützungssysteme operative Daten als Quellen verwendet, hat man sogenannte integrierte Enterprise-Informationssysteme implementiert, die via Data-Marts ein Data-Warehouse zur Basis haben.

Heute besteht die Chance, eine Information Delivery Chain als weiteren strategischen DV-Prozeß im Unternehmen zu implementieren: Die Daten werden irgendwo im Data-Warehouse aufgespürt und über Metadaten verfügbar gemacht. Erst dann können sie als zielgerichtet generierte Informationen via Front-end-Systeme in den Fachabteilungen genutzt werden.

ANGEKLICKT

Wissens-Management wird für die ersten Jahre des neuen Jahrhunderts ein Kernthema sein. Wissensdatenbanken und Entscheidungsunterstützungssysteme, auch als Decision Support Systems (DSS) bezeichnet, werden dabei von größter Wichtigkeit sein. Eine zentrale Rolle ist auch dem Data-Warehousing vorbehalten.

Data-Warehouse - Data-Mining

Ein Data-Warehouse ist eine unabhängige Anwendungsumgebung mit zugehörigen Datenbanken, die Daten aus verschiedenen Quellen zusammenführt, Anfragen und Analysen ermöglicht. Die Entscheidungsunterstützung besteht aus einem (standardisierten) Reporting und aus Abfrageergebnissen, die sich aus Ad-hoc-Fragestellungen ergeben.

Data-Mining hingegen bezeichnet einen mehrstufigen Prozeß, in dem bisher unbekannte, aber wichtige Korrelationen, Muster und Trends durch gezieltes Aufbereiten und Auswerten einer großen Datenmenge, die in einem Data-Warehouse abgelegt ist, entdeckt werden. Benutzt werden statistische und mathematische Modelle sowie Mustererkennungstechniken. Dem Graben nach verborgenen Schätzen (Mining) in riesigen Datenbeständen des Unternehmens liegt vorrangig der Wunsch zugrunde, Verknüpfungen abzuleiten, die sich zum Präzisieren eines Kundenprofils oder zur Neugewinnung marktrelevanter Informationen nutzen lassen.

Checkliste

Typische Fragen, die sich mit Hilfe von Data-Warehousing beantworten lassen:

- Welche Produkte sind in diesem Quartal am rentabelsten?

- Wer kauft sie?

- Wer und wo sind unsere besten Kunden?

- Was haben sie gemeinsam?

- Welche Zulieferer sind am unzuverlässigsten?

- Welche Alternativen gibt es?

- Welches sind unsere entscheidenden Erfolgsfaktoren?

- Wer und wo sind unsere Konkurrenten?

- Wo liegen unsere Wettbewerbsvorteile?

Michael Mayr

"Der Wettbewerbsdruck wird dazu führen, daß sich in den kommenden Jahren gerade Data-Mining auf Basis von Data-Marts oder kompletten Data-Warehouses fest in der Unternehmensstrategie verankern wird."

Uwe Kalüta

"Die bisherigen Erfahrungen der jeweiligen Marktführer in den Branchen Telekommunikation, Versicherung, Transport, Handel oder Banken sprechen für sich. So treffen über 800 global agierende Unternehmen nicht nur bessere Entscheidungen, sondern kennen ihre Kunden und deren Forderungen. Daß dabei die strategische Unternehmensplanung auf einem Data-Warehouse basiert und den Kunden als Aktivposten führt, versteht sich von selbst."

Rüdiger Spies

"Generell läßt sich sagen, daß die Data-Warehouses immer spezifischer für spezielle Branchen werden. Hier ist eine Parallele zu den auf spezifische Branchen immer feiner abgestimmten ERM-Systemen zu erkennen. In naher Zukunft erwarten wir, daß kaum noch ein ERM-System ohne eine ernsthafte Data-Warehouse-Implementierung betrieben wird."

Manfred Soeffky

"Der Aufbau von Data-Warehouse-Systemen ist insbesondere in Großunternehmen mit ihren gewachsenen heterogenen IT-Landschaften eine große Herausforderung. Dabei muß es das längerfristige Ziel sein, eine konsolidierte Sicht auf alle Unternehmensdaten zu erreichen, die eine hohe Datenqualität haben. In sehr heterogenen Umgebungen ist dies nicht mehr ohne Einbeziehung geeigneter Werkzeuge für die Extraktion, Transformation und das Laden der Quelldaten in das Data-Warehouse möglich. Immerhin wird dieser Teilprozeß mit bis zu 80 Prozent der Data-Warehouse-Projektdauer veranschlagt. Das Data-Warehouse übernimmt dann für die strukturierten Daten einen sogenannten ,Single Point of Truth´ und ist deshalb ein wichtiger Baustein im Rahmen des Wissens-Managements, ohne den sich eine strategische Unternehmensplanung nur schwer realisieren läßt."

Jürgen Fritz

"Strategische Unternehmensplanung heißt, eine Planung zu betreiben, die wertschöpfend ist, die auf Wachstumsorientierung ausgerichtet und in der Lage ist zu verstehen, was draußen im Markt stattfindet, aber auch das Wissen, das im Unternehmen vorhanden ist, transparent und nutzbar zu machen. Dazu ist Data-Warehousing zwingend notwendig, weil es den Prozeß der Informationsgewinnung bis hin zur Analyse und zur Darstellung der Information begleitet und über viele Jahre jetzt schon organisiert hat. Wir reden bei Data-Warehousing von gewachsenen, ausgereiften, funktionierenden Technologien, die zwar immer wieder mit Neuheiten aufwarten, wie jetzt mit Internet-Ansätzen, aber ansonsten eine über viele Jahre in der Praxis erprobte Technologie darstellt."

*Norbert Henkel ist freier Journalist in Baden-Baden.