Cover	1
	Titel	3
	Impressum	4
	Inhaltsverzeichnis	5
	Die Autoren	13
	Vorwort	15
	Einleitung	21
	1.1 Was ist Business Intelligence (BI)?	21
	1.2 Motive zur Einführung von Business Intelligence	22
	1.3 Business Intelligence und Business Intuition	24
	1.3.1 Was ist Business Intuition?	25
	1.3.2 Ist Business Intuition sinnvoll einsetzbar?	25
	1.3.3 Wie funktioniert Business Intuition?	26
	1.3.4 Business Intelligence und Intuition im Management	27
	1.4 Statements aus Unternehmen	28
	1.4.1 Controlling	28
	1.4.2 Sales	29
	1.4.3 Marketing	29
	1.4.4 Business Development	30
	1.4.5 Topmanagement	30
	1.4.6 Aufsichtsrat	30
	1.5 Öffentliche Informationen	31
	1.5.1 Gartner-Studie	31
	1.5.2 Presse	32
	1.6 Business Intelligence braucht eine Idee	34
	IT-Verantwortliche in der Defensive	39
	2.1 IT und Fachbereiche	39
	2.2 Business Cases in Data Warehousing und BI	44
	2.3 IT-Rendite	47
	Strukturelle Ursachen für das Scheitern von BI-Initiativen	51
	3.1 Tagesgeschäft & Wachstum	51
	3.1.1 Know-how-Monopole	52
	3.1.2 Know-how-Ausgrenzung	53
	3.2 Unternehmenskultur	53
	3.2.1 Fehlendes Information Management	54
	3.2.2 Fehlende Beteiligung außerhalb der IT	55
	3.2.3 Technikfokussierung	58
	3.3 Organisation	59
	3.3.1 Linienorganisation	59
	3.3.2 Positionierung des IT-Managements	60
	3.4 Budgetierungsprozesse	60
	3.4.1 Dezentrale IT-Budgets	61
	3.4.2 Verwendung von Fremdbudget für IT-Maßnahmen	62
	3.5 IT- & Daten-Ownerschaft	62
	3.6 Fehlendes Anforderungsmanagement	64
	3.7 Fehlendes Master Data Management	67
	3.8 Fehlende Meta Data Services	72
	3.9 Outsourcing	73
	3.10 Architektur	74
	3.10.1 Heterogene IT-Landschaft	75
	3.10.2 Fehlende oder instabile Schnittstellen	76
	3.10.3 Fehlende oder veraltete Architekturkonzepte	78
	3.10.4 Real Time Data Warehouse	80
	3.11 Datenqualität	82
	3.11.1 Definition und Bedeutung	84
	3.11.2 Hohe Datenqualität und Business Intelligence	87
	3.11.3 Hohe Datenqualität und Ihr Unternehmen	88
	3.11.4 Wie entsteht schlechte Datenqualität?	89
	3.11.5 Verbesserung der Datenqualität	92
	3.11.6 Zusammenfassung zur Datenqualität	95
	Referenzmodelle und Architekturen	97
	4.1 Referenzdatenmodell im Data Warehouse	98
	4.2 Regelarchitektur im Data Warehouse	98
	4.3 Mögliche Datenhaltungsebenen im Data Warehouse	99
	4.3.1 Zentrales Data Warehouse	100
	4.3.2 Distributed Data Warehouse	101
	4.3.3 Hub & Spoke-Architektur	101
	4.4 Data Warehouse-Prozesse	102
	4.4.1 ETL-Prozess	103
	4.4.2 Staging	104
	4.4.3 OLAP	105
	4.4.4 Data Marts	105
	4.5 Informationsbereitstellung	107
	4.5.1 Frontends	107
	4.5.2 Dashboarding	109
	4.5.3 Top Level Dashboard: Das »Management Cockpit«	109
	4.5.4 Portale	110
	4.5.5 Abbildung von Logiken	110
	4.5.6 Direktzugriff & Power User Support	111
	4.6 Neue Kollaborationsmodelle	112
	4.6.1 Klassifizierung von Business Intelligence	112
	4.6.2 BI und strategische Entscheidungen	114
	4.6.3 BI und Web 2.0	114
	Der BI-Killer: Bypass-Reporting und die Folgen	117
	5.1 Bypass-Reporting	117
	5.1.1 Typische Regelarchitektur im Data Warehouse	117
	5.1.2 Typische Bypass-Reporting-Architektur	118
	5.2 Folgen von Bypass-Reporting	120
	5.2.1 Fehlende Transparenz	120
	5.2.2 Hohe Kosten	121
	5.2.3 Keine zielgerichtete Maßnahmenableitung	121
	5.2.4 Verlust der Steuerungsrelevanz von Reportings	123
	5.2.5 Teufelskreis »Schlechte Datenqualität und Bypass-Reporting«	124
	Von der Unternehmensstrategie zum Enterprise Data Warehouse	127
	6.1 Primärziele des Unternehmens	127
	6.2 Business Intelligence-Strategie	129
	6.3 Business Needs	133
	6.4 Business Needs und operative Prozesse	135
	6.5 Operative Prozesse und Daten	136
	6.6 Das Enterprise Data Warehouse als »Single Point of Truth«	139
	Vom Enterprise Data Warehouse zum »Business Enabler BI«	143
	7.1 Closed Loop Monitoring	143
	7.2 Closed Loop Quality	144
	7.3 Closed Loop Business Push	146
	7.4 Schichtenmodell »Closed Loops der Business Intelligence«	148
	7.5 Business Intelligence und operative Wertschöpfungskette	151
	Business Intelligence auf Projektebene umsetzen	153
	8.1 Projektinhalte	153
	8.1.1 BI-Readiness	155
	8.1.2 Vorprojekt »Evaluierung Business Needs«	157
	8.1.3 Vorprojekt »Systemanalyse«	157
	8.1.4 Vorprojekt »Evaluierung Data Warehouse-Architektur«	158
	8.1.5 Vorprojekt »Evaluierung Data Warehouse-Backend«	159
	8.1.6 Vorprojekt »Evaluierung Data Warehouse-Frontend«	160
	8.1.7 Vorprojekt »Evaluierung Meta Data Services Tool«	162
	8.1.8 Vorprojekt »Evaluierung KIO-Server-Architektur«	163
	8.1.9 Projekt »Prozessanalyse«	165
	8.1.10 Projekt »Systemkonsolidierung«	167
	8.1.11 Projekt »KIO-Server-Architektur Build Up«	169
	8.1.12 Projekt »Referenzprozess Datenbereitstellung des KIO-Servers«	173
	8.1.13 Die Bedeutung von KIO-Servern für BI	177
	8.1.14 Projekt »Meta Data Services Build Up«	179
	8.1.15 Projekt »Data Warehouse Build Up«	180
	8.1.16 Projekt »Business Intelligence - Figures & KPIs«	181
	8.1.17 Projekt »Aufbau Closed Loops der BI«	181
	8.1.18 Business Need - Warum soll was analysiert werden?	182
	8.1.19 Adressaten - Wer erhält welche Ergebnisse?	183
	8.1.20 Operative Daten - Welche Bewegungsdaten (Fakten)?	183
	8.1.21 Stammdaten - Welche Stammdaten (Dimensionen)?	185
	8.1.22 Projekt »Business Intelligence - Frontend Integration«	188
	8.1.23 Layout und Funktionen	188
	8.1.24 Projekt »Business Intelligence - Portal Integration«	189
	8.2 BI und Services Oriented Architecture	189
	8.2.1 BI und SOA am Beispiel des Master Data Managements	190
	8.3 BI und Corporate Performance Management	193
	Business Intelligence erfolgreich managen	197
	9.1 Management Attention und Mandat	197
	9.1.1 Management Attention	197
	9.1.2 Mandat	199
	9.1.3 Unternehmenskultur	200
	9.1.4 Corporate Compliance	201
	9.1.5 IT-Governance	201
	9.2 Business Intelligence Competence Center	203
	9.2.1 Data Warehouse und Single Point of Truth	204
	9.2.2 Switch off Bypass-Reportings	205
	9.2.3 Strategy Synchronisation	206
	9.2.4 Stakeholder Management	206
	9.2.5 Requirement Management	208
	9.2.6 Change Management	210
	9.2.7 Big Picture Management	211
	9.2.8 Meta Data Services und Documentation	213
	9.2.9 Master Data Management	213
	9.2.10 Frontend-Integration	214
	9.2.11 Power-User-Konzept	215
	9.2.12 Communication und Marketing	215
	9.2.13 Roll-Out-Management	216
	9.2.14 Training	217
	9.3 Struktur und Aufgaben des BICC	217
	9.3.1 Integrationsfunktion des BICC	217
	9.3.2 BI-Domänenmodell	217
	9.3.3 Data Stewards	219
	9.3.4 BI-Steuerungskreis	219
	9.3.5 Fachbereiche	220
	9.3.6 Querschnittsbereiche	221
	9.3.7 IT-Betrieb	221
	9.3.8 Steuerung der Lieferanten und Dienstleister	222
	Wege aus der BI-Falle	227
	10.1 Quick Wins als Erfolgsgaranten Ihrer BI-Initiative	227
	10.2 Parallelisierung von BI-Infrastrukturaufbau und Quick Wins	228
	10.3 Business Benefits durch Business Intelligence	233
	10.3.1 Analytisches CRM und Kundenbindung	234
	10.3.2 Operative Benefits Sales	235
	10.3.3 Operative Benefits Marketing	236
	10.3.4 Benefits Controlling	237
	10.3.5 Echtzeitanalysen	238
	Klassische Zielkonflikte und deren Auflösung in BI-Initiativen	241
	11.1 Transparenz vs. Intransparenz	241
	11.2 Strukturierung vs. Freiheitsgrade	246
	11.3 Harmonisierung vs. Individualisierung	249
	11.4 Releaseplanung vs. Flexibilität	252
	11.4.1 Major Releases	253
	11.4.2 Minor Releases	254
	11.4.3 Technische Releases	254
	11.4.4 Fixed Budgets	254
	BI-Quickcheck	257
	12.1 Ist mein Unternehmen reif f BI?	257
	12.1.1 Die wichtigsten Fragestellungen	258
	12.2 Die wichtigsten Maßnahmen im Überblick	258
	12.2.1 Strategie und Organisation	259
	12.2.2 Projektorganisation und Scoping der Teilprojekte	259
	Aktuelle technische Entwicklungen & Business Intelligence	261
	13.1 In-Memory-Technologie	261
	13.1.1 Chancen	262
	13.1.2 Grenzen	263
	13.1.3 Fazit	264
	Schlusswort	267
	Anhang	269
	A.1 Glossar	269
	A.2 Abbildungsverzeichnis	272
	A.3 Literaturverzeichnis	274
	A.4 Web-Links	274
	Stichwortverzeichnis	275