Abkürzungsverzeichnis
Abbildungsverzeichnis
Formelverzeichnis
Tabellenverzeichnis
1 Einleitung
1.1 Ziel der Arbeit
1.2 Aufbau der Arbeit
2 Theoretische Grundlagen
2.1 Management Cockpit
2.1.1 Begriffsdefinition
2.1.2 Management Cockpit-Raum
2.1.3 Management Cockpit vs. Balanced Scorecard
2.2 Performance Measurement System
2.2.1 Performance
2.2.2 Key Performance Indicator vs. Kennzahlen
2.2.3 Performance Measurement
2.2.4 PerformanceMeasurementvs. TraditionelleKennzahlensysteme
2.2.5 PerformanceMeasurementSystemvs. PerformanceManagementSystem
2.3 DataWarehouseSystem
2.3.1 Geschichte analyseorientierter Informationssysteme
2.3.2 DataWarehouseSystem
2.4 Zusammenfassung
3 Konzeption
3.1 Fachliche Konzeption
3.1.1 Unternehmensszenario
3.1.2 Anforderungen für den Prototyp des Management Cockpits zur Unterstützung des PerformanceMeasurement
3.2 Organisatorische Konzeption
3.2.1 Gegenstand des PerformanceMeasurement
3.2.2 PerformanceMeasurement der Indikatoren des HumanCapital
3.3 Informationstechnische Konzeption
3.3.1 Datenfluss
3.3.2 Datenmodellierung
3.3.3 Datenakquisition
3.3.4 Datenanalyse
3.3.5 Datenkommunikation
3.4 Zusammenfassung
4 Realisierung
4.1 SAP NetWeaver 2004
4.1.1 SAP BusinessInformationWarehouse3.5
4.1.2 SAPWebApplicationServerRelease6.40
4.2 Datenmodellierung
4.2.1 Definition der InfoObjects
4.2.2 Definition des ODS-Objekts
4.2.3 Definition der InfoCubes
4.2.4 Definition des MultiCube
4.3 Datenakquisition
4.3.1 Definition des Extraktions-, Transformations- und Lade-Prozess
4.3.2 Datenfortschreibung
4.3.3 Datenfortschreibung des MultiCubes
4.4 Datenanalyse
4.4.1 Anlegen der Indikator-Hierarchie des HumanCapital
4.4.2 Auswertungen auf Basis der InfoCubes auf DataMart-Ebene
4.4.3 Auswertungen auf Basis des MultiCubes
4.4.4 Weitere Auswertungen auf der Datenbasis
4.5 Datenkommunikation
4.5.1 Gestalterische Realisierung
4.5.2 Technische Realisierung
4.6 Zusammenfassung
5 Schlussbetrachtung
6 Quellen-Verzeichnis
6.1 Internet-Quellen
6.2 Literatur-Quellen
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1 – Management Cockpit-Raum
Abbildung 2 – Managermeeting im Management Cockpit-Raum
Abbildung 3 – Performance Measurement vs. traditionelle Kennzahlensysteme
Abbildung 4 – Performance Measurement Systemvs. PerformanceManagementSystem
Abbildung 5 – DataWarehouse-System-Referenzarchitektur in Anlehnung an das SAP Business Information Warehouse
Abbildung 6 – Zusammenhang zwischen HumanCapitalPerformance und Unternehmensperformance
Abbildung 7 – Indikator-Hierarchie des HumanCapital
Abbildung 8 – Datenfluss des Unternehmensszenarios
Abbildung 9 – Multidimensionale Datenmodellierung anhand des Star-Schemas
Abbildung 10 – Star-Schema des DataCubes auf DataMart-Ebene
Abbildung 11 – Würfel-Metapher des multidimensionalen Datenraums
Abbildung 12 – Datenanalyse mittels DrillUp und DrillDown
Abbildung 13 – Datenanalyse mittels Slicing und Dicing
Abbildung 14 – Informationsverarbeitungsprozess bei der visuellen Informationsaufnahme
Abbildung 15 – SAP NetWeaver 2004 Architektur
Abbildung 16 – SAP Business Information Warehouse 3.5
Abbildung 17 – Anlegen von InfoObjects im SAPBusiness Information Warehouse 3.5
Abbildung 18 – InfoObjects des Prototyps für das ManagementCockpit zur Unterstützung des PerformanceMeasurements des HumanCapital
Abbildung 19 – Zentrales ODS-Objekt des Prototyps für das ManagementCockpit zur Unterstützung des PerformanceMeasurements des HumanCapital
Abbildung 20 – InfoCube des Prototyps für das ManagementCockpit zur Unterstützung des PerformanceMeasurements des HumanCapital
Abbildung 21 – Infotyp des SAPHumanRessourceModuls
Abbildung 22 – Extraktstruktur des SAPHumanRessourceQuellsystems
Abbildung 23 – ETL-Prozess im Überblick
Abbildung 24 – DataSource/Transferstruktur der InfoCubes auf DataMart-Ebene
Abbildung 25 – Startroutine des InfoCubes auf Data Mart-Ebene
Abbildung 26 – Datenfluss des Unternehmensszenarios im SAP BW 3.5
Abbildung 27 – Indikator-Hierarchie des HumanCapital im SAPBW3.5
Abbildung 28 – Query-Definition zur Auswertung der HumanCapitalPerformance auf DataMart-Ebene
Abbildung 29 – Query-Ergebnis auf dem InfoCube des Standorts Deutschland zur Auswertung der HumanCapitalPerformance
Abbildung 30 – Query-Definition zur Auswertung der HumanCapitalPerformance überdenMultiCube
Abbildung 31 – Query-Definition zur Plan-Ist-Auswertung der HumanCapitalPerformance
Abbildung 32 – Struktur der Indikator-Hierarchie des HumanCapital
Abbildung 33 – Farbschema für die Abbildung der Indikator-Hierarchie desHumanCapital
Abbildung 34 – Visualisierung der Indikator-Hierarchie des HumanCapital
Abbildung 35 – Animation der Indikator-Hierarchie des HumanCapital
Abbildung 36 – Struktur des MC-Prototyps
Abbildung 37 – Einstiegsseite des Management Cockpit-Raums
Abbildung 38 – Einstiegsseite des MC-Prototyps
Abbildung 39 – Alternative Sicht des MC-Prototyps
Abbildung 40 – SAPWebApplicationBuilder des MC-Prototyps
Abbildung 41 – Query-Ergebnis auf dem InfoCube des Standorts Deutschland zur Auswertung der HC-Performance in der Likert-Skala
Abbildung 42 – Entwicklungsumgebung Macromedia Flash MX Professional 2004
Formel 1 – Qualitative zielorientierte Umrechnung quantitativer Werte
Formel 2 – Durchschnittliche Hierarchieknoten-Aggregation auf Blatt-Basis
Formel 3 – Hilb’sche Gleichung des Kreislaufkonzepts
Tabelle 1 – Erhebungsperiodizität der HumanCapital-Indikatoren
Tabelle 2 – Datentabelle des ODS-Objekts
Die Motivation dieser Diplomarbeit beruht auf der Entwicklung in vielen Unternehmen, die in den letzten Jahren ein BusinessProcessReengineering (BPR) in Verbindung mit der Einführung eines EnterpriseRessourcePlanning (ERP) Systems wie dem SAPR/3 durchgeführt haben.
Bereits im Jahre 1998 stellte der damalige SAP SEM Product Manager J.H.Daum fest, dass „… das Reengineering [der Geschäftsprozesse] auf die Managementprozesse auszudehnen und eine geeignete, unterstützende informationstechnische Infrastruktur für sie zu schaffen [sei], die die bereits getätigten Investitionen in ERP-Systeme nutzt.“[1]
Da mittlerweile eine Vielzahl von Unternehmen aus unterschiedlichsten Branchen erfolgreich auf ein ERP-System wie SAPR/3 migriert haben, wurden die technischen Voraussetzungen für weit reichende Auswertungsmöglichkeiten geschaffen. Die gestiegene Nachfrage nach Analyse- und Reporting-Tools, die die Informationspotentiale der in den ERP-Systemen gepflegten Daten erschließen, belegt diesen Trend. Speziell in den Führungsetagen wird zunehmend ein lückenloses Berichts- und Informationswesen gefordert, da die Anforderungen an das Management seitens der Stakeholder sowie aufgrund des generell verschärften Wettbewerbs im In- und Ausland sich stetig verändern und erweitern.
Nur durch die richtige informationstechnische Unterstützung der Managementprozesse ist es möglich, rechtzeitig die entsprechenden Informationen bereitzustellen. Mit Hilfe der für das Management aufbereiteten Daten können kritische Entwicklungen innerhalb des Unternehmens erkannt, zeitnah strategische Entscheidungen abgeleitet und entsprechende Gegenmaßnahmen umgesetzt werden.
Damit den Entscheidungsträgern sämtliche relevanten Informationen zur Verfügung stehen, werden so genannte ManagementCockpit-Räume zusammengestellt. Dies sind Kollektionen von virtuellen ManagementCockpits, die unter ergonomischen Gesichtspunkten strukturiert und verständlich die wichtigsten KeyPerformanceIndicators[2] für das PerformanceMeasurement einer Unternehmung darstellen.
Jedoch benötigt lediglich das Top-Management einen Überblick über alle Dimensionen[3] der KeyPerformanceIndicators. Für das Middle- und Lower-Management sind lediglich einzelne Szenarien von Bedeutung, die sich weniger komplex darstellen und nur eine „Wand“ bzw. einen Teilbereich eines Management-Cockpit-Raumes repräsentieren.
In vielen Unternehmen befindet sich ein entsprechendes Berichtswesen noch im Aufbau. Daher steht z.Zt. die Einrichtung von ManagementCockpits für einzelne Unternehmensbereiche, wie beispielsweise für das Personalcontrolling oder den Einkauf, im Vordergrund aus denen dann später ein unternehmensübergreifender ManagementCockpit-Raum zusammengestellt werden kann.
Die vorliegende Diplomarbeit verfolgt die Zielsetzung, dem Leser einen umfassenden Einblick in die Thematik der Konzeption und Realisierung eines ManagementCockpits zu verschaffen.
Für den Gang der Handlung wird dazu das PerformanceMeasurement als fachlicher Hintergrund eingeführt. Darauf aufbauend folgt die Entwicklung eines fiktives Unternehmensszenarios, an dem die Konzeption und Realisierung des ManagementCockpits zur Unterstützung des PerformanceMeasurement des HumanCapital verdeutlicht wird.
Dabei wird eine umfassende Betrachtungsweise angestrebt, die den Leser in die Lage versetzten soll, den Aufbau eines ManagementCockpits zur Unterstützung des PerformanceMeasurement ganzheitlich erfassen und nachvollziehen zu können.[4] Im diesem Bezugsrahmen werden dazu von der Identifikation, Definition und Erhebung passender KeyPerformanceIndicatoren, über den Aufbau einer stimmigen Datenbasis bis hin zur Einrichtung des ManagementCockpits selbst, alle wichtigen die Konzeption und Realisierung determinierenden Aspekte besprochen. Dies geschieht unter dem Vorsatz, die angestellten Überlegungen später auf den Aufbau eines ManagementCockpit-Raums transferieren und so ein Informationssystem über die gesamte Unternehmung zur Verfügung stellen zu können.
Für die Realisierung des ManagementCockpits ist die Integrations-und Applikationsplattform SAPNetWeaver vorgegeben, die die technische Grundlage der Realisierung darstellt. Aus diesem Grund erfolgt die Implementierung des zu entwickelnden ManagementCockpit-Prototyps auf Basis der Komponenten und der Werkzeuge des SAPNetWeaverFrameworks in Kombination mit der für die Darstellung des ManagementCockpit integrierbaren Techniken aus dem Web-Umfeld. Letztere werden ebenfalls mit in die Betrachtung einbezogen.
Mit dem Titel dieser Diplomarbeit zur „Konzeption und Realisierung eines Management Cockpits auf Basis von SAP NetWeaver zur Unterstützung des Performance Measurement“ ist der Aufbau bereits grundsätzlich vorgegeben.
Zuerst wird im Kapitel „Theoretische Grundlagen“ der mit einem ManagementCockpit verfolgte Ansatz inhaltlich definiert und thematisch von anderen Konzepten visueller Informationsinstrumente abgegrenzt. Anschließend erfolgt eine Einführung in den fachlichen Hintergrund des PerformanceMeasurement, indem die zugrunde liegenden Begriffe und dessen Methodik geklärt werden. Dabei wird insbesondere dessen Eignung zur Darstellung in einem ManagementCockpit herausgearbeitet. Bei der das Kapitel abschließenden Vorstellung des DataWarehouse-Paradigmas wird kurz der Sinn und Zweck des DataWarehousings anhand der Historie analytischer Informationssysteme erläutert und ausführlich auf dessen Grundprinzipien und Eignung als Informationsgrundlage für das ManagementCockpit zur Unterstützung des PerformanceMeasurement diskutiert.
Das zweite Kapitel des Hauptteils zur „Konzeption“ des ManagementCockpits beginnt mit der Entwicklung eines fiktiven Unternehmensszenarios und der Anforderungsdefinition für das zu realisierende ManagementCockpit. Auf dem Unternehmensszenario aufbauend wird zunächst der fachliche Hintergrund in Form des PerformanceMeasurement anhand des HumanCapital geschildert und die organisatorischen Aspekte zum Aufbau eines geeigneten PerformanceMeasurementSystems erläutert. Anschließend erfolgt die informationstechnische Konzeption, die die notwendigen Schritte zum Aufbau der Datenbasis in einem DataWarehouse vorgibt und die Grundlage für die visuelle Datenkommunikation in einem ManagementCockpit schafft.
Bis zu diesem Punkt erfolgt die Beschreibung auf anwendungs- und implementierungsneutraler Ebene. Diese Perspektive wird im Kapitel zur „Realisierung“ des zuvor konzeptionell betrachteten ManagementCockpit-Prototyps aufgegeben und durch die spezifische Sicht der technischen Implementierung ersetzt. Dazu soll eine kurze Einführung in die Integrations- und Applikationsplattform von SAPNetWeaver 2004 und dessen für die Realisierung verwendeten Module und Hilfsmittel gegeben werden. Auf dieser Basis erfolgt dann Schritt für Schritt die Realisierung des ManagementCockpits. Beginnend mit dem Aufbau der Datenbasis und abschließend mit dem vollständigen Prototyp wird der Implementierungsprozess vollständig dargestellt.
Die Arbeit endet mit einer Schlussbetrachtung, in der die Konzeption und Realisierung eines ManagementCockpits zur Unterstützung des PerformanceMeasurement noch einmal im Überblick dargestellt und ein kritischer Blick auf zukünftige Entwicklungen gewagt wird.
Die Zielsetzung des vorliegenden Kapitels besteht darin, die theoretischen Grundlagen für die folgenden Kapitel zur Konzeption und Realisierung eines ManagementCockpits zu schaffen.
Zuerst soll der Ansatz des ManagementCockpits diskutiert und dessen Grundidee sowie Nutzenaspekte dargestellt werden. Im Hinblick auf den Einsatzbereich und Verwendungszweck eines ManagementCockpits wird im darauf folgenden Abschnitt die Thematik des PerformanceMeasurement aufgearbeitet. Hier soll der Bezug zu den in einem MC darzustellenden Informationen hinsichtlich ihrer Entstehung und Interpretierbarkeit hergestellt werden. Abschließend wird die informationstechnologische Basis auf abstrakter Ebene des DataWarehouseParadigmas erläutert und aufgezeigt, weshalb diese Form der Datenhaltung die Geeignete für die Umsetzung eines ManagementCockpits als analytisches Informationsinstrument ist.
Gegenstand dieser Arbeit ist die Konzeption und Realisierung eines ManagementCockpits zur Unterstützung des PerformanceMeasurement. Es ist daher angezeigt, den Begriff ManagementCockpit, kurz MC, näher zu erläutern.
Die Idee des MC wurde bereits 1989 von P.M.Georges[5] in Zusammenarbeit mit anderen HumanIntelligenceWissenschaftlern, ComputerExperten und Neurologen vorgestellt.[6] Ausgangspunkt für die Entwicklung des MC-Konzepts war der hehre Vorsatz, die „geistige und mentale Produktivität des Einzelnen“[7] zu erhöhen. Dazu soll ein MC die steigende Informationsflut,[8] der im Speziellen das Management ausgesetzt ist, reduzieren und die Teamarbeit im Rahmen von Managementmeetings positiv beeinflussen.[9] Den inhaltlichen Kern des MC-Ansatzes fassen Reiteretal. treffend mit dem folgenden Satz zusammen:
„Die Idee des Management Cockpits besteht in der Unterstützung strategischer Entscheidungen….“[10]
Diese sehr allgemeine aber umfassende Aussage muss allerdings differenziert betrachtet werden. Eine Mitte des Jahres 2005 von BerleconResearch durchgeführte Studie konkretisiert die Aufgaben eines MC wie folgt:
„ManagementCockpits liefern fachlichen Experten kompakte und aktuelle Informationen über Geschäftsprozesse in grafisch aufbereiteter Form. Die Cockpits sollen Mitarbeitern möglichst zeitnah genau die Informationen zur Verfügung stellen, die sie für die optimale Überwachung und Steuerung von Prozessen benötigen. Dadurch können Mitarbeiter schneller fundierte Entscheidungen treffen, was Kosten senkt und Prozesse beschleunigt.“[11]
Einerseits wird der Aspekt der Darstellung komplizierter Sachverhalte durch grafische Aufbereitung unter Berücksichtigung ergonomischer Aspekte angesprochen. Der Fokus liegt dabei auf der leicht verständlichen Visualisierung von entscheidungsrelevanten Informationen. Der Anwender soll auf einfache Weise auch komplexe Unternehmenszusammenhänge überblicken können und dabei stets mit aktuellen Daten versorgt werden.[12]
Andererseits wird die strategische Unternehmensführungsfunktion der auch oft als Business Dashboards oder Armaturenbretter bezeichneten MC angesprochen. Diese Verständnisdimension beinhaltet wesentliche Inhalte des BalancedScorecard-Konzepts sowie der zugrunde liegenden PerformanceMeasurement-Aspekte und zielt auf die Steuerung und Kontrolle von Prozessen und erfolgskritischen Unternehmenskennzahlen ab.
Somit können zwei Begriffsfassungen des MC unterschieden werden, auf die sich in dieser Ausarbeitung fallweise bezogen wird:
- Die enge Definition des ManagementCockpits, die sich auf das ManagementCockpit i.e.S. als Visualisierungs- und analytisches Informationsinstrument konzentriert.[13]
- Die weite Definition des Management Cockpits, die es zusätzlich als ganzheitliches Führungsinstrument (ManagementCockpiti.w.S.) charakterisiert, „…um Vision und Strategie eines Unternehmens in einen klar definierten Satz von Zielen und Maßgrößen zu übersetzen“[14] und zu kommunizieren.[15]
Der z.Zt. viel diskutierte Begriff des MC wird häufig synonym mit der Bezeichnung des ManagementCockpit-Raums (MCR) verwendet.
Ein MCR besteht i. A. aus vier Wänden.[16] Jede Wand spiegelt eine separate Sicht auf das Unternehmen wieder und wird zur Klassifikation der verschiedenen Informationen jeweils in einer anderen Farbe (Schwarz, Rot, Blau und Weiß)[17] dargestellt. Das folgende Schaubild zeigt einen solchen MCR nach Vorstellung der SAP AG:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1 – Management Cockpit-Raum[18]
Einzeln betrachtet stellt jede dieser Perspektiven bzw. Wände ein eigenes MC für einen Unternehmensbereich dar. Somit ist offensichtlich, dass zwischen den Begriffen MC und MCR, der auch als „WarRoom“[19] bezeichnet wird, unterschieden werden muss.
Des Weiteren besitzt ein MCR neben seiner Bedeutung als Visualisierungsmetapher für eine Zusammenstellung von ManagementCockpits auch einen räumlichen Charakter im Sinne eines Konferenzzimmers[20].
Im Zentrum des MCR steht die Funktion als „…gemeinsame Informations- und Kommunikationsbasis…“[21] für die „…Unterstützung strategischer Entscheidungen im Team …“[22]. Die verschiedenen Interessengruppen sollen an einen Tisch geführt und „… die zur Unternehmenssteuerung relevanten Daten … für alle Mitglieder des Teams gleichermaßen konsistent bereit gestellt werden ...“[23]. In der Abbildung 2 ist schematisch eine mögliche Konstellation für ein Managermeeting auf Vorstandsebene dargestellt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2 – Managermeeting im Management Cockpit-Raum[24]
Alle ChiefExecuteOfficers(CEO) des Unternehmens treffen sich mit ihren CockpitOfficers(CO)[25] im MCR und können die Situation ihres Verantwortungsbereichs separat nebeneinander darstellen und diskutieren. Dadurch wird es den Managern erleichtert „…nötige Umstrukturierungen im Unternehmen sowie die Zusammenhänge zwischen den unterschiedlichen Faktoren [zu] erkennen.“[26]
Häufig wird auch in diesem Kontext ein Vergleich zu Flugzeugcockpits angestrebt, da die Instrumententafeln und Anzeigen der MCs an die Sicht eines Piloten erinnern sowie auf dessen Lenkungs- und Steuerungsfunktion anspielen[27]. Dieser Analogieschluss wird noch weiter geführt, indem weitere Bereiche und Funktionen des MCR ebenfalls mit Begriffen aus der Luftfahrt assoziiert werden.[28]
Gegenstand dieses Abschnitts ist es, die 1990/91 von D.P.Norton, Generaldirektor von Nolan Norton, und R.S.Kaplan, Professor der Harvard University, entwickelte BalancedScorecard(BSC) dem MC-Konzept gegenüberzustellen und davon abzugrenzen. Dazu sollen die Inhalte und Schwerpunkte der BSC mit der engen und der weiten Definitionen des MC verglichen werden.[29]
Im Rahmen der Betrachtung der BSC und des MC-Begriffs i.e.S. sind Unterschiede in der Visualisierung das Differenzierungsmerkmal. Bei der BSC wie auch beim MC soll die grafische Gestaltung die individuelle Unternehmenskultur bei der Kommunikation aufgreifen.[30] Dabei werden in beiden Ansätzen auch ergonomische Gesichtspunkte verfolgt, um ein „kundenorientiertes Layout“[31] und somit eine leicht verständliche Benutzeroberfläche für den Manager (als Kunden) bereitzustellen.[32] Jedoch ist der gestalterische Aspekt beim BSC-Ansatz weniger stark ausgeprägt.[33] Das MC-Konzept „…integriert die neuesten Konzepte zur Visualisierung von Grafiken, Tabellen und Texten…“[34]. Im Gegensatz dazu implementiert die BSC lediglich ein zumeist zahlen- bzw. tabellenorientiertes Berichtswesen[35], welches im Laufe der Zeit durch statusorientierte Einfärbung „… (grün – auf Zielkurs; [gelb – Zielerreichung indifferent;] rot – Zielerreichung kritisch; weiß – im aktuellen Quartal nicht gemessen)…“[36] der Kennzahlen und ExceptionReporting ergänzt wurde. Somit tritt ein deutlicher Unterschied zwischen der BSC und der Auffassung eines MC i.e.S. zu Tage.
Dies hängt auch mit dem Selbstverständnis der BSC zusammen, welches sich hauptsächlich mit den zusätzlichen Aspekten der Definition des MC i.w.S. deckt und somit implizit die inhaltlichen Abweichungen begründet.[37] Dennoch soll an dieser Stelle das Verhältnis zwischen der BSC und dem MC präzisiert werden.
Das MC-Konzept umfasst den Ansatz der BSC und versteht sich als deren legitimer Nachfolger.[38] Es erweitert die BSC insbesondere um Aspekte der grafischen Aufbereitung für das Management. Da dem MC wie auch der BSC in ihrem Entstehungskontext mit dem Performance Measurement die gleiche Managementmethode zugrunde liegt[39], sind auf inhaltlicher Ebene ganzheitliche Integrationspunkte gegeben.
Dieser Abschnitt beinhaltet die formalen Grundlagen und wichtigsten Begriffe des Performance Measurement.
Zuerst ist es notwendig, den Leistungsbegriff im Sinne der Performance eines Unternehmens zu definieren und den Bezug zu den Unternehmenszielen herzustellen. Darauf Bezug nehmend wird die Indikatordefinition in Form des KeyPerformanceIndicators hergeleitet und anschließend die angestellten Überlegungen im Rahmen des PerformanceMeasurement-Verfahrens in den Kontext eingeordnet und dessen Nutzen beschrieben. Zudem wird zur Verdeutlichung der Inhalte das PerformanceMeasurement der klassischen Kennzahlenrechnung gegenübergestellt. Zum Abschluss soll noch die Rolle des PerformanceMeasurement im PerformanceManagementProzess dargestellt und zugleich die funktionalen Verbindungspunkte mit dem MC aufgezeigt werden.
Aufgrund der vielschichtigen Anwendung[40] des Performance-Begriffs in Abhängigkeit von seinem Verwendungskontext[41], „… besteht bis heute kein kohärentes Begriffsverständnis zum Thema Performance.“[42] Um eine für diese Ausarbeitung hinreichende Definition zu erhalten, „… ist eine Umgehung des Definitionsproblems durch eine synonyme Verwendung [und Auslegung] der Begriffe Performance und Leistung … nicht möglich.“[43] Dies ist durch die „…unterschiedliche betriebswirtschaftliche Leistungsinterpretation…“[44] zu begründen, welche auf die gegensätzlichen Vorstellungen aus der angelsächsischen Auffassung von Performance und des kontinentaleuropäischen[45] Leistungs-Verständnisses zurückzuführen ist.[46] Insbesondere im Hinblick auf den Zeithorizont und der Betrachtung und Einbeziehung von Zielgrößen treten die wesentlichen Unterschiede zwischen den beiden Begriffen zu Tage.[47]
Für eine adäquate Definition des Performance-Begriffs müssen aufgrund der Kausalabhängigkeit seiner Verwendung im Vorfeld einige Annahmen hinsichtlich der zu bemessenden Zielvorstellungen[48] getroffen werden. So ist es durch die Ausrichtung dieser Diplomarbeit vorgegeben, organisatorische Zielsetzungen i.S.v. Unternehmenszielen[49] zu betrachten. Als Unternehmensziel soll nach der Entscheidungstheorie „…ein künftiger Zustand der Unternehmung …, der als erstrebenswert angesehen wird…“[50], verstanden werden. Hinsichtlich der Erstrebenswertigkeit ist zudem die Basis der Zielbildung festzulegen, die im Folgenden durch den Stakeholder-Ansatz gebildet werden soll.[51] Als Stakeholder werden alle unternehmensinternen und -externen Anspruchs- und Interessengruppen bezeichnet, die „…einen Beitrag („stake“) zur betrieblichen Wertschöpfung…“[52] leisten.
Die Performance eines Unternehmens soll hier als Beurteilungskriterium für den Stakeholder-Nutzen definiert werden und den Grad der Zielerreichung Nutzen stiftender Handlungen[53] repräsentieren. Dieser Argumentation folgend, lautet die Performance-Definition in Anlehnung an R. Gilles und O. Krause:
„Performance bezeichnet den Grad der Zielerreichung bezüglich der für die relevanten Stakeholder wichtigen Merkmale einer Organisation. Die Quelle der Performance sind die Effizienz und Effektivität der determinierten Handlungen der Akteure in den Geschäftsprozessen.“[54]
Zur Messung der Effizienz und Effektivität der Unternehmensaktivitäten werden im Rahmen des PerformanceMeasurement sog. PerformanceIndicators (PI) gebildet.[55] Diese PIs, die in der Literatur auch oft als PerformanceMeasures[56] bezeichnet werden, dienen wie die traditionellen Kennzahlen der Verdichtung betriebswirtschaftlicher Informationen.[57] Jedoch unterscheiden sie sich erheblich in ihrer Bildung und Aussagekraft.
Kennzahlen sind sowohl Einzelzahlen als auch Verhältniszahlen[58], die einzelne Sachverhalte in konzentrierter Form quantitativ erfassen. Diese Definition impliziert, dass sie den zu bemessenden Tatbestand auf Basis von direkt mit ihm zusammenhängenden Informationen abbilden.[59] Eine solche
Verhältnis-Kennzahl ist z.B. die Reklamationsquote, die sich aus dem Quotienten aus den an der Beschwerdestelle eingegangenen beanstandeten Produkten und der in der Fertigung gemessenen gesamten Produktionsmenge berechnet.
Im Gegensatz dazu verfolgen Indikatoren einen indirekten Messansatz,[60] indem sie einen Sachverhalt durch eine Größe darstellen, die mit ihm (lediglich) in einem hohen inhaltlichen Zusammenhang steht. So können beispielsweise qualitative Aspekte wieKundenzufriedenheit nicht direkt gemessen werden. Zur Ermittlung solcher Indikatoren müssen daher Kriterien wie die Reklamationsquote herangezogen werden, „…die in einem Kausalzusammenhang mit dem eigentlichen Ziel stehen.“[61]
Zur Verdeutlichung wird die Indikator-Definition von H.Ulrich und G.J.B.Probst angeführt, über die anschließend der Begriff des KeyPerformanceIndicators (KPI) hergeleitet werden soll:
„Indikatoren sind jene Elemente und Beziehungen, deren Veränderung uns wesentliche Veränderungen der Gesamtsituation anzeigen.“[62]
Diese Indikatoren können nach Burkeetal. nach zwei Dimensionen von Performance-Objekten klassifiziert werden:[63]
- Die Klasse der quantitativen Indikatoren spiegeln, ähnlich den traditionellen Kennzahlen, (leicht) messbare bzw. i.S.v.Neely et al. quantifizierbare[64] Sachverhalte wider. Sie werden in „Inputs“ und „Outputs“ unterschieden[65], die analog zu den gängigen Kennzahldefinitionen finanzielle bzw. produktionstechnische Informationen darstellen.
- Qualitative Indikatoren bilden qualitative Performance-Aspekte ab, die sich aufgrund ihrer immateriellen Basis nicht (leicht) quantifizieren lassen. Hier können ebenfalls zwei Arten von Indikatoren unterschieden werden: die „Outcomes“ und „Processes“. Der zugrunde liegende indirekte Messansatz ermöglicht auch die Bewertung immaterieller Werte und erweitert an dieser Stelle den Kennzahlansatz.[66] Speziell durch den starken Bezug der „Outcomes“ zu den Stakeholder-Erwartungen und dem Stakeholder-Nutzen, können so Promotoren für Performance von Organisationen identifiziert werden.
Demzufolge besitzen Indikatoren eine Operationalisierungs- und Messfunktion[67], da sie durch die Einbeziehung von Objekten, die die Performance tendenziell anzeigen, die Basis für das PerformanceMeasurement schaffen.[68] Durch die indikatorbasierte Konkretisierung der abstrakten Performanceobjekte können diese nun und zur Messung der Unternehmenszielerreichung bzw. als PIs einer Organisation verwendet werden.[69]
KPIs unterscheiden sich definitorisch von PIs durch ihre begriffsimplizite „Schlüssel“-Funktion und Bedeutung:
„Der Begriff KeyPerformanceIndicator (KPI) drückt aus, dass nur solche Indikatoren definiert werden, die für den Fortbestand einer Organisation wesentliche Performance-Aspekte messen.“[70]
Mit anderen Worten konzentrieren sich die KPIs auf die wichtigsten Performance-Größen einer Unternehmung. Dies geschieht durch die Verdichtung bzw. Zusammenführung von „Sub“-PIs in einen übergeordneten „Schlüssel“-Indikator. Somit bilden KPIs die geeignete Informationsgrundlage zur Steuerung eines Unternehmens und sind folglich die adäquaten Objekte zum Ausweis der Unternehmens-Performance in einem MC[71] für die Unterstützung der Entscheidungsträger.[72]
Nun sollen die im Vorfeld diskutierten Grundgedanken und getroffenen Annahmen zur Performance und deren Repräsentanten in Form der Indikatoren aufgegriffen und im Rahmen des PerformanceMeasurement (PM) zusammengeführt werden. Im Zentrum der Betrachtung stehen dabei die Erläuterung des PM-Verfahrens und dessen Nutzen für das Management.
Als PM wird der „...[kontinuierliche] Prozess der [integrierten] Performancequantifizierung …“[73] zur Bemessung der Effektivität und Effizienz abgeschlossener Handlungen verstanden.[74] Dazu werden PIs bzw. KPIs für die Evaluierung der Performance-Potentiale einer Organisation definiert und ausgewertet. So kann die Performance eines Unternehmens mit Hilfe entsprechender (Effizienz-)Indikatoren erfasst und der tatsächliche Zielerreichungsgrad (durch Ermittlung der Effektivität) bestimmt werden.[75]
Diesen Überlegungen folgend, lassen sich in Anlehnung an A.Sturm eine enge und eine weite PM-Definition ableiten:[76]
- Das PerformanceMeasurementi.e.S. reduziert das PM, in Anlehnung an die direkte Übersetzung, auf den reinen Messvorgang, der als operatives Instrumentarium die systematische Zuordnung von Zahlen bzw. Daten zu den Ausprägungen der Steuerungsgrößen bzw. Indikatoren beinhaltet.[77]
- Die Definition des PerformanceMeasurementi.w.S. umfasst neben der Bildung und Auswahl geeigneter Indikatoren auch die Entwicklung von Bewertungsmaßstäben und die darauf aufsetzende Performance-Beurteilung unternehmenszielbezogener Aktivitäten. In diesem Kontext wird das PM zu einem Strategieinstrument der Unternehmensführung.[78]
Insbesondere der Vorgang zur Bildung[79] von Indikatoren offenbart den starken Strategiebezug[80] des PM, da die Modellierung der KPIs mit Ausrichtung auf die Unternehmensziele erfolgt.[81] Die Mission und Vision einer Organisation wird durch Indikatoren verschiedenster Dimensionen[82] in einem PMS abgebildet und durch das PM in integrale Ursache-Wirkungs-Beziehungen gesetzt.[83] So ist gewährleistet, dass „… genau das gemessen wird, was für die Umsetzung der Strategie wirklich wichtig ist“[84] und die „… strategisch wichtigen, für den Erfolg der Unternehmensstrategie ausschlaggebenden Prozesse …“[85] identifiziert werden können.
Durch die Implementierung eines kontinuierlichen PM-Prozesses erhält das Management die benötigten Informationen bzgl. der Performance ihrer Organisation. Auf operativer Ebene können so die internen Unternehmensprozesse durch Soll/Ist-Vergleiche hinsichtlich ihrer Zielerreichung und Effektivität überwacht werden. Die gewonnen Ergebnisse können dann als Grundlage für notwendige strategische Entscheidungen zur Verbesserung der Unternehmens-Performance genutzt und im Nachhinein auf dieselbe Art und Weise verifiziert werden.
Die mit Hilfe des PM evaluierten Informationen unterscheiden sich stark von denen traditioneller Kennzahlensysteme. Infolgedessen sollen hier die Vorteile des PM im Vergleich zu traditionellen Kennzahlensystemen vorgestellt und sowie dessen Ziel vorgestellt werden. Die Abbildung 3 stellt dazu das PM[86] den traditionellen Kennzahlensystemen in den drei ausschlaggebenden Dimensionen gegenüber.
Es ist offensichtlich, dass das PMS die inhaltlichen Grenzen der traditionellen Kennzahlensysteme erweitert. Am deutlichsten zeigt sich dies in der Ziel-Dimension, deren Umfangszunahme aus der Ausdehnung des PM in den beiden anderen Dimensionen resultiert.
Das traditionelle Rechnungswesen definiert die Unternehmensleistung[87] ausschließlich im operativen Sinne mit finanziellen Größen wie Erfolg und Liquidität[88]. Daher basieren die klassischen (Finanz-)Kennzahlen[89] auf rein monetären Daten, die primär aus dem Zahlenwerk des Finanz- und Rechnungswesens stammen.[90] Diese Daten sind aufgrund der Zeitdilatation zwischen ihrer Entstehung und Verfügbarkeit lediglich für vergangenheitsorientierte Betrachtungen[91] zur Bestimmung kurzfristiger Ziele von Nutzen. Dies lässt sich gut an der Erstellung der Bilanz und des Jahresabschlusses vergegenwärtigen, die zu einem Stichtag am Ende des Geschäftsjahres einen zeitpunktbezogenen Überblick der Lage des Unternehmens über die vergangene Geschäftsperiode darstellen.[92]
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3 – Performance Measurement vs. traditionelle Kennzahlensysteme[93]
Für die zukunftsorientierte Ausrichtung des PM sind diese Informationen jedoch nicht ausreichend. Der geringe Strategiebezug, die mangelnde Berücksichtung der Stakeholder-Bedürfnisse[94] sowie die fragmentierte[95] Betrachtung der Unternehmens-Performance durch die traditionellen Kennzahlensysteme lassen nur bedingt Rückschlüsse auf die heutzutage verfolgten Unternehmensziele[96] zu.
Um die geforderte prospektive Sicht[97] zur Unterstützung strategischer Unternehmensentscheidungen mit Ausrichtung auf die Stakeholder-Ziele zu erreichen, werden durch die Miteinbeziehung nicht-monetärer Größen neue Informationspotentiale für das Management erschlossen. Hier kommt insbesondere der Aspekt der „… integrierten Leistungsmessung …“[98] zum tragen, da im Rahmen des PM alle Faktoren über die PIs bzw. KPIs berücksichtigt werden, die wesentliche[99] Aufschlüsse über die Unternehmenstätigkeit und schlussendlich die Performance des Unternehmens aus Sicht der unterschiedlichen Anspruchsgruppen geben.[100] Erst die Betrachtung der objektübergreifenden Indikatoren ermöglicht somit die langfristige strategische Performance-Bewertung eines Unternehmens.
Aus der konsequenten Formulierung und Betrachtung der unternehmenszielkongruenten Indikatoren folgt die Erweiterung der Ziel-Dimension im Hinblick auf die Kommunikations- und Motivationsfunktion des PM. Die Kommunikationsfunktion umfasst dabei die Prozesse der Strategiefindung, der strategischen Zielbildung sowie dessen dialogische Koordination zwischen den unterschiedlichen Anspruchsgruppen.[101] Eng damit verbunden ist ebenfalls die Anreiz- bzw. Motivationsfunktion des PM, die im Rahmen der Personalführung[102] durch die performanceabhängige Honorierung oder Sanktionierung ein unternehmenszielkonformes Mitarbeiterverhalten fördern soll.[103] Durch die Umsetzung der Kommunikations- und Motivationskomponenten lassen sich Synergieeffekte zwischen den Anspruchgruppen erzielen und das „… Commitment der ausführenden Personen zur strategischen Ausrichtung des Unternehmens …“[104] herbeiführen.
Mit den beschriebenen Aufgaben und Methoden spielt das PM in einem PerformanceManagementSystem eine zentrale Rolle. Die Abbildung 4 stellt das PM im Bezugsrahmen des PerformanceManagementSystems dar.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4 – Performance Measurement Systemvs. PerformanceManagementSystem[105]
Als Teilbereich des PerformanceManagement-Prozesses[106] hat das PM die Aufgabe, die benötigten PI bzw. KPI auszuwählen bzw. zu identifizieren, zu bilden und aufzubereiten, zusammenzuführen, zu analysieren sowie zu kommunizieren.[107]
Insbesondere der Kommunikationsfunktion kommt im Rahmen des PM eine besondere Bedeutung zu,[108] da sie das Bindglied zwischen alle immanenten Funktionen und Methoden des PM sowie zum übergeordneten PerformanceManagementSystem darstellt.[109] J.B.Riedl bezeichnet sie als Basisfunktion und Voraussetzung für alle anderen Funktionen und betont ihre Notwendigkeit für die Motivationsfunktion[110], Performance-Kontrolle und Entscheidungsfindung.[111]
Aufgrund seiner Abgeschlossenheit innerhalb des PerformanceManagements hat das PM ebenfalls Systemcharakter. Besonders die beschriebene Entscheidungsunterstützungs- und Kommunikationsfunktion eines solchen PerformanceMeasurementSystems(PMS) stellen den inhaltlichen Bezug zum MC-Gedanken her. Durch das MC, als analytisches Informationsinstrument, werden beide Funktionen eines PMS abgebildet und somit das PM als operatives und strategisches Unternehmensführungsinstrument unterstützt.
Der folgende Abschnitt verfolgt das Ziel, Sinn und Zweck des
DataWarehousings (DW) darzustellen und seine Eignung als Speicherform für ein MC zu erläutern.
Zuerst werden im Hinblick auf die Ausrichtung dieser Arbeit die wesentlichen Entwicklungsschritte analytischer Informationssysteme bis zum DataWarehouseSystem skizziert. Anschließend werden die Aspekte der multidimensionalen Datenhaltung erläutert und mit der Speicherform operativer, nicht-analytischer Anwendungssysteme verglichen. Damit werden auch implizit die Anforderungen eines MC zur Unterstützung des PM beschrieben, die sich mit dem DataWarehouse-Gedanken decken. Dazu werden die durch das DW gegebenen Voraussetzungen für ein effizientes Reporting und die Zusammenführung der relevanten Informationen für das PM diskutiert.
Die Entwicklung analyseorientierter Informationssysteme soll hier in chronologischer Reihenfolge anhand der drei bekanntesten Ausprägungen von MSS, die seit 1960 dekadisch vorgestellt wurden, beschrieben werden.
Dabei steht das Pseudonym MSS für „…alle Varianten der elektronischen Unterstützung betrieblicher Entscheidungsträger bei der Abwicklung ihrer Aufgaben durch analyseorientierte Informationssysteme…“[112]. Es umfasst unter anderem die folgenden drei Ansätze[113] zur Entscheidungsfindung durch Informationstechnologie (IT) in Unternehmen:
- ManagementInformationSystems (MIS) bzw.
Managementinformationssysteme
- DecisionSupportSystems (DSS) bzw.
Entscheidungsunterstützungssysteme
- ExecutiveInformationSystems (EIS) bzw.
Führungsinformationssysteme
Kurz nach der Einführung von Datenbanken in den sechziger und siebziger Jahren „…entstand der Wunsch nach Software, die dem Management die für dessen Analysen und Planungstätigkeiten benötigten Informationen zur Verfügung stellt.“[114]
Erste Versuche, aufbereitete Entscheidungsinformationen aus den operativen Datenbeständen zu gewinnen, wurden mit der Entwicklung von MIS eingeleitet. Unter MIS verstand man umfassende Informationsmodelle, die zur „…periodisch aktualisierten Berichterstattung über alle Managementebenen zentral aggregierte Informationen bzgl. aller wohl-strukturierten Managementaufgaben und Geschäftsaktivitäten…“[115] bereitstellen sollten.
Dieser Ansatz war jedoch zum Scheitern verurteilt, da – entgegen den postulierten Anforderungen – der technischen Informationsversorgung[116] mehr Bedeutung zugemessen wurde, als der für die Entscheidungsträger wichtigeren Informationsverwendung.[117]
Anfang der siebziger Jahre wurde mit der Entwicklung von DSS ein zweiter Anlauf zur Implementierung von MSS gestartet. Dieser Ansatz war mehr auf die Verbesserung der Entscheidungsqualität bzw. Informationsverwendung fokussiert.
Im Laufe der Jahre wurden DSS in der Literatur in immer anderen Ausprägungen aus verschiedensten Perspektiven und Anforderungsprofilen heraus definiert.[118] Gemeinsam ist allerdings allen DSS-Konzepten, dass durch „…eine Kombination von [Modellen,]Methoden, Datenbeständen und dem Intellekt des Benutzers interaktiv eine Entscheidung…“[119] für semi-strukturierte Aufgabenstellungen abgeleitet werden konnte. Auf die operativen Datenbestände wurde dabei nicht mehr direkt zugegriffen, sondern eine zweite unabhängige Datenbank aufgebaut, die nur die zur Abbildung des Modells relevante Datenbasis enthielt. Der Anwender musste für jede aufgabenspezifische Fragestellungen bzw. Entscheidung ein eigenes Modell entwickeln.[120] So entstanden „…zwangsläufig [losgelöste] Insellösungen..“[121], die eine Integration der Datenbestände unmöglich machten und dazu führten, dass DSS nur durch modell- und methodenorientierte Fachkräfte eingesetzt werden konnten.[122] Die daraus resultierende mangelnde Akzeptanz in den höheren Führungsetagen sowie den immer noch vorhandenen Schwächen – insbesondere bei der Einbindung von externen Datenbeständen und der komplexen Handhabung[123] – vereitelten, dass sich die DSS als ganzheitliches Werkzeug zur Managementunterstützung durchsetzten konnten.
Mitte der achtziger Jahre stieg erneut das Interesse des Top-Managements an MSS. Durch die Trends zur Internationalisierung und Dezentralisierung von Unternehmen und der Erkenntnis, dass der Unternehmenserfolg entscheidend mit dem Informationsvorsprung vor den Wettbewerbern verbunden ist, erlebten die MSS in Form der EIS eine Renaissance.[124]
Der Kern des EIS-Gedankens liegt in der managementgerechten Aufbereitung von harten und weichen Informationen zum Status der unternehmensspezifischen kritischen Erfolgsfaktoren und dem Monitoring der Gesamtleistung des Unternehmens.[125] Die EIS boten den Anwendern dazu vielfältige Analyse- und Visualisierungswerkzeuge, mit denen schnell und gezielt Informationen für Planungen und Entscheidungen abgerufen werden konnten. Unter „…Einbeziehung aller verfügbaren multimedialen Gestaltungswerkzeuge …“[126] wurden die Endscheidungsträger speziell bei der qualitativen Informationsselektion durch Techniken wie das ExceptionReporting unterstützt.[127] So konnten die aus den unternehmensweiten Datenbeständen gewonnenen Informationen hinsichtlich der sehr unstrukturierten und komplexen Fragestellungen klar und verständlich präsentiert werden.
Dennoch erfüllten auch EIS die Erwartungen nicht ganz. Es war noch immer nicht möglich den Entscheidungsträgern in Unternehmen schnell, gezielte und vor allem verlässliche Informationen zur Verfügung zu stellen, damit diese exakt planen und die richtigen Entscheidungen treffen konnten. EIS konnten das zugrunde liegende Datenmaterial zwar zusammenführen, aber weder von Fehlern befreien noch konsolidieren oder harmonisieren. Da fehlerhafte, unvollständige und inkonsistente Datenbestände jedoch der betriebliche Normalfall sind,[128] entstand die Notwendigkeit, die Rohdaten der unterschiedlichsten Datenquellen von Fehlern bereinigt sinnvoll zusammenzuführen. Diese war mit den Mitteln der EIS nicht zu bewerkstelligen.
Die Schwierigkeiten bei der Informationsgewinnung aus operativen Datenbeständen stellten die größte Schwachstelle während der Entwicklungsgeschichte von MSS dar. Die für Analysezwecke ungeeigneten Daten der operativen Systeme enthalten jedoch den Großteil der benötigten Informationen, weswegen eine Lösung für diese Problematik gefunden werden musste: Das DataWarehouse (DWH).
Trotz der stetigen Weiterentwicklung und Verbesserungen bei der Umsetzung von MSS wurde dem Problemfeld der Datenextraktion aus den operativen Quellsystemen und beliebigen anderen Datenquellen bis zuletzt zu wenig Beachtung geschenkt. Dadurch wurde die Informationsgewinnung grundsätzlich erschwert und es musste mit wenig aussagekräftigen Datenbeständen gearbeitet werden, die die MSS zuweilen sogar ad absurdum führten.[129]
Generell wird die Datenbeschaffung aus operativen Systemen zur Verwendung in analyseorientierten Informationssystemen vor allem durch
- heterogene Datenstrukturen,
- mangelnde Datenqualität,
- Personalengpässe,
- hohe Belastung der bestehenden IT-Infrastruktur
und
- fehlende historische Daten
beeinträchtigt,[130] was auf die generelle Konzeption dieser Systeme zurückzuführen ist.
Operative Systeme sind für die Abwicklung des operationalen Tagesgeschäfts ausgelegt. Sie arbeiten nach dem OnlineTransactionalProcessing(OLTP) Anwendungsparadigma von Datenbanksystemen, welches die Prämissen minimaler Antwortzeiten, hoher Verfügbarkeit und höchstmöglicher Datendurchsätze[131] (TransaktionenproMinute) verfolgt. OLTP-Systeme werden zur (Echtzeit-)Unterstützung von Sachbearbeitern eingesetzt,[132] die viele, aber primitive Transaktionen durchführen und jeweils nur wenige Datensätze mit autonomen und aktuellen Informationen betreffen.
Im Gegensatz dazu stehen beim OnlineAnalyticalProcessing(OLAP) komplexe Analysevorhaben im Vordergrund, die sich auf die Auswertung großer Datenvolumina mit historisierten, integrierten und konsolidierten Informationen konzentrieren.[133] Dies impliziert, dass das Anforderungsprofil an OLAP-Anwendungen aus Anwendersicht rein lesender Natur ist und nicht wie bei OLTP-Systemen ebenfalls der Erfassung von Daten eine wesentliche Bedeutung zukommt.[134]
Die Kerninhalte des OLAP-Konzepts werden durch die von N.Pendse aufgestellten FASMI-Regeln für den Aufbau multidimensionaler Analysesysteme prägnant spezifiziert.[135] Die Buchstaben des englischen Akronyms stehen im Einzelnen für:[136]
- Fast : Entscheidungsträgern sollen in kurzer Zeit Ergebnisse für Ihre Abfragen präsentiert werden. Dabei muss der Großteil der (einfachen) Queries innerhalb weniger Sekunden beantwortet werden, wohingegen auch komplexe Abfragen maximal 20 Sekunden benötigen dürfen.[137]
- Analysis : Die Führungskräfte sollen selbstständig auch komplexe Queries zur Beantwortung ihrer Fragestellungen unter Berücksichtigung aller denkbaren logischen Verknüpfungen ohne großen Programmieraufwand erstellen können.
of
- Shared : Das OLAP-System muss für den Mehrbenutzerbetrieb ausgelegt sein und allen angemeldeten Anwendern, mit Hilfe entsprechender Zugriffsschutz- und Lockingmechanismen, die angeforderten Daten zur Verfügung stellen können.
- Multidimensional : Die Informationen müssen multidimensional unter zu Hilfenahme von Dimensionen und Hierarchien strukturiert werden können.
- Information : Alle aus betriebswirtschaftlicher Sicht relevanten Informationen sollen den Anwendern transparent und zugänglich gemacht werden.
Die skizzierten FASMI-Grundsätze beschreiben analytische Systeme im Wesentlichen aus der Perspektive des Benutzers. Daher sind sie zwar weniger umfassend als beispielsweise die OLAP-Spezifikation nach den Evaluationsregeln von E.F.Codd,[138] lassen dafür aber insbesondere in technischer Hinsicht mehr Freiräume bei der Kategorisierung von multidimensionalen Systemen zum OLAP-Konzept.
So werden den multidimensionalen OLAP-Systemen neben analytischen Funktionen auch Methoden zur Datenmodellierung mehrdimensionaler Strukturen zugesprochen.[139] Im Allgemeinen steht der OLAP-Begriff allerdings stellvertretend für Analysewerkzeuge im Reportingbereich von MSS und wird als integrativer Bestandteil dieser Systeme bzw. als Ergänzung von DataWarehouse-Systemen verstanden.[140]
Der Oberbegriff des DataWarehouse-Systems (DWS) umfasst neben dem eigentlichen DWH mit der zentralen DWH-Datenbank auch alle Verfahren und Werkzeuge zum Befüllen bzw. Auslesen und Auswerten der verbundenen Datenbestände. Dazu gehören die analytischen Endbenutzer-Werkzeuge für OLAP-Auswertungen, die für den Extraktions-, Transformations- und Lade-Prozess benötigen Programme zur Datengewinnung aus den Datenquellen sowie Archivierungssysteme und das Meta-Datenbanksystem.[141] Das folgende Schaubild zeigt Umfeld, Infrastruktur und Prozesse eines DWS nach der dreistufigen Struktur[142] des SAPBusiness Information Warehouse 3.5:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 5 – DataWarehouse-System-Referenzarchitektur in Anlehnung an das
SAP Business Information Warehouse[143]
Die DWH-Datenbank als zentrale Komponente eines DWS bildet eine von den operativen Systemen losgelöste, logisch zentralisierte, einheitliche und konsistente Datenbasis für die Entscheidungsfindung in MSS.[144] Ein DWH ist somit eine zweite, redundante zentrale Datensammlung.
Um den analytischen (OLAP-)Anwendungen von MSS die benötigten Informationen in geeigneter Form für Auswertungszwecke zur Verfügung zu stellen, werden in der DWH-Datenbank die entscheidungsrelevanten Daten aus den unterschiedlichsten Datenquellen zusammenführt und für betriebswirtschaftliche Datenanalysen langfristig gespeichert. Der als Urvater des DWH-Paradigmas geltende W.H.Inmon definierte 1992 ein DWH wie folgt:
„A data warehouse is a subject oriented, integrated, non-volatile and time variant collection of data in support of management’s decisions."[145]
Obwohl diese nunmehr 13 Jahre alte Definition nicht unumstritten ist,[146] weil sie (aus heutiger Sicht) sehr restriktiv und abschließend formuliert wurde, ist sie dennoch für das Themengebiet dieser Ausarbeitung hinreichend. Es sei in Bezug auf den vorangegangenen Abschnitt und den folgenden Überlegungen darauf hingewiesen, dass die von W.H.Inmon formulierte DWH-Definition implizit ein multidimensionales Datenmodell fordert, da nur so die zu speichernden Daten adäquat für OLAP-Auswertungen vorgehalten werden können.[147]
Die aus internen und/oder externen Quellen stammenden Daten beziehen sich z.B. auf Kunden, Produkte oder Lieferanten (Themen- bzw. Subjekt-Orientierung) und werden in einer gemeinsamen Datenbasis zusammengefasst (Integration). Der Aspekt der Integration bzw. Vereinheitlichung der Datenbestände deutet vor allem darauf hin, dass die Daten aus verteilten und unterschiedlich strukturierten Datenbeständen zusammengeführt werden, um eine globale Sicht auf die Quelldaten und damit übergreifende Auswertungen zu ermöglichen.[148] Diese Daten werden separat im DWH gespeichert bzw. periodisch aktualisiert und repräsentieren somit den Informationsstand zu einem bestimmten Zeitpunkt (zeit-basierend). Aufgrund der Zeitorientierung des Datenbestands liefern die integrierten Datensammlungen bei Analysen reproduzierbare Ergebnisse (Unveränderlichkeit bzw. Nicht-Volatilität der Daten).[149]
Die beiden zuletzt genannten Bestandteile der Inmon’schen DWH-Definition verdeutlichen nochmals den Unterschied zwischen operativen und analytischen Systemen und unterstreichen die Eignung des DWH als Datenquelle für OLAP-Anwendungen zu Analysezwecken in einem MC.
Das Datenmodell eines DWH unterscheidet sich von operativen Systemen insbesondere dadurch, dass es aggregierte Daten, selektive Redundanzen und zeitliche Abhängigkeiten abbilden muss.[150] Nur auf diesem Weg lassen sich flexibel zugängige und transparente Informationen unternehmerischen Handelns vorhalten,[151] die für ein effizientes (OLAP-)Reporting aus betriebswirtschaftlicher Perspektive notwendig sind. Um diese Anforderungen zu erfüllen, muss eine von den operativen Systemen unabhängige Datenbasis aufgebaut werden,[152] die auf einem eigenen konzeptionellen multidimensionalen Datenbankschema basiert.[153]
Durch die multidimensionale Datenstruktur und die Daten-Integrationsfunktion des DW werden die informationstechnischen Vorraussetzungen für ein MC im Rahmen des PM geschaffen. Einerseits bietet sich das mehrdimensionale Datenmodell eines DWH optimal zur Abbildung der vom PM auszuwertenden PI bzw. KPI an, da diese durch „…ein multidimensionales Set von Kriterien präzisiert“[154] werden und Informationen aus den unterschiedlichsten Bereichen zusammenführen.[155] Andererseits ermöglicht die beschriebene Multidimensionalität des DWH erst die Auswertungen im Sinne der OLAP-Spezifikationen, die sich für die Beantwortung der im Rahmen eines MC auftretenden Fragestellungen optimal eignen.[156] Zudem können durch die Architektur eines DWS ebenfalls die Abfragezeiten verbessert werden, indem bestimmte Berichte und Daten bereits im Vorfeld zusammengestellt werden[157] und so die Entscheidungsträger besonders schnell mit den relevanten Informationen versorgt werden können.[158]
Demzufolge ist das DW die adäquate Datenbasis für ein MC zur Unterstützung des PM.
In dem vorangegangenen Kapitel wurden die Grundlagen für die Erstellung eines MC zur Unterstützung des PM geschaffen, indem kurz das Wesen und die Inhalte eines MC sowie des PM, als ein möglicher fachlicher Hintergrund, anwendungsneutral geschildert wurden. Im Hinblick auf die technische Umsetzbarkeit wurde das DWH als die geeignete Datenbasis für das PM und das zu erstellende MC identifiziert.
Gegenstand dieses Kapitels ist die Konzeption eines Prototyps für ein MC zur Unterstützung des PM.
Zuerst soll auf fachlicher Seite der Hintergrund zur Entwicklung des MC-Prototyps erläutert werden. Im Rahmen der organisatorischen Konzeption wird der systematische und methodische Bezugsrahmen des zugrunde liegenden PMS vorgestellt, um ein gemeinsames Verständnis für die grundlegenden Elemente des Systems und ihrer Beziehungen zueinander zu schaffen. Abschließend werden die informationstechnischen Aspekte für die Umsetzung eines MC auf Basis eines DWS diskutiert und damit die Grundlagen für das nachfolgende Kapitel zur Realisierung des MC zur Unterstützung des PM geschaffen.
Der Ursprung für die Entwicklung eines Prototyps ist stets die Anforderung eines Auftraggebers. Für diese Arbeit wird ein fiktives Unternehmensszenario beschrieben, in dem die Entwicklung eines MC in Auftrag gegeben wird. Der nachfolgende Abschnitt detailliert die fachlichen Anforderungen an das MC und bildet die Basis für die Überlegungen in den folgenden Kapiteln.
Bei der für die MC-Prototyp-Entwicklung zu betrachtenden fiktiven Unternehmung handelt es sich um einen jungen internationalen IT-Dienstleister, der im europäischen Raum Beratungs- und Entwicklungsleistungen vor allem im SAP-Umfeld anbietet. Von den 1.000 Mitarbeitern des Unternehmens sind 600 am Hauptsitz in Deutschland beschäftigt. Die restlichen Mitarbeiter verteilen sich gleichmäßig auf die im vergangenen Geschäftsjahr akquirierten Standorte in England und Frankreich. In allen Niederlassungen werden zur Abbildung und Unterstützung aller wichtigen unternehmensinternen Geschäftsprozesse SAP-Produkte eingesetzt, die im vergangenen Jahr von den Datenstrukturen her harmonisiert und auf einen einheitlichen aktuellen Release-Stand gebracht wurden.
Aufgrund neuer Kundenanforderungen und des Trends zur Entwicklung von MSS zur Unterstützung der obersten Führungsebenen wird von der Geschäftsführung der Auftrag vergeben, neue innovative Produkte in diesem Marktsegment zu entwickeln. Ein mögliches Produktpotential wird in einem MC zur Unterstützung des PM gesehen.
Da momentan durch die Globalisierung und im Speziellen der Erweiterung der Europäischen Union der Kostendruck auf die Unternehmen steigt, müssen diese auf den verschärften Wettbewerb reagieren. Um weiterhin hohe Gewinne zu erzielen, sehen sich die Manager gezwungen, Kosten zu reduzieren. Dies geschieht meist durch Entlassungen.[159] Speziell in der IT-Branche stellen jedoch die Mitarbeiter das Kapital einer Unternehmung dar, weswegen ihre Freisetzung mit der Aufgabe der Geschäftstätigkeit gleichzusetzen wäre. Diese Grundgedanken sind auf die meisten anderen Dienstleistungsunternehmen übertragbar, wodurch dem Management des sog. HumanCapital in dieser Branche eine besondere Bedeutung zukommt.
Aufgrund der Tatsache, dass den Entscheidungsträgern der meisten Unternehmen bislang allerdings keine aussagekräftigen Informationen zur Beurteilung des HumanCapital vorliegen, wird von der skizzierten Unternehmung als Produktinnovation ein MC zur Unterstützung des PM des HumanCapital in Auftrag gegeben. Da bereits alle Daten in den verschiedenen Teil-Informationssystemen der Unternehmensstandorte vorliegen, soll mit dem MC für den CEO des Bereichs HumanRessources ein passendes Informationsinstrument geschaffen werden.
Der MC-Prototyp zur Unterstützung des PM des HumanCapital wird zu Demonstrations- und Testzwecken im ersten Schritt für das eigene, hier beschriebene Unternehmensszenario entwickelt. Dies soll jedoch unter der Prämisse geschehen, das entwickelte MC auch leicht auf andere Unternehmen und Einsatzgebiete übertragen zu können.[160] Zudem soll darauf geachtet werden, dass eine Integration dieses einzelnen MCs, welches primär für den funktionalen Teilbereich HumanRessources(HR) der Unternehmung entwickelt wird, in den Gesamtkontext eines MCRs leicht vollzogen werden kann.
Im Bezugsrahmen des Personal-Managements soll dem Manager mit dem MC eine Entscheidungshilfe bei der Beurteilung und Optimierung des HumanCapital gegeben werden. Dazu ist vorgegeben, ein Internetfähiges, browsergestütztes Informationssystem aufzubauen, welches dem Manager in komprimierter Form einen wöchentlichen Überblick über die entscheidungsrelevanten Daten des HumanCapital gibt.
Zum einen sollen die im Rahmen des PM auszuwertenden Daten durch entsprechende Indikatoren in grafisch aufbereiteter Form einfach und verständlich präsentiert werden und zum anderen auch weitere kontextbezogene Informationen für den Entscheidungsträger auf einen Blick ersichtlich sein.
Die Informationen, die das PM des HumanCapital betreffen, müssen daher periodisch erhoben und stets auf einem aktuellen Stand für das MC vorgehalten werden.[161] Durch Soll/Ist-Vergleiche, Planungsszenarien sowie Zeitreihenvergleiche[162] soll der Entscheidungsträger Trends bei der Entwicklung des HumanCapital erkennen und voraussehen können sowie weitere Optimierungspotentiale aufgezeigt bekommen. In diesem Zusammenhang ist auch die Sicherstellung der Vergleichbarkeit der Daten in Hinsicht auf unterschiedliche Ausgangssituationen bei der Ermittlung der Indikatoren in den unterschiedlichen Organisationseinheiten des Unternehmens eine Grundvoraussetzung. Die im MC zu präsentierenden kontextbezogenen Informationen sind in Abhängigkeit von den dargestellten Informationen zum HumanCapital abhängig und dienen als zusätzliche Entscheidungshilfen für den Manager.
Somit soll der Prototyp den betrieblichen Entscheidungsträgern eine umfassende Informationsgrundlage zur Beurteilung und Optimierung der strategischen Nutzung des HumanCapital an die Hand geben und als Teil-Instrument der strategischen Unternehmensführung zur Entscheidungsfindung dienen.
Ziel dieses Abschnitts ist es, die Systematik und Methodik des zu erläuternden PMS vorzustellen. Dazu soll zuerst der durch das HumanCapital vordefinierte Gegenstand des PM und dessen Performance-Aspekte sowie Interdependenzen erläutert werden. Danach wird die Methodik des PM zur Evaluation des HumanCapital sowie die Verfahrensweise zur Vereinheitlichung der Ergebnisse diskutiert.
Da bei der Erstellung des MC-Prototyps der Fokus auf das PM des HumanCapital gelegt wird, soll der aus dem Personal-Management stammende Begriff des HumanCapital als Gegenstand des PM näher betrachtet werden.
Die Evaluierung des HumanCapital mit den Mitteln des PM und der Ausweis der Ergebnisse in einem MC macht insofern Sinn, als dass es sich bei dem HumanCapital um einen entscheidenden strategischen Wettbewerbsfaktor handelt.[163] Das HumanCapital stellt zudem einen allgegenwärtigen Performance-Faktor in der Unternehmenswelt dar und ist somit von universeller ökonomischer Bedeutung.[164] Außerdem eignet sich dieses Performance-Objekt im Zuge der Bildung entsprechender PI und KPI gut zur Darstellung der Integration qualitativer und quantitativer Größen mit Hilfe des PM.
Unter dem Begriff HumanCapital(HC) werden die Mitarbeiter einer Unternehmung verstanden, die mit ihren auf Wissen und Erfahrungen[165] beruhenden individuellen Fähigkeiten und Fertigkeiten „…die Basis der unternehmerischen Tätigkeit…“[166] darstellen. Das HC bildet den wichtigsten,[167] weil dauerhaftesten Erfolgsfaktor eines Unternehmens,[168] womit dessen richtiger Einsatz und Förderung eine der bedeutendsten Aufgaben der Unternehmensführung ist.
Die Entwicklung und Verbesserung des HC, als Oberbegriff für die Performance der Mitarbeiter eines Unternehmens, ist eng mit den angenommenen Zielvorstellungen der Stakeholder verknüpft. Das HC bildet einerseits ein wichtiges[169] Merkmal der Unternehmens-Performance und stellt andererseits selbst eine Stakeholder-Anspruchsgruppe dar. Daher ist, in Bezug auf die zugrunde liegenden Unternehmensziele[170], die Bestimmung der Effizienz und Effektivität zur Ermittlung des Zielerreichungsgrads des HC in den Geschäftsprozessen die Aufgabe des PM, mit dem Zweck Auswirkungen auf die Unternehmens-Performance zu identifizieren.
Dabei wirkt sich die Performance des HC in zwei Dimensionen auf die Gesamtperformance eines Unternehmens aus.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 6 – Zusammenhang zwischen HumanCapitalPerformance und Unternehmensperformance
Die KPIs Leistung und Image der Unternehmens-Performance werden u.a. von der Performance des HC beeinflusst.[171]
Da sich die Performance und das Image einer Unternehmung, wie auch die anderen Einflussfaktoren der Unternehmens-Performance, in wechselseitiger Ursache-Wirkungs-Beziehung zueinander stehen, müssen daher die Sub-Indikatoren des Unternehmens-KPI zur Identifikation der Performance-Potentiale für das PM betrachtet werden.
Für den Entscheidungsträger ist es wichtig zu wissen, welche Erfolgsfaktoren bzw. welche Indikatoren die Performance-Potentiale des HC repräsentieren und somit auch auf die Unternehmens-Performance einwirken.
Zur Veranschaulichung und Konkretisierung der Thematik sollen die Denkansätze und Ergebnisse des Projektteams um E.D.Haldi dienen, die dieser im Rahmen seiner Dissertation zum Thema des integrierten Managements des HC eines transnationalen Dienstleisters veröffentlicht hat.[172] Da der vorliegenden Arbeit mit dem Aufbau eines MC zur Unterstützung des PM jedoch eine andere Zielsetzung zugrunde liegt,[173] werden die von E.D.Haldi angestellten Überlegungen entsprechend angepasst und auf die neue Aufgabenstellung transferiert.[174]
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 7 – Indikator-Hierarchie des HumanCapital[175]
Als Bezugsrahmen für das PM[176] des HC bietet sich das Kreislaufkonzept der Personalbeurteilung nach Hilb an.[177] Dessen KPI sind die Kompetenzen, Motivation und Situation des HC, die sich wie in der vorherigen hierarchischen Aufstellung zusammensetzen und durch die dargestellten mathematischen Operatoren die HC-Performance abbilden.
Die Kompetenzen der Mitarbeiter mit den oben aufgeführten Indikatoren beeinflussen die Performance des HC, da sie in der heutigen Wissensgesellschaft laut G.Probst und B.Knaese den „…einzigen wertvollen ‚Produktionsfaktor’…“[178] eines Unternehmens darstellen. Somit sind die Mitarbeiter-Kompetenzen die „…Voraussetzung für die Erzielung überdurchschnittlicher Gewinne…“[179] und eindeutiger Indikator für die Differenzierung im Wettbewerb.
Der Kompetenz-KPI setzt sich dabei aus zwei Sub-Indikatoren zusammen. Für die Definition des Sub-Indikators des Kompetenzpotentials können zum einen die Kernkompetenzen eines Individuums herangezogen werden.[180] Diese liegen speziell in der unternehmerischen Intelligenz der Führungskräfte und Mitarbeiter, die über die drei Schlüsselqualifikationen des Portfolio-Ansatzes „Internes Unternehmertum“ von R.Wunderer beschrieben werden. R.Wunderer benennt hier als hervorzuhebende Eigenschaften eines jeden Mitarbeiters die Fähigkeit der strategieorientierten Problemlösung (Gestaltungskompetenz), effizienten Umsetzung (Handlungskompetenz) und kooperativen Selbstorganisation (Sozialkompetenz).[181] Andererseits bedingt die Verfügbarkeit die Kompetenzen eines Unternehmens, da diese aus den aufgeführten Gründen den Beschäftigungsgrad bzw. die produktive Arbeitszeit zur Nutzung der Mitarbeiter-Kompetenzen durch dessen Anwesenheit bestimmt.[182]
Die zweite Performance-Dimension des HC ist die Mitarbeiter-Motivation, die als Multiplikator des Kompetenz-KPI starken Einfluss auf die HC-Performance ausübt. Die PIs der Motivation lassen sich anhand von intrinsischen und extrinsischen Faktoren klassifizieren.[183] Letztere Einflussfaktoren bezeichnen die fremdgesteuerte Mitarbeiter-Motivation, die primär über die beiden PIs des Anreizes und der Führung durch Stimulation von außen beeinflusst wird. Bei der intrinsischen Motivations-Komponente ist die Erfüllung der Aufgabe selbst Gegenstand der Performance fördernden Motivation, die bei Eintritt des Flow-Effekts[184] zu einer optimalen Performance des Aufgabe-PIs führt. Der Identifikation-PI umfasst sowohl intrinsische als auch extrinsische Einflussfaktoren, da er zum einen mit der selbstgesteuerten Identifikation mit einer geeigneten Aufgabe verbunden ist und zum anderen die Basis der extrinsischen Motivatoren durch Anreize und Führung bildet.[185] Somit ist eine gute Performance des Identifikation-PI die Grundvoraussetzung für eine gute Ausprägung des Motivations-KPI, der wiederum in Verbindung mit dem Kompetenz-KPI stark die HC-Performance beeinflusst.
Ebenfalls hohe Interdependenzen weist der dritte, zu dem Produkt aus Kompetenzen- und Motivation-KPI additive, situative Erfolgsfaktor der HC-Performance auf. Der Situation-KPI bemisst mit seinen Sub-Indikatoren, Wandel, Kultur, Zusammenarbeit sowie Arbeitsplatz&Infrastruktur die Arbeitssituation des Mitarbeiters. So zeigt der Sub-Indikator Wandel z.B.die Reaktion der Mitarbeiter auf die Veränderung primär exogener Markt-Größen an, die sich im Unternehmen „…vor allem auf [die PIs] Zusammenarbeit, Kultur und Führung und Verfügbarkeit…“[186] auswirken. Der Kultur-PI steht über die Indikator-Dimension der geozentrischen Ausrichtung wiederum im Zusammenhang mit dem PI der Zusammenarbeit und betrifft auch Führungs-Aspekte[187]. Durch die zentrale Rolle der Unternehmens-Kultur[188] werden allerdings auch alle anderen Indikatoren der drei HC-Performance-Dimensionen mehr oder minder stark von der kulturellen Performance beeinflusst. Die durch den Zusammenarbeit-PI abgebildeten Performance-Aspekte betreffen die Performance der Kooperativität der vier Sub-Indikatoren des Zusammenarbeit-PIs. Diese sind stark mit der Wandel-Performance verknüpft und korrelieren u.a. mit dem Indikator der Sozialkompetenz in der Kompentenz-Dimension des HC.[189] Unter dem PI Arbeitsplatz&Infrastruktur werden Performance-Aspekte zusammengefasst, die das Arbeitsumfeld des Mitarbeiters betreffen. Auch hier lassen sich weitere Zusammenhänge mit den anderen HC-Performance-Dimensionen feststellen, da auch die Motivation und die Kompetenzen, im Speziellen der Verfügbarkeit-PI, unter einer schlechten Performance des Arbeitsplatz&Infrastruktur-PI leiden.
Die beschriebenen Indikatoren der HC-Performance sind im Rahmen des PMi.e.S. periodisch zu messen. Dabei reicht die Erhebungsperiodizität von einer täglichen Evaluation bis zu einer jährlichen Bestimmung der jeweiligen Indikatoren. Eine Einordnung der Messzeiträume der Dimensionen mit ihren Sub-PIs findet sich in der folgenden Tabelle:
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 1 – Erhebungsperiodizität der HumanCapital-Indikatoren[190]
Die Erhebung der qualitativen Indikatoren des HumanCapital erfolgt auf Basis einer zehnstufigen Likert-Skala.[191] Die quantitativen HC-Indikatoren wie bspw. die Sub-PIs des Verfügbarkeit-PI werden in der zugrunde liegenden Einheit (z.B. Stunden, Tage, Euro, usw.) erfasst und müssen zur Gewährleistung der Vergleichbarkeit der Ergebnisse zielorientiert in die
Likert-Skala umgerechnet werden. Dies geschieht auf Basis der Mitarbeiteranzahl in der zugrunde liegenden Organisationseinheit.
Für den Fall unserer fiktiven Unternehmung sollen die benötigten Daten bereits in den verschiedenen Informationssystemen auf Einzelsatzebene vorliegen. Diese werden durch die jeweiligen Personalverantwortlichen der drei Firmen-Standorte durch Mitarbeiterumfragen, Führungsgespräche oder Eingaben in den HR-Systemen erhoben. Die Vielschichtigkeit und Komplexität der beschriebenen Interdependenzen der das HC abbildenden Indikatoren ist bereits bei der Erhebung der Daten mit eingeflossen. Daher sind die Zusammenhänge der einzelnen Indikatoren bei der Speicherung im DWH und bei der Abbildung in dem zu erstellenden MC nicht mehr gesondert zu beachten. Aus Datenschutzgründen sind dabei die HC-Performance-Daten der einzelnen Standorte durch Anonymisierung auf Abteilungsebene an die zentrale Hauptgeschäftsstelle zu melden.
Um die für das PM des HC benötigten Informationen aus den im vorherigen Abschnitt diskutierten KPIs des HC und ihren Sub-Indikatoren in einem MC auswerten und darstellen zu können, sollen die relevanten Daten in einem DWH vorgehalten werden.[192] Dazu ist es notwendig, die Informationen aus den verschiedenen Datenquellen zu extrahieren, zu transformieren und letztlich in ein adäquates multidimensionales Datenmodell für ein effizientes OLAP-Reporting im MC zu laden.
Zur Strukturierung der folgenden Überlegungen ist es daher sinnvoll, zuerst den Datenfluss für das Unternehmensszenario vorzustellen und anhand dessen die informationstechnischen funktionalen Aspekte der Datenmodellierung, Datenakquisition, Datenanalyse und Datenkommunikation zu diskutieren.[193]
Um das skizzierte Unternehmensszenario in einem DWS abzubilden, müssen die benötigten PM-Daten des HC aus den SAPHR-Systemen der drei Niederlassungen des Unternehmens extrahiert und in das DWS geladen werden. Die folgende Abbildung zeigt den gerade beschriebenen Datenfluss in Anlehnung an die DWS-Referenzarchitektur[194] im Überblick:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 8 – Datenfluss des Unternehmensszenarios[195]
Die Speicherung erfolgt im ersten Schritt in einem zentralen ODS-Objekt, welches die Rohdaten der verschiedenen Firmenstandorte konsolidiert und über den Zeitverlauf historisiert vorhält. Zu detaillierten Auswertungszwecken in dem MC werden die Informationen in einem zum Geschäftsstandort korrespondierenden DataMart in Form des multidimensionalen Datenziels der DataCubes fortgeschrieben. Die Aufteilung der Daten aus den unterschiedlichen Geschäftsstandorten in der DataMart-Ebene geschieht aus Performance-Gründen,[196] da die Speicherung aller Unternehmensdaten in einem einzigen DataCube die Lade- und Abfragezeiten durch die große Anzahl der zu überprüfenden Datensätze negativ beeinflussen könnte.[197] Als übergeordnetes Datenelement des skizzierten Datenflusses wird ein virtueller DataCube über die drei DataMarts gelegt, der dann für die Auswertungen im Rahmen des MC eine Sicht auf alle relevanten Daten vorhält.
Für das Design eines passenden Datenmodells zur Speicherung der PI-Werte des HC für die Zwecke des PM sollen zuerst die relevanten Datenobjekte eines DWH allgemein vorgestellt werden. Anschließend wird auf Basis des zuvor dargestellten Datenflusses ein adäquates Datenmodell für die aus dem Fach-Konzept hervorgegangenen Anforderungen für den Prototyp des MCs entwickelt.
Im Folgenden sollen kurz die wichtigsten einzubeziehenden Datenelemente für die Abbildung des HC für das PM in einem DWH anhand der mit dem soeben aufgezeigten Datenfluss korrespondierenden hierarchischen[198] Struktur der DWS-Referenzarchitektur vorgestellt werden. Diese werden jeweils kurz mit ihren datenmodellierungsspezifischen Eigenschaften und ihrer Funktion innerhalb des MC-Prototyps erläutert.
Der Ausgangspunkt eines jeden DWH sind die unterschiedlichen anzubindenden Quellsysteme. Dieses Datenobjekt ist folglich auf der untersten Schicht der DWS-Referenzarchitektur[199] angesiedelt und enthält „…die operativen Systeme eines Unternehmens bzw. die dazugehörigen Datenhaltungssysteme…“[200]. Obwohl die Quellsysteme selbst kein Bestandteil eines DWH sind, müssen sie für die Datenbeschaffung im DWH abgebildet werden. Dazu werden sie als Datenobjekt, im Sinne einer Schnittstellen-Definition, für die Datenakquisition behandelt.
Das Spektrum von Datenquellen reicht „… von Dateien über hierarchische .. bis hin zu relationalen oder objektorientierten Datenbanken.“[201] Zudem können auch Datenquellen aus dem Internet und andere externe Datenbestände in das DW einfließen.[202] In Fall unseres fiktiven Unternehmens wird der BackEndLayer[203] hauptsächlich durch eine homogene SAP-Systemlandschaft, genauer den HR-Modulen der verschiedenen Unternehmensstandorte repräsentiert, die die Informationen zu den beschriebenen HC-Indikatoren beinhalten.
Der DataStorageLayer umfasst neben dem Archiv- und Meta-Datenbanksystem auch OperationalDataStore(ODS) Objekte. Dieses Datenziel dient „… der Ablage von konsolidierten und bereinigten Bewegungsdaten auf [detaillierter] Belegebene …“[204], indem es die Daten des Extraktionsprozesses[205] aus der Staging Area transformiert und integriert persistent vorhält.[206] Aus technischer Perspektive sind dies flache Tabellen, die zur historischen Speicherung der aus den Quellsystemen geladenen Informationen zu den Indikatoren des HC auf höchster Detaillierungsebene dienen. Aufgrund ihrer einfachen Datenstruktur eigenen sie sich gut für Modifikationen des Datenbestands zu Konsolidierungszwecken.
Das Meta-Datenbanksystem ist selbst ebenfalls kein Datenelement, beinhaltet aber wichtige Informationen,[207] „… die für den Entwurf, die Konstruktion und die Benutzung eines Informationssystems benötigt …“[208] werden. So sind hier bspw. die zur Kontrolle des Datenflusses bei der Datenübertragung, Datenfortschreibung und Datenanalyse benötigten Datenobjekte und Regeln hinterlegt. Die im Meta-Datenbanksystem vorgehaltenen Objekte definieren die Verbindungen und das Verhalten der hier beschriebenen Datenelemente eines DWH.
Auch der Begriff des DataMarts bezeichnet konkret kein einzelnes physisches Datenobjekt in einem DWH. Es charakterisiert vielmehr einen selektierten Teilbereich des DWH, der bspw. zur Entscheidungsunterstützung für die einzelnen Firmen-Standorte[209] oder geographische Regionen ausgelegt und ausschließlich mit den notwendigen Daten gefüllt ist.[210] Somit repräsentieren DataMarts „… personengruppen- oder funktionsbereichsspezifische Datenbasen, die häufig im Sinne der OLAP-Forderungen aufgebaut sind …“[211] und aus dieser Anforderung zumeist in Form multidimensionaler DataCubes in einem DWS aufgebaut werden.
Multidimensionale Datenwürfel bzw. DataCubes sind wie die zuvor beschriebenen ODS-Objekte physische Datenziele eines DWS. Jedoch unterscheiden sich die DataCubes durch ihre Datenorganisation von anderen Datenobjekten eines DWS,[212] da diese durch ihre Multidimensionalität speziell auf OLAP-Anforderungen ausgerichtet sind.[213] Folglich ist es sinnvoll, dieses Datenelement für die Auswertungen bzw. als Datenbasis für die in einem MC anzuzeigenden Informationen zu verwenden und hier die jeweils relevanten Daten vorzuhalten.
Virtuelle DataCubes besitzen die gleiche Datenorganisation wie die im vorherigen Abschnitt beschriebenen multidimensionalen DataCubes. Allerdings stellen sie keine physischen Datenziele eines DWH dar, da sie keine persistente Datenablage gewährleisten. Sie bilden lediglich eine virtuelle Sicht auf die Daten eines oder mehrer DataCubes, indem sie diese für Auswertungen verknüpfen.[214] Daher ist dieses Datenelement nur für Reporting-Zwecke geeignet und dient somit der Abkopplung der physischen Datenstruktur von der fachlichen Verwendung der Daten.[215]
Die mehrdimensionale Datenstruktur erhalten die zuvor beschriebenen Datenwürfel durch die zugrunde liegende Modellierungstechnik, die hier in Form des Star-Schemas[216] erläutert werden soll.
Im Gegensatz zu dem traditionellen EntityRelationshipModell konzentriert sich die multidimensionale Datenmodellierung auf die Speicherung der Daten in ihrer natürlichen denormalisierten Form. Auf relationalen Datenbanken[217] wird mit der speziellen Modellierungstechnik des Star-Schemas eine virtuelle multidimensionale Sicht auf die Daten erzeugt.[218]
[...]
[1] Daum (1998): http://www.juergendaum.de, S. 2.
[2] „Der Begriff KeyPerformanceIndicator drückt aus, dass nur solche Indikatoren definiert werden, die für den Fortbestand einer Organisation wesentliche [wichtigste] Performance-Aspekte messen.“ Krause (2005), S. 48.
[3] Nach einer Studie aus dem Jahr 1990 wurden im Rahmen des Balanced Scorecard Konzepts vier „verschiedene Dimensionen (Kunden, Finanzen, interne Prozesse, Innovation)“ (Vgl. Kaplan, Norton (1997), S. 7 ff. und S. 24ff) ermittelt, die den Unternehmenserfolg beeinflussen können. Mittlerweile hat sich zudem eine weitere Dimension etabliert, die die ökologische Unternehmenssicht mit einbezieht. Vgl. Brunner, Sprich (1998), S. 32 oder Butler et al. (1997), S. 247f.
[4] Der ganzheitliche Ansatz dieser Arbeit wurde aufgrund der Entwicklung der Informatik „…zu einer anwendungsnahen, interdisziplinär arbeitenden Wissenschaft…„“ gewählt die von der Gesellschaft für Informatik gefordert wird. Vgl. Meyer (2005), S. 41.
[5] Einen Überblick über die ManagementCockpitThematik gibt die Internetpräsenz
der Firma von P.M.Georges N.E.T.Research: N.E.T.Research (2005a): http://management-cockpit.net, o.S.
[6] Vgl. Daum (2003), S. 371.
[7] Daum (2002), S. 411f: „…[to] increase .. personal mental and intellectual productivity…“
[8] J.H.Daum bezieht sich in einem Interview mit P.M.Georges auf Studien, die belegen, dass das menschliche Gehirn maximal einen Informationsfluss der 800 Buchstaben pro Minute korreliert folgen kann. Jedoch seien Manager durchschnittlich mit bis zu 4.000 Buchstaben pro Minute durch Kommunikationsfaktoren wie „…phone calls, e-mail, faxes, meetings and reports…“ konfrontiert. Daum (2003), S. 371f.
[9] Vgl. Fn. 22.
[10] Reiterer et al. (2000), S. 81.
[11] Berlecon Reasearch GmbH (Hrsg.) (2005): http://www.berlecon.de, o.S.
[12] N.E.T.Research beschreibt das MC als ein operationales Tool, mit folgender Zielsetzung: „The aim of the Management Cockpit approach is to improve the presentation, the content and the business use of information by companies so as to optimise the resources they allocate in function of their strategy and to enhance their efficiency.“ N.E.T. Research (2005a): http://management-cockpit.net.
[13] „Management Cockpits liefern fachlichen Experten kompakte und aktuelle Informationen über Geschäftsprozesse in grafisch aufbereiteter Form.“ Berlecon Reasearch GmbH (Hrsg.) (2005): http://www.berlecon.de, o.S. Vgl. auch den ersten Halbsatz von Fn. 12.
[14] Eschenbach, Haddad (1999), S. 63. Dieses Zitat, welches aus dem Kontext der BalancedScorecard stammt, kann auch im Rahmen der Definition des MCi.w.S. verwendet werden, da weit reichende Übereinstimmungen mit dem Konzept der BalancedScorecard vorliegen.
[15] „Die Cockpits sollen Mitarbeitern möglichst zeitnah genau die Informationen zur Verfügung stellen, die sie für die optimale Überwachung und Steuerung von Prozessen benötigen. Dadurch können Mitarbeiter schneller fundierte Entscheidungen treffen, was Kosten senkt und Prozesse beschleunigt“. Berlecon Research GmbH (Hrsg.) (2005): http://www.berlecon.de, o.S. Vgl. auch den zweiten Halbsatz von Fn. 12.
[16] Diese Restriktion stützt sich auf die Definition der vier Perspektiven der Balanced Scorecard, welche allerdings mittlerweile revidiert wurde. Vgl. Fn. 3. Somit lässt sich der MCR um zusätzliche Wände bzw. Boden und Decke erweitern.
[17] Die Farbzuordnung der einzelnen Perspektiven ist in Abbildung 2 dargestellt. Vgl. Abbildung 2 – Managermeeting im Management Cockpit-Raum, S. 9.
[18] N.E.T.Research (2005b): http://management-cockpit.net, o.S.
[19] N.E.T. Research (2005a): http://management-cockpit.net, o.S.
[20] Die Wahl der räumlichen Beschaffenheit eines Konferenzzimmers für den Aufbau eines MCR beinhaltet zudem eine für die Aufgaben optimierte Arbeitsumgebung, welche eine konzentrierte Arbeitsatmosphäre durch Vermeidung von Störungen z. B. durch Hintergrundgeräusche schaffen soll. Vgl. Cundus AG (2005), www.cundus.de, o.S.
[21] Daum (1998): http://www.juergendaum.de, S. 8.
[22] Reiterer et al. (2000), S. 81, Vgl. Daum (2003), S. 371f und Cundus AG (2005): www.cundus.de, o.S.: „Das Management Cockpit ist ein Informationszentrum zur Optimierung der Entscheidungsfindung im Team.“.
[23] Reiterer et al. (2000), S. 82.
[24] Eigene Darstellung.
[25] Dies sind zumeist Controller des jeweiligen Fachbereichs. Vgl. Ebd. (1998), S. 8.
[26] Daum (1998): http://www.juergendaum.de, S. 8.
[27] Vgl. Beispiel Schiff-Controlling
[28] Beispielsweise ein Teil des MCR, welcher für die Auswahl und Darstellung sehr detaillierter Daten per Drill-Down (Vgl. Kapitel 3.3.4.2.1Drill Up und DrillDown, S.60) als „Flugdeck“ bezeichnet. Des Weiteren werden auch Unternehmenssituationen in der „Flieger-Sprache“ mit Begriffen wie „Höhenflug“ beschreiben.
[29] Siehe hierzu auch den Abschnitt 2.1.1 Begriffsdefinition.
[30] Vgl. Gehringer, Michel (2000), S.231.
[31] Horváth & Partner GmbH (2001), S.322.
[32] H.R. Friedag und W.Schmidt zeigen in Abbildung 44 eine Berichts-Scorecard der Firma ABAG, die nach dem BSC-Konzept entwickelt wurde. Vgl. Friedag, Schmidt (2004), S.290. Dieses Beispiel erfüllt u. a. auch die Forderung von J.Gehringer und W.J.Michel, dass eine BSC aus ergonomischer Sicht auf einer Seite dargestellt werden können muss.
Vgl. ebd.(2000), S.227 und S.232. Ein ähnliches Beispiel in Form eines Einlagenblatts für Kalender zeigen Horváth & Partner in Abbildung 7.25. Vgl. Horváth & Partner GmbH (2001), S.324.
[33] Nur wenige Fachbücher zur Umsetzung der BSC als Management-Instrument sprechen die Integration der BSC in das Berichtswesen überhaupt an. J.Wicki-Breitinger fordert zwar, „ … dass das Management von der Balanced Scorecard als Planungs- und Führungsinstrument überzeugt sein muss“ (Wicki-Breitinger (2000), S.237), vernachlässigt dabei aber die Reporting-Komponente der BSC völlig. Der Fokus der Betrachtungen liegt stets in der Umsetzung der BSC als Planungs- und Kontrollinstrument i.V.m. der Definition und Erreichung strategischer Ziele sowie deren Umsetzung. Vgl. Kaplan, Norton (1997), S.24.
[34] Vgl. Cundus AG (2005): www.cundus.de, o.S. und Kapitel 4.5.1.3.2 Anwendung der Gestaltgesetze, S.103.
[35] Vgl. die in Fn. 32 genannten Abbildungen.
[36] Horváth & Partner GmbH (2001), S.326.
[37] Siehe hierzu auch die Abschnitte 2.1 Management Cockpit und 2.1.1 Begriffsdefinition.
[38] In der Abbildung „The ManagementCockpit is the 4th Generation of dashboard“ wird die Evolution der Balanced Scorecard zum ManagementCockpits im Zeitverlauf dargestellt. N.E.T. Research (2005a): http://management-cockpit.net, o.S.
[39] M.Karlowitsch konstatiert, dass die „… Gründe für die Entstehung der Balanced Scorecard äquivalent mit denen des Performance Measurementsind …“. Karlowitsch (2000), S.101; Vgl. auch Diensberg (2001), S. 31 i.V.m. Kaplan, Norton (1997), VII ff.
[40] Beispielsweise wird in der finanzwirtschaftlichen Literatur die Performance einer Anlage als Abweichung der Rendite einer Vermögensanlage von der zugrunde gelegten Rendite des Vergleichsportfolios aufgefasst. Vgl. Zimmermann et al. (1996), S.4. In der Informationstechnologie wird der Performance-Begriff hingegen u.a. für die Beschreibung der Zeit- und Platzkomplexität eines Algorithmus verwendet.
[41] Vgl. Henzel (1967), S. 43; Vgl. Wettstein (2002), S. 17: „…so wird deutlich, dass die Definition der Performance vom Anwendungszusammenhang abhängt.“
[42] Krause (2005), S. 17; Vgl. auch Wettstein (2002), S. 15.
[43] Gilles (2005), S.9. „Aus diesem Grund verzichten manche Autoren sogar vollständig auf eine begriffliche Präzisierung…“. Gilles (2005), S.10 und ff. M.Lebas nennt die auf Einflussgrößen basierende Definitionsversuche „reduktionistisch“. Vgl. Lebas (1995a), S. 66.
[44] Gilles (2005), S.9.
[45] So wird in der deutschsprachigen Literatur zumeist Leistung aus Sicht der Produktionstheorie oder des Rechnungswesen als Ergebnis der betrieblichen Aktivitäten oder die positive Komponente des Betriebserfolgs definiert. Vgl. Riedl (2000), S.16.
[46] Vgl. Wettstein (2002), S. 17 i.V.m.Lebas (1995); Krause (2005), S.18: „Allerdings sind sowohl im englischen als auch im deutschen Sprachraum erhebliche Unterschiede im Begriffsinhalt feststellbar.“ Die Ausführungen von T.Wettstein hinsichtlich von Synonymen zum Performance-Begriff wie „accomplishment, efficiency, capability und satisfaction“ verdeutlichen den Unterschied. Vgl. Wettstein (2002), S.15.
[47] Vgl. Kapitel 2.2.4PerformanceMeasurementvs. TraditionelleKennzahlensysteme, S.18.
[48] Im Rahmen der ausführlichen Begriffsdefinition von Performance stellt R.Gilles fest, dass „die maßgebliche[n] Bestimmungsgrößen der Performance … die übergeordneten Zielsetzungen“ bilden. Gilles (2005), S. 14.
[49] Das Unternehmen mit seinen Zielvorstellungen kann als eine denkbare Organisationsform in Betracht gezogen werden.
[50] Heinen (1976), S. 49.
[51] Neben dem Stakeholder-Ansatz existieren in der Literatur noch zwei weitere als grundlegend erachtete Ansätze. Zum einen das Koalitionsmodell nach R.M.Cyert und J.G.March, welches auf Basis der Verhaltenswissenschaft und Entscheidungstheorie die Zielvorstellungen der Koalitionsmitglieder einer Organisation untersucht. Vgl. Cyert, March (1963), S.27ff. Zum anderen das Shareholder-Value-Konzept, das sich an den Interessen der Eigenkapitalgeber (Shareholder) orientiert und die Maximierung des Unternehmenswerts als alleiniges Unternehmensziel postuliert. Vgl. Sturm (2000), S.15 i.V.m. Speckbacher (1997), S.630.
[52] Klingebiel (1999), S. 15.
[53] Zur Begründung des tätigkeitsorientierten Performance-Verständnisses vgl. Bouffier (1950), S.8 und Becker (1951), S. 121ff.
[54] Vgl. Krause (2005), S. 20 i.V.m. Gilles (2005), S. 20.
[55] Zum Zusammenhang von PerformanceMeasurement und Performance vgl. Lohmann et al. (2004), S. 268.
[56] Vgl. Pietsch, Memmler (2003), S.37; Fortuin (1988), S. 1, Globerson (1985), S. 639.
[57] Vgl. Weber (1998), S. 197; Meyer (1994), S. 1f; Küpper (1997), S. 317.
[58] Vgl. Botta (1997), S. 16; zu Verhältniszahlen bzw. Ratios vgl. Dyckhoff (1986), S. 849ff.
[59] Vgl. Schrank (2002), S. 17.
[60] Der indirekte Messansatz umfasst auch den direkten Ansatz der Kennzahlen, da auch Größen, die direkt miteinander korrellieren, einbezogen werden können.
[61] Gilles (2005), S. 17.
[62] Ulrich, Probst (1995), S. 186.
[63] Vgl. Burke et al. (2002), 15ff.
[64] Neely et al. (1995), S. 80.
[65] Zur Unterscheidung von Input- und Outputindikatoren vgl. Schmidberger (1994), S. 299f; und Seidenschwarz (1992), S. 136.
[66] Siehe auch Fn. 60. Manche Autoren unterscheiden harte und weiche Kennzahlen, gehen dabei aber mit dem Indikator-Gedanken konform. Vgl. Scheibeler (2002), S. 4.
[67] Zur Mess- und Operationalisierungsfunktion vgl. Schmidberger (1994), S. 297 f.
In diesem Zusammenhang leitet A.Hoffjan zusätzlich eine aus den beiden anderen Funktionen resultierende Motivationsfunktion ab. Vgl. Hoffjan (1997), S. 290. Die Motivationsfunktion kann auch mit einem Anreizsystem nach Klingebiel gleichgesetzt werden. Vgl. Klingebiel (2001), S.20. Diese Funktion ist an dieser Stelle jedoch ohne Belang und wird daher nicht weiter erläutert.
[68] Vgl. Karlowitsch (2000), S. 81 i.V.m. Hoffjan (1997), S. 289f.
[69] Vgl. Karlowitsch (2000), S. 81 i.V.m. Schmidberger (1994), S. 297f.
[70] Krause (2005), S. 48.
[71] Zur Begründung der Eignung von KPI für die Darstellung in einem MC vgl. dessen Anforderungen in Kapitel 2.1Management Cockpit, S.5. Im Speziellen Fn.8 und Fn.11, da KPI zur Reduktion der Informationsflut durch kompakte und aktuelle Informationen dienen.
[72] Hinsichtlich der Unterstützungsfunktion von Kennzahlen und somit auch Indikatoren bei der betrieblichen Entscheidungsfindung. Vgl. Reichmann (1997), S. 19f.
[73] Neely (1998), S. 5; Neely, Gregory, Platts (1995), S. 80.
[74] Vgl. dazu auch die Performance-Definition in Kapitel 2.2.1Performance, S. 12.
[75] Vgl. Sturm (2000), S. 63.
[76] Vgl. ebd., S. 63.
[77] Vgl. Riedl (2000), S. 19.
[78] Siehe auch die Ausführungen zum MC hinsichtlich der strategischen Unternehmensführungsfunktion. Vgl. Kapitel 2.1Management Cockpit, S. 6.
[79] Der Vorgang der Definition von aussagekräftigen PI ist ein unternehmensindividueller Prozess. In Kapitel 3.2.1.2.2Indikatoren des HumanCapital, S.40 wird er anhand der Beispielsunternehmens detailliert und soll hier nicht weiter ausgeführt werden.
[80] Zum Strategiebezug vgl. Berliner, Brimson (1988), S. 159ff, und Eccles (1991), S. 133.
[81] Vgl. Harengel (2000), S. 41f. J. Harengel weißt zudem auf die Stakeholder-Orientierung als eines der wichtigsten Merkmale des PM-Ansatzes hin und betont den positiven Einfluss auf die strategische Ausrichtung des Unternehmens. Ebd., S. 41.
[82] R.Gleich nennt hier z.B. Kosten, Zeit, Qualität, Innovationsfähigkeit und Kundenzufriedenheit. Gleich (1997), S. 115.
[83] Vgl. Riedl (2000), S. 20.
[84] Pietsch, Memmler (2003), S. 34. Mit „das“ meinen T.Pietsch und T.Memmler die erfolgskritischen Messgrößen in Form von KPI.
[85] Wicki-Breitinger (2000), S.81. H.T.Johnson beschreibt die internen Prozesse als wichtige Treibergröße für die Wettbewerbsfähigkeit eines Unternehmens. Vgl. Johnson (1992), S. 3f.
[86] Implizit ist dies auch eine Gegenüberstellung des PerformanceManagements und der traditionellen Kennzahlensysteme, da das PM integraler Kern-Bestandteil eines PerformanceManagementSystems ist. Vgl. das folgende Kapitel 2.2.5 PerformanceMeasurementSystemvs. PerformanceManagementSystem, S.21.
[87] In diesem Zusammenhang wird bewusst der „Leistungs“-Begriff verwendet, da traditionelle Kennzahlensysteme nicht die Unternehmensleistung im Sinne der definierten Performance ermitteln können. Vgl. Kapitel 2.2.1Performance, S.13.
[88] Die Literatur bezeichnet diese Größen als Formalziele, die sich auf die nominalen Aspekte des Wirtschaftslebens beziehen und als alleinige Zielorientierung der traditionellen Kennzahlensysteme angesehen werden. Die als Sachziele verstandenen Aktivitäten des Unternehmensprozesses finden dabei keine Beachtung. Vgl. Kosoil (1972), S.223ff. und Krüger (1979), S.160.
[89] Dies sind z. B. der Cashflow, der Return on Investment oder der Liquiditätskoeffizient.
[90] Vgl. Hahn (1991), S. 126.
[91] Zur kurzfristigen Erfolgsrechnung wird das Zahlenmaterial vergangenheitsorientiert aufbereitet und retrospektiv betrachtet. Vgl. Botta (1997), S.40.
[92] Vgl. Baetge, Schulze (1998), S. 938.
[93] In Anlehnung an Blankenburg (1999), S. 2 i.V.m. Petzolt (2001), S. 21.
[94] Vgl. Klingebiel (1997), S. 656.
[95] Lynch, Cross (1995),
[96] Derzeit stellen die auch in dieser Arbeit fokussierten Stakeholder-Bedürfnisse die zu verfolgenden Unternehmensziele dar. Vgl. dazu auch Kapitel 2.2.1Performance, S.13f.
[97] Zu Forderung der Zukunftsorientierung des PM vgl. Horváth (1996), S.244f.
[98] Vgl. Linser (2005), S. 70. A.Linser unterscheidet von der Begrifflichkeit zwischen Leistung und Performance, meint im Kontext aber den hier definierten Performance-Begriff.
[99] Zur Wesentlichkeit vgl. Geanuracos, Meiklejohn (1993), S. 67.
[100] Vgl. ebd. (1993), S. 34f.
[101] Vgl. Norton, Kappler (2000), S. 17ff.
[102] Vgl. Weber (1998), S. 271ff.
[103] Vgl. Riedl (2000). S. 47.
[104] Pietsch, Memmler (2003), S.46.
[105] Eigene Darstellung in Anlehnung an Linser (2005), S. 69 i.V.m. Klingebiel, (1999), S. 13ff und S.16; Rummler, Brache (1995), S. 160; Brunner, Sprich (1998) S.33f.
[106] Zur Einordnung des PM als Komponente des Performance Managements vgl. Klingebiel (1998), S.2ff, Merchant, Bruns (1986), S.23ff.
[107] Vgl. Simons (2000), S.7; Horngren, Sundem, Stratton (1996), S.10f; ebd. (2005), S.68f.; Riedl (2000). S.20.
[108] Vgl. Linser (2005), S.68.
[109] Vgl. dazu auch Abbildung 4, S.21.
[110] Vgl. Kapitel 2.2.4PerformanceMeasurementvs. TraditionelleKennzahlensysteme, S.20.
[111] J.B.Riedl spricht von der Informationsversorgungsfunktion des PM im Rahmen des PerformanceManagement, welche analog zur Kommunikationsfunktion aufgefasst werden kann. Vgl. Riedl (2000). S.74.
[112] Vgl. Hahne (2005), S. 5ff. Bemerkenswert ist auch die Forderung von Gluchowski et al. (1997), S. 32, dass MSS „,…darauf ausgelegt sein [müssen], .. Assistenzaufgaben erschöpfender, schneller und methodisch exakter auszuführen“ als Stabstellen-Mitarbeiter.
[113] Viele Autoren (Gluchowski et al. (1997), S. 28; Guthunz (1994), S. 231; Hahne (2005), S. 5 oder Oehler (2000), S. 11ff.) betrachten das Akronym MSS als Oberbegriff für MIS, DSS und EIS. Jedoch ist die Definition des MSS nicht eindeutig. Neben den drei genannten Ausprägungen, finden sich in der Literatur noch eine Vielzahl weiterer Informationssysteme wie das ComputerInformationSystem, ExecutiveSupportSystem, ExpertSystem oder StrategicInformationSystem die dem MSS untergeordnet werden. (Muncha (1990), S.217ff.; Zahn (1981), S.145ff.).
Zudem wird die Bezeichnung des MSS ebenfalls häufig Synonym mit MIS verwendet, was darauf zurückzuführen ist, dass mit den MIS das MSS Paradigma eingeleitet wurde.
[114] Hannig (1998), S. 1.
[115] Vgl. Gluchowski et al. (1997), S. 150.
[116] Jedoch konnte auch die technische Informationsversorgung nur unzureichend gewährleistet werden, da die hardwaretechnischen Voraussetzungen wie Speicherkapazität und Rechenleistung sowie die eingesetzten Programmiersprachen und Datenmodelle dem Postulat der MIS nicht gewachsen waren. Vgl. Behme (1992), S. 179.
[117] Vgl. Reichwald et al. (1984), S. 85ff; Oehler (2000), S. 11ff.
[118] Vgl. Gluchowski et al. (1997), S. 167. Gluchowski et al. geben in Anlehnung an Kleinhans et al. (1992), S. 4 einen Überblick über die divergierenden Begriffsauffassungen von DSS.
[119] Oehler (2000), S. 12.
[120] Vgl. Heilmann (1987), S. 11f. Dieser Trend wurde durch die aufkommenden Tabellenkalkulationsprogramme noch verstärkt. Vgl. Gluchowski et al. (1996), S. 87.
[121] Heilmann (1987), S. 11f: „DSS sind demnach entscheidungsunterstützende Systeme, die auf begrenzte Aufgaben(klassen) bzw. Entscheidungen (Entscheidungsklassen) zugeschnitten sind und per se zwangsläufig Insellösungen bilden.“
[122] Die oberen Führungsebenen bezogen ihre Informationen nicht im Dialog mit einem MSS bzw. DSS, sondern durch verbale Kommunikation bei Verhandlungen, Besprechungen und Telefongespräche. Vgl. Guthunz (1994), S. 33; Rockart (1982), S. 82. Vgl. auch den letzten Halbsatz in Fn. 8.
[123] Die aufwendige Entwicklung von Modellen zur Unterstützung des Entscheidungsprozesses mit Hilfe der DSS widerspricht der Arbeitsweise von Top-Managern. Vgl. Little (1970), S.466.
[124] Vgl. dazu auch das Zitat von J.H. Daum auf S.1.
[125] Vgl. Gluchowski et al. (1996), S. 203.
[126] Vgl. Gluchowski et al. (1996), S. 227.
[127] Vgl. Rieger (1990), S. 504. Andere Autoren nennen noch weitere Techniken zur Informationsselektion. Vgl. Gluchowski et al. (1996), S. 216ff.
[128] Z.B. durch manuelle Eingabe von Daten oder aufgrund der dezentralen Unternehmensdatenhaltung durch nicht miteinander verknüpfte Datengruppen und/oder Datenhaltungssysteme. Vgl. Becker (1993), S.31.
[129] Aufgrund von mangelnder Datenqualität ist bereits eine Vielzahl von Projekten zur Entwicklung analytischer Informationssysteme gescheitert. Vgl. Helfert (2000), S. 65.
[130] Vgl. Berson, Smith (1997), S. 12; Wieken (1999), S. 13ff.
[131] Bei OLTP-Systemen wird hier zum Benchmarking die Anzahl Transaktionen pro Minute gemessen. Vgl. Kay (2003), S. 20.
[132] OLTP-Systeme unterstützten „…die Verwaltung der operativen Arbeitsbereiche von Organisationen [und] sammeln detailliert die Informationen der Organisationsteilbereiche. Chamoni, Zeschau (1996), S. 48f. oder Jahnke et al. (1996), S. 321.
[133] W. Kay stellt die Unterschiede zwischen OLTP und OLAP auf technischer Ebene durch einen Benchmark-Vergleich dar. Vgl. Kay (2003), S. 70. A. Varouvas stellt einen Vergleich auf der inhaltlichen Datenebene an. Vgl. Varouvas (2002), S. 8f.
[134] Nach den von E. F. Codd aufgestellten 12(+6)Grundregeln für die Unterstützung von Analyseaufgaben durch OLAP, wird eine OLAP-Datenbank auch zur Eingabe von Plandaten, zur Berechnung von Forecasts und Durchführung von Simulationen verwendet. Diese Eingabendaten werden allerdings separat von den Basisdaten gespeichert und beeinflussen die operativen Datenbestände nicht. Vgl. Codd et al. (1993), 87ff.
[135] Es existieren eine Reihe weiterer Publikationen (u.a. vgl. Codd et al. (1993), 87ff oder vgl. Farner (1995), S. 30f) zur Beschreibung des OLAP-Begriffs, die im Gegensatz zu den FASMI-Regeln alle von Softwarehäusern initiiert wurden. Daher kann Ihnen ein kommerzielles Interesse unterstellt werden, zumal sich die Regeln stark an den Eigenschaften der jeweiligen proprietären Softwareprodukte orientieren.
[136] Vgl. Pendse (2000), http://www.olapreport.com; Vgl. Harengel (2000), S. 234; Vgl. Stahlknecht (1997), S. 434.
[137] Vgl. Oehler (2000), S. 33; Diese Forderung macht aufgrund des typischen Verhaltens der Anwender Sinn: „An independent research in The Netherlands has shown that end-users assume that a process has failed if results are not received with 30 seconds, and they are apt to hit ‘Alt+Ctrl+Delete’ unless the system warns them that the report will take longer. Even if they have been warned that it will take significantly longer, users are likely to get distracted and lose their chain of thought, so the quality of analysis suffers.“ Pendse (2000), http://www.olapreport.com.
[138] Vgl. Codd et al. (1993), 87ff.; Vgl. Pendse (2000), http://www.olapreport.com, o.S.
[139] Der umfassende Anspruch eines DW wird durch OLAPSysteme aufgrund der Einschränkungen nicht erfüllt. Jedoch dienen die gewollten Einschränkungen dem Zweck der Komplexitätsreduktion von Informationsbeziehungen, weswegen man OLAP Systemen nicht gänzlich Modellierungseigenschaften absprechen kann. Zumal OLAPSysteme auch direkt auf operativen Systemen bzw. Cleansing-Systemen aufgesetzt werden. Vgl. Oehler (2000), S. 25f.
[140] Vgl. Inmon et al. (1997), S. 183.
[141] Vgl. Inmon (1992), S.33f.
[142] Vgl. J.-H.Wieken (1999), S. 18-29. J.-H.Wieken nennt ein-, zwei- und dreistufige Strukturen sowie Diversifikationen von DW-Architekturen. Hier soll nicht weiter auf die verschiedenen Ansätze eingegangen werden, da heutzutage fast ausschließlich DW-Systeme mit einer dreistufigen Architektur aufgebaut werden und zudem lediglich diese Struktur der Inmon’schen Data-Warehouse-Definition entspricht.
[143] Eigene Darstellung in Anlehnung an Cundus AG (2005), www.cundus.de, o.S. und Thurnheer(2003), S. 11.
[144] Vgl. Devlin (1997), S. 20.
[145] Inmon (1992),
[146] T.Zeh setzt sich mit den einzelnen Aspekten der Inmon’schen DHW-Definition kritisch auseinander und bemerkt insbesondere, dass die mentale Auffassung des DWs aufgrund von Interpretationen der Fachliteratur zu sehr auf die Entscheidungsunterstützung des Managements bzw. das Mangement-Reporting fixiert sei. Vgl. Zeh (2003), S.32f und 35. Dieser Autor weitet die Anwendbarkeit der DWH-Technik aus, indem er postuliert: „Not for management needs only – but for business needs in general!“ Zeh (2003), S. 36.
[147] Letztlich übernimmt diese Aufgabe in den meisten DWH-Implementierungen jedoch die sog. OLAP-Engine, die die zumeist relational gespeicherten Daten für die Auswertungen entsprechend aufbereitet. Dies soll hier jedoch vorerst aus Integritäts- und Verständnisgründen für die theoretische Erfassung der Thematik ignoriert werden. Vgl. dazu Kapitel 3.3.4.3 OLAPEngine, S. 61.
[148] H.Mucksch hebt besonders hervor, dass „…die Form der Datenspeicherung in den operationalen DV-Systemen oder den unternehmensexternen Datenquellen … für den Entscheidungsträger ohne Bedeutung [ist] … und die benötigten Daten und Informationen für die diversen … [MSS durch das DWH einheitlich] zur Verfügung gestellt werden können.“ Mucksch (1996), S. 92.
[149] Zahlreiche Studien, wie das in 2004 von MummertConsulting entwickelte BusinessIntelligenceMaturityModell(biMA), belegen den Trend zum Real-Time-DW. Hier wird die allgemeine DWH-Definition erweitert, indem Informationen bereits zum Zeitpunkt ihres Entstehens, in Echtzeit in DW-Systemen verfügbar gemacht werden. Vgl. Mummert Consulting (2004), S. 86ff.
[150] Vgl. Zornes (1994), S. 9. Dies widerspricht den von E.F.Codd aufgestellten Grundregeln des relationalen Datenbankmodells und der Normalisierung. Vgl. Codd (1970), S. 377ff. M.Gärtner identifiziert darüber hinaus Schwächen bei der Datenverdichtung und den Operatoren relationaler Systeme. Vgl. Gärtner (1996), S. 148f.
[151] Vgl. auch die letze FASMI-Regel,
[152] Vgl. Mucksch (1996), S. 87.
[153] Vgl. Codd et al. (1993), 87ff.; Vgl. Oehler (2000), S. 31ff. Zum Zusammenhang zwischen Datenmodellierung und betriebswirtschaftlichen Auswertungsmöglichkeiten schreiben P.Chamoni und D.Zeschau: „Die meisten betriebswirtschaftlichen Fragen sind ihrer Natur nach mehrdimensional.“ Vgl. Chamoni, Zeschau (1996), S. 49.
[154] Krause (2005), S. 20.
[155] Vgl. dazu auch das Indikator-Beispiel und den Aspekt der integrierten Performance-Messung. Vgl. Kapitel 2.2.2Key Performance Indicator vs. Kennzahlen,S.14 und Kapitel 2.2.4PerformanceMeasurementvs. TraditionelleKennzahlensysteme, S. 20.
[156] „Typische [betriebswirtschaftliche] Auswertungsdimensionen sind z.B. Zeit, Konten, Produkte usw. Das Sprachmodell, in der Analysen und Abfragen formuliert werden, muss die Mehrdimensionalität direkt widerspiegeln.“ Oehler (2000), S.29.
[157] Durch das Vorhalten von Kennzahlen in verschiedenen Aggreationsstufen, können diese ohne aufwändige Aufbereitungs-, Gruppierungs- oder Sortierroutinen direkt ermittelt werden und ermöglicht auch ein ad-hoc Reporting.
[158] M.Reiser und J.Holthuis begründen dies auch mit der Trennung von entscheidungsunterstützenden und operativen Daten und Systemen, die jedoch aufgrund der für operative Anwendungen ungeeigneten multidimensionalen Datenstruktur bereits vorgegeben ist. Vgl. Reiser, Holthuis (1996), S.123.
[159] Dies geschieht zumeist durch das Missverständnis des ShareholderValue-Konzepts, indem von dem Management der alleinige Fokus auf einen maximalen ShareholderValue zum Ende eines Geschäftsjahres gelegt wird. Vgl. Copeland et al. (1995), S.22 und Fn.51, S.13. Zum ShareholderValue-Konzept i.A. vgl. Rappaport (1998). Im Fall des HumanCapitals führt eine falsche Auffassung des ShareholdeValue-Konzepts dazu, dass die Mitarbeiter von den Managern lediglich als Kostenfaktor betrachtet werden. Vgl. so Kittner (1997), S.46f. Der Beitrag des HumanCapitals zum Erhalt und zur Steigerung der Unternehmensperformance wird dabei außer Acht gelassen. Vgl. Institut für Organisation und Personal (2003): http://www.iop.unibe.ch, S.3.
[160] Dies ist nicht Bestandteil dieser Arbeit.
[161] Dieser Prozess sei in dem beschriebenen Unternehmensszenario bereits implementiert. Vgl.Kapitel 3.2.2PerformanceMeasurement der Indikatoren des HumanCapital, S.44.
[162] Der Forderung von Zeitreihenanalysen kommt eine besondere Bedeutung zu, da „die Zeit ..für alle managementrelevanten Fragestellungen ein explizit abzubildendes Datenobjekt“ (Holthuis (1999), S. 136) ist und damit eine betriebswirtschaftliche Standarddimension bei Auswertungen auf einen Datenbestand darstellt. Vgl. Holthuis (2000), 164f.
[163] Vgl. dazu auch Kapitel 2.2.3.2 PerformanceMeasurement als operatives und strategisches Instrument der Unternehmensführung, S.17.
[164] Schon Adam Smith hat erkannt, dass das Bildungsniveau von Arbeitnehmern den Unternehmenserfolg beeinflusst. Vgl. Haase, Jaehrling (1986), S.115.
[165] Vgl. NetSkill AG (2005): http://www.competence-site.de, o.S. Human Capital kann entweder durch Investition in die Ausbildung gebildet oder angeboren sein. Vgl. Brökelschen (1998), S.14.
[166] Haldi (2001), S. 297.
[167] Vgl. Galagan (1988), S. 20.
[168] Zur Dauerhaftigkeit von Wettbewerbsvorteilen vgl. Simon (1996), S. 129.
[169] Nach P.Galagan bildet das HC sogar das wichtigste Merkmal der Unternehmensperformance. Vgl. Fn.167, S.39.
[170] Das Ziel der fiktiven Unternehmung ist die Optimierung des HumanCapitals zum Erhalt der ökonomischen Performance des Gesamtunternehmens im Wettbewerb. Vgl. Kapitel3.1.1 Unternehmensszenario, S.35.
[171] Z.B. wird die Performance, im Sinne der Produktivität und Leistungsfähigkeit eines Unternehmens neben dem HC auch durch „…weitere Faktoren wie die Kundenzufriedenheit, die Qualität der Produktionsprozesse und Produkte oder die Entwicklung der Märkte“ beeinflusst. Haldi (2001), S. 315.
[172] Vgl. dazu im Speziellen Kapitel5 Integriertes Management der Human-Ressourcen in Haldi(2001), S. 294ff.
[173] E.D.Haldi und das achtköpfige Projektteam betrachten das HC im Rahmen des HumanCapitalManagement aus der Perspektive der Personalwirtschaft. In diesem Zuge erläutern Sie detailliert die einzelnen Einflussfaktoren und geben Empfehlungen zu deren Ausgestaltung. Für diese Ausarbeitung sind jedoch lediglich die Ergebnisse hinsichtlich des strukturierten Aufbaus einer Indikator-Hierarchie für das HC sowie eine kurze Erklärung zu den einzelnen HC-Aspekten von belang, die allerdings keine personalwirtschaftliche Management-Analyse voraussetzt.
[174] Bemerkenswerte Abweichungen von den Grundgedanken des in Fn.172 genannten Kapitels der Dissertation von E.D.Haldi sollen dazu im Folgenden in den Fn. ausdrückliche Erwähnung finden.
[175] Eigene Darstellung, Vgl. Haldi (1998), S.298, 312 und 317 i.V.m. Hilb 1997, S. 79ff.
[176] E.D.Haldi legt seinen Ausführungen nicht das PM, sondern das HumanCapitalControlling als Messansatz zugrunde. Jedoch kann in diesem Fall das PMi.w.S. mit dem integrierten Controlling gleichgesetzt werden, da sich das Begriffsverständnis deckt. So bezieht sich E.D.Haldi auf zahlreiche Indikatoren, die er als Einflussfaktoren des HC ausweist und somit auf die in Kapitel2.2Performance Measurement System, S.11 dargestellten Überlegungen übertragen werden können. Vgl. Haldi (1998), S.300 und S.316f.
[177] Hilb 1997, S. 79ff.
[178] Probst, Knäse (1998), S.38.
[179] Probst, Knäse (1998), S.38.
[180] Die Definition des Kernkompetenzen-Begriffs geht auf den Artikel „The Core Competence of the Cooperation“ von C.K.Prahalad und G.Hamel zurück. Vgl. Prahalad, Hamel (1990), S.82. H.Hinterhuber und S.Friederich erweitern später diesen Ansatz, in dem sie schreiben: Kernkompetenzen sind […] die Fähigkeiten, die im entscheidendem Maße zur Wertsteigerung beitragen und von der Unternehmung besser beherrscht und abgeschirmt werden als von der Konkurrenz.“ Homp (2000), S.8.
[181] Vgl. Wunderer (1999), S.42ff. oder Wunderer (1997), S.10ff. Die aufgezählten Schlüsselqualifikationen können auch nach H.Pestallozzi mit der im Text eingehaltenen Reihenfolge als Kopf, Hand und Herz bezeichnet werden. Wunderer (1999),
[182] Jedoch haben betriebliche Abwesenheiten nicht ausschließlich negative Auswirkungen auf den KPI der Kompetenzen des HC, da ausbildungsbedingte Abwesenheiten eine Investition in das HC sind und nachträglich und fortwährend die Unternehmensperformance steigern. Zu den positiven Effekten auf die Unternehmensperformance vgl. Marshall (1991), S.8, Wilkens,Pawlowsky(1997a), S.84; Wilkens,Pawlowsky(1997b), S.115 i.V.m.Haldi(1998), S.305. Zum Investitions-Charakter von Ausbildungsmaßnahmen vgl. Briam (1986), S.146.
[183] Siehe dazu B.Staffelbach, der sich auf die Zwei-Fakten-Theorie des arbeitsbezogenen Verhaltens nach F.Herzberg beruft. Vgl. Staffelbach S. 59ff.
[184] Vgl. Wunderer (1997), S.129ff.
[185] Würde eine passende Aufgabe im Sinne des Flow-Effekts fehlen, könnten auch Anreize und Führung nur wenig zur Verbesserung der Motivation beitragen. Vgl. zum Zusammenwirken von intrinsischen und extrinsischen Faktoren auch Osterloh (1999), S. 393.
[186] Haldi (1998), S.314.
[187] E.D.Haldi nennt hier die „konsensorientierte Führung“ als eine weitere Dimension des Kultur-PIs. Vgl. Haldi (1998), S.312.
[188] Als Kultur-Verständnis wird hier die von M.Hilb beschriebene Schmetterlings-Kultur vorausgesetzt, die auf einem zukunfts- und außenweltorientierten humanistischen Unternehmensverständnis beruht. Vgl. Haldi (1998), S.312 i.V.m.Hilb (1997), S. 33ff.
[189] Auch die Indikatoren Identifikation und Führung sind von der Performance der Zusammenarbeit in einem gewissen Maße abhängig. Vgl. Haldi (1998), S.313.
[190] Vgl. Haldi (1998), S.317.
[191] Vgl. Likert, R. (1972), Haldi (1998), S.316 i.V.m.Diekmann (1997), S. 209ff. und Buttler,Stroh (2000), S. 41.
[192] Vgl. dazu auch Kapitel 2.3.2.5DataWarehouse als Datenbasis für das MangementCockpit, S.32.
[193] Vgl. zu den Anforderungen an die Architektur eines IT-Systems für das PM auch Wettstein(2002), S. 197.
[194] Vgl. Abbildung 5 – DataWarehouse-System-Referenzarchitektur in Anlehnung an das
SAP Business Information Warehouse, S. 30.
[195] Eigene Darstellung.
[196] Zu weiteren Gründen für „die Aufgabenteilung auf verschiedene DataMarts…“ (Anführungszeichen im Zitat wurden entfernt) vgl. Seemann et al. (2001), S. 165.
[197] Dies ist in dem vorliegenden Unternehmensszenario nicht zu erwarten, soll aber Kapitel 3.1.2Anforderungen für den Prototyp des Management Cockpits zur Unterstützung des PerformanceMeasurement auf S.36 Rechnung tragen.
[198] Neben der hierarchischen Architektur lassen sich noch virtuelle, zentralisierte und koordinierte DHW-Grundstrukturen klassifizieren. Vgl. Thurnheer (2003), S. 10.
[199] Vgl. Abbildung 5 – DataWarehouse-System-Referenzarchitektur in Anlehnung an das
SAP Business Information Warehouse, S. 30.
[200] Jung, Winter (2000), S. 10.
[201] Jung, Winter (2000), S. 10.
[202] Die in dem Schaubild beispielhaft aufgeführten Datenquellen stehen für alle möglichen Datenquellen und Formate. J.-H.Wieken konkretisiert als Datenlieferanten des DW u.a. „relationale Datenquellen, IMS oder netzwerkartige Strukturen, VSAM-Dateien, ISAM-Dateien, ASCII-Quellen, PC-Datenbanken, Excel-Tabellen“. J.-H.Wieken (1999), S. 21. Zudem können auch andere DWHs als Datenquellen angebunden werden.
[203] Vgl. Abbildung 5 – DataWarehouse-System-Referenzarchitektur in Anlehnung an das
SAP Business Information Warehouse, S. 30.
[204] Seemann et al. (2001), S. 155 und Vgl. Hahne (2005), S. 47.
[205] Der Extraktionsprozess ist auf dem zweiten Layer der DWS-Referenzarchitektur angesiedelt und enthält keine für diese Ausarbeitung relevanten Daten-Elemente. Der gesamte Prozess der Extraktion, Transformation und des Ladens wird im nachfolgenden Abschnitt erläutert.
[206] Vgl. Hahne (2005), S. 47.
[207] Bei Informationen der Meta-Daten unterscheidet man eine Reihe unterschiedlicher Meta-Daten, die die beschriebenen Daten hinsichtlich ihrer Verwendung und Zugehörigkeit klassifizieren. So gibt es z.B. technische Metadaten, Business-, Populations-, Design-, Administrations- oder Analyse-Metadaten, operationale Metadaten, DWH- und DataMart-Metadaten.
[208] Bauer, Guenzel (2001), S. 326.
[209] Dieses Selektionskriterium kommt den DataMarts auch in dem hier zugrunde liegenden Unternehmensszenario zu. Vgl. Abbildung 8 – Datenfluss des Unternehmensszenarios, S.46.
[210] Vgl. Vavouras(2002), S. 10.
[211] Chamoni, Gluchowski (1999), S. 12.
[212] J.Holthuis spricht in diesem Zusammenhang von multidimensionalen Matrizen, die einen hohen Grad von interner Organisation aufweisen und dadurch Analysen stark vereinfachen und beschleunigen. Vgl. Holthuis (2000),
[213] Vgl. Hahne (2005), S. 48.
[214] Vgl. Oehler (2000), S. 110. K. Oehler bezeichnet diesen Vorgang auch als „Multi Cubing“. Oehler (2000), S. 107.
[215] Vgl. Hahne (2005), S. 176. M.Hahne nennt zudem noch potentiell positive Performance-Effekte beim Einsatz virtueller DataCubes. Vgl. Hahne (2005), S. 176.
[216] Neben dem Star-Schema existieren weitere Modellierungsansätze wie das z.B. Starflake-, Snowflake-, Star-Cluster-, Galaxy- oder Fast-Constellation-Schema. Vgl. Vavouras(2002). S. 122ff.
[217] Da das SAPBW3.5 auf einer relationalen Datenbanktechnologie aufsetzt, soll hier lediglich das Star-Schema als multidimensionale Modellierungstechnik diskutiert werden.
[218] Inan (1997), S.26.
