Business Intelligence & Performance Management · April 2008 Business Intelligence & Performance Management 2 den Veränderungen der gesetzlichen und strukturellen Rahmenbedingungen

April 2008

Business Intelligence & Performance Management

1

Best Practice

Business Intelligence Lösungen auf Basis von Active Data Modeling (ADM)

Waren BI-Lösungen ursprünglich für das Re-

porting des Controllings vorgesehen, sollen

sie heute in einem viel breiterem Maße Ge-

schäftsprozesse messbar machen und Ver-

antwortliche bei Entscheidungen unterstützen.

Von Dr. Matthias Nagel und Stefan Liehr

BI-Lösungen

Eine Befragung von mittelständischen Un-ternehmen nach dem Einsatz von BI-Lösungen durch das unabhängige Busi-ness Application Research Center (BARC) ergab, dass erst 49 Prozent der Mittelstän-dler Software zur Unternehmenssteuerung verwenden, während weitere 40 Prozent deren Einsatz planen. Dabei ist zu beach-ten, dass Im Mittelstand BI-Lösungen bis-her vor allem in den Bereichen Berichts-wesen, Datenanalyse und Planung/ Bud-getierung eingesetzt werden. Dabei ist die Einführung eines bestimmten BI-Produk-tes noch lange kein Garant für Erfolg: Fast die Hälfte der befragten Anwender aus dem Mittelstand ist mit der Unterstützung durch BI-Software unzufrieden. Das dürfte auch daran liegen, dass MS-Excel und MS-Access am häufigsten als Analy-se-Tools eingesetzt werden.

Mit folgendem Beitrag soll eine neuartige BI-Lösung auf Basis der Java-Software

VisualCockpit vorgestellt werden, die sich sowohl hinsichtlich der Implementierungs-zeiten, Flexibilität und der eingesetzten völlig neuartigen Technologien des Active Data Modeling (ADM) und Active Data Re-porting (ADR) grundlegend von anderen BI-Lösungen unterscheidet.

Als Anwendungsbereich für diese Publika-tion wurde exemplarisch ein Einsatz im Krankenhaus gewählt, da für die Medizin viele der oben genannten Probleme auf den Mittelstand übertragbar sind und die Branche von radikalen Umstrukturierun-gen betroffen ist, die einen Einsatz von BI-Lösungen geradezu erforderlich machen.

Business Intelligence im Krankenhaus

Business Intelligence und Data Ware-house sind im Krankenhausumfeld noch relativ neu. Bedingt durch die gravieren

April 2008


2

den Veränderungen der gesetzlichen und strukturellen Rahmenbedingungen (u.a. durch die Einführung des DRG- Fallpau-schalensystems) wird von den Kliniken ein deutlich höheres Maß an unternehmeri-scher Eigenverantwortung gefordert.

Die Zuordnung zu einer der (aktuell mehr als 1000) unterschiedlichen Fallpauscha-len beruht auf einem so genannten Grou-per, der die Haupterkrankung, also die Hauptdiagnose eines Patienten und die er-brachten medizinischen Leistungen be-rücksichtigt, wobei die vorhandenen Ne-benerkrankungen, dargestellt als Nebendi-agnosen ebenfalls berücksichtigt werden und gegebenenfalls. zu einer höheren Be-wertung des Falles führen. Diese Bewer-tungen bestimmen zu einem großen Teil die Höhe der Erlöse des Krankenhauses.

In der Regel sind alle benötigten Informa-tionen in der Klinik-EDV (normalerweise. dem Krankenhaus-Informationssystem KIS) vorhanden. Diese Informationssyste-me sind mit nahezu jedem ERP System, welches man in der Produktion oder im Handel findet, vergleichbar. Sie müssen

jedoch für die neuen Aufgaben bei ständig kom-plexer werden-den Abläufen nutzbar gemacht werden. Das a-ber können KIS nicht leisten, die bestenfalls in

Ausnahmen “fest verdrah-tete" Berichte generieren oder

verteilen können, aber keine Ad-hoc-Be-richte oder Abfragen zulassen. Bedingt durch die sich ständig ändernden Anforde-rungen des Gesetzgebers besteht aber gerade darin unter anderem der Mehrwert eines Einsatzes einer Business-Intelli-gence-Lösung im Krankenhausbereich.

Das Data Warehouse

Grundlage der BI-Lösung bildet zumeist das Data Warehouse. Durch ein Data Warehouse sollen Mengen von Daten, die teilweise im Unternehmen brach liegen und meist zu einem anderen Zweck erho-ben wurden, in Informationen und ent-scheidungsrelevantes Wissen umgewan-delt werden. Dazu werden die Daten ge-sammelt, geordnet, strukturiert, die wichti-gen Informationen herausgefiltert und zu einer unternehmensrelevanten Wissens-grundlage aufbereitet, auf der sich gesi-cherte strategische Entscheidungen fällen lassen. Die Daten werden periodisch in regelmäßigen Zeitabständen zusammen-geführt und dadurch zu festen Zeitpunkten

Bild 1: Manager sind auf Zuarbeiten angewiesen.

April 2008


3

aktualisiert. Somit ist eine historische Sicht möglich ist. Die Wahl des Aktualisierungszeitraums wird durch die Daten-verfügbarkeit vorgege-ben und bestimmt den Aufwand.

Ein Data Warehouse gilt heute nahezu als Stan-dard-Komponente von BI-Lösungen. Zu beach-ten dabei ist: Ein Repor-ting-System allein ist kei-ne BI-Lösung. Und ein Data Warehouse ist kein Produkt, sondern ein evolutionärer Prozess, der ähnlich wie die Qualitätssicherung im Unternehmen eingeführt werden muss.

Ein Schlüsselbereich im Krankenhaus ist wie schon erwähnt, das Informationsma-nagement. Hierin sind meist alle benötig-ten Informationen vorhanden, um einer-seits die alltäglichen Geschäftsprozesse zu unterstützen und andererseits dem Ma-nagement die Basis für fundierte strategi-sche Entscheidungen zu liefern. Dazu ist es aber erforderlich, Daten aus den unter-schiedlichsten Bereichen, Anwendungen und Systemen, historische ebenso wie Echtzeitdaten zu einer verlässlichen und einheitlichen Datenbasis zu verschmelzen.

Analyse, Reports und Controlling

Eine Teilantwort auf diese Anforderungen eines Krankenhauses ist einerseits in ei-nem Berichtswesen zu suchen, in dem die

Vielzahl von Kennzahlen und Bezugssys-temen - gemäß allen gesetzlichen Bestim-mungen - sehr flexibel nach wechselnden medizinischen wie wirtschaftlichen Be-trachtungsweisen und nach ständig neuen Fragestellungen miteinander verknüpft werden können. Allerdings ist meist die Zeit zum Lesen von dicken Berichten (oder das fragespezifische Aufbauen der Daten aus unterschiedlichen Systemen) beim Management nicht vorhanden.

Deshalb sind Mediziner, Medizincontroller und das Krankenhausmanagement in ihrer Arbeit durch Management Dashboards, Adhoc-Analysen oder interaktive Tabellen zu unterstützen:

· Wie ist die durchschnittliche Verweil-dauer?

· Wie ist die Auslastung in den DRGs?

· Zahlen die Kassen pünktlich?

Bild 2 Business Intelligence und Data Warehouse sind im Krankenhausumfeld noch relativ neu.

April 2008


4

· Wie entwickelt sich der Medikamen-tenverbrauch?

· Welche Ärzte kooperieren mit dem Krankenhaus?

· Wie sind die Abläufe in den Funktions-abteilungen organisiert?

Die tagtäglichen Abläufe beinhalten auch immer ein Potenzial für Verbesserungen. Über Ad-hoc-Abfragen lässt sich mit den heutigen technischen Möglichkeiten jeder-zeit der aktuellen Stand von (beispielswei-se) Belegungskennzahlen abfragen.

Entscheidungen müssen transparent sein und zu effizienteren Betriebsabläufen füh-ren. Genauso muss es bei Bedarf möglich sein, auf niedriger Aggregationsstufe nach Ursachen zu suchen und Zusammenhän-ge zwischen Kennzahlen zu untersuchen.

So hat die Analyse der OP-Auslastung ei-ne große Wirkung auf den Klinikbetrieb. Technisch ist es heute möglich, große Da-tenmengen "near realtime" auszuwerten, auch dann, wenn der Geschäftsprozess noch gar nicht abgeschlossen ist. Es ist ei-ne Tatsache, dass wichtige Daten oftmals erst zeitversetzt im KIS eingepflegt wer-den. In solchen Fällen macht ein Echtzeit-Anspruch keinen Sinn. Eine für die BI-Architektur folgenreiche Frage ist da-her: Wie viel Echtzeit braucht der Anwen-

der, bei welchen Prozessen und welchen Vorteil bringt dies?

Das Data Warehouse ist der Schlüssel

Stellen die Klinikinformationssysteme ein Datensilo dar, müssen im Data Ware-house Daten aus dem bisherigen Nut-zungskontext gelöst werden, um sie - in zulässiger Weise - kombinieren zu kön-nen. Neben den DRG-Finanzdaten sollte ein Data Warehouse auch zahlreiche Funktionen für den klinischen Bereich, darunter Statistiken über die Anzahl der Fälle, die Behandlungsvarianten, Opera-tionen und Prozeduren je Behandlungsfall oder die Bewegungsdaten im Kranken-haus umfassen.

Diese Daten entstammen in der Regel he-terogenen Systemen, die über Integra-tionslösungen geeignet verknüpft werden müssen. Voraussetzung dafür ist aber die Kenntnis von Datenstrukturen oder Schnittstellen der zu integrierenden Sys-teme, mit denen aber erfahrungsgemäß vom Hersteller sehr restriktiv umgegangen wird.

BI ist eine strategische Initiative und ein Data Warehouse ist ein evolutionärer Pro-zess, der nicht automatisch zum Erfolg führen muss. Im Falle eines Scheiterns sind die Ursachen hierfür häufig nicht in technischen, sondern in organisatorischen Problemen zu suchen: Gerade wegen der Bedeutung von BI-Lösungen und Data Warhouse Lösungen ist es sinnvoll, bei ihrer Einführung schrittwiese vorzugehen: Man sollte mit einen Proof-of-Concept be-

Es muss sichergestellt werden, dass Fehlentwicklungen proaktiv korrigiert werden können, noch bevor ein wirtschaftlicher Schaden entsteht.

April 2008


5

ginnen, um Machbarkeit und technische Möglichkeiten auszuloten.

Schrittfolge bei der Einführung der BI-

Lösung

Die Planungsphase ist extrem wichtig und sollte zu einem Prototyp auf der Basis echter Daten führen, anhand dessen be-stimmte, vor Projektbeginn festzulegende Kriterien zu prüfen sind. Hierbei spielen die Kontrolle der Datenqualität und ein re-gelmäßiges Testen des Systems eine zen-trale Rolle. Außerdem sollten zu diesem Zeitpunkt Lösungswege für ein Backup, Recovery-Verfahren und allgemein die Be-triebssicherung für das Data Warehouse vorliegen.

Anschließend erfolgt die Umsetzung mit der Abnahme der ersten Vollversion. Kur-ze Implementierungszeiten sind wichtig für das Projekt: eine Implementierung (Grob-konzept, Aufbau Data Mart) sollte nie mehr als drei bis sechs Monate dauern. Es ist aus Gründen der Performance immer sinnvoll, die Daten für das Data Ware-house getrennt von den operativen Daten zu halten. Dazu hat es sich bewährt, die Daten in einfachen Strukturen in Form von Transaktionen oder Bewegungsdaten aus den operativen Daten kontinuierlich zu extrahieren, beispielsweise in Form von {Fall | Abteilung/ Station | von Datum | bis Datum}, oder {Fall | Prozedur | Zeit}, oder {Fall | Entgelt | Betrag}.

Diese Daten können nun dynamisch und kontinuierlich aktualisiert werden. Der Vorteil einer solchen Datenhaltung sind Schlankheit, Performance, eine einfache

Kombination mit anderen Daten und die Validierbarkeit. So lassen sich beispiels-weise die Gültigkeit (und Reihenfolge) von Prozeduren in einer Tabelle, die nur die fallbezogenen Prozeduren enthält, sehr schnell validieren oder in Strukturen um-formen, die die Behandlungsprozesse der einzelnen Patienten darstellen. Weiterhin kann man daraus die Anzahl der erfolgten Prozeduren und die Bewegungsabfolge zum Patienten im Krankenhaus dem Fall zuordnen.

Mit jeder Aktualisierung erhalten die Daten auch einen aktuellen Zeitstempel, so dass bei einer Kombination dieser Tabellen eine zeitliche Entsprechung verschiedener Datenquellen gesichert ist. Diese Daten können dann zu ganz unterschiedlichen Auswertestrukturen, dem eigentlichen Data Warehouse oder dem Data Mart zu-sammengefügt werden. Dies und das "Einsammeln" der Daten übernimmt der VisualCockpit Data Warehouse Builder. Der Aufbereitungsprozess erfolgt zeitge-steuert.

VisualCockpit Data Warehouse Builder

Der VisualCockpit Data Warehouse Buil-der ist das grafische ETLWerkzeug (Ex-trahieren, Transformieren, Laden), um Daten aus mehreren Datenquellen mit gegebenenfalls. unterschiedlichen Struktu-ren in Datenstrukturen des Data Ware-houses zu überführen. Mit der Java-Software VisualCockpit Data Warehouse Builder lassen sich Daten aus unterschied-lichen Quellen:

April 2008


6

· importieren,

· sortieren,

· transformieren,

· umbenennen,

· nach Bedingungen korrigieren,

· in Kategorien überführen oder

· es können aus (mehreren) Variablen neue Variablen gebildet werden.

Selbstverständlich lassen sich damit Ta-bellen flexibel nach entsprechenden Krite-rien:

· verknüpfen,

· selektieren,

· aggregieren,

· umstrukturieren (etwa stacken oder splitten) oder

· in komplexere Prozessstrukturen um-wandeln.

Der Data Warehouse Builder ermöglicht außerdem relationale Abfragen auf das Data Warehouse. Die Ergebnisse der Auf-bereitungsschritte können jederzeit kont-rolliert werden, als XML gescriptet und somit zeit- oder ereignisgesteuert gestartet werden. Die Scripte lassen sich beliebig kombinieren und bei Bedarf modifizieren.

Für das Krankenhaus-Beispiel, wurden die Transaktionstabellen des KIS im Data Warehouse Builder, zu einer sehr weit reichenden Analysestruktur für die Fall-daten (als Muster dienten die vom Ge-setzgeber vorgeschriebenen so genannten §21-Daten) aufbereitet, die um weitere Informationen aus Katalogen und - sofern verfügbar - Listen, der zuweisenden Ärzte und Kostendaten, ergänzt wurden.

Bild 3: Der VisualCockpit Data Warehouse Builder ist das grafische ETL¬Werkzeug, um Daten aus mehreren Datenquellen mit gegebenenfalls unterschiedlichen Strukturen in Da¬tenstrukturen des Data Warehouses zu überführen.

April 2008


7

Weitere universelle Analysenstrukturen wurden für Funktionseinheiten wie zum Beispiel OP-Säle, den Material- und Medi-kamentenverbrauch, den Vergleich von Planzahlen und dem Ist-Stand, unter Ein-beziehung buchhalterischer Daten, als Basis für betriebswirtschaftliche Dash-boards und für Prozessanalysen ent-wickelt. Durch den Data Warehouse Buil-der ist es möglich, bei Bedarf Daten-strukturen zu erweitern oder an geänderte Bedingungen anzupassen. Dies kann vom Anwender selbst vorgenommen werden.

Die damit aufbereiteten Daten stehen nun für Analysen und Reports im VisualCockpit zur Verfügung. Das bedeutet, daß bereits

während des Aufbaus des Data Ware-houses Datenprobleme und Fehler unmit-telbar deutlich und so im Aufbereitungs-prozess berücksichtigt werden können.

ADM, Active Data Modelling – der

neuartige Ansatz des VisualCockpit

Während bei den meisten BI-Werkzeugen nun der sehr komplexe Schritt des Auf-baus der OLAP- Modelle beginnt, kann mit dem VisualCockpit unmittelbar nach dem Import der Daten und einer einmaligen Festlegung von Datentypen und Rollen (Fakten oder Kennzahlen) mit der Analyse begonnen werden.

Bild 4: Beliebige Kombination von Daten.

April 2008


8

Der neuartigen Ansatz des Active Data Modelings ermöglicht unaggregierte oder nur gering aggregierte Daten in den RAM geladen - die Modellierung übernehmen die Werkzeuge des VisualCockpit selbst! So kann in einem Barchart beispielsweise die Fallzahl je Abteilung aufsummiert wer-den. Analog lassen sich hier auch belie-bige andere Kennzahlen wie zum Beispiel. Erlöse, Kosten oder Kombinationen von mehreren Kennzahlen darstellen. Anders als sonst üblich, stehen hinter der Höhe der Abteilungssäulen nicht Zahlen, son-dern die einzelnen Fälle als Objekte. Das heißt, neben dem Aggregat ist immer auch

die Einzelinformation verfügbar.

Demzufolge weiß man auch, wie sich die 3990 Fälle der Abteilung Inneres auf die einzelnen Monate (oben rechts), oder die Liegerkategorien (unten rechts) verteilen usw. Jedes weitere Werkzeug des VisualCockpit (Histogramm, Zeitreihen, (Alters)Pyramiden für Vergleiche, Parallel-koordinatenplot, Scatterplot, Ampeln und andere Dashboards wie Karten, Tabel-len,...) funktioniert in gleicher Weise und ist - einmal geöffnet - mit allen anderen Werkzeugen visuell verknüpft. Damit sind Adhoc-Analysen in beliebiger Tiefe vom

Bild 5: Der neuartigen Ansatz des Active Data Modelings ermöglicht unaggregierte oder nur gering aggregierte Daten in den RAM geladen - die Modellierung übernehmen die Werkzeuge des VisualCockpit selbst!

April 2008


9

Anwender unmittelbar selbst zu erstellen: den Grad der Komplexität bestimmt er dabei selbst. Im VisualCockpit sind inter-aktive Grafiken und Tabellen an erster Stelle Arbeitsinstrumente, um Situationen zu analysieren, Entwicklungen zu be-trachten, oder Vergleiche vorzunehmen. Durch grafische Grundfunktionen Markie-ren, Hervorheben, Sortierung, Selektieren, Zoomen, Ausschließen, Färben, Symbol und Symbolgröße, Richtung ist es möglich,

die Komplexität aufzulösen, anstatt Komplexität abzubil-den.

An diesen wenigen Beispielen wird der grundsätzlich andere Ansatz des VisualCockpit und des ADM deutlich:

· Die Modellierung fin-det erst zum Zeitpunkt der Interaktion des Anwender mit seinen Daten statt,

· Komplexität kann durch Interaktivität aufgelöst werden,

· die Daten werden in einer bisher nicht gekannten Art komplett transparent,

· es gibt in der Regel keine getrennten Aggrega-tionsstufen - es sind immer Detail- und Managementsicht verfügbar.

· Ad-hoc-Analysen sind im VisualCockpit generisch und jederzeit in beliebiger Tiefe möglich.

ADR, Active Data Reporting

Auch das Reporting des VisualCockpit unterscheidet sich grundlegend von dem anderer BI-Werkzeuge.

Werden sonst Reports „hart“ auf die Daten

programmiert, setzen im VisualCockpit Re-ports immer auf Analysen auf. Report-vorlagen beruhen also immer auf den „Bordwerkzeugen“ des VisualCockpit, die

Bild 6: Beispiel einer Reportvorschau, die noch nachträglich vom Anwender angepasst werden kann.

April 2008


10

für die Berichte gemäß den An-wenderwün-schen aus Analy-sen zu Report-vorlagen forma-tiert werden kön-nen. Diese las-sen sich dann unabhängig von den Analysen, entweder direkt oder über das Portal, aufrufen, als Stapel abar-beiten.

Die Vorteile lie-gen auf der Hand:

· Der Anwender kann über die be-stehenden Reports hinaus selbst neue Reporte erzeugen. Er muss nicht auf Updates des BI-Herstellers warten.

· Aus Analysen sind neue Reportvorla-gen sehr schnell erstellt: es sind dazu lediglich das Design und die Filterkrite-rien festzulegen.

· Der Anwender kann vom Report aus in die Analyse wechseln, um beispiels-weise Details zu hinterfragen oder den Report zu modifizieren.

· Bei der Erstellung der Reportvorlage aus der Analyse heraus werden even-tuelle Performance-Probleme, oder Datenprobleme deutlich, die dann behoben werden können.

Bild 6 zeigt das Beispiel einer Reportvor-schau, die noch nachträglich vom An-wender angepasst werden kann.

Die Tabellen verfügen ebenfalls über alle Interaktionsmöglichkeiten: Optional ändern sich die Tabelleninhalte, wenn man mit der Maus über eine Fachabteilung oder einen Monat geht. Alle Berechnungen der Ta-belle passen sich sofort an die mit der Maus ausgewählte Kategorie an. Damit haben die Tabellen eine viel größere Dy-namik und Flexibilität als Excel-Pivot- Ta-bellen, sie sind auch einfach zu erstellen und zu bedienen und werden immer aus dem Data Warehouse mit aktuellen Daten versorgt.

Anwenderportale erleichtern die Arbeit

Das VisualCockpit kann mit unterschiedli-chen Rechten und Funktionalitäten von einem Host-Programm aufgerufen werden.

Bild 7: Das Portal fungiert auch als Helpdesk. Von hier aus kann der Anwender auf Themenkomplexe zugreifen.

April 2008


11

Je nach vergebenen Rechten starten die Anwender mit einem Portalmodus, der die für sie zulässigen Analysen und Reports und zusätzlich die Möglichkeiten, eigene Ad-hoc-Analysen zu erstellen, enthält.

Zurzeit existieren für das Krankenhaus Analysen und Reportvorlagen zu folgen-den Themenkomplexen:

· Fall- und DRG- Analysen

· Auslastung der OP-Säle

· Analyse der Kosten und Erlöse

· Analyse der Einweiser

· Soll-Ist-Vergleiche und Benchmarking

· Analyse des Medikamentenverbrau-

ches

· Controlling (Kennzahlen zum Finanz- und Medizincontrolling)

· Analyse der Verweildauern

· Daten für Qualitätsberichte

Spezialanalysen zur Prozessanalyse, für die Vorbereitung der Verhandlungen mit den Krankenkassen und zum Auffinden von Qualitätsproblemen liegen ebenfalls fertig vor. Wählt man beispielsweise aus dem Portal den Themenkomplex Einwei-ser aus, kann man das Einweisungsver-halten nach Fachrichtungen oder Ärzten analysieren:

Bild 8: Die interaktive Karte rechts zeigt die Pfade der einweisenden Ärzte aus der Orthopädie, oben links sind die Einweisungszahlen nach Monaten aufgezeigt. Analog lassen sich auch die "weißen Flecken" oder das Potential der Klinik auswerten.

April 2008


12

Fazit

Die erfolgreich auf Basis des VisualCock-pit gemeinsam mit Krankenhäusern umge-setzten Business Intelligence-Lösungen zeigen, dass damit die Kliniken bei der Bewältigung von vielen aktuellen und künftig anstehenden Aufgaben unterstüt-zen werden, gerade wenn es darum geht, unterschiedliche Datenquellen einheitlich und effizient nutzbar zu machen. Darüber hinaus ist diese Technologie eine wichtige Grundlage für den sicheren und effizienten Austausch von Daten zwischen Kranken-haus, zuweisenden Ärzten und MVZ.

Beim BI-Einsatz ist jedoch darauf achten, dass die eingesetzten Lösungen nicht starr auf das Berichtswesen fixiert sondern in den Auswertungen frei und flexibel ska-lierbar sind. Daraus resultiert ein völlig anderer Workflow für die Einführung von BI-Lösungen:

· Unmittelbar nach dem Import der Da-ten kann die Ad-hoc-Analyse begin-nen. Eine aufwändige (OLAP-)Modell-bildung entfällt. Der Anwender

· stellt über einfach zu bedienende (grafische) Werkzeuge Fragen an die Daten, alle einzelnen Elemente intera-gieren miteinander.

· Datenprobleme, Fehlwerte oder Fehler werden sofort deutlich (und können, falls die Rechte dazu vorliegen, über den Data Warehouse Builder korrigiert werden).

· Analysen lassen sich als Vorlagen abspeichern, die durch Filter gesteuert werden können.

· Aus den Analysen lassen sich wiede-rum Reportvorlagen erstellen, die da-nach unabhängig von den Analysen geladen und als HTML oder PDF aus-gegeben, gedruckt oder verteilt wer-den können. Für den Krankenhausbe-reich werden beispielsweise 120 fer-tige Reportvorlagen mit ausgeliefert.

· Analysen und Reportvorlagen können in einem anwenderspezifischen Portal zusammengefasst werden, so dass sie jederzeit vom Anwender oder von An-wendergruppen auf aktuelle Daten an-gewendet werden können.

Durch den neuen ADM-Ansatz wird die Grenze zwischen Prototyp und Operatio-nalisierung fließend. Die Arbeit mit dem VisualCockpit und dem Data Warehouse Builder sichert eine sehr kurze Umset-zungszeit und Flexibilität des Projektes der Einführung von BI und spart damit Kosten. Die Tatsache, dass ein einziger unent-deckter Dokumentationsfehler zu einem Erlösverlust von mehreren 10.000 Euro führen kann, sollte bei Investitionsent-scheidungen für die Einführung einer BI-Lösung sprechen, insbesondere, wenn schnelle Implementierungszeiten möglich sind.

Documents

Business Intelligence & Performance Management · April 2008 Business Intelligence & Performance Management 2 den Veränderungen der gesetzlichen und strukturellen Rahmenbedingungen