UNIVERSITÄT DER BUNDESWEHR MÜNCHEN

162
• Zugriff auf die notwendigen internen und externen Datenquellen.
• Kurze Antwortzeiten durch ein besonderes, die Nachteile des zweidimensionalen
relationalen Datenmodells vermeidendes, mehrdimensionales Datenmodell:
Dazu werden die Daten aus den meist relationalen Primärdatenbanken
der operativen Systeme und anderen Quellen in eine OLAP-Datenbank importiert,
ohne den Primärdatenbestand zu verändern. Dort wird der Datenbestand
mittels Datenreplizierung in ein mehrdimensionales Datenmodell überführt.
• Intuitiver Datenzugriff: Der Zugriff auf die Daten soll über Endbenutzerwerkzeuge
erfolgen, deren Verwendung ohne umfangreiches Training möglich ist.
• Individuelle Abfrage- und Auswertungsfunktionen: Die Endbenutzerwerkzeuge
sollen zu individuellen Fragestellungen ad-hoc Auswertungen und Grafiken
bereitstellen können.
OLAP-Werkzeuge sind in der Regel flexibel, schnell und individuell anwendbar, jedoch
inhaltsleer, ähnlich einem leeren Tabellenkalkulationsblatt. Sie sind jedoch
dazu geeignet komplexe Modelle von Geschäftsprozessen abzubilden. Eine derartige
Abbildung komplexer Prozesse erfordert vor der eigentlichen Bearbeitung von
Unternehmensdaten in der Regel einen hohen Vorbereitungsaufwand, zumindest
solange sie nicht in Management Support Systeme eingebettet sind. Deswegen ist
es notwendig, die Verwendung derartiger Instrumente sorgfältig koordiniert in den
Managementprozess einzubinden. 569
Data Mining:
Die Zielsetzungen von Data Mining-Technologien liegen in der Aufdeckung von in
großen Datenbeständen implizit vorhandenen, aber bisher unbekannten Informationen,
die bei einer hypothesengebundenen Untersuchung eines Datenbestandes
leicht übersehen werden. Für diese ‚Suche nach Auffälligkeiten’ sollen Data Mining-
Werkzeuge die folgenden funktionellen Merkmale aufweisen: 570
• Datenintegration: Eine Einbindung in das computergestützte Informationssystem
mittels OLAP- bzw. Data Warehouse-Ansätzen kann den methodenbe-
569 Vgl. Grothe, M., Online Analytical Process, 2005, S. 178; Koptik, J. /Oehler, K., IT-Unterstützung,
2003, S. 442; Wall, F., IT-Unterstützung, 2003, S. 385.
570 Vgl. dazu und zur folgenden Strichaufzählung Mertens, P. / Bissantz, N. / Hagedorn, J., Data
Mining, 1997, S. 179ff ; Pietsch, T. / Memmler, T., Scorecard, 2003, S. 55ff; Wall, F., IT-
Unterstützung, 2003, S. 385f.