Bedarfsanalyse fachlicher Metadaten - Universität St.Gallen
Bedarfsanalyse fachlicher Metadaten - Universität St.Gallen
Bedarfsanalyse fachlicher Metadaten - Universität St.Gallen
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong><br />
DISSERTATION<br />
der Universität <strong>St</strong>. <strong>Gallen</strong>,<br />
Hochschule für Wirtschafts-,<br />
Rechts- und Sozialwissenschaften<br />
sowie Internationale Beziehungen (HSG)<br />
zur Erlangung der Würde eines<br />
Doktors der Wirtschaftswissenschaften<br />
vorgelegt von<br />
Daniel <strong>St</strong>ock<br />
aus<br />
Deutschland<br />
Genehmigt auf Antrag der Herren<br />
Prof. Dr. Robert Winter<br />
und<br />
PD Dr. Joachim Schelp<br />
Dissertation Nr. 3939<br />
Difo-Druck GmbH, Bamberg 2011
Die Universität <strong>St</strong>. <strong>Gallen</strong>, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften<br />
sowie Internationale Beziehungen (HSG), gestattet hiermit die Drucklegung<br />
der vorliegenden Dissertation, ohne damit zu den darin ausgesprochenen Anschauungen<br />
<strong>St</strong>ellung zu nehmen.<br />
<strong>St</strong>. <strong>Gallen</strong>, den 13. Mai 2011<br />
Der Rektor:<br />
Prof. Dr. Thomas Bieger
Vorwort<br />
i<br />
Vorwort<br />
Eine Promotion ist oft nur ein schmaler Grat zwischen Frust und Glückseligkeit. Daher<br />
bin ich sehr froh um jeden wohlgesinnten Kollegen, jeden langjährigen Freund und<br />
den bedingungslosen Rückhalt aus meiner Familie, die mich auf diesem Wege begleitet<br />
haben. Ohne Eure gesammelte Unterstützung wäre dies so nicht möglich gewesen.<br />
Ich möchte daher diese Möglichkeit ergreifen, mich bei Euch allen zu bedanken und<br />
jedem von Euch, der diesen Tag noch vor sich hat, viel Erfolg zu wünschen.<br />
Von meinen Kollegen am Institut für Wirtschaftsinformatik habe ich das notwendige<br />
Handwerk gelernt und in allen Lebenslagen freundschaftliche Unterstützung erfahren.<br />
Besonderer Dank gilt dabei meinem Doktorvater, Prof. Dr. Robert Winter, der meine<br />
Arbeit über die gesamte Entstehungszeit mit Rat und Tat begleitet hat. Herzlichen<br />
Dank gilt dabei auch PD Dr. Joachim Schelp für die Übernahme des Korreferats und<br />
die wertvollen Hinweise gerade in den frühen Phasen meines Dissertationsprojekts.<br />
Darüber hinaus möchte ich zwei weitere Kollegen herausstellen, die für meine Dissertation<br />
von besonderer Bedeutung waren: Frederik Marx, der neben dem Arbeitsplatz<br />
die Hürden des Alltags mit mir geteilt und gemeistert hat, und Dr. Felix Wortmann,<br />
der aus rein persönlichen Engagement und nicht immer zu seinem Vorteil eine offene<br />
<strong>St</strong>elle im Forscherteam geschlossen hat. Beide waren mir über die Zeit erste Anlaufpunkte,<br />
Mentoren und Freunde.<br />
Allen anderen Kollegen und Freunden aus <strong>St</strong>. <strong>Gallen</strong> danke ich für eine besondere Zeit<br />
an und neben der Universität: Prof. Dr. <strong>St</strong>ephan Aier, Dr. Antonia Albani, Dr. Lars<br />
Baake, Dr. Oliver Baecker, Alain Benz, Andre Blondiau, Dr. Tobias Bucher, Anne<br />
Cleven, Dr. Barbara Dinter, Marion Fässler, Clarissa Falge, Dr. Martin Fengler, Christian<br />
Fischer, Rebecca Fitterer, Dr. Rene Fitterer, Dr. Wojciech Ganczarksi, Sandro<br />
Georgi, Dr. Anke Gerike, Bettina Gleichauf, Philipp Gubler, Andreas Györy, Kai Hüner,<br />
Dr. Till Janner, Gerrit Lahrmann, Linda Lower, Bernadette Mayer, Dr. Tobias<br />
Mettler, Dr. Jochen Müller, Martin Ofner, Felix Peter (stellvertretend für Brühlhof,<br />
Downtown, Trischli und Elektrokeller), David Raber, Andreas Reichert, Dr. Felix<br />
Reinshagen, Dr. Christian Riege, Dr. Peter Rohner, Dr. Jan Saat, Ernst Sassen, Dr.<br />
Moritz Schmaltz, Dr. Christoph Schroth und Inga Zilles.<br />
Bei meinen Freunden aus Karlsruhe möchte ich mich für die gelegentliche Ablenkung<br />
abseits des akademischen Alltags bedanken. <strong>St</strong>ellvertretend seien hierbei zu nennen:
ii<br />
Vorwort<br />
Serif Erol, Michael Hammermeister, Klaas Koolman, Alexander Schult und die Burschenschaft<br />
Hoheneberstein.<br />
Mein grösster persönlicher Dank gilt meinen Eltern Angelika und Dr. Udo <strong>St</strong>ock, meiner<br />
Schwester Nina <strong>St</strong>ock und meiner Freundin Mara Wetzel. Sie haben mich seit jeher<br />
uneingeschränkt unterstützt und jegliche erdenkliche Hilfe zukommen lassen. Ihnen<br />
sei diese Arbeit daher von ganzem Herzen gewidmet.<br />
Berlin, 4. Juni 2011<br />
Daniel <strong>St</strong>ock
Beiträge der Arbeit<br />
iii<br />
Beiträge der Arbeit<br />
Beitrag A.1: <strong>St</strong>ock, Daniel; Wortmann, Felix; Mayer, Jörg H.: Use Cases for Business<br />
Metadata – A Viewpoint-Based Approach to <strong>St</strong>ructuring and Prioritizing Business<br />
Needs. In: Winter, Robert; Zhao, J. Leon; Aier, <strong>St</strong>ephan (Hrsg.): Proceedings of 5th<br />
International Conference on Design Science Research in Information Systems and<br />
Technology, <strong>St</strong>. <strong>Gallen</strong> 2010, S. 546-549.<br />
Beitrag A.2: <strong>St</strong>ock, Daniel; Wortmann, Felix; Mayer, Jörg H.: Use Cases for Business<br />
Metadata – A Viewpoint-Based Approach to <strong>St</strong>ructuring and Prioritizing Business<br />
Needs. In: Abramowicz, W.; Tolksdorf, R.; Węcel, K. (Hrsg.): Proceedings of International<br />
Conference on Business Information Systems, Berlin 2010, S. 226-237.<br />
Beitrag B: <strong>St</strong>ock, Daniel; Gubler, Philipp: A Data Model for Terminology Management<br />
of Analytical Information. In: Albano, Valentina; Mola, Lapo; D’Atri, Alessandro<br />
(Hrsg.): Proceedings of European <strong>St</strong>udents Workshop on Information Systems<br />
2009, Verona 2009, S. 1-14.<br />
Beitrag C.1: <strong>St</strong>ock, Daniel; Mayer, Jörg H.; Wortmann, Felix: Fachliche <strong>Metadaten</strong>:<br />
Kosten-Nutzen-Analyse. In: BI-Spektrum 5 (2010) 2, S. 20-24.<br />
Beitrag C.2: <strong>St</strong>ock, Daniel; Winter, Robert: The Value of Business Metadata – <strong>St</strong>ructuring<br />
the Benefits in a Business Intelligence Context. In: D’Atri, A. et al. (Hrsg.):<br />
Proceedings of VII Conference of the Italian Chapter of AIS, Neapel 2010, S. 1-8.<br />
Beitrag D: <strong>St</strong>ock, Daniel: Functional Map for Business Metadata Tools. Arbeitsbericht,<br />
Institut für Wirtschaftsinformatik, Universität <strong>St</strong>. <strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong> 2010.<br />
Beitrag E 1 : <strong>St</strong>ock, Daniel; Winter, Robert; Mayer, Jörg H.: User Preferences in MSS<br />
Design – <strong>St</strong>ate of the Art and Proposal of a Research Agenda. Arbeitsbericht, Institut<br />
für Wirtschaftsinformatik, Universität <strong>St</strong>. <strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong> 2010.<br />
Beitrag F: Mayer, Jörg H.; <strong>St</strong>ock, Daniel: Nutzertypen für die situative FIS-<br />
Gestaltung: Ergebnisse einer empirischen Untersuchung. Zu erscheinen in: Proceedings<br />
of 10th International Conference on Wirtschaftsinformatik, Zurich 2011, S. 1-10.<br />
1 Die Forschungsergebnisse aus Beitrag E sind Gegenstand weiterer Publikationsprojekte.
iv<br />
Beiträge der Arbeit<br />
Beitrag G 2 : <strong>St</strong>ock, Daniel; Mayer, Jörg H.; Winter, Robert: End-user Device Selection<br />
for Executives – Adapting Executive Information Systems to Different Working<br />
<strong>St</strong>yles. Arbeitsbericht, Institut für Wirtschaftsinformatik, Universität <strong>St</strong>. <strong>Gallen</strong>,<br />
<strong>St</strong>. <strong>Gallen</strong> 2010.<br />
2 Eingereicht bei der 19th International Conference on Information Systems (ECIS 2011), Helsinki.
Inhaltsverzeichnis<br />
v<br />
Inhaltsverzeichnis<br />
Vorwort ........................................................................................................................... i<br />
Beiträge der Arbeit ...................................................................................................... iii<br />
Inhaltsverzeichnis .......................................................................................................... v<br />
Abkürzungsverzeichnis ............................................................................................... xi<br />
Abbildungsverzeichnis .............................................................................................. xiii<br />
Tabellenverzeichnis ..................................................................................................... xv<br />
Kurzfassung .............................................................................................................. xvii<br />
Abstract .................................................................................................................... xviii<br />
1 Einleitung ................................................................................................................. 1<br />
1.1 Motivation ...................................................................................................... 1<br />
1.2 Gegenstand der Arbeit .................................................................................... 4<br />
1.3 Forschungsmethodik ...................................................................................... 6<br />
1.4 Aufbau der Dissertation .................................................................................. 7<br />
2 Grundlagen .............................................................................................................. 9<br />
2.1 Fachliche <strong>Metadaten</strong> ....................................................................................... 9<br />
2.2 <strong>Metadaten</strong>managementsysteme .................................................................... 11<br />
2.3 <strong>Bedarfsanalyse</strong> in der IS-Entwicklung ......................................................... 12<br />
2.4 Anforderungen im IS-Design ....................................................................... 16<br />
2.4.1 Anforderungsmanagement ....................................................................... 16<br />
2.4.2 Enterprise Engineering ............................................................................. 18<br />
3 Bestehende Ansätze ............................................................................................... 20<br />
3.1 Auswahl verwandter Ansätze ....................................................................... 20<br />
3.2 Analyse der Literatur zu fachlichen <strong>Metadaten</strong> ........................................... 20<br />
3.3 Analyse der Literatur zu <strong>Metadaten</strong> im Allgemeinen .................................. 22<br />
3.4 Analyse der Literatur zu <strong>Bedarfsanalyse</strong> im Allgemeinen ........................... 25<br />
3.5 Implikationen und Bezugsrahmen für die Dissertation ................................ 26
vi<br />
Inhaltsverzeichnis<br />
4 Beiträge der Arbeit ............................................................................................... 30<br />
4.1 Überblick und Einordnung im Informationsmodell ..................................... 30<br />
4.2 Einordnung im Vorgehensmodell ................................................................ 35<br />
4.3 Einordnung im Rollenmodell ....................................................................... 38<br />
4.4 Formale Anmerkungen ................................................................................. 40<br />
5 Zusammenfassung, Diskussion und weiterer Forschungsbedarf ..................... 42<br />
5.1 Zusammenfassung der Dissertation ............................................................. 42<br />
5.2 Diskussion der Forschungsergebnisse ......................................................... 43<br />
5.3 Weiterer Forschungsbedarf .......................................................................... 45<br />
6 Beitrag A.1: Use Cases for Business Metadata – A Viewpoint-Based<br />
Approach to <strong>St</strong>ructuring and Prioritizing Business Needs ............................... 48<br />
6.1 Motivation .................................................................................................... 48<br />
6.2 Conceptual Foundations ............................................................................... 49<br />
6.2.1 Business Metadata .................................................................................... 49<br />
6.2.2 Viewpoint-Oriented Requirements Analysis ........................................... 49<br />
6.3 Derivation of Use Cases for Business Metadata .......................................... 50<br />
6.4 Demonstration and Evaluation ..................................................................... 51<br />
6.5 Concluding Remarks .................................................................................... 52<br />
7 Beitrag A.2: Use Cases for Business Metadata – A Viewpoint-Based<br />
Approach to <strong>St</strong>ructuring and Prioritizing Business Needs ............................... 53<br />
7.1 Introduction .................................................................................................. 53<br />
7.1.1 Motivation and Objectives ....................................................................... 53<br />
7.1.2 Research Methodology and Article <strong>St</strong>ructure .......................................... 55<br />
7.2 Conceptual Foundations ............................................................................... 56<br />
7.2.1 Business Metadata .................................................................................... 56<br />
7.2.2 Viewpoint-Oriented Requirements Analysis ........................................... 57<br />
7.3 Derivation of Use Cases for Business Metadata .......................................... 58<br />
7.3.1 Use Cases in the Data Consumer Domain ............................................... 59
Inhaltsverzeichnis<br />
vii<br />
7.3.2 Use Cases in the Data Manager Domain .................................................. 59<br />
7.3.3 Use Cases in the Data Producer Domain ................................................. 60<br />
7.4 Demonstration and Evaluation ..................................................................... 61<br />
7.4.1 Initial situation .......................................................................................... 61<br />
7.4.2 Use Case Approach to Business Metadata Systems Design .................... 62<br />
7.4.3 Evaluation of Design and Utility .............................................................. 64<br />
7.5 Concluding Remarks .................................................................................... 65<br />
8 Beitrag B: A Data Model for Terminology Management of Analytical<br />
Information ............................................................................................................ 66<br />
8.1 Introduction .................................................................................................. 66<br />
8.1.1 Motivation ................................................................................................ 66<br />
8.1.2 Research Methodology ............................................................................. 67<br />
8.2 Theoretical Foundations ............................................................................... 68<br />
8.2.1 Data Consistency ...................................................................................... 68<br />
8.2.2 Terminological Defects and Terminology Management ......................... 69<br />
8.3 Development of an Extension of a Terminological Data Model ................. 70<br />
8.3.1 Existing Terminological Data Models ..................................................... 70<br />
8.3.2 Proposed Adaptation within AIS Context ................................................ 73<br />
8.4 Discussion and Further Research ................................................................. 75<br />
9 Beitrag C.1: Fachliche <strong>Metadaten</strong> – Kosten-Nutzen-Analyse .......................... 77<br />
9.1 Einleitung ..................................................................................................... 77<br />
9.2 <strong>St</strong>and in Wissenschaft und Praxis ................................................................ 78<br />
9.3 Systematische Beurteilung ........................................................................... 78<br />
9.3.1 Datenkonsumenten ................................................................................... 80<br />
9.3.2 Datenmanager ........................................................................................... 80<br />
9.3.3 Datenproduzenten ..................................................................................... 81<br />
9.4 Beispiel: Umsetzung im Kreditrisikomanagement ...................................... 81<br />
9.5 Zusammenfassung ........................................................................................ 83
viii<br />
Inhaltsverzeichnis<br />
10 Beitrag C.2: The Value of Business Metadata – <strong>St</strong>ructuring the Benefits in a<br />
Business Intelligence Context .............................................................................. 84<br />
10.1 Introduction .................................................................................................. 84<br />
10.1.1 Motivation and Objectives ....................................................................... 84<br />
10.1.2 Research Methodology ............................................................................. 85<br />
10.2 Business Metadata ........................................................................................ 85<br />
10.3 Derivation of Benefit Dimensions ............................................................... 86<br />
10.3.1 Development and Administration of BI-Systems .................................... 87<br />
10.3.2 Extraction of Information from BI-Systems ............................................ 88<br />
10.4 Application within Credit Risk Management .............................................. 89<br />
10.4.1 Initial Situation ......................................................................................... 89<br />
10.4.2 Business Case for Central Business Glossary .......................................... 90<br />
10.5 Discussion and Conclusion .......................................................................... 91<br />
11 Beitrag D: Functional Map for Business Metadata Tools ................................ 92<br />
11.1 Introduction .................................................................................................. 92<br />
11.1.1 Motivation and Objectives ....................................................................... 92<br />
11.1.2 Research Methodology ............................................................................. 93<br />
11.2 Business Metadata ........................................................................................ 94<br />
11.3 Functional Map ............................................................................................ 96<br />
11.3.1 Definition/Sourcing Functionality ........................................................... 96<br />
11.3.2 Integration Functionality .......................................................................... 97<br />
11.3.3 Presentation Functionality ........................................................................ 98<br />
11.4 Demonstration in Practice ............................................................................ 99<br />
11.4.1 Initial situation ......................................................................................... 99<br />
11.4.2 Functional Map in Business/IT Alignment .............................................. 99<br />
11.4.3 Takeaways from Single-Case Evaluation .............................................. 100<br />
11.5 Concluding Remarks .................................................................................. 101
Inhaltsverzeichnis<br />
ix<br />
12 Beitrag E: User Preferences in MSS Design – <strong>St</strong>ate of the Art and Proposal of<br />
a Research Agenda .............................................................................................. 102<br />
12.1 Introduction ................................................................................................ 102<br />
12.2 <strong>St</strong>ructuring Requirements for Management Support Systems Design ....... 104<br />
12.2.1 Requirements Engineering ..................................................................... 104<br />
12.2.2 Enterprise Engineering ........................................................................... 105<br />
12.2.3 Classification Scheme ............................................................................ 107<br />
12.3 Literature Analysis ..................................................................................... 109<br />
12.3.1 Source Selection ..................................................................................... 109<br />
12.3.2 Literature Systemization ......................................................................... 112<br />
12.3.3 Discussion .............................................................................................. 119<br />
12.4 Summary of Findings ................................................................................. 120<br />
13 Beitrag F: Nutzertypen für die situative FIS-Gestaltung: Ergebnisse einer<br />
empirischen Untersuchung ................................................................................ 121<br />
13.1 Einführung .................................................................................................. 121<br />
13.2 Grundlagen ................................................................................................. 124<br />
13.2.1 Situative IS-Gestaltung ........................................................................... 124<br />
13.2.2 Bestehende Ansätze in der FIS-Gestaltung ............................................ 124<br />
13.3 Empirische Untersuchung .......................................................................... 127<br />
13.4 Auswertung ................................................................................................ 128<br />
13.4.1 Einstiegsniveau ....................................................................................... 129<br />
13.4.2 Nutzungsbereitschaft .............................................................................. 130<br />
13.4.3 Geschäftsorientierung ............................................................................. 130<br />
13.4.4 Analyseorientierung ............................................................................... 131<br />
13.5 Nutzertypen ................................................................................................ 131<br />
13.5.1 Analyseorientierte Vielnutzer ................................................................ 131<br />
13.5.2 Indifferente Wenignutzer ....................................................................... 133<br />
13.6 Implikationen .............................................................................................. 135
x<br />
Inhaltsverzeichnis<br />
13.6.1 Situative Gestaltungsempfehlungen ....................................................... 135<br />
13.6.2 Reflexion des Forschungsprozesses ....................................................... 140<br />
13.7 Zusammenfassung und Ausblick ............................................................... 141<br />
13.8 Anhang ....................................................................................................... 141<br />
13.8.1 Elemente des Fragebogens ..................................................................... 141<br />
13.8.2 Eignung für die Faktorenanalyse ........................................................... 142<br />
13.8.3 Bestimmung der Faktorenanzahl ........................................................... 143<br />
13.8.4 Dendogramm .......................................................................................... 144<br />
14 Beitrag G: End-User Device Selection for Executives – Adapting Executive<br />
Information Systems to Different Working <strong>St</strong>yles .......................................... 145<br />
14.1 Motivation .................................................................................................. 146<br />
14.2 Related Work ............................................................................................. 148<br />
14.3 End-user devices ........................................................................................ 149<br />
14.4 Configuration Model .................................................................................. 150<br />
14.4.1 Hypothesis-driven Design ...................................................................... 151<br />
14.4.2 Model Justification ................................................................................. 153<br />
14.5 Application in Practice ............................................................................... 157<br />
14.6 Summary and Final Remarks ..................................................................... 159<br />
Literatur ..................................................................................................................... 161<br />
Lebenslauf des Autors ............................................................................................... 182<br />
Publikationsverzeichnis des Autors ......................................................................... 183<br />
Hinweis zur Verwendung geschlechtsneutraler Formulierungen ........................ 185
Abkürzungsverzeichnis<br />
xi<br />
Abkürzungsverzeichnis<br />
AIS<br />
AM<br />
API<br />
BI<br />
BIS<br />
BM<br />
CC<br />
CORE<br />
COTS<br />
DAMA<br />
Desrist<br />
DMBOK<br />
DSS<br />
ECIS<br />
EE<br />
EIS<br />
ESWIS<br />
ETL<br />
FTE<br />
HICSS<br />
HSG<br />
IFPUG<br />
ILOG<br />
IS<br />
ISO<br />
Analytische Informationssysteme<br />
Anforderungsmanagement<br />
Application Programming Interface<br />
Business Intelligence<br />
Business Information Systems (Konferenz)<br />
Business Metadata<br />
Competence Center<br />
Controlled Requirements Expression<br />
Commercial Off-the-Shelf<br />
Data Management Association<br />
Design Science Research in Information Systems and Technology<br />
(Konferenz)<br />
Data Management Book of Knowledge<br />
Decision Support Systems<br />
European Conference on Information Systems<br />
Enterprise Engineering<br />
Executive Information Systems<br />
European <strong>St</strong>udents Workshop on Information Systems<br />
Extract-Transform-Load<br />
Full-Time Equivalence<br />
Hawaii International Conference on Systems Sciences<br />
Hochschule <strong>St</strong>. <strong>Gallen</strong><br />
International Function Point User Group<br />
Informationslogistik (Konferenz)<br />
Informationssystem<br />
International Organization for <strong>St</strong>andardization
xii<br />
Abkürzungsverzeichnis<br />
ISR<br />
IT<br />
itAIS<br />
IWI<br />
KMS<br />
KOFRAH<br />
KPI<br />
LSE<br />
MBTI<br />
MDM<br />
MDMS<br />
MIS<br />
MSS<br />
PMBOK<br />
PMI<br />
RE<br />
ROI<br />
SAC<br />
SME<br />
SQL<br />
USS<br />
VAT<br />
VORD<br />
WI<br />
Information Systems Research<br />
Information Technology<br />
The Italian Association for Information Systems (Konferenz)<br />
Institut für Wirtschaftsinformatik<br />
Knowledge Management Systems<br />
Konferenz der Gleichstellungs- und Frauenbeauftragten an<br />
Schweizer Universitäten und Hochschulen<br />
Key Performance Indicator<br />
London School of Economics<br />
Myers-Briggs Type Indicator<br />
<strong>Metadaten</strong>management<br />
<strong>Metadaten</strong>managementsystem<br />
Management Information Systems<br />
Management Support Systems<br />
Project Management Book of Knowledge<br />
Project Management Institute<br />
Requirements Engineering<br />
Return on Investment<br />
Situational Artifact Construction<br />
Situational Method Engineering<br />
<strong>St</strong>andard Query Language<br />
Unternehmenssteuerungssysteme<br />
Value Added Tax<br />
Viewpoint-Oriented Requirements Definition<br />
Wirtschaftsinformatik
Abbildungsverzeichnis<br />
xiii<br />
Abbildungsverzeichnis<br />
Abb. 1: <strong>Metadaten</strong>taxonomie ...................................................................................... 10<br />
Abb. 2: Vorgehensmodell für die <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong> .................... 16<br />
Abb. 3: Taxonomie für Anforderungen ....................................................................... 18<br />
Abb. 4: Informationsmodell der <strong>Bedarfsanalyse</strong> ......................................................... 27<br />
Abb. 5: Informationsmodell der <strong>Bedarfsanalyse</strong> – Spezialisierung auf Systemnutzer<br />
........................................................................................................................ 28<br />
Abb. 6: Einordnung der inhaltlichen Bausteine im Bezugsrahmen ............................ 32<br />
Abb. 7: Zuordnung der Beiträge zu den inhaltlichen Bausteinen und dem zugrunde<br />
liegenden Forschungsprozess ......................................................................... 33<br />
Abb. 8: Vorgehensmodell <strong>Bedarfsanalyse</strong> unter Einbindung der Ergebnisse der<br />
Beiträge ........................................................................................................... 37<br />
Abb. 9: Generische RACI-Matrix in der <strong>Bedarfsanalyse</strong> ............................................ 39<br />
Abb. 10: Ressourcenüberblick für die <strong>Bedarfsanalyse</strong> .................................................. 40<br />
Abb. 11: Viewpoint-oriented requirements definition approach [Kotonya, Sommerville<br />
1998] ............................................................................................................... 49<br />
Abb. 12: Framework of use cases for business metadata .............................................. 51<br />
Abb. 13: Viewpoint-oriented requirements definition approach [Kotonya, Sommerville<br />
1998] ............................................................................................................... 58<br />
Abb. 14: Classification of use cases for business metadata .......................................... 61<br />
Abb. 15: EUB’s prioritization of use cases for business metadata ................................ 62<br />
Abb. 16: Swiss Re data model in UML [Wegener, Auth 2002] .................................... 72<br />
Abb. 17: Adapted data model in UML .......................................................................... 74<br />
Abb. 18: Qualitative und quantitative Nutzendimensionen .......................................... 79<br />
Abb. 19: Auszug Nutzwertanalyse im Kreditrisikomanagement .................................. 82<br />
Abb. 20: Quantifizierung der Nutzenpotenziale eines zentralen Glossars (Zahlen<br />
verfremdet) ..................................................................................................... 83<br />
Abb. 21: Qualitative and quantitative benefits of BM .................................................. 89
xiv<br />
Abbildungsverzeichnis<br />
Abb. 22: Pre-assessment of improvement potential by introducing a business glossary<br />
........................................................................................................................ 90<br />
Abb. 23: Business case for introducing a business glossary at EUFSP ........................ 91<br />
Abb. 24: Overview of business metadata tool functionalities ....................................... 99<br />
Abb. 25: Screen shots for usage dashboard, quality dashboard, encyclopedia, and<br />
process map .................................................................................................. 100<br />
Abb. 26: Requirements taxonomy ............................................................................... 106<br />
Abb. 27: Classification scheme ................................................................................... 108<br />
Abb. 28: Results of literature analysis ......................................................................... 118<br />
Abb. 29: Entwicklungsstand der situativen Artefaktgestaltung von<br />
Unternehmenssteuerungssystemen ............................................................... 125<br />
Abb. 30: Einordnung von Nutzertypen im Spannungsfeld idealtypischer<br />
Ausprägungen ............................................................................................... 134<br />
Abb. 31: Screeplot ....................................................................................................... 144<br />
Abb. 32: Dendogramm ................................................................................................ 144<br />
Abb. 33: Results of literature analysis ......................................................................... 148<br />
Abb. 34: End-user devices taxonomy .......................................................................... 150<br />
Abb. 35: Preferred end-user devices by user type, use case, and access mode........... 153<br />
Abb. 36: Aggregated results from questionnaire......................................................... 155<br />
Abb. 37: Final model design ....................................................................................... 156
Tabellenverzeichnis<br />
xv<br />
Tabellenverzeichnis<br />
Tab. 1: Forschungsprozess ............................................................................................ 7<br />
Tab. 2: Übersicht Bestandteile einer Projektvereinbarung ......................................... 14<br />
Tab. 3: Übersicht Literaturanalyse zu fachlichen <strong>Metadaten</strong> ..................................... 21<br />
Tab. 4: Übersicht Literaturanalyse zu <strong>Metadaten</strong> im Allgemeinen ............................ 23<br />
Tab. 5: Übersicht Forschungsrichtungen zu <strong>Bedarfsanalyse</strong> im Allgemeinen ........... 25<br />
Tab. 6: Zusammenfassung Beiträge der Dissertation ................................................. 42<br />
Tab. 7: Bibliografische Angaben zu Beitrag A.1 ........................................................ 48<br />
Tab. 8: Requirements per activity in use case “data development” (excerpt) ............ 51<br />
Tab. 9: Bibliografische Angaben zu Beitrag A.2 ........................................................ 53<br />
Tab. 10: DAMA DMBOK business responsibilities [DAMA 2009] ........................... 60<br />
Tab. 11: Business metadata requirements per activity in use case “data development”<br />
........................................................................................................................ 63<br />
Tab. 12: <strong>St</strong>atements of focus group on design and utility ............................................ 64<br />
Tab. 13: Bibliografische Angaben zu Beitrag B ........................................................... 66<br />
Tab. 14: Attributes of a term in the Swiss Re data model ............................................ 71<br />
Tab. 15: User view of a defined term (example) .......................................................... 75<br />
Tab. 16: Bibliografische Angaben zu Beitrag C.1 ........................................................ 77<br />
Tab. 17: Taxonomie ...................................................................................................... 78<br />
Tab. 18: Bibliografische Angaben zu Beitrag C.2 ........................................................ 84<br />
Tab. 19: Bibliografische Angaben zu Beitrag D ........................................................... 92<br />
Tab. 20: Bibliografische Angaben zu Beitrag E ......................................................... 102<br />
Tab. 21: Relevant articles for literature analysis ........................................................ 110<br />
Tab. 22: Bibliografische Angaben zu Beitrag F ......................................................... 121<br />
Tab. 23: Rotierte Komponentenmatrix ....................................................................... 129<br />
Tab. 24: Zwei-Cluster- und Vier-Cluster-Modell von Nutzertypen für<br />
Unternehmenssteuerungssysteme ................................................................. 132
xvi<br />
Tabellenverzeichnis<br />
Tab. 25: Komponenten situativer Artefaktgestaltung ................................................. 138<br />
Tab. 26: KMO- und Bartlett-Test ............................................................................... 142<br />
Tab. 27: Anti-Image-Kovarianz-Matrix (Absolutwerte) ............................................ 143<br />
Tab. 28: Bibliografische Angaben zu Beitrag G ........................................................ 145<br />
Tab. 29: Mode and median responses from hypotheses testing ................................. 154
Kurzfassung<br />
xvii<br />
Kurzfassung<br />
Mit Blick auf den immer stärker werdenden Wettbewerb ist es für Firmen essenziell,<br />
Informationen im Unternehmen zu generieren und bereitzustellen. Mit dem Einzug<br />
von Informationstechnologie (IT) ist inzwischen eine regelrechte Informationsflut zu<br />
beobachten, die es dem Einzelnen immer schwerer macht die für ihn relevanten Informationen<br />
zu identifizieren und zu bewerten. Hier setzen fachliche <strong>Metadaten</strong> als „Daten<br />
über Daten“ an, um als Zusatzinformationen die Datenqualität aus Anwendersicht<br />
zu erhöhen.<br />
Auch wenn in der Praxis die Bedeutung <strong>fachlicher</strong> <strong>Metadaten</strong> zunehmend anerkannt<br />
wird, liegt die tatsächliche Umsetzung in den Unternehmen aufgrund der fehlenden<br />
Unterstützung auf der Fachseite teilweise noch weit zurück. Diese Problematik ist<br />
zwar nicht neu, dennoch hält die Literatur hier wenig konkrete Lösungsansätze parat,<br />
um diesem Umstand entgegenzuwirken. An dieser <strong>St</strong>elle setzt die vorliegende Dissertation<br />
an. In einem gestaltungsorientierten Ansatz entstehen generische Modelle, die<br />
Empfehlungen zu den Ergebnissen einer <strong>Bedarfsanalyse</strong> formulieren. Diese Dissertation<br />
ist dabei kumulativ angelegt, sodass in der Regel jeder der hierin vorgestellten Einzelbeiträge<br />
einen gestaltungsorientierten Zyklus (insb. Design und Evaluation) durchläuft.<br />
Die dabei entwickelten Modelle ergänzen damit die in der Literatur vorwiegend diskutierte<br />
Aktivitätensicht auf eine <strong>Bedarfsanalyse</strong>, die ausschließlich das Vorgehen bei<br />
der Identifikation, Validierung und Spezifikation des Handlungsbedarfs beschreibt. Im<br />
Einzelnen werden daher eine Übersicht auf die elf Anwendungsgebiete von fachlichen<br />
<strong>Metadaten</strong>, eine Zusammenstellung von qualitativen und quantitativen Nutzendimensionen<br />
sowie eine implementierungsunabhängige Funktionssicht der am Markt zur<br />
Verfügung stehenden (fachlichen) <strong>Metadaten</strong>-Tools vorgestellt. Daneben werden vier<br />
Nutzertypen und ein Modell zur situativen Auswahl von Endgeräten vorgestellt, um<br />
bei der Definition von Anforderungen an eine <strong>Metadaten</strong>managementlösung (MDM-<br />
Lösung) Präferenzen der Systemnutzer zu berücksichtigen, die für den Erfolg bei der<br />
Einführung von fachlichen <strong>Metadaten</strong> entscheidend seien können.<br />
<strong>St</strong>ichwörter: Business Intelligence, fachliche <strong>Metadaten</strong>, <strong>Bedarfsanalyse</strong>
xviii<br />
Abstract<br />
Abstract<br />
In respect of the increasing competition, it becomes more and more essential for companies<br />
to generate and share information internally. Today, in the course of advancements<br />
in information technology (IT), an information overflow is overservable, which<br />
makes it harder for the individual to identify the relevant information. Therefore, it<br />
becomes more and more important to supply purposeful and high-quality information.<br />
At this point, business metadata as “data about data” increases the data quality from a<br />
user perspective in terms of transparency.<br />
Despite its increasing relevance to practitioners, the implementation of business metadata<br />
in companies still lacks behind its predicted utility because the required support<br />
from the business side is missing. Although these challenges are well known and correspond<br />
to the experiences in other fields, concrete solutions in literature remain rare.<br />
This constitutes the problem statement for the dissertation at hand. In a design science<br />
approach, generic models are developed, which constitute recommendations on the<br />
results of a demand analysis. Since this dissertation is designed in a cumulative fashion,<br />
each of the herein presented articles generally pass through a design science<br />
cycle (esp. design and evaluation).<br />
The developed models complement an activity based view of demand analysis, which<br />
is primarily discussed in literature. This activity based view solely describes the procedure<br />
for identifying, validating, and specifying business need. Therefore, an overview<br />
over the eleven application domains for business metadata, a framework of qualitative<br />
and quantitative benefit dimensions, as well as an implementation independent<br />
functional map for commercial off-the-shelf (COTS) business metadata solutions are<br />
presented. In addition to this, this dissertation introduces four user types and a model<br />
for end-user device selection in order to account for the preferences of users, which<br />
can be crucial for the success of rolling out business metadata.<br />
Keywords: business intelligence, business metadata, demand analysis
Einleitung 1<br />
1 Einleitung<br />
In diesem Kapitel wird die vorliegende Dissertation hinsichtlich ihrer Zielsetzung<br />
skizziert. Abschnitt 1.1 legt die Motivation für die hierin präsentierte Forschungsarbeit<br />
dar. Anschließend wird der Gegenstand der Arbeit in Abschnitt 1.2 vorgestellt und in<br />
Abschnitt 1.3 die Forschungsmethodik erläutert. Das Kapitel schließt mit Abschnitt<br />
1.4, der den Aufbau der Dissertation darlegt.<br />
1.1 Motivation<br />
In der Ressourcentheorie gilt firmeninternes Wissen als ein wesentlicher Faktor, um<br />
sich gegenüber anderen Teilnehmern am Markt zu differenzieren [Pfeffer, Salancik<br />
2003: 258-262; Ulrich, Barney 1984: 472; Wernerfelt 1984: 172-175]. Dabei wird<br />
Wissen von verschiedenen Wissenschaftlern sogar als das zentrale Element bei der<br />
Erlangung von Wettbewerbsvorteilen postuliert [z. B. Grant 1996; Spender 1996].<br />
Wissen entsteht dabei durch die kognitive Verarbeitung von Informationen. Wissen<br />
wird seinerseits wieder zu Informationen, wenn es in vermittelbarer Form (z. B. als<br />
Text, Grafik oder Tabelle) ausformuliert wird [Alavi, Leidner 2001: 3]. 3 Diese Beziehung<br />
impliziert, dass es für Firmen essenziell ist, Informationen zu generieren und bereitzustellen.<br />
Einerseits, um Wissen im Unternehmen zu vermitteln, und andererseits,<br />
um die Entwicklung neuen Wissens voranzutreiben.<br />
Mit dem Einzug von Informationstechnologie (IT), ist in den Unternehmen der Zugang<br />
zu Informationen immer leichter geworden. Es ist sogar eine Informationsflut zu beobachten,<br />
die es dem Einzelnen immer schwerer macht, die für ihn relevanten Informationen<br />
zu identifizieren [Edmunds, Morris 2000: 18-19]. Auch wenn diese Problematik<br />
bereits seit Längerem bekannt ist, hat die Herausforderung „making better use of information“<br />
erst in den letzten Jahren deutlich an Bedeutung gewonnen. Aktuell stellt<br />
sie eine der Top-5-Prioritäten von IT-Führungskräften dar [Luftman, Kempaiah, Rigoni<br />
2009: 151-152]. Diese Entwicklung zeigt sich auch in der zunehmenden Verlagerung<br />
von Business Intelligence (BI) als rein technologische Lösung hin zu strategischen<br />
und fachlichen Konzepten [Gluchowski, Kemper 2006: 14; Kemper, Pedell<br />
3 Diese Darstellung nimmt Abstand von einer rein hierarchischen Abgrenzung der Begriffe Daten, Informationen<br />
und Wissen [z. B. Ackoff 1989]. Es wird der Entstehungsprozess des Wissens betont. So hat Tuomi [1999: 111-<br />
112] gezeigt, dass die oft zitierte Hierarchie in der Praxis eher invers zu beobachten ist, da es zunächst Wissen<br />
benötigt, um relevante Informationen zu formulieren beziehungsweise Daten zu definieren, die sich zu Informationen<br />
zusammensetzen lassen.
2 Einleitung<br />
2008: 8; Pettey, <strong>St</strong>evens 2010: 1-2; Raskino, Lopez 2008: 6-8]. Somit steht zunehmend<br />
die zielgerichtete und angemessene Bereitstellung von Informationen im Vordergrund.<br />
In diesem Zusammenhang spielt das Thema Datenqualität 4 eine herausragende Rolle<br />
[Capgemini 2008: 30-31; Kemper, Pedell 2008: 7; Luftman, Kempaiah, Rigoni 2009:<br />
155], da sie sich im besonderen Maße auf den wahrgenommen Nutzen von BI-<br />
Systemen durch den Anwender auswirkt [Sabherwal, Jeyaraj, Chowa 2006: 1857-<br />
1859; Schmaltz 2009: 102-110; Wixom, Watson 2001: 34]. Beurteilt ein Anwender<br />
die Qualität der Datenbasis eines BI-Systems als ungenügend, wird sich dies daher<br />
unmittelbar auf seine Bereitschaft auswirken, diese Systeme einzusetzen.<br />
Bei der Beurteilung der Datenqualität spielen allerdings nicht allein objektiv messbare<br />
Dimensionen wie Genauigkeit oder Vollständigkeit von Informationen eine Rolle.<br />
Gleichermaßen stehen subjektiv wahrgenommene Dimensionen wie Glaubwürdigkeit,<br />
Verständlichkeit und Auffindbarkeit von Informationen im Vordergrund [Jarke et al.<br />
2000: 139; Wang 1998: 60; Wang, <strong>St</strong>rong 1996: 18-21]. Die Wahrnehmung ist dabei<br />
wesentlich schwieriger zu bewerten und kontrollieren. Insbesondere hier setzen fachliche<br />
<strong>Metadaten</strong> als „Daten über Daten“ an, um als Zusatzinformationen die Datenqualität<br />
aus Anwendersicht zu erhöhen [Bucher, Wlk 2008: 75-78; Foshay 2005: 17-19;<br />
Foshay, Mukherjee, Taylor 2007: 74-76].<br />
Auch wenn in der Praxis die Bedeutung <strong>fachlicher</strong> <strong>Metadaten</strong> zunehmend anerkannt<br />
wird, so liegt die tatsächliche Umsetzung in den Unternehmen teilweise noch weit zurück<br />
[Schulze et al. 2009: 57-58, 68-69]. Dies liegt häufig daran, dass <strong>Metadaten</strong>projekte<br />
im Allgemeinen sehr stark auf bestimmte Technologien abzielen und ihnen<br />
eine klare Ausrichtung am Bedarf auf der Fachseite fehlt [Koegler 2010; Marco 2000:<br />
115-121; Melchert 2006: 66-70; Triano 2002: 1-4]. In Folge übersteigen die Kosten<br />
schnell den erwarteten Nutzen, sodass diese Projekte letztendlich eingestellt werden<br />
[Melchert 2006: 57-58]. Diese Problematik verschärft sich speziell für fachliche <strong>Metadaten</strong><br />
[Dinter 2002: 180-181; Inmon, O'Neil, Fryman 2008: 275]. Zum einen werden<br />
fachliche <strong>Metadaten</strong> im Gegensatz zu technischen <strong>Metadaten</strong> noch nicht hinreichend<br />
mit Blick auf ihren Nutzen und dessen Realisierung verstanden. Zum anderen sind<br />
<strong>Metadaten</strong>projekte häufig in der IT-Organisation verankert, die sich vor allem für<br />
technische <strong>Metadaten</strong> interessiert. Dementsprechend richten sich auch die Tool-<br />
4 Entgegen der Unterscheidung von Daten und Informationen in der Systemtheorie werden in dieser Arbeit die<br />
Begriffe Daten- und Informationsqualität synonym verwendet, da sich der Begriff der Datenqualität landläufig<br />
etabliert hat und anschlussfähig ist.
Einleitung 3<br />
Vendoren hierauf aus. Deshalb werden Konzepte benötigt, die eine bedarfsgerechte<br />
Bereitstellung von fachlichen <strong>Metadaten</strong> in den Unternehmen unterstützen.<br />
Die Literatur adressiert diese Problematik nur unzureichend. Die wenigen veröffentlichten<br />
Methoden zur Entwicklung und Einführung von <strong>Metadaten</strong>managementsystemen<br />
(MDMS) [Marco 2000: 83-322; Melchert 2006: 135-305; Tannenbaum<br />
2002: 257-347] setzen zu spät an, da sie bereits von angenommenen Projektanträgen<br />
ausgehen. Eine Annahme, die – wie bereits dargestellt – bei vielen Problemen in der<br />
Praxis zu kurz greift. Obwohl in der Regel die Finanzierungsproblematik von MDMS<br />
angesprochen und die Wichtigkeit eines zielgerichteten Ansatzes für den Projekterfolg<br />
hervorgehoben wird, fehlt es hier an konkreter Hilfestellung (Abschnitt 3.3).<br />
Ähnlich verhält es sich mit Beiträgen, die den Nutzen von fachlichen <strong>Metadaten</strong> diskutieren.<br />
Sie beschränken sich hauptsächlich auf den Nachweis einzelner, abstrakter Ursache-Wirkungs-Beziehungen.<br />
5 Diese sind für sich allein jedoch ungeeignet, um die<br />
Durchführung eines Projekts zu rechtfertigen. Es fehlen eine umfassende Betrachtung<br />
der Nutzenpotenziale von fachlichen <strong>Metadaten</strong> und eine entsprechende Systematik<br />
für deren Bewertung, um diese in der Praxis im Rahmen einer Kosten-Nutzen-Analyse<br />
zur Anwendung zu bringen (Abschnitt 3.2).<br />
Zusammenfassend lässt sich feststellen, dass viele <strong>Metadaten</strong>initiativen als IT-<br />
Innovationen starten und ihnen die notwendige Unterstützung auf der Fachseite (insb.<br />
durch Sponsoren) fehlt, um ein entsprechendes Projekt aufzusetzen bzw. dieses zum<br />
Erfolg zu führen. In vielen Fällen fehlt der Leidensdruck im Tagesgeschäft oder die<br />
Aussicht auf kurzfristig messbaren Projekterfolg. Auch wenn diese Problematik nicht<br />
neu ist und sich mit den Erfahrungen aus anderen Bereichen deckt, 6 hält die Literatur<br />
hier wenig konkrete Lösungsansätze parat, um diesem Umstand entgegenzuwirken. An<br />
dieser <strong>St</strong>elle setzt die vorliegende Dissertation an. Auf Basis von Einzelbeiträgen entstehen<br />
Modelle, welche kumulativ die <strong>Bedarfsanalyse</strong> für die Bereitstellung <strong>fachlicher</strong><br />
<strong>Metadaten</strong> in Unternehmen unterstützten. Im Fokus stehen dabei die Identifikation,<br />
Validierung und Priorisierung des Handlungsbedarfs in der Vorbereitungsphase eines<br />
Projekts zur Entwicklung und Weiterentwicklung eines MDMS.<br />
5 Z. B. darauf dass Qualitätsinformationen Entscheidungen beeinflussen können [Chengalur-Smith, Ballou, Pazer<br />
1999: 177-181; Fisher, Chengalur-Smith, Ballou 2003: 860-864].<br />
6 Z. B. für die Rechtfertigung von BI-Projekten vgl. Winter und Jung [2002] und McKnight [1999].
4 Einleitung<br />
1.2 Gegenstand der Arbeit<br />
Wie im vorherigen Abschnitt kurz dargestellt und es in Kapitel 3 noch ausführlich diskutiert<br />
wird, adressieren die existierenden Ansätze zur Entwicklung und Weiterentwicklung<br />
von MDMS nur Teilaspekte einer umfassenden <strong>Bedarfsanalyse</strong> und bleiben<br />
in ihren Ausführungen sehr generisch und abstrakt. Aus dieser Problemstellung lässt<br />
sich die Notwendigkeit nach Forschungsbedarf für die <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong><br />
ableiten, welche den Gegenstand der Dissertation darstellt.<br />
Im Allgemeinen betrachtet eine <strong>Bedarfsanalyse</strong> Bedürfnisse und die zu ihrer Befriedigung<br />
zur Verfügung stehenden, knappen finanziellen Ressourcen. Auch wenn dieser<br />
Begriff in der Wirtschaftsinformatik kaum verbreitet ist und zum Teil synonym zum<br />
Anforderungsmanagement (AM) verwendet wird, ist er hiervon klar abzugrenzen (Abschnitt<br />
2.3). Im Gegensatz zum AM findet die <strong>Bedarfsanalyse</strong> im Vorfeld eines Projekts<br />
statt und trägt zur Projektentscheidung bei. Während Anforderungen hier nur auf<br />
einem sehr abstrakten Niveau diskutiert werden, steht die ökomische Sinnhaftigkeit<br />
des Projekts im Vordergrund.<br />
Eine Unterstützung der <strong>Bedarfsanalyse</strong> in der Praxis lässt sich aus Forscherperspektive<br />
vor allem über generische Methoden und Modelle erreichen, da diese im Gegensatz zu<br />
spezifischen Lösungen auf mehrere Problemklassen anwendbar sind [Winter, Gericke,<br />
Bucher 2009: 8]. Während Methoden in erster Linie Aktivitäten zur Zielerreichung<br />
beschreiben, stellen Modelle Empfehlungen zu den Ergebnissen auf. Sie stellen damit<br />
unterschiedliche Sichtweisen auf eine Problemstellung dar, die sich im Kern ergänzen<br />
[Winter, Gericke, Bucher 2009: 9]. In der Literatur ist insbesondere die Aktivitätensicht<br />
auf die <strong>Bedarfsanalyse</strong> beleuchtet worden, während es weiterhin an Modellen<br />
fehlt, um die Praxis bei der Durchführung zu unterstützen (Kapitel 3). Daher steht in<br />
der vorliegenden Dissertation die Ergebnissicht im Vordergrund.<br />
Sofern sich ein Projekt im Zuge der <strong>Bedarfsanalyse</strong> als ökomisch sinnvoll erweist,<br />
setzt die <strong>Bedarfsanalyse</strong> damit den Rahmen für das anschließende Projekt. Die Ergebnisse<br />
der <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong> werden dabei in Form einer Projektvereinbarung<br />
festgehalten, die folgende Elemente aufweist (Abschnitt 2.3):<br />
• Problemstellung/Handlungsbedarf: Wer sind die potenziellen <strong>St</strong>akeholder im<br />
Unternehmen und welche ihrer Probleme lassen sich mit fachlichen <strong>Metadaten</strong><br />
lösen
Einleitung 5<br />
• (Ökonomische) Rechtfertigung des Projekts: Welche Nutzenpotenziale können<br />
den Kosten im Rahmen einer Kosten-Nutzen-Analyse gegenübergestellt werden<br />
• Sponsoren: Wer aus dem Kreise der <strong>St</strong>akeholder stellt das Budget für ein Projekt<br />
zur Einführung <strong>fachlicher</strong> <strong>Metadaten</strong> bereit<br />
• Projektumfang/Zielsetzung: Welche Anforderungen muss ein MDMS-Tool zur<br />
Pflege und Bereitstellung <strong>fachlicher</strong> <strong>Metadaten</strong> erfüllen<br />
Neben diesen allgemeinen Fragestellungen wird in der vorliegenden Dissertation der<br />
Systemnutzer gesondert betrachtet. Wie in Abschnitt 1.1 dargelegt, scheitern fachliche<br />
<strong>Metadaten</strong>initiativen häufig an der Unterstützung durch die Fachseite. Dem Systemnutzer<br />
kommt hierbei eine besondere Rolle zu, da sich erst durch seine Anwendung<br />
entscheidet, ob sich der erwartete Nutzen aus dem MDMS realisiert oder nicht. Dies<br />
ist vor allem hier der Fall, da der Einsatz des MDMS unverbindlich ist und nicht organisatorisch<br />
gewährleistet werden kann. Aus diesem Grund und nach dem Vorbild der<br />
Akzeptanzforschung [z. B. Davis 1989; Schmaltz 2009; Venkatesh, Davis 2000; Venkatesh<br />
et al. 2003] werden der Systemnutzer und dessen Präferenzen im Rahmen der<br />
<strong>Bedarfsanalyse</strong> gesondert betrachtet.<br />
Zusammenfassend lässt sich die Zielsetzung der Dissertation folgendermaßen formulieren:<br />
Ziel ist die Entwicklung von Modellen, die die <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong><br />
hinsichtlich der Identifikation, Validierung und Spezifikation des Handlungsbedarfs<br />
unterstützen. Hinsichtlich der Spezifikation des Handlungsbedarfs sind die Präferenzen<br />
des Systemnutzers zu berücksichtigen. Hieraus lassen sich folgende Forschungsfragen<br />
ableiten, die kumulativ im Rahmen des Forschungsschwerpunkts Unternehmenssteuerungssysteme<br />
(USS) am IWI-HSG adressiert wurden:<br />
FI: In welchen Domänen/Arbeitsbereichen finden sich die potenziellen <strong>St</strong>akeholder<br />
und Sponsoren für fachliche <strong>Metadaten</strong><br />
FII: Welche direkten und indirekten Nutzenpotenziale haben fachliche <strong>Metadaten</strong><br />
bei Betrieb und Nutzung von BI<br />
FIII: Welche Funktionen stellen COTS-Produkte 7 am Markt zur Bereitstellung<br />
<strong>fachlicher</strong> <strong>Metadaten</strong> zur Verfügung<br />
7 „Commercial off-the-shelf“-Produkte (COTS-Produkte) bezeichnen kommerzielle <strong>St</strong>andardsoftware, die nur<br />
bedingt an die individuellen Bedürfnisse der Kunden angepasst werden kann. Lösungen, die primär auf Individualprogrammierung<br />
basieren, sind daher hiervon ausgeschlossen.
6 Einleitung<br />
FIV: Welchen Einfluss haben die Präferenzen der MDMS-Nutzenden auf die Systementwicklung<br />
und -weiterentwicklung<br />
Um diese Teilziele zu erfüllen, wurden primär beschreibende, aber dennoch strukturierende<br />
Modelle als Lösungsbausteine gestaltet. Diese ermöglichen eine systematische<br />
Beantwortung der Forschungsfragen (z. B. ein Ordnungsrahmen für direkte und indirekte<br />
Nutzenpotenziale von fachlichen <strong>Metadaten</strong>). Diese Lösungsbausteine werden<br />
im Detail in Abschnitt 4.1 vorgestellt. In den Abschnitten 4.2 und 4.3 werden die einzelnen<br />
Lösungsbausteine integriert, um die aktivitätenorientierte Sicht mit der ergebnisorientierten<br />
Sicht auf die <strong>Bedarfsanalyse</strong> zu vereinen.<br />
1.3 Forschungsmethodik<br />
In der Wirtschaftsinformatik bzw. in ihrem anglo-amerikanischen Pendant „Information<br />
Systems Research (ISR)“ werden zwei fundamentale Forschungsparadigmen unterschieden<br />
[Peffers et al. 2007: 46-47; Winter 2008: 470]: die verhaltensorientierte Forschung<br />
(Behavioral Research), welche auf Wahrheit durch Exploration und Validierung<br />
von generischen Ursache-Wirkung-Beziehungen abzielt, und die gestaltungsorientierte<br />
Forschung (Design Research), die auf Nützlichkeit durch Konstruktion und<br />
Evaluation von generischen Mittel-Zweck-Beziehungen abzielt, das heißt Gestaltung<br />
von generischen Artefakten (z. B. Modelle, Methoden, Konstrukte, Instanzen) zur Lösung<br />
relevanter Probleme [Hevner, Chatterjee 2010; Hevner et al. 2004; March, Smith<br />
1995; Peffers et al. 2007]. Das Dissertationsvorhaben ist primär dem gestaltungsorientierten<br />
Paradigma zuzuordnen, da es die Gestaltung und Evaluation von Modellen zur<br />
Unterstützung der <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong> verfolgt.<br />
Im Lichte der anhaltenden Diskussion um <strong>St</strong>ringenz (rigor vs. relevance) in der gestaltungsorientierten<br />
Wirtschaftsinformatik [Winter et al. 2007: 403] wurde eine Vielzahl<br />
von Forschungsprozessmodellen vorgeschlagen [March, Smith 1995: 254, 258; Peffers<br />
et al. 2007: 52-56; Vaishnavi, Kuechler 2007: 46-50]. Die Dissertation folgt dabei den<br />
Empfehlungen in Peffers et al. [2007: 54], welches die aktuellste Arbeit zu dieser<br />
Thematik darstellt und sieben bestehende Modelle zusammenführt.<br />
Der Prozess gliedert sich hiernach in sechs Phasen, die im Kern das Zwei-Phasen-<br />
Modell von March and Smith [1995: 254, 258] umschließen (siehe Tab. 1). Als wesentlicher<br />
Unterschied zwischen den beiden Modellen lässt sich festhalten, dass Peffers<br />
et al. [2007: 54] die Problemidentifikation und die damit verbundene Zielsetzung<br />
explizit adressieren. March and Smith [1995: 253] adressieren diese Punkte nur impli-
Einleitung 7<br />
zit, indem sie in der Phase „Build“ von nützlichen Problemstellungen ausgehen, die<br />
einer menschlichen Zielsetzung dienen.<br />
Da es sich in der vorliegenden Arbeit um eine kumulative Dissertation handelt, folgt in<br />
der Regel jeder einzelne Beitrag dem angesprochenen <strong>St</strong>rukturierungsansatz von Peffers<br />
et al. [2007: 54]. In Ausnahmefällen wurde aufgrund des Zielpublikums (Praktikerpublikationen)<br />
oder des Umfangs des Beitrags auf die Explizierung der Forschungsmethode<br />
verzichtet bzw. dem einfacheren Modell von March und Smith<br />
[1995: 254, 258] den Vorzug gegeben.<br />
Phase Inhalt [Peffers et al. 2007: 54] [March, Smith 1995:<br />
254, 258]<br />
1 Identifikation einer Forschungslücke<br />
2 Zielsetzung für Lösung<br />
ableiten<br />
Problem identification<br />
and motivation<br />
Objectives of a solution<br />
Implizit adressiert<br />
3 Lösungskonstruktion Design and development Build<br />
4 Demonstration der Wirksamkeit<br />
des Artefakts<br />
Demonstration<br />
Evaluate<br />
5 Evaluation Evaluation<br />
6 Veröffentlichung der<br />
Ergebnisse<br />
Communication -<br />
1.4 Aufbau der Dissertation<br />
Tab. 1: Forschungsprozess<br />
Die vorliegende Dissertation ist wie folgt aufgebaut: Zunächst werden in Kapitel 2<br />
begriffliche Grundlagen zu fachlichen <strong>Metadaten</strong>, Anforderungsmanagement und <strong>Bedarfsanalyse</strong><br />
gelegt. Ziel hierbei ist es, ein einheitliches Verständnis der zentralen Begriffe<br />
in der Dissertation zu schaffen. Kapitel 3 stellt verwandte Ansätze zur <strong>Bedarfsanalyse</strong><br />
<strong>fachlicher</strong> <strong>Metadaten</strong> vor. Die dort identifizierten Lücken in der <strong>Bedarfsanalyse</strong><br />
bilden die Grundlage für die vorliegende Dissertation. Die Dissertation setzt sich<br />
aus verschiedenen Beiträgen zusammen, die in Kapitel 4 überblicksartig vorgestellt<br />
und in Beziehung zueinander gesetzt werden. Kapitel 5 fasst die Dissertation zusammen,<br />
diskutiert die Forschungsergebnisse und stellt Anknüpfungspunkte für die zu-
8 Einleitung<br />
künftige Forschung dar. Im Anschluss folgen in den Kapiteln 6 bis 14 Abdrucke der<br />
Beiträge, die im Rahmen der kumulativen Dissertation einbezogen wurden.
Grundlagen 9<br />
2 Grundlagen<br />
In diesem Kapitel werden die begrifflichen und konzeptionellen Grundlagen für das<br />
Dissertationsvorhaben eingeführt. Fachliche <strong>Metadaten</strong> und MDMS bilden den grundlegenden<br />
Untersuchungsgegenstand dieser Arbeit und werden in den Abschnitten 2.1<br />
und 2.2 diskutiert. Im Anschluss wird der Fokus auf <strong>Bedarfsanalyse</strong> und Anforderungen<br />
in der Entwicklung von IS gelegt. Dies erfolgt in den Abschnitten 2.3 und 2.4.<br />
2.1 Fachliche <strong>Metadaten</strong><br />
Auch wenn die Literatur eine Vielzahl an Definitionen für <strong>Metadaten</strong> bereitstellt [z. B.<br />
Dempsey, Heery 1998: 149; Even, Shankaranarayanan, Watts 2006: 1; National Information<br />
<strong>St</strong>andards Organization 2004: 1; Tannenbaum 2002: 90-91], hat sich das<br />
generelle Verständnis von <strong>Metadaten</strong> als „Daten über Daten“ landläufig durchgesetzt.<br />
Da diese Definition die Bandbreite von <strong>Metadaten</strong> nur sehr unscharf abgrenzt, folgt<br />
die vorliegende Arbeit der Definition von Dempsey und Heery [1998: 149]: „Metadata<br />
is data associated with objects which relieves their potential users of having full advance<br />
knowledge of their existence or characteristics“. Diese Definition umfasst alle<br />
Daten, die (abhängig vom jeweiligen Kontext) dazu dienen, materielle oder immaterielle<br />
Objekte zu erfassen und zu beschreiben (z. B. die Kartei in einer Bücherei oder<br />
die logische Datenstruktur einer Datenbank). Im Rahmen der BI beziehen sich <strong>Metadaten</strong><br />
insbesondere auf einzelne Daten, Reports und BI-Systeme. Dabei unterscheiden<br />
sie sich von abgeleiteten und aggregierten Daten, wie deskriptiven <strong>St</strong>atistiken (z. B.<br />
Mittelwert oder Varianz) und KPIs (z. B. Umsatzerlöse oder Ergebnis vor <strong>St</strong>euern),<br />
die wiederum in sich abgeschlossene Daten darstellen und nicht darauf abzielen, die<br />
originären Daten zu strukturieren und zu beschreiben.<br />
In der Literatur wird in der Regel zwischen technischen und fachlichen <strong>Metadaten</strong> unterschieden,<br />
je nachdem, ob sie durch die IT- oder die Fachseite genutzt werden [Marco<br />
2000: 4-5; Shankaranarayanan, Even 2006; <strong>St</strong>edman 1999: 74; Vaduva, Vetterli<br />
2001: 276-277]. Hierbei ist zu beachten, dass diese Differenzierung nicht notwendigerweise<br />
trennscharf ist, da bestimmte <strong>Metadaten</strong> durchaus die Informationsbedarfe<br />
beider Zielgruppen adressieren können (z. B. Definitionen oder Indexe). Dies gilt auch<br />
für einen weiteren Differenzierungsansatz, der informatorische und operative <strong>Metadaten</strong><br />
unterscheidet [Shankaranarayanan, Even 2004: 251-252; Tozer 1999: 9-10; Vaduva,<br />
Vetterli 2001: 277-278]. Erstere fördern das Verständnis und den Zugriff auf die<br />
Daten, während Letztere als Input für die Entwicklung und den Betrieb der BI-
10 Grundlagen<br />
Systeme dienen. Abb. 1 fasst diese Taxonomie für <strong>Metadaten</strong> zusammen und gibt für<br />
die verschiedenen Klassen typische Beispiele aus der Praxis.<br />
Abb. 1: <strong>Metadaten</strong>taxonomie<br />
Der Fokus dieser Arbeit liegt auf den fachlichen <strong>Metadaten</strong>, die sich in der englischsprachigen<br />
Literatur unter den Synonymen „business metadata“ [z. B. Marco<br />
2000: 4-5; Shankaranarayanan, Even 2004: 251-252], „end-user metadata“ [z. B. Foshay<br />
2005: 2-3; Foshay, Mukherjee, Taylor 2007: 72-73] und „semantic metadata“ [z.<br />
B. Benander et al. 2000: 77-78; Müller, <strong>St</strong>öhr, Rahm 1999: 2] finden lassen. Entlang<br />
des adressierten Informationsbedarfs lassen sich aus der Literatur und Praxis sieben<br />
Kategorien von <strong>Metadaten</strong> identifizieren [Foshay 2005: 2-3; Foshay, Mukherjee, Taylor<br />
2007: 72-73; Müller, <strong>St</strong>öhr, Rahm 1999: 2-4; National Information <strong>St</strong>andards Organization<br />
2004: 1; Niland, Rouse, <strong>St</strong>ahl 2006: 410; Shankaranarayanan, Even 2004:<br />
252-254; Shankaranarayanan, Even 2006: 90; Vaduva, Vetterli 2001: 277-278; Xie et<br />
al. 2008: 4-8]:<br />
1. Definitorische <strong>Metadaten</strong> – Welche Daten habe ich und was bedeuten diese<br />
2. Datenqualitätsmetadaten – Haben die Daten eine ausreichende Datenqualität für<br />
ihre angedachte Verwendung<br />
3. Navigatorische <strong>Metadaten</strong> – Wo finde ich die Daten, die ich suche, und existieren<br />
weitere Daten, die für mich nützlich sein könnten
Grundlagen 11<br />
4. Prozessmetadaten – Aus welchen Quellsystemen kommen diese Daten und<br />
welche Transformationsschritte haben diese durchlaufen<br />
5. Nutzungsmetadaten – Welche Daten und Reports werden regelmäßig abgerufen<br />
und welche Nutzerprofile lassen sich ableiten<br />
6. Auditmetadaten – Wer ist für die Daten und Reports verantwortlich und wer hat<br />
Zugriffsrechte auf diese<br />
7. Annotationen (Kommentare und Dateiverknüpfungen) – Welche zusätzlichen<br />
Informationen müssen für eine bestimmte Daten- oder Reportinstanz berücksichtigt<br />
werden<br />
Es sollte darauf hingewiesen werden, dass die siebte Kategorie „Annotationen“ in der<br />
Literatur bisher keine explizite Erwähnung findet. Jedoch existieren am Markt und in<br />
den Unternehmen zunehmend BI-Tools, die es ermöglichen, Reports mit Kommentaren<br />
und Dateien zu verknüpfen. 8 Da auch diese vorwiegend qualitativen Informationen<br />
als erklärende Zusatzinformationen zu den Daten und Reports in den BI-Systemen<br />
gewertet werden dürfen, müssen sie entsprechend berücksichtigt werden.<br />
2.2 <strong>Metadaten</strong>managementsysteme<br />
<strong>Metadaten</strong>management (MDM) umfasst alle Prozesse, welche in geeigneter Form die<br />
Erfassung, Speicherung, Integration und Kontrolle der <strong>Metadaten</strong> mit Blick auf ihre<br />
Nutzung sicherstellen [DAMA 2009: 259]. MDM übernimmt damit die Rolle eines<br />
Bindeglieds zwischen den Prozessen der <strong>Metadaten</strong>entstehung und den Prozessen der<br />
<strong>Metadaten</strong>nutzung [Melchert 2006: 40]. Als zentrales Element des MDM wird dabei in<br />
der Literatur das <strong>Metadaten</strong>-Repository gesehen [Marco 2000: 47; Shankaranarayanan,<br />
Even 2004: 250; Vaduva, Vetterli 2001: 278]. Das <strong>Metadaten</strong>-Repository ist im engeren<br />
Sinne eine zentrale Datenbank, in welcher die <strong>Metadaten</strong> abgelegt sind [Melchert<br />
2006: 41; Shankaranarayanan, Even 2004: 250]. Neben einer zentralen Datenbank sind<br />
aber auch weitere Funktionen und Softwarekomponenten notwendig, um beispielsweise<br />
<strong>Metadaten</strong> automatisch und manuell zu erfassen, in ein konsolidiertes Datenmodell<br />
zu integrieren, zu verwalten und über entsprechende Schnittstellen zur Nutzung bereitzustellen.<br />
Für die Gesamtheit aller Funktionen und Softwarekomponenten, die das<br />
MDM unterstützen, hat sich in der Literatur bisher keine allgemein akzeptierte Bezeichnung<br />
etabliert. Während einige Autoren neue Begrifflichkeiten einführen, wie<br />
beispielsweise Managed Metadata Environment [Marco, Jennings 2004: 3-5] oder Metadata<br />
Solution [Tannenbaum 2002: 157-158], verwenden andere den Begriff des Me-<br />
8 Hier ist als COTS-Produkt z. B. SAP <strong>St</strong>reamworks zu nennen.
12 Grundlagen<br />
tadaten-Repository in einer erweiterten Form [Sen 2004: 153-155; Vaduva, Vetterli<br />
2001: 278-281].<br />
Diese Arbeit folgt dem Vorschlag und Begriffsverständnis von Melchert [2006: 41-42]<br />
und spricht im Weiteren von MDMS – zum einen, um damit die Trennung zwischen<br />
Funktionalitäten und realisierenden Tools zu erreichen, und zum anderen, um zwischen<br />
dem Informationssystem und den aufsetzenden Prozessen zu unterscheiden.<br />
Ein MDMS dient der informationstechnischen Unterstützung der Prozesse des <strong>Metadaten</strong>managements.<br />
Es umfasst alle Datenstrukturen und Softwarekomponenten, die<br />
erforderlich sind, um <strong>Metadaten</strong> zu integrieren, zu verwalten, zu pflegen, für Zwecke<br />
der <strong>Metadaten</strong>nutzung aufzubereiten und adressatengerecht bereitzustellen sowie um<br />
die Aktivitäten des <strong>Metadaten</strong>managements zu überwachen und zu koordinieren. Zusammen<br />
mit den unterstützten MDM-Prozessen bildet das MDMS eine MDM-Lösung.<br />
2.3 <strong>Bedarfsanalyse</strong> in der IS-Entwicklung<br />
In den Wirtschaftswissenschaften ist Bedarf definiert als ein tatsächlicher oder wahrgenommener<br />
Mangel, dem durch den Einsatz finanzieller Mittel begegnet wird [Gabler<br />
2010: 342; Pollert, Kirchner, Polzin 2001: 12; Schubert, Klein 2006: 36]. Damit ist<br />
Bedarf von Bedürfnissen, die nicht durch finanzielle Ressourcen beschränkt sind<br />
[Maslow 1999], und von Nachfrage, die die marktwirksame Kaufentscheidung zu einem<br />
Bedarf voraussetzt, zu unterscheiden [Gabler 2010; Pollert, Kirchner, Polzin<br />
2001; Schubert, Klein 2006].<br />
Allgemein beschäftigt sich die <strong>Bedarfsanalyse</strong> (aus Sicht eines potenziell Kaufenden)<br />
gesamthaft mit den vorhandenen Bedürfnissen und den zur ihrer Befriedigung zur Verfügung<br />
stehenden, knappen finanziellen Resourcen. In der Wirtschaftsinformatik ist<br />
der Begriff der <strong>Bedarfsanalyse</strong> kaum verbreitet und wird wenn eher als Teil des oder<br />
synonym zum AM (Abschnitt 2.4.1) verwendet [z. B. Frie, <strong>St</strong>rauch 2001; Kuhlen,<br />
Seeger, <strong>St</strong>rauch 2004; Robertson, Robertson 2006; Winter, <strong>St</strong>rauch 2004]. Auch wenn<br />
hier Parallelen existieren, lassen sich klare Unterschiede feststellen. Einerseits finden<br />
<strong>Bedarfsanalyse</strong> und AM zu unterschiedlichen Zeitpunkten statt. Die <strong>Bedarfsanalyse</strong><br />
erfolgt im Vorfeld der eigentlichen Investitionsentscheidung, während die Erhebung,<br />
Prüfung und Dokumentation der Anforderungen eine Projektphase in der Realisierung<br />
(nach der Investitionsentscheidung) beschreibt [Project Management Institute 2004].<br />
Andererseits unterscheidet sich der inhaltliche Fokus. Die <strong>Bedarfsanalyse</strong> hat, den Erkenntnissen<br />
aus dem Projektmanagement nach, zum Ziel, eine Investitionsentscheidung<br />
vorzubereiten, die insbesondere den Projektumfang auf Basis einer Kosten-
Grundlagen 13<br />
Nutzen-Betrachtung vorsieht und im Rahmen einer Projektvereinbarung (Project Charter)<br />
festgeschrieben wird [Hayes 2000: 17-22; Koroknay 1993: 546; Project Management<br />
Institute 2004: 81-82]. Hier werden zwar auch Anforderungen definiert, diese<br />
haben jedoch mehr den Charakter von strategischen Zielen. Das AM dokumentiert –<br />
ähnlich dem Bereich Enterprise Ontology aus dem Enterprise Engineering (EE) – wesentlich<br />
detaillierter und widerspruchsfrei Funktionen, die durch ein System realisiert<br />
werden sollen (Abschnitt 2.4.1). Eine Kosten-Nutzen-Analyse kann zwar auch hier<br />
noch erfolgen, spielt aber im Vergleich eine nachgelagerte Rolle, da die eigentliche<br />
Investitionsentscheidung bereits erfolgt ist.<br />
Aus diesen Gründen wird in dieser Arbeit die strikte Trennung von <strong>Bedarfsanalyse</strong><br />
und AM propagiert. Als Ergebnis gibt die <strong>Bedarfsanalyse</strong> (bei einer positiven Investitionsentscheidung)<br />
die wesentlichen Eckpunkte eines entsprechenden Projekts in Form<br />
einer Projektvereinbarung (Project Charter) vor [Hayes 2000: 17-22; Koroknay 1993:<br />
546; Project Management Institute 2004: 81-82]: Problemstellung/Handlungsbedarf,<br />
(ökonomische) Rechtfertigung des Projekts (auf Basis einer Kosten-Nutzen-Analyse),<br />
Sponsoren und Projektumfang/Zielsetzung (Tab. 2).<br />
Der Vollständigkeit halber sei erwähnt, dass eine umfassende Projektvereinbarung<br />
auch einen Grobentwurf zur Projektplanung beinhaltet, welcher unter anderem das<br />
Projektteam und Meilensteine im Vorgehen spezifiziert (Punkt 5, Tab. 2). Dieser Aspekt<br />
bleibt jedoch unter dem Fokus auf die <strong>Bedarfsanalyse</strong> unberücksichtigt. Zum einen<br />
erklärt die Projektplanung nicht, warum und mit welcher Zielsetzung ein Projekt<br />
durchgeführt werden soll. Sie ist damit weniger Teil der <strong>Bedarfsanalyse</strong> und kann bereits<br />
zur operativen Projektdurchführung gezählt werden. Zum anderen kann ein Projekt<br />
zwar auch an der Projektplanung (fehlende Ressourcen, Abhängigkeiten zu anderen<br />
Projekten etc.) scheitern, dies ist dann aber nicht Ausdruck für fehlenden Bedarf.<br />
Daher werden die Elemente der Projektplanung in den folgenden Ausführungen nicht<br />
weiter betrachtet.<br />
Ein Vorgehensmodell zur <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong> muss daher – wie eben<br />
ausgeführt – den Handlungsbedarf identifizieren, die Projektdurchführung in Form<br />
einer Kosten-Nutzen-Analyse ökonomisch rechtfertigen, einen Sponsor bereitstellen<br />
und schlussendlich den Projektumfang definieren. Diese vier Elemente können als<br />
aufeinander aufbauende Phasen interpretiert werden und werden im Folgenden näher<br />
spezifiziert.
14 Grundlagen<br />
# Inhalt [Hayes 2000: 17-<br />
22]<br />
[Koroknay 1993:<br />
546]<br />
[Project Management<br />
Institute<br />
2004: 81-82]<br />
1 Problemstellung/<br />
Opportunity<br />
Business problem<br />
Business need<br />
Handlungsbedarf<br />
statement<br />
<strong>St</strong>akeholder<br />
2 (Ökonomische)<br />
Project justification<br />
Cost/benefit<br />
Project purpose or<br />
Rechtfertigung des<br />
analysis<br />
justification<br />
Projekts<br />
Business case<br />
(including ROI)<br />
3 Sponsor Project charter<br />
acceptance<br />
- Sponsor<br />
4 Projektumfang/<br />
Zielsetzung<br />
Project scope User needs Requirements<br />
Project objectives -<br />
Constraints and assumptions<br />
Fit with the IT<br />
strategic plan<br />
Assumptions<br />
Constraints<br />
5 Initiale Projektplanung<br />
Project approach - Summary milestone<br />
schedule<br />
Project organization<br />
Assigned project<br />
manager and authority<br />
level<br />
Impact statement -<br />
Tab. 2: Übersicht Bestandteile einer Projektvereinbarung<br />
Für die Identifikation von Handlungsbedarf ist es notwendig, die relevanten <strong>St</strong>akeholder<br />
eines MDMS im Unternehmen zu identifizieren und ihre besonderen Interessen<br />
(Concerns) [Bayer 2004: 35; IEEE 2000: 3-4] zu verstehen, aus denen sich Informationsbedarfe<br />
an fachlichen <strong>Metadaten</strong> ableiten. Diese Concerns implizieren Informationsbedarfe,<br />
die in Form von modularen Viewpoints modelliert werden [Finkelstein et<br />
al. 1992: 6-10; Kotonya, Sommerville 1992: 376; Kotonya, Sommerville 1998: 150-
Grundlagen 15<br />
151]. Damit untergliedert sich die Identifikation des Handlungsbedarfs in drei Teile:<br />
Identifikation potenzieller <strong>St</strong>akeholder (mit Problemstellungen hinsichtlich der Informationsversorgung<br />
im Unternehmen), Analyse des Handlungsbedarfs (zur Identifikation<br />
von Concerns, die fachliche <strong>Metadaten</strong> erfordern) und Skizzierung des Bedarfs an<br />
fachlichen <strong>Metadaten</strong> (in Form von Viewpoints).<br />
Für die Rechtfertigung der Projektdurchführung in Form einer Kosten-Nutzen-Analyse<br />
müssen Nutzenpotenziale und Kosten gegenübergestellt werden [Boardman et al.<br />
2008]. Die Berechnung des Return on Investment (ROI) setzt dabei eine Quantifizierung<br />
dieser beiden Teile voraus. Während dies für die einmaligen und laufenden Kosten<br />
in der Regel einfach möglich ist, können Nutzenpotenziale aus Zusatzinformationen<br />
oft nur schwer in Kosteneinsparungen oder Ertragssteigerungen ausgedrückt werden.<br />
Für die Bewertung des Nutzwerts ist daher ein zweistufiges Vorgehen sinnvoll,<br />
das zunächst mit einer qualitativen Bewertung [vgl. Zangemeister 1976] einsteigt und<br />
nur noch vielversprechende Nutzwertpotenziale in die Quantifizierung einbezieht (vertiefend<br />
in den Abschnitten 9.2 und 10.4.2 diskutiert).<br />
Die Identifikation des Sponsors (oder mehrerer Sponsoren) erfolgt auf Basis der relevanten<br />
<strong>St</strong>akeholder und der identifizierten Nutzenpotenziale. Auf Basis einer Entscheidungsvorlage<br />
können die Ergebnisse der Kosten-Nutzen-Analyse dem Kreis der<br />
relevanten <strong>St</strong>akeholder präsentiert werden, die in der Lage sind, entsprechende Mittel<br />
zu bewilligen. Der Sponsor beziehungsweise die Sponsoren treffen dann die Investitionsentscheidung,<br />
welche die umzusetzenden Viewpoints spezifiziert.<br />
Die Definition des Projektumfangs erfolgt dann auf Basis der relevanten Viewpoints,<br />
indem diese genutzt werden, um benötigte MDMS-Funktionalitäten zu spezifizieren.<br />
Diese dienen als Anforderungskatalog für die weitere Projektumsetzung. Hierbei sind<br />
auch Annahmen und Einschränkungen zu dokumentieren, welche für die Projektdurchführung<br />
(insbesondere auch die Auswahl des MDMS-Tools) eine Rolle spielen.<br />
Das sich hieraus ergebende Vorgehensmodell ist mit seinen Aktivitäten und Ergebnissen<br />
in Abb. 2 dargestellt.
16 Grundlagen<br />
Abb. 2: Vorgehensmodell für die <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong><br />
Setzt man die Ergebnisse der einzelnen Aktivitäten in Beziehung zueinander, erhält<br />
man das Informationsmodell (bzw. Metamodell) des Vorgehensmodells aus Abb. 2<br />
[Gutzwiller 1994: 12-14]. Dieses Informationsmodell dient als Bezugsrahmen für die<br />
vorliegende Dissertation und wird in Abschnitt 3.5 näher betrachtet.<br />
2.4 Anforderungen im IS-Design<br />
In diesem Abschnitt werden Anforderungen aus Sicht des AM und des EE diskutiert.<br />
Die Beschränkung dieser Diskussion auf diese beiden Disziplinen erfolgt hinsichtlich<br />
ihrer Bedeutung für die <strong>Bedarfsanalyse</strong>, die im Fokus dieser Dissertation steht. Beide<br />
Disziplinen stellen Techniken zur Identifikation und Dokumentation von Anforderungen<br />
bereit, die in der <strong>Bedarfsanalyse</strong> während der Phase „Identifikation Handlungsbedarf“<br />
Anwendung finden können (im Detail Abschnitt 3.4).<br />
Zunächst werden Anforderungen aus der Perspektive des AM in Abschnitt 2.4.1 und<br />
danach aus der Perspektive des EE in Abschnitt 2.4.2 erörtert. Abschließend wird ein<br />
konsolidiertes Begriffsverständnis vorgestellt.<br />
2.4.1 Anforderungsmanagement<br />
Das AM ist eine Subdisziplin im Systems und Software Engineering, das sich damit<br />
auseinandersetzt, die Ziele, Funktionen und Einschränkungen für das Design von<br />
Hardware- und Softwaresystemen zu bestimmen [Laplante 2009]. In diesem Zusammenhang<br />
ist eine Anforderung eine „condition or capability needed by a user to solve a<br />
problem or achieve an objective“ [IEEE 1990: 62]. Hierbei schlagen einige Autoren/Autorinnen<br />
vor, dass Anforderungen alleine das „Was“ eines Systems beschreiben<br />
sollen und weniger das „Wie“ [Kotonya, Sommerville 1998: 4], um strikt IT-Bedarf
Grundlagen 17<br />
(Fachseite) vom IT-Angebot (IT) zu trennen. Die Praxis zeigt jedoch, dass diese Sicht<br />
zu simplifizierend ist. Schließlich muss ein System kompatibel mit seiner Umgebung<br />
sein, was die Freiheiten beim Design und der Implementierung einschränkt [Dietz<br />
2007: 39-43; Kotonya, Sommerville 1998: 3-4]. Daher sind Anforderungen im Allgemeinen<br />
eine Mischung aus „problem information, statements of systems behavior and<br />
properties and design/manufacturing constraints“ [Kotonya, Sommerville 1998: 4].<br />
In der Regel werden im AM funktionale und nichtfunktionale Anforderungen unterschieden<br />
[z. B. IFPUG 2010: 1-7; Landes, <strong>St</strong>uder 1995: 1-2; Paech, Kerkow 2004: 27;<br />
van Lamsweerde 2001: 3]. Während bei der Auslegung des Begriffs „funktionale Anforderung“<br />
Einigkeit herrscht, findet sich für „nichtfunktionale Anforderungen“ eine<br />
ganze Bandbreite an Definitionen [Glinz 2007: 1-2]. Funktionale Anforderungen definieren,<br />
„was“ ein System können sollte oder müsste [Paech, Kerkow 2004: 28; Robertson,<br />
Robertson 2006: 9; Sommerville 2010: 110-111]. Präziser formuliert beschreibt<br />
eine Funktion Eingaben (<strong>St</strong>imuli), Ausgaben (Antworten) und die funktionale Beziehung<br />
zwischen diesen beiden [Davis 1993; Dietz 2007: 41; IFPUG 2010: 1-7]. Beispiele<br />
für funktionale Anforderungen sind eine Kommentierungsfunktion und das bedarfsgerechte<br />
Einblenden von Hintergrundinformationen.<br />
Nichtfunktionale Anforderungen hingegeben beschreiben, „wie gut“ ein System in<br />
einer bestimmten Umgebung seine Funktionen erfüllt [Paech, Kerkow 2004: 28; Robertson,<br />
Robertson 2006: 10; van Lamsweerde 2001: 3]. Diese Anforderungen beschreiben<br />
damit die Eigenschaften und Bedingungen, unter denen ein System operiert.<br />
Hierbei ist man sich in der Literatur uneinig, ob diese Charakteristika Einschränkungen<br />
beinhalten, die durch die Systembenutzenden wahrnehmbar sind [Glinz 2007: 1-<br />
4]. In dieser Arbeit wird die Auffassung vertreten, dass auch durch den Nutzenden<br />
wahrnehmbare Eigenschaften und Bedingungen einen Teil der nichtfunktionalen Anforderungen<br />
darstellen. Eine andere Auffassung würde nahelegen, dass z. B. die Anforderung<br />
„geringe Antwortzeit“ entweder funktional wäre oder in keine der beiden<br />
Anforderungskategorien fallen würde. Dies ist nicht eingängig, da auf der einen Seite<br />
die Namensgebung der beiden Kategorien Vollständigkeit suggeriert und auf der anderen<br />
Seite eine Funktion das „Was“ und nicht das „Wie“ beschreibt. Nichtfunktionale<br />
Anforderungen sind neben „geringe Antwortzeit“ typischerweise „hohe Verlässlichkeit“<br />
und „hohe Datenqualität“ [vgl. Boehm 1978: 595; Chung, Sampaio de Prado Leite<br />
2009: 364-397; Grady, Caswell 1987: 159, 210].
18 Grundlagen<br />
2.4.2 Enterprise Engineering<br />
Das EE ist eine Disziplin im Systems Engineering, das sich auf die zielgerichtete,<br />
theoriebasierte Entwicklung von Unternehmensorganisationen aus einer Ingenieurssicht<br />
fokussiert [Dietz 2006; Hoogervorst 2009; Saenz et al. 2009]. Daher ist der zentrale<br />
Aspekt im EE die Übersetzung von Anforderungen in ein Design. Hier liegt der<br />
fundamentale Unterschied zum AM. Während das AM nach der Sammlung, Validierung<br />
und Bewilligung der Anforderungen aufhört, erstreckt sich das EE über die anschließende<br />
Designphase hinweg [Dietz 2007].<br />
Abb. 3: Taxonomie für Anforderungen<br />
Das ist auch der Grund, warum das AM Anforderungen nur aus einer Systemnutzerperspektive<br />
begreift und EE darüber hinaus Einschränkungen (Anforderungen im weiteren<br />
Sinne) aus Sicht des Bereitstellers berücksichtigt. Diese „Einschränkungen“ resultieren<br />
aus der zugrunde liegenden Architektur des Bereitstellers und werden „(Design-)Prinzipien“<br />
genannt [Dietz 2007: 62; IEEE 2000: 3; <strong>St</strong>elzer 2009: 24-25]. In An-
Grundlagen 19<br />
lehnung an das AM können funktionale und nichtfunktionale Prinzipien unterschieden<br />
werden. „<strong>St</strong>andardisierte Dialoge“ und „mehrsprachige Interfaces“ sind typische Beispiele<br />
für funktionale Prinzipien, während „Serviceorientierte Architektur“ und<br />
„Client-Server-Architektur mit ‚Thin Clients‘“ Beispiele für nichtfunktionale Prinzipien<br />
sind. Abb. 3 bringt die Perspektiven aus dem AM und dem EE überein.
20 Bestehende Ansätze<br />
3 Bestehende Ansätze<br />
In diesem Kapitel werden bestehende Ansätze zur Entwicklung und Weiterentwicklung<br />
von MDMS vorgestellt. In Abschnitt 3.1 wird die Auswahl relevanter Ansätze<br />
begründet. In den Abschnitten 3.2 bis 3.4 werden die jeweiligen Ansätze mit Fokus auf<br />
die Anforderungen an eine <strong>Bedarfsanalyse</strong> diskutiert.<br />
3.1 Auswahl verwandter Ansätze<br />
Im Fokus der Dissertation steht die <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong>. Für die Identifikation<br />
verwandter Ansätze kann eine Literaturanalyse daher drei verschiedene Bereiche<br />
betrachten: Zunächst werden Arbeiten betrachtet, die sich im Detail mit fachlichen<br />
<strong>Metadaten</strong> auseinandersetzen (Abschnitt 3.2). Danach liegt der Fokus auf Arbeiten,<br />
die sich allgemein mit <strong>Metadaten</strong> (inkl. technischer <strong>Metadaten</strong>) befassen (Abschnitt<br />
3.3). Abschließend werden Arbeiten diskutiert, die sich losgelöst von einem<br />
<strong>Metadaten</strong>kontext mit der <strong>Bedarfsanalyse</strong> auseinandersetzen (Abschnitt 3.4). Hierbei<br />
wird sukzessive der Blickwinkel auf die vorhandene Literatur erweitert, was sich dabei<br />
auf die Spezifität der zu erwartenden Ergebnisse auswirken wird. Grundsätzlich stellt<br />
sich für alle drei Perspektiven die Frage, inwiefern sie die Forschungsfragen der Dissertation<br />
bereits adressieren und zur Entwicklung fehlender Bausteine beitragen können.<br />
Bei der Analyse der Literatur zu fachlichen <strong>Metadaten</strong> und <strong>Metadaten</strong> im Allgemeinen<br />
werden im Folgenden nur Arbeiten betrachtet, die sich an die Anwendung im BI richten.<br />
Bei der Durchführung der Analyse hat sich gezeigt, dass viele Arbeiten <strong>Metadaten</strong><br />
mit Blick auf die Beschreibung digitaler Medien und das Bibliothekswesen betrachten.<br />
Obwohl hier grundsätzlich verwandte Ziele verfolgt werden, unterscheidet sich mit<br />
dem jeweiligen Objekt, das durch <strong>Metadaten</strong> beschrieben wird, doch sehr stark der<br />
eigentliche Informationsbedarf. So stehen im BI Daten und Datenflüsse im Vordergrund,<br />
die vor allem Fragen nach Datenformaten, Definitionen und Transformationsschritten<br />
in der Datenverarbeitung aufwerfen.<br />
3.2 Analyse der Literatur zu fachlichen <strong>Metadaten</strong><br />
Grundsätzlich existieren vergleichsweise wenige Beiträge in der Literatur, die sich mit<br />
fachlichen <strong>Metadaten</strong> im Detail auseinandersetzen. Eine Volltextsuche auf Schlüssel-
Bestehende Ansätze 21<br />
wörter in vier Literaturdatenbanken 9 ergab 41 Treffer, von denen lediglich drei Beiträge<br />
im Rahmen dieser Disseration relevant sind. Unter Einbezug der Referenzen und<br />
weiterer Veröffentlichungen der Autoren konnte die Liste relevanter Beiträge auf zehn<br />
erhöht werden. Diese Beiträge sind in Tab. 3 mit Blick auf die zugrunde liegenden<br />
Forschungsfragen (Abschnitt 1.2) dargestellt.<br />
No. Beitrag<br />
FI: Anwendungsgebiete/<br />
Domänen<br />
FII: Nutzenpotenziale<br />
FIII: Funktionalitäten von<br />
COTS-Produkten<br />
FIV: Implikationen von<br />
Nutzerpräferenzen<br />
1 [Chengalur-Smith, Ballou, Pazer 1999] 0 2 0 0<br />
2 [Dhaliwal, Benbasat 1996] 0 1 0 2<br />
3 [Even, Shankaranarayanan, Watts 2006] 0 2 0 0<br />
4 [Fisher, Chengalur-Smith, Ballou 2003] 0 2 0 2<br />
5 [Foshay 2005; Foshay, Mukherjee, Taylor 2007] 1 2 0 0<br />
6 [Mao, Benbasat 2000] 0 1 0 2<br />
7 [Shankaranarayanan, Even 2006] 1 1 1 0<br />
8 [Shankaranarayanan, Even, Watts 2006] 0 2 0 2<br />
9 [Shankaranarayanan, Even 2004] 1 1 2 0<br />
10 [Shankaranarayanan, Watts 2003] 0 2 0 0<br />
0<br />
Nicht adressiert<br />
2<br />
Teilaspekte diskutiert<br />
4 Vollumfänglich<br />
1<br />
Angesprochen<br />
3<br />
Wenige Lücken<br />
adressiert<br />
Tab. 3: Übersicht Literaturanalyse zu fachlichen <strong>Metadaten</strong><br />
Betrachtet man die Ergebnisse der Literaturanalyse, beschäftigen sich die Beiträge<br />
vorwiegend mit der Diskussion der Nutzenpotenziale von fachlichen <strong>Metadaten</strong>. Die<br />
9 Es wurde in den Literaturdatenbanken von EbscoHost, ISI Web of Knowledge, SpringerLink (LNCS Proceedings)<br />
und ScienceDirect gesucht. Die gesuchten Schlüsselwörter umfassten den Begriff „fachliche <strong>Metadaten</strong>“<br />
sowie seine englischsprachigen Synonyme.
22 Bestehende Ansätze<br />
Diskussionen beschränken sich dabei in der Regel auf abstrakte Ursache-Wirkungs-<br />
Beziehungen, die für sich alleine nicht geeignet sind, den Bedarf unter ökonomischen<br />
Aspekten zu bewerten. Foshay [2005: 17-19] und Foshay et al. [2007: 74-76] beispielsweise<br />
belegen emprisch, dass fachliche <strong>Metadaten</strong> einen positiven Effekt auf die<br />
Nutzung von BI-Systemen haben. Chengalur-Smith et al. [1999: 177-181] und Fisher<br />
et al. [2003: 860-864] hingegen weisen nach, dass Qualitätsinformationen Entscheidungen<br />
beeinflussen können. Shankaranarayanan und Watts [2003] und Even et al.<br />
[2006: 7-8] untersuchen die Auswirkungen von Verarbeitungsinformationen auf die<br />
Glaubwürdigkeit von Informationsquellen.<br />
Einige Arbeiten berücksichtigen hierbei Nutzerpräferenzen. So betrachten beispielsweise<br />
Dhaliwal und Benbasat [1996] und Mao und Benbasat [2000], wie sich die Seniorität<br />
von Nutzenden auf die Anwenung von Erklärungen bei der Entscheidungsfindung<br />
auswirkt. Ähnliches untersuchen auch Fisher et al. [2003], die den Effekt von<br />
Seniorität auf den Einsatz von Datenqualitätsinformationen betrachten. Zuletzt sind<br />
noch Shankaranarayanan et al. [2006] zu nennen, die den Effekt von Prozessmetadaten<br />
auf Nutzer mit einer Präferenz für analytisch geprägte Entscheidungsfindung diskutieren.<br />
Grundsätzlich werden hierbei jedoch nur bestimmte <strong>Metadaten</strong> und bestimmte<br />
Präferenzen betrachtet.<br />
Zusammenfassend lässt sich festhalten, dass fachliche <strong>Metadaten</strong> nicht umfassend diskutiert<br />
werden, um die Ergebnisse im Rahmen einer <strong>Bedarfsanalyse</strong> nutzbar zu machen.<br />
Sehr deutlich zeigt sich das mit Blick auf die Nutzenpotenziale von fachlichen<br />
<strong>Metadaten</strong>. Es bedarf hier einer vollständigen Betrachtung der relevanten Dimensionen<br />
und einer Systematik, welche diese für eine Kosten-Nutzen-Analyse bewertbar macht.<br />
3.3 Analyse der Literatur zu <strong>Metadaten</strong> im Allgemeinen<br />
Betrachtet man die Literaturanalyse von Melchert [2006: 72-73], finden sich Arbeiten,<br />
die sich mit der Entwicklung und Konzeption von MDMS befassen, vornehmlich in<br />
Praktikerpublikationen. Erweitert man diese Literaturanalyse 10 , lassen sich insgesamt<br />
fünf Beiträge identifizieren, die im Rahmen der Dissertation relevant sind. Diese Arbeiten<br />
sind in Tab. 4 mit Blick auf die zugrunde liegenden Forschungsfragen (Abschnitt<br />
1.2) dargestellt.<br />
10 Diese wurde in der Literaturdatenbank von Google Books für den Zeitraum zwischen 2006 und 2010 durchgeführt<br />
und erzielte 49 Treffer. Gesucht wurde nach dem Schlüsselwort „Metadata“ im Titel und zusätzlich nach<br />
der Erwähnung der Schlüsselwörter „Business Intelligence“ oder „Data Warehouse“. Schlüsselwörter, die zur<br />
Abgrenzung relevanter Beiträge genutzt wurden, beinhalteten: „Library“, „Web 2.0“ und „Media“.
Bestehende Ansätze 23<br />
No. Beitrag<br />
FI: Anwendungsgebiete/<br />
Domänen<br />
FII: Nutzenpotenziale<br />
FIII: Funktionalitäten von<br />
COTS-Produkten<br />
FIV: Implikationen von<br />
Nutzerpräferenzen<br />
1 [Inmon, O'Neil, Fryman 2008] 2 2 1 0<br />
2 [Marco 2000] 1 2 0 0<br />
3 [Melchert 2006] 2 1 0 0<br />
4 [Tannenbaum 2002] 1 1 0 0<br />
5 [Wegener 2007] 2 2 0 0<br />
0<br />
Nicht adressiert<br />
2<br />
Teilaspekte diskutiert<br />
4 Vollumfänglich<br />
1<br />
Angesprochen<br />
3<br />
Wenige Lücken<br />
adressiert<br />
Tab. 4: Übersicht Literaturanalyse zu <strong>Metadaten</strong> im Allgemeinen<br />
Im Folgenden sollen die einzelnen Beiträge näher beleuchtet werden. Inmon, O’Neil<br />
und Fryman [2008] diskutieren eine <strong>Bedarfsanalyse</strong> nicht gesamthaft, adressieren jedoch<br />
Teilaspekte, die sich den einzelnen Forschungsfragen zuordnen lassen. Die Ausführungen<br />
zum Wertbeitrag von <strong>Metadaten</strong> (insbesondere fachliche <strong>Metadaten</strong>) fokussieren<br />
sich jedoch ausschließlich auf die Gruppe der Datenkonsumierenden [2008: 25-<br />
34]. Dass auch Datenproduzierende und Datenmanager von den <strong>Metadaten</strong> profitieren,<br />
bleibt hierbei unberücksichtigt. Dieser Fokus zieht sich auch durch die Diskussion der<br />
Anwendungsgebiete durch [Inmon, O'Neil, Fryman 2008: 55-78]. Darüber hinaus<br />
werden einige notwendige Funktionalitäten eines MDMS im Rahmen der Entscheidungsfrage,<br />
ob eine MDMS-Lösung extern zugekauft oder intern entwickelt werden<br />
soll umrissen, aber nicht näher vertieft [Inmon, O'Neil, Fryman 2008: 170-171].<br />
Vergleichbar mit dem vorherigen Beitrag erwähnt auch Wegener [2007] die <strong>Bedarfsanalyse</strong><br />
nicht explizit. Vielmehr werden anhand von Beispielen für Finanzdienstleister<br />
Anwendungsgebiete von <strong>Metadaten</strong> diskutiert und entsprechende Nutzenpotenziale<br />
aufgezeigt [Wegener 2007: 71-178]. Insgesamt adressiert diese Arbeit jedoch sehr<br />
spezielle Problemstellungen, die sich nicht leicht übertragen lassen.
24 Bestehende Ansätze<br />
Marco [2000: 83-322] stellt ein Vorgehensmodell zur Einführung von <strong>Metadaten</strong>systemen<br />
vor. Dabei stellt er der eigentlichen Entwicklungsarbeit eine optionale Orientierungsphase<br />
und eine Machbarkeitsstudie voran. Gemeinsames Ziel dieser Phasen ist<br />
es, einerseits die wichtigsten <strong>St</strong>akeholder (potenzieller Sponsoren) von der Notwendigkeit<br />
von <strong>Metadaten</strong> zu überzeugen und andererseits den Projektumfang unter Kosten-Nutzen-Erwägungen<br />
abzugrenzen. Dies deckt sich im Umfang mit den Zielen einer<br />
<strong>Bedarfsanalyse</strong>, allerdings fehlt es diesen Ausführungen an umfassenden Orientierungshilfen<br />
für die Identifikation potenzieller Sponsoren und die Erfassung des Nutzwertes.<br />
Tannenbaum [2002: 257-347] hingegen diskutiert sehr ausführlich die einzelnen<br />
Schritte im AM, um in einer konsistenten Form Anforderungen zu dokumentieren, zu<br />
strukturieren und in ein integriertes Metamodell zusammenzuführen. Die <strong>Bedarfsanalyse</strong><br />
und die damit einhergehende Finanzierungsproblematik eines MDMS findet hierbei<br />
keinerlei Berücksichtigung. Der Ansatz von Tannenbaum setzt somit eine positive<br />
Investitionsentscheidung und das Vorhandensein eines Sponsors bereits voraus.<br />
Melchert [2006: 135-305] stellt den einzigen wissenschaftlich verorteten Beitrag zur<br />
Entwicklung von MDMS dar und adressiert hierbei vor allem identifizierte Schwachpunkte<br />
der praxisorientierten Beiträge von Marco und Tannenbaum. Hierfür wird auf<br />
Fallstudien mit Partnerunternehmen aufgebaut und die Erfahrungen werden in einem<br />
„Best-of-Breed“-Ansatz in ein Gesamtmodell überführt. Zwar betont Melchert in den<br />
Anforderungen an sein Vorgehensmodell die Lösung der Finanzierungsproblematik,<br />
lässt diese im Weiteren jedoch weitgehend unberücksichtigt. In der ersten Phase „<strong>St</strong>rategieplanung“<br />
werden zwar <strong>St</strong>akeholderinteressen analysiert und in eine gemeinsame<br />
<strong>St</strong>rategie zusammengeführt, jedoch stellt dies nur einen Teil einer umfassenden <strong>Bedarfsanalyse</strong><br />
dar. Eine objektive Validierung des Handlungsbedarfs unter Kosten-<br />
Nutzen-Erwägungen und eine damit einhergehende Identifikation von Sponsoren findet<br />
nicht statt.<br />
Abschließend lassen sich aus der Analyse der bestehenden Beiträge zur Entwicklung<br />
von MDMS insbesondere zwei Erkenntnisse festhalten: Zum einen betonen die meisten<br />
Werke mehr oder weniger ausführlich die Notwendigkeit einer <strong>Bedarfsanalyse</strong>. In<br />
diesem Zusammenhang wird besonders die Finanzierungsproblematik aufgeführt, welche<br />
sich vor allem aus den Schwierigkeiten der Nutzenbewertung und der Identifikation<br />
entsprechender Sponsoren ergibt. Zum anderen adressieren alle Werke die Herausforderungen<br />
einer <strong>Bedarfsanalyse</strong> nur unzureichend. In der Regel werden Teilaspekte
Bestehende Ansätze 25<br />
wie beispielsweise die Entwicklung einer <strong>St</strong>rategie zur Abgrenzung des Projektumfangs<br />
diskutiert, dennoch fehlen hierbei Modelle, welche die Praxis dabei unterstützen.<br />
3.4 Analyse der Literatur zu <strong>Bedarfsanalyse</strong> im Allgemeinen<br />
Anders als in den vorherigen Abschnitten kann die Diskussion zur <strong>Bedarfsanalyse</strong> im<br />
Allgemeinen nur sehr schwer auf der Basis einzelner Beiträge geführt werden, da ohne<br />
Einschränkung auf eine bestimmte Forschungsrichtung die Anzahl der Beiträge den<br />
Rahmen der Dissertation sprengen würde. <strong>St</strong>attdessen werden Forschungsrichtungen<br />
identifiziert und vorgestellt, die für die Dissertation relevant sind. Relevant ist eine<br />
Forschungsrichtung, wenn sie die <strong>Bedarfsanalyse</strong> als Ganzes oder in Teilen adressiert.<br />
Die identifizierten Forschungsrichtungen sind in Tab. 5 dargestellt.<br />
No. Forschungsrichtung<br />
FI: Anwendungsgebiete/<br />
Domänen<br />
FII: Nutzenpotenziale<br />
FIII: Funktionalitäten von<br />
COTS-Produkten<br />
FIV: Implikationen von<br />
Nutzerpräferenzen<br />
1 Projektmanagement 1 1 1 0<br />
2 Anforderungsmanagement 1 0 0 0<br />
3 Enterprise Engineering 1 0 0 0<br />
4 Kosten-Nutzen-Analyse 0 1 0 0<br />
5 Serviceorientierung 0 0 1 0<br />
6 Situatives MSS-Design 0 0 0 2<br />
0<br />
Nicht adressiert<br />
2<br />
Teilaspekte diskutiert<br />
4 Vollumfänglich<br />
1<br />
Angesprochen<br />
3<br />
Wenige Lücken<br />
adressiert<br />
Tab. 5: Übersicht Forschungsrichtungen zu <strong>Bedarfsanalyse</strong> im Allgemeinen<br />
Im Folgenden werden die Forschungsrichtungen mit ihren relevanten Elementen kurz<br />
vorgestellt. Wie bereits in Abschnitt 2.3 dargelegt, skizzieren Arbeiten aus dem Projektmanagement<br />
die notwendigen Elemente und Schritte der <strong>Bedarfsanalyse</strong> und geben<br />
damit den groben Rahmen für das Vorgehensmodell zur <strong>Bedarfsanalyse</strong> vor.
26 Bestehende Ansätze<br />
Techniken aus dem Anforderungsmanagement können in der Phase „Identifikation<br />
Handlungsbedarf“ eingesetzt werden, um die Viewpoints der relevanten <strong>St</strong>akeholder<br />
von fachlichen <strong>Metadaten</strong> zu definieren (z. B. „Controlled Requirements Expression<br />
(CORE)“ und „Viewpoint-Oriented Requirements Definition (VORD)“) [Darke,<br />
Shanks 1996; Kotonya, Sommerville 1998; Leité, Freeman 1991]. Im selben Zuge<br />
kann der Bereich Enterprise Ontology aus dem Enterprise Engineering genannt werden<br />
[Dietz 2006]. Mit Hilfe dieses Vorgehens können in sich abgeschlossene und wiederverwendbare<br />
Funktionalitäten identifiziert werden, die von den relevanten <strong>St</strong>akeholdern<br />
benötigt werden. Techniken der Kosten-Nutzen-Analyse können in der gleichnamigen<br />
Phase genutzt werden, um die Nutzenanalyse entlang der identifizierten Nutzendimensionen<br />
von fachlichen <strong>Metadaten</strong> durchzuführen [Kingston 2001: 478-479].<br />
Neben rein quantitativen Bewertungsmodellen gibt es hier auch qualitative Konzepte,<br />
die Projektalternativen in Form eines Scoringmodells bewerten [Zangemeister 1976].<br />
Erkenntnisse aus der Serviceorientierung zu Designprinzipien (insbesondere Bedarfsorientierung<br />
und Modularität) können in der Phase „Definition Projektumfang“ eingesetzt<br />
werden, um die notwendigen Funktionalitäten aus einer reinen Anwendersicht<br />
und gezielt auf die eigentliche Problemstellung zu definieren [Heutschi 2007: 34-35].<br />
In der situativen MSS-Forschung gibt es einige Artikel, die sich mit den Implikationen<br />
von Präferenzen auf fachliche <strong>Metadaten</strong> auseinandersetzen (bereits in Abschnitt 3.2<br />
aufgeführt). Darüber hinaus werden hier Modelle zur Klassifikation von Nutzertypen<br />
und zur Beschreibung ihrer Präferenzen dargestellt, auf denen die Dissertation aufbauen<br />
kann [z. B. Myers 1976; Rowe, Boulgarides 1983; Witkin et al. 1977].<br />
Betrachtet man die Ergebnisse der Analyse, lässt sich schnell erkennen, dass die einzelnen<br />
Forschungsrichtungen nicht spezifisch genug sind, um die Fragestellungen der<br />
Dissertation umfänglich oder in Teilen zu adressieren. Dies liegt auch daran, dass die<br />
vorliegende Dissertation Modelle (Ergebnissicht) entwickelt und diese Forschungsrichtungen<br />
primär eine aktivitätenorientierte Hilfestellung leisten (Ausnahme: Situatives<br />
MSS-Design). Dennoch sind diese Forschungsrichtungen relevant, um die einzelnen<br />
Modelle im Vorgehensmodell zur <strong>Bedarfsanalyse</strong> zu verankern.<br />
3.5 Implikationen und Bezugsrahmen für die Dissertation<br />
Die Diskussion der vorhandenen Literatur in den vorherigen Abschnitten zeigt, dass es<br />
noch an Unterstützung für die <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong> in der Praxis mangelt.<br />
Auf der einen Seite ist die Diskussion von fachlichen <strong>Metadaten</strong> noch nicht umfassend<br />
für diese Zwecke geführt worden und auf der anderen Seite sind Arbeiten zur
Bestehende Ansätze 27<br />
Entwicklung und Konzeption von MDMS im Allgemeinen zu sehr auf die Definition<br />
von Aktivitäten und Abläufen fokussiert. In Analogie zu der Diskussion in Winter et<br />
al. [2009: 8-9] werden für die Unterstützung bei der <strong>Bedarfsanalyse</strong> jedoch auch Modelle<br />
benötigt, die sich schwerpunktmäßig mit den Ergebnissen der einzelnen Phasen<br />
auseinandersetzen. An dieser <strong>St</strong>elle setzt die Dissertation an.<br />
Nach Gutzwiller [1994: 12-14] setzt ein Informationsmodell (bzw. Metamodell) die<br />
Ergebnisse aus den Aktivitäten einer Methode in Beziehung zueinander. Da hier die<br />
Ergebnissicht in den Vordergrund gestellt werden soll, stellt das Informationsmodell<br />
der <strong>Bedarfsanalyse</strong> den Bezugsrahmen der Dissertation dar. Aufgabe des Bezugsrahmens<br />
ist es, die relevanten Forschungsobjekte und Beiträge in der kumulativen Ausarbeitung<br />
nachvollziehbar und systematisch zu ordnen. In der Erstellung der Dissertation<br />
diente dieser Bezugsrahmen darüber hinaus dazu, die Sicherheit und das Ausmaß der<br />
Zielerreichung im Forschungsprozess zu erhöhen [Grochla 1976: 631-637; Kubicek<br />
1977: 15-17; Wolf 2005: 30-36].<br />
Abb. 4: Informationsmodell der <strong>Bedarfsanalyse</strong><br />
Die Ableitung des Informationsmodells baut auf den Ausführungen in Abschnitt 2.3<br />
auf. Im Mittelpunkt stehen hier (relevante) <strong>St</strong>akeholder, die Concerns haben. Die entsprechenden<br />
Informationsbedarfe, die sich aus den Concerns ergeben, werden mit Hilfe<br />
von Viewpoints modelliert. Aus diesen Viewpoints ergeben sich Anforderungen an<br />
fachliche <strong>Metadaten</strong> und MDMS-Funktionalitäten. Die fachlichen <strong>Metadaten</strong> werden<br />
dabei durch MDMS-Tools bereitgestellt, die die MDMS-Funktionalitäten umfassen.<br />
Durch die Bereitstellung der fachlichen <strong>Metadaten</strong> (über MDMS-Funktionalitäten)<br />
werden letztendlich die Nutzenpotenziale realisiert, welche die initialen Concerns der
28 Bestehende Ansätze<br />
<strong>St</strong>akeholder adressieren. Die Kosten der Bereitstellung sind hier nicht gesondert aufgeführt,<br />
da nur ökonomisch sinnvolle Concerns betrachtet werden sollen. Die Kosten<br />
werden hierdurch implizit berücksichtigt. Die hierin beschriebenen Entitäten und Beziehungen<br />
sind in Abb. 4 dargestellt. Dabei sei erwähnt, dass die hier spezifizierten<br />
Beziehungen entgegen einem (statischen) <strong>St</strong>rukturmodell nicht ungerichtete Referenzen<br />
darstellen, sondern den inhaltlichen Ausführungen zur Ableitung folgen. Die Entitäten<br />
sind in Analogie zu den <strong>St</strong>rukturierungsansätzen in der Unternehmensarchitektur<br />
in vereinfachter Form den Ebenen Business, Alignment und IT zugeordnet [Winter,<br />
Fischer 2007: 2].<br />
Abb. 5: Informationsmodell der <strong>Bedarfsanalyse</strong> –<br />
Spezialisierung auf Systemnutzer<br />
Wie in Abschnitt 1.2 ausgeführt, wird in dieser Dissertation der Systemnutzer aufgrund<br />
seiner Bedeutung für den Projekterfolg gesondert betrachtet. Das allgemein gehaltene<br />
Informationsmodell in Abb. 4 wird daher aus dessen Sicht spezialisiert. Betrachtet<br />
man den Systemnutzer näher, dann sind es vor allem dessen Präferenzen, die<br />
über Umfang und Form des Einsatzes von IS im Allgemeinen entscheiden [McCoy,<br />
Galletta, King 2007: 88-89; Zmud 1979: 4-10]. Da es aus Gründen der Komplexität<br />
sicherlich keinen Sinn macht, jeden Systemnutzer individuell zu adressieren, werden<br />
diese analog zu den situativen Ansätzen in der Referenzmodellierung [Becker, Delfmann,<br />
Knackstedt 2007: 32-38; Gregor, Jones 2007: 325] und im Methoden-<br />
Engineering [Harmsen 1997: 21-39; Kumar, Welke 1992: 263-264; van Slooten, Hodes<br />
1996: 31-33] durch wenige Nutzerprofile zu homogenen Gruppen zusammenge-
Bestehende Ansätze 29<br />
fasst. Diese für die Systemnutzer spezialisierte Sicht auf das beschriebene Informationsmodell<br />
ist in Abb. 5 dargestellt.
30 Beiträge der Arbeit<br />
4 Beiträge der Arbeit<br />
In diesem Kapitel werden die Veröffentlichungen im Rahmen der kumulativen Dissertation<br />
vorgestellt. Ziel ist dabei insbesondere die Kohärenz der Einzelbeiträge darzulegen.<br />
Hierfür werden die Ergebnisse der Dissertation entlang der verschiedenen Elemente<br />
einer Methode verortet, um die Ergebnissicht (Fokus dieser Diskussion) und die<br />
Aktivitätensicht zusammenzubringen (Abschnitt 1.2). Nach Gutzwiller [1994: 12-14]<br />
beinhaltet eine Methode fünf Elemente: Aktivitäten, Techniken, Rollen, Ergebnisse<br />
und das Informationsmodell (bzw. Metamodell), welches die Ergebnisse in Beziehung<br />
setzt.<br />
In den Einzelbeiträgen wurden Empfehlungen für die Ergebnisse einer <strong>Bedarfsanalyse</strong><br />
entwickelt. In Abschnitt 4.1 wird daher zunächst ein Überblick über die Beiträge der<br />
Arbeit gegeben und diese im Informationsmodell, das gleichzeitig den Bezugsrahmen<br />
der Dissertation darstellt (Abschnitt 3.5), zusammengeführt. In Abschnitt 4.2 werden<br />
die Artefakte der Beträge dann entlang der Aktivitäten in der <strong>Bedarfsanalyse</strong> zur Anwendung<br />
gebracht. Hierbei wird ebenfalls auf mögliche Techniken zur Unterstützung<br />
der Aktivitäten aus verwandten Forschungsdisziplinen verwiesen (Abschnitt 3.4). Darauf<br />
folgend werden in Abschnitt 4.3 die Artefakte bei der Identifikation der benötigten<br />
Rollen im Unternehmen für die Durchführung der <strong>Bedarfsanalyse</strong> dargestellt. Dieses<br />
Kapitel schließt mit wenigen formalen Anmerkungen in Abschnitt 4.4 zur Darstellung<br />
und zum Abdruck der einzelnen Beiträge in den nachgelagerten Kapiteln 6 bis 14.<br />
4.1 Überblick und Einordnung im Informationsmodell<br />
Die kumulative Dissertation ist entsprechend den Forschungsfragen FI-FIV (Abschnitt<br />
1.2) in vier inhaltliche Bausteine untergliedert:<br />
B1. Anwendungsgebiete/Domänen für die Nutzung <strong>fachlicher</strong> <strong>Metadaten</strong><br />
Der Baustein erarbeitet ein konzeptionelles Modell zur Klassifizierung der Anwendungsgebiete/Domänen<br />
für fachliche <strong>Metadaten</strong> und der hierin beteiligten <strong>St</strong>akeholder.<br />
Dieses Modell dient als Orientierungshilfe zur Identifikation des Handlungsbedarfs in<br />
Bezug auf fachliche <strong>Metadaten</strong>. Des Weiteren dient der Kreis der relevanten <strong>St</strong>akeholder<br />
zur Identifikation potenzieller Sponsoren.
Beiträge der Arbeit 31<br />
B2. Qualitative und quantitative Nutzendimensionen in der Anwendung von fachlichen<br />
<strong>Metadaten</strong><br />
Der Baustein entwickelt ein konzeptionelles Modell an qualitativen und entsprechenden<br />
quantitativen Nutzendimensionen für fachliche <strong>Metadaten</strong>. Dieses Modell dient<br />
einem pragmatischen, zweistufigen Vorgehen im Zuge einer Kosten-Nutzen-Analyse<br />
für fachliche <strong>Metadaten</strong>. Zunächst wird entlang der qualitativen Nutzendimensionen<br />
eine pragmatische Nutzwertanalyse (Einstufung von Ist- und Soll-Zustand entlang einer<br />
Ratingskala) durchgeführt, um im zweiten Schritt vielversprechende Nutzendimensionen<br />
hinsichtlich ihrer quantifizierbaren Auswirkungen zu detaillieren.<br />
B3. Funktionalitäten in MDMS-Tools zum Management von fachlichen <strong>Metadaten</strong><br />
Der Baustein entwickelt ein konzeptionelles Modell zur Systematisierung und Klassifizierung<br />
der Funktionalitäten von COTS-Produkten für das Management von fachlichen<br />
<strong>Metadaten</strong>. Dieses Modell kann für die Definition des Projektumfangs genutzt<br />
werden, um hersteller- und implementierungsunabhängig Anforderungen an die zu<br />
entwickelnde MDMS-Lösung zu spezifizieren.<br />
B4. Auswirkungen von Präferenzen unterschiedlicher Nutzergruppen auf das Design<br />
von Management-Support-Systemen (inkl. <strong>fachlicher</strong> <strong>Metadaten</strong>)<br />
Der Baustein identifiziert unterschiedliche Nutzergruppen und ihre entsprechenden<br />
Präferenzen für den Einsatz von Management-Support-Systemen (MSS) und leitet aus<br />
diesen situationsspezifische Anforderungen an das funktionale und nichtfunktionale<br />
Design von MSS ab. Die Untersuchung <strong>fachlicher</strong> <strong>Metadaten</strong> als eigentlicher Bestandteil<br />
der vorliegenden Dissertation erfolgt dabei im Kontext ihrer Präsentationsumgebung.<br />
Die Präferenzen und daraus resultierende Implikationen lassen sich in zweierlei<br />
Hinsicht anwenden: Einerseits dienen die hier erlangten Kenntnisse der Überprüfung,<br />
ob die tatsächliche Anwendung <strong>fachlicher</strong> <strong>Metadaten</strong> durch die Zielgruppe an Systemnutzern<br />
wahrscheinlich ist. Andererseits werden durch die Implikationen auf das Design<br />
Annahmen und Einschränkungen für die Definition des Projektumfangs aufgestellt.<br />
Die Verankerung der einzelnen Bausteine im Bezugsrahmen aus Abschnitt 1.2 (Abb. 4<br />
und Abb. 5) ist in Abb. 6 dargestellt.
32 Beiträge der Arbeit<br />
Abb. 6: Einordnung der inhaltlichen Bausteine im Bezugsrahmen<br />
Die Zuordnung der publizierten und eingereichten Beiträge nach Baustein und Abdeckung<br />
der Phasen im Forschungsprozess 11 (Abschnitt 1.3) ist in Abb. 7 dargestellt.<br />
Beitrag A.1 identifiziert elf Anwendungebiete/Domänen für fachliche <strong>Metadaten</strong> und<br />
ihre entsprechenden <strong>St</strong>akeholder (Abb. 12). Diese elf Anwendungsgebiete sind dabei<br />
den drei <strong>St</strong>akeholder-Klassen Datenkonsumierende, Datenmanager und Datenproduzierende<br />
zugeordnet. Der Beitrag bedient sich hierbei der Techniken der Modellkonfiguration<br />
und -aggregation, um die Anwendungsgebiete/Domänen für fachliche <strong>Metadaten</strong><br />
und der hieran beteiligten <strong>St</strong>akeholder in einem konzeptionellen Modell zusammenzuführen.<br />
Dieses Modell wurde im Rahmen eines Projekts für die Identifikation<br />
des Handlungsbedarfs angewendet und evaluiert. Beitrag A.2 stellt eine Weiterentwicklung<br />
des beschriebenen Modells hinsichtlich der Verständlichkeit dar (Abb. 14).<br />
Darüber hinaus handelt es sich hierbei im Gegensatz zum Beitrag A.1 (veröffentlicht<br />
als Short Paper) um eine vollumfängliche Veröffentlichung, welche den gesamten Design-<br />
und Evaluationsprozess offenlegt.<br />
Beitrag B entwickelt ein Datenmodell für das Terminologiemanagement (Abb. 17).<br />
Der Beitrag verwendet dabei die Technik der Modellkonfiguration für das Design des<br />
Datenmodells und evaluiert dessen Nutzen hinsichtlich der Auflösung von terminologischen<br />
Defekten auf Basis analytischer Argumentation. Dieser Beitrag stellt damit<br />
einen konkreten Lösungsansatz für verschiedene Anwendungsgebiete (insb. im Bereich<br />
des Datenkonsumenten) dar und knüpft damit inhaltlich an die Beiträge A.1 und<br />
A.2 an.<br />
Beitrag C.1 identifiziert qualitative und quantitative Nutzendimensionen von fachlichen<br />
<strong>Metadaten</strong> (Abb. 18). Der Beitrag bedient sich hierbei der Technik der Triangulation,<br />
um aus der Literatur und Praxis eine vollständige Übersicht abzuleiten. Dieses<br />
11 Die Phase „Communicate“ ist hier nicht näher berücksichtigt, da jede Veröffentlichung diese Anforderung per<br />
definitione erfüllt.
Beiträge der Arbeit 33<br />
Modell wurde im Rahmen mehrerer Projekte in Form einer zweistufigen Kosten-<br />
Nutzen-Analyse eingesetzt. Beitrag C.2 ist die wissenschaftlich fundierte und anschlussfähige<br />
Weiterentwicklung von Beitrag C.1 (Abb. 21), welcher aufgrund seiner<br />
Praxisorientierung wesentliche Elemente des Forschungsprozesses ausblendet.<br />
Abb. 7: Zuordnung der Beiträge zu den inhaltlichen Bausteinen und dem zugrunde<br />
liegenden Forschungsprozess<br />
Beitrag D entwickelt eine hersteller- und implementierungsunabhängige Funktionssicht<br />
der am Markt zur Verfügung stehenden MDMS-Tools (Abb. 24). Der Beitrag<br />
bedient sich hierbei der Technik des Desk Research (nur frei verfügbare Produktinformationen)<br />
zur Identifikation, Systematisierung und Klassifizierung der Funktionalitäten<br />
von COTS-Produkten für das Management von fachlichen <strong>Metadaten</strong>. Dieses<br />
Modell wurde in einem Projekt in zweierlei Hinsicht angewendet: Zunächst wurde es<br />
eingesetzt, um die Fachseite losgelöst von technischen Details mit der Thematik fachliche<br />
<strong>Metadaten</strong> vertraut zu machen. Darüber hinaus wurde der Funktionskatalog verwendet,<br />
um die notwendigen Komponenten für den Aufbau eines Glossars für Fachbegriffe<br />
zu spezifizieren.<br />
Beitrag E identifiziert Potenziale hinsichtlich der aktuellen Berücksichtigung von Nutzerpräferenzen<br />
in der MSS-Forschung: Berücksichtigung weiterer Aspekte bei der<br />
Identifikation von Nutzergruppen zusätzlich zu kognitiven <strong>St</strong>ilen, Betrachtung der Implikationen<br />
von Nutzerpräferenzen auf nichtfunktionale Aspekte im MSS-Design und<br />
verstärkter Fokus auf Designrichtlinien statt reiner Anforderungsdefinition (Abb. 28,<br />
Abschnitt 12.3.3). Hierfür bedient sich der Beitrag der Technik des Literatur-Reviews,<br />
um die bestehende wissenschaftliche Literatur zu Nutzerprofilen und ihre Implikationen<br />
für das Design von MSS zu systematisieren.
34 Beiträge der Arbeit<br />
Beitrag F identifiziert vier Nutzerprofile von Vorständen: „Analytische Poweruser“,<br />
„Opportunistische Analysten“, „Generalistische Basisnutzer“ und „Faktische Nichtnutzer“<br />
(Abb. 30, Abschnitt 13.5). Der Beitrag bedient sich hierfür der Technik der<br />
Cluster- und Faktoranalyse, um auf Basis einer empirischen Umfrage Nutzerprofile für<br />
die Anwendung von MSS zu identifizieren. Im Ausblick werden nutzerspezifische Designempfehlungen<br />
für MSS zur Diskussion gestellt. Der Beitrag setzt dabei an einer<br />
der identifizierten Forschungslücken in Beitrag E an. Durch das explorative Vorgehen<br />
werden implizit alle relevanten Präferenzen der MSS-Nutzer (auch kognitiver <strong>St</strong>il)<br />
berücksichtigt.<br />
Beitrag G entwickelt situative Empfehlungen bei der Auswahl der richtigen Endgeräte<br />
zur Nutzung von MSS (Abb. 37). Der Beitrag bedient sich zunächst der Technik des<br />
induktiven Designs, um auf Basis von Präferenzen für Nutzungsumfang, Nutzungsszenarien<br />
und Arbeitsstile passende Endgeräte für MSS zu ermitteln. Das Modelldesign<br />
wird im Rahmen einer Fokusgruppe validiert und mit sieben Vorständen hinsichtlich<br />
seiner Nützlichkeit evaluiert. Der Beitrag baut zum einen auf den identifizierten<br />
Nutzungsfaktoren aus Beitrag F auf und adressiert zum anderen eine identifizierte Forschungslücke<br />
aus Beitrag E. Mit der Auswahl der Endgeräte stehen nichtfunktionale<br />
Aspekte des MSS-Designs im Vordergrund.<br />
Es sollte hierbei beachtet werden, dass die hier aufgeführten Beiträge zum Teil im<br />
Rahmen unterschiedlicher Domänen (BI, MSS und Unternehmenssteuerungssysteme)<br />
diskutiert, unter Anwendung verschiedener Techniken der Artefaktkonstruktion (Modellkonfiguartion,<br />
Modellaggregation, Desk Research, Cluster-Faktor-Analyse und<br />
Triangulation) entwickelt und dabei unterschiedliche Forschungsbereiche (AM, EE,<br />
Kosten-Nutzen-Analyse und situatives MSS-Design) einbezogen werden.<br />
Die unterschiedliche Auswahl der Domänen wurde in erster Linie an dem Zielpublikum<br />
des jeweiligen Publikationsorgans ausgerichtet. Da im Rahmen der Dissertation<br />
die Diskussion <strong>fachlicher</strong> <strong>Metadaten</strong> auf die Beschreibung von analytischen Informationen<br />
zur Entscheidungsunterstützung begrenzt ist (Abschnitt 3.1), ist eine Beeinträchtigung<br />
der Kohärenz der Beiträge durch die Auswahl der spezifischen Domänen<br />
generell nicht zu erwarten. Darüber hinaus sind die hier verwendeten Begrifflichkeiten<br />
MSS und BI als nahezu synonym zu betrachten [Clark Jr, Jones, Armstrong Curtis<br />
2007]. Unternehmenssteuerungssysteme nehmen lediglich eine Einschränkung auf<br />
eine bestimmte Nutzergruppe von MSS vor, welche für die Ergebnisse von Beitrag F<br />
im Rahmen dieser Dissertation unerheblich ist (vgl. hierzu die detaillierte Diskussion<br />
in Abschnitt 5.2).
Beiträge der Arbeit 35<br />
Die unterschiedliche Auswahl der Techniken zur Artefaktkonstruktion erfolgte auf<br />
Basis der relevanten Vorarbeiten in der Literatur. Sofern in den Beiträgen auf bestehenden<br />
Modellen aufgebaut werden konnte, wurden Techniken der Referenzmodellierung<br />
(z. B. Konfiguration und Aggregation) angewendet [vom Brocke 2007]. In den<br />
anderen Fällen wurden Techniken des induktiven Designs (z. B. Cluster-Faktor-<br />
Analyse und Triangulation) angewendet um auf Basis empirischer Daten theoretische<br />
Modelle abzuleiten.<br />
Die unterschiedliche Auswahl an Forschungsbereichen auf denen die Beiträge aufbauen<br />
erfolgte auf Basis der Zielsetzung des jeweiligen Beitrags. Ausgangsbasis hierfür<br />
waren die für die Themenstellung der Dissertation identifizierte relevante Literatur zur<br />
<strong>Bedarfsanalyse</strong> aus Abschnitt 3.4.<br />
4.2 Einordnung im Vorgehensmodell<br />
Ziel dieses Abschnitts ist es, die Artefakte der einzelnen Beiträge in ein Vorgehensmodell<br />
zur <strong>Bedarfsanalyse</strong> zusammenzuführen. Dies stellt keine Gestaltungsarbeit im<br />
wissenschaftlichen Sinne dar und folgt damit auch nicht dem zugrunde liegenden Forschungsprozess.<br />
Das folgende Vorgehensmodell ist damit nicht Gegenstand einer sorgfältigen<br />
Evaluation und erfüllt in erster Linie den Sinn und Zweck, die Kohärenz der<br />
Einzelbeiträge zu verdeutlichen.<br />
Die weiteren Ausführungen gliedern sich nach den vier Phasen der <strong>Bedarfsanalyse</strong>,<br />
welche in Abschnitt 2.3 eingeführt wurden (Abb. 2). Identifikation Handlungsbedarf:<br />
Ausgangslage für die Identifikation des Handlungsbedarfs ist das Modell, das in Beitrag<br />
A.1 (Kapitel 6) vorgestellt und in Beitrag A.2 (Kapitel 7) weiterentwickelt wurde.<br />
Die Übersicht der Anwendungsgebiete/Domänen für fachliche <strong>Metadaten</strong> dient als<br />
Ausgangsbasis für ein problemorientiertes Vorgehen. In der Diskussion mit einer<br />
Auswahl an Unternehmensvertretern, welche gemeinsam die gesamte Informationswertschöpfungskette<br />
abdecken, lassen sich hieran die größten Herausforderungen im<br />
Unternehmen strukturieren und gezielt angehen.<br />
Das Vorgehen entlang dieser <strong>St</strong>rukturierungshilfe bietet den Vorteil, dass alle möglichen<br />
Bereiche berücksichtigt werden und man die vertiefenden Diskussionen auf die<br />
größten Herausforderungen im Unternehmen mit den <strong>St</strong>akeholdern in den entsprechenden<br />
Bereichen fokussiert. Mit den <strong>St</strong>akeholdern werden dann die benötigten fachlichen<br />
<strong>Metadaten</strong> skizziert (Beispiel Kapitel 8). So gelangt man effektiv und effizient<br />
an die notwendigen Ergebnisse in dieser Phase: relevante <strong>St</strong>akeholder, relevante He-
36 Beiträge der Arbeit<br />
rausforderungen (Concerns) und die benötigten fachlichen <strong>Metadaten</strong> (Viewpoints).<br />
Das hier skizzierte Vorgehen ist im Detail in Abschnitt 7.4.2 dargestellt.<br />
Kosten-Nutzen-Analyse: Ausgangslage für die ökonomische Bewertung ist das Modell,<br />
das in Beitrag C.1 (Kapitel 9) vorgestellt und in Beitrag C.2 (Kapitel 10) weiterentwickelt<br />
wurde. Die Übersicht von qualitativen und quantitativen Nutzendimensionen<br />
kann für ein pragmatisches, zweistufiges Vorgehen herangezogen werden, welches die<br />
Herausforderungen und ersten Lösungskonzepte aus der vorherigen Phase hinsichtlich<br />
ihrer ökonomischen Sinnhaftigkeit bewertet. Im ersten Schritt wird entlang der quantitativen<br />
Nutzendimensionen der Ist- und Soll-Zustand (nach Umsetzung des Lösungskonzepts)<br />
auf einer Rating-Skala erfasst. Danach werden nur noch die vielversprechenden<br />
Nutzendimensionen durch die entsprechenden quantitativen Nutzendimensionen<br />
detailliert und den zu erwartenden Kosten gegenübergestellt.<br />
Der Vorteil bei diesem zweistufigen Vorgehen ist die schnelle Konzentration auf die<br />
vielversprechenden Nutzendimensionen. Dies kommt der Qualität der Ergebnisse in<br />
dieser Phase zugute, da eine Quantifizierung des Nutzens <strong>fachlicher</strong> <strong>Metadaten</strong> in der<br />
Regel nur schwierig zu bewerkstelligen ist und ein hohes Maß an Abstimmung erfordert.<br />
Bei knappen Ressourcen bleibt so die Zeit für die wesentlichen, vielversprechenden<br />
Fragestellungen bei der Gegenüberstellung von Nutzen und Kosten. Das hier skizzierte<br />
Vorgehen ist im Detail in Abschnitt 9.4 beschrieben.<br />
Identifikation Sponsor: Die Identifikation des Sponsors ist nicht Gegenstand eines eigenständigen<br />
Beitrags, sondern erfolgt auf Basis der Ergebnisse der ersten beiden Phasen.<br />
Der Sponsor bzw. die Sponsoren sind im Kreise der relevanten <strong>St</strong>akeholder zu<br />
suchen und anhand der Ergebnisse der Kosten-Nutzen-Analyse von der Sinnhaftigkeit<br />
einer MDMS-Lösung zu überzeugen. Ist die Suche erfolgreich, erfolgt im selben Zuge<br />
eine Eingrenzung des Projektumfangs. Unter Kosten-Nutzen-Aspekten mag nur eine<br />
Teillösung sinnvoll sein bzw. unter strategischen Erwägungen ein aussichtsreicher,<br />
schnell sichtbarer Teil ausgewählt werden, der bei Erfolg als Leuchtturmprojekt für die<br />
übrigen Teile der anzustrebenden Gesamtlösung dient.<br />
Definition Projektumfang: Die Anforderungen an die angestrebte MDMS-Lösung erfolgt<br />
primär über das Modell, das in Beitrag D (Kapitel 11) vorgestellt wurde. Entlang<br />
des Funktionskatalogs wird die Projektentscheidung aus der vorherigen Phase detailliert.<br />
Der Vorteil bei der Verwendung des Funktionskatalogs liegt darin, dass er hersteller-<br />
und implementierungsabhängig die Trennung von IT Demand (Fachseite) und<br />
IT Supply (IT) ermöglicht. Dies stellt eine objektive Evaluation potenzieller MDMS-<br />
Tools in der Umsetzungsphase sicher.
Beiträge der Arbeit 37<br />
Zusätzlich zu den funktionalen Anforderungen können anhand der Ergebnisse aus den<br />
Beiträgen F (Kapitel 13) und G (Kapitel 14) Annahmen und Einschränkungen für die<br />
Lösungskonzeption erfolgen. Insbesondere aus dem Nutzenfaktor Analyseorientierung<br />
(Abschnitt 13.4.4) lässt sich annehmen, dass nur Nutzende mit einer analytischen Präferenz<br />
(„Analytische Poweruser“ und „Opportunistische Analysten“) auf fachliche<br />
<strong>Metadaten</strong> zurückgreifen werden. Nutzende, die Konsumierende („Generalistische<br />
Basisnutzer“ und „Faktische Nichtnutzer“) darstellen, werden in der Regel ihre Daten<br />
aus den <strong>St</strong>andardreports in ausreichendem Umfang kennen, um auf fachliche <strong>Metadaten</strong><br />
verzichten zu können (vgl. Diskussion zu Nutzertypen in Abschnitt 14.4.1). Einschränkungen<br />
für die Umsetzung erfolgen durch die situative Auswahl der passenden<br />
Endgeräte für die Zielgruppe der fachlichen <strong>Metadaten</strong>. Je nach zur unterstützenden<br />
Endgeräteklasse sind aufgrund von Platzrestriktionen und der jeweiligen Bedienung<br />
unterschiedliche Konzepte notwendig. Der Vorteil bei Berücksichtigung der Nutzerpräferenzen<br />
in den Annahmen und Einschränkungen ist, dass es die Transparenz über<br />
den Erfolgsfaktor Nutzerakzeptanz ermöglicht. Der Erfolg des Projekts wird hierdurch<br />
wahrscheinlicher. Die Einbindung der Ergebnisse aus den Beiträgen in das Vorgehensmodell<br />
zur <strong>Bedarfsanalyse</strong> ist in Abb. 8 dargestellt.<br />
Abb. 8: Vorgehensmodell <strong>Bedarfsanalyse</strong> unter Einbindung<br />
der Ergebnisse der Beiträge<br />
Zusammenfassend lässt sich feststellen, dass die Artefakte aus den Einzelbeiträgen<br />
ausnahmslos in dem vorgestellten Vorgehensmodell Berücksichtigung und Anwendung<br />
finden. Sie bilden die zentralen Elemente zur Erarbeitung der notwendigen Ergebnisse<br />
in den einzelnen Phasen der <strong>Bedarfsanalyse</strong>. Limitationen und Risiken der<br />
hier präsentierten Forschungsergebnisse werden in Abschnitt 5.2 diskutiert.
38 Beiträge der Arbeit<br />
4.3 Einordnung im Rollenmodell<br />
Ziel dieses Abschnitts ist es, die Artefakte der einzelnen Beiträge im Rahmen eines<br />
Rollenmodells zur <strong>Bedarfsanalyse</strong> zusammenzuführen. Entsprechend dem vorherigen<br />
Abschnitt stellt dies keine Gestaltungsarbeit im wissenschaftlichen Sinne dar und folgt<br />
damit auch nicht dem zugrunde liegenden Forschungsprozess. Die folgenden Ausführungen<br />
sind daher nicht Gegenstand einer sorgfältigen Evaluation und erfüllen in erster<br />
Linie den Sinn und Zweck, die Kohärenz der Einzelbeiträge zu verdeutlichen.<br />
In der <strong>Bedarfsanalyse</strong> lassen sich mindestens drei Rollen unterscheiden: Sponsor, Projektteam<br />
und Anwender. Diese Rollen sind durch Ressourcen im Unternehmen zu detaillieren,<br />
wobei die in dieser Dissertation entwickelten Artefakte unterstützen können.<br />
Zunächst werden die einzelnen Rollen mit Blick auf die Durchführung der <strong>Bedarfsanalyse</strong><br />
näher beleuchtet, um anschließend die Identifikation der entsprechenden Ressourcen<br />
im Unternehmen entlang der inhaltlichen Bausteine der vorliegenden Dissertation<br />
zu demonstrieren.<br />
Der Sponsor trifft letztendlich die Investitionsentscheidung und stellt gegebenenfalls<br />
die notwendigen finanziellen und personellen Ressourcen für die Durchführung, die<br />
sich bei einer positiven Entscheidung an die <strong>Bedarfsanalyse</strong> anschließt, bereit. Der<br />
Sponsor oder die Sponsoren werden im Laufe der <strong>Bedarfsanalyse</strong> identifiziert und<br />
übernehmen spätestens mit der Definition des Projektumfangs die Gesamtverantwortung<br />
für das Vorhaben.<br />
Das Projektteam ist Initiator der <strong>Bedarfsanalyse</strong> und für die operative Durchführung<br />
der <strong>Bedarfsanalyse</strong> verantwortlich. In Abwesenheit eines Sponsors übernimmt es auch<br />
die Gesamtverantwortung für die <strong>Bedarfsanalyse</strong> in den frühen Phasen. Grundsätzlich<br />
kann das Projektteam (im Gegensatz zum Sponsor und den Anwendern) auch aus externen<br />
Mitarbeitern bestehen. Das Projektteam für die <strong>Bedarfsanalyse</strong> bleibt in der Regel<br />
auch in das gegebenenfalls anschließende Projekt involviert, wird jedoch insbesondere<br />
durch Ressourcen ergänzt, welche die Implementierung des MDMS vornehmen.<br />
Die Anwender tragen zwar keine operative Verantwortung in der <strong>Bedarfsanalyse</strong>, sind<br />
aber aufgrund ihrer engen Verbindung zum angestrebten Projekterfolg bereits in der<br />
Projektvorbereitung beratend einzubeziehen. Sie liefern nicht nur wichtige Indikatoren<br />
für die Eingrenzung des Handlungsbedarfs und die Durchführung der Kosten-Nutzen-<br />
Analyse, sondern grenzen mit ihren Nutzerprofilen auch den Lösungsraum für die Ein-
Beiträge der Arbeit 39<br />
führung von fachlichen <strong>Metadaten</strong> ein. Abb. 9 fasst diese Ausführungen in Form einer<br />
RACI-Matrix [Project Management Institute 2004: 205-207] zusammen.<br />
Aktivitäten<br />
Sponsor<br />
Projektteam<br />
Anwender<br />
(Auftraggeber)<br />
(Auftragnehmer)<br />
Identifikation Handlungsbedarf - A, R C, I<br />
Kosten-Nutzen-Analyse - A, R C, I<br />
Identifikation Sponsor - A, R C, I<br />
Definition Projektumfang A R C, I<br />
R:<br />
A:<br />
C:<br />
I:<br />
Operativ verantwortlich („Responsible“)<br />
Gesamtverantwortlich („Accountable“)<br />
Beratend hinzugezogen („Consulted“)<br />
Informiert („Informed“)<br />
Abb. 9: Generische RACI-Matrix in der <strong>Bedarfsanalyse</strong><br />
Die Identifikation der entsprechenden Ressourcen im Unternehmen, welche die Rollen<br />
in der <strong>Bedarfsanalyse</strong> ausfüllen, kann entlang der inhaltlichen Bausteine der Dissertation<br />
erfolgen. Die Anwendungsgebiete (Baustein B1, Abschnitt 4.1) für fachliche <strong>Metadaten</strong><br />
im Unternehmen determinieren insbesondere den Ressourcenpool für die Rolle<br />
der Anwender. Für die Identifikation des Handlungsbedarfs werden Vertreter aus alle<br />
diesen Bereichen benötigt, um den Handlungsbedarf einzugrenzen. Dies kann in der<br />
Regel in Personalunion erfolgen, um den Ressourcenbedarf in dieser frühen Phase<br />
niedrig zu halten.<br />
Die Nutzendimensionen (Baustein B2, Abschnitt 4.1) bilden dann die Ausgangsbasis,<br />
um mit Hilfe der Kosten-Nutzen-Analyse den Bedarf an Anwendern für die weiteren<br />
Phasen auf in der Regel wenige vielversprechende Anwendungsgebiete zu beschränken.<br />
Diese übriggebliebenen Arbeitsbereiche stellen dann auch den Sponsor oder die<br />
Sponsoren. Für die Definition des Handlungsbedarfs werden dann aus dem Kreise der<br />
Anwender noch einmal Vertreter mit entsprechenden Nutzerprofilen (Baustein B4,<br />
Abschnitt 4.1) benötigt, um Einschränkungen an die Lösungskonzeption zu definieren.<br />
Auf Seiten des Projektteams sind in der <strong>Bedarfsanalyse</strong> in erster Linie Managementbeziehungsweise<br />
Analystenfähigkeiten gefragt. Erst mit Blick Richtung der anschließenden<br />
Projektphase werden zusätzlich IT-Kenntnisse hinsichtlich der Lösungskonzeption<br />
benötigt. Auf Basis der benötigten MDMS-Funktionalitäten (Baustein B3,
40 Beiträge der Arbeit<br />
Abschnitt 4.1) können entsprechende Ressourcen identifiziert und in den weiteren Projektverlauf<br />
eingebunden werden. Abb. 10 fasst den hier beschriebenen Ressourcenbedarf<br />
für die Durchführung der <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong> zusammen.<br />
Aktivitäten<br />
Sponsor<br />
Projektteam<br />
Anwender<br />
(Auftraggeber)<br />
(Auftragnehmer)<br />
Identifikation<br />
Handlungsbedarf<br />
Kosten-Nutzen-<br />
Analyse<br />
Identifikation<br />
Sponsor<br />
- Projektmanager (ggf.<br />
mit Unterstützung von<br />
Business Analysten)<br />
- Projektmanager (ggf.<br />
mit Unterstützung von<br />
Business Analysten)<br />
- Projektmanager (ggf.<br />
mit Unterstützung von<br />
Business Analysten)<br />
Vertreter aus den elf<br />
Anwendungsgebieten<br />
Vertreter aus den Anwendungsgebieten<br />
mit<br />
Handlungsbedarf<br />
Vertreter aus den Anwendungsgebieten<br />
mit<br />
positivem Kosten-<br />
Nutzen-Verhältnis<br />
Definition Pro-<br />
Entscheidungsträger<br />
Projektmanager (ggf.<br />
Vertreter der jeweili-<br />
jektumfang<br />
für die Anwendungs-<br />
unterstützt von Busi-<br />
gen Nutzenprofile aus<br />
gebiete mit positivem<br />
ness Analysten) plus<br />
den Anwendungsge-<br />
Kosten-Nutzen-<br />
Spezialisten für die<br />
bieten mit positivem<br />
Verhältnis<br />
benötigten MDMS-<br />
Kosten-Nutzen-<br />
Funktionalitäten<br />
Verhältnis<br />
Abb. 10: Ressourcenüberblick für die <strong>Bedarfsanalyse</strong><br />
4.4 Formale Anmerkungen<br />
Den Hauptbestandteil der vorliegenden kumulativen Arbeit bilden Forschungsbeiträge,<br />
die bereits in Tagungsbänden von Konferenzen oder wissenschaftlichen Zeitschriften<br />
publiziert bzw. zur Publikation angenommen wurden. Beitrag G wurde zur Begutachtung<br />
eingereicht. Dies hat zur Folge, dass die Forschungsbeiträge in der Originalform<br />
unterschiedlich, also entsprechend den Richtlinien der jeweiligen Publikationsorgane,<br />
formatiert sind. Für ein einheitliches Erscheinungsbild innerhalb der vorliegenden Arbeit<br />
werden die Beiträge einheitlich umformatiert.<br />
Der Arbeit ist ein einheitlicher Zitationsstil zugrunde gelegt und die Referenzen aller<br />
Beiträge werden in einem gemeinsamen Literaturverzeichnis aufgeführt. Die Abbildungen<br />
und Tabellen werden fortlaufend nummeriert. Weiterhin wird jeweils ein ge-
Beiträge der Arbeit 41<br />
meinsames Abkürzungs-, Abbildungs- und Tabellenverzeichnis erstellt. Den Forschungsbeiträgen<br />
selbst werden jeweils eine Zusammenfassung sowie <strong>St</strong>ichwörter<br />
vorangestellt. Ferner wird am Anfang eines jedes Beitrags eine Tabelle aufgeführt, die<br />
bibliografische Angaben, das heißt Informationen über die Autoren, den Titel und das<br />
Publikationsorgan, enthält.<br />
Die Schreibweise der einzelnen Beiträge wird vereinheitlicht. Für deutschsprachige<br />
Forschungsbeiträge erfolgt die konsequente Anwendung der deutsch-deutschen<br />
Schreibweise. Englischsprachige Beiträge werden durchgängig in amerikanischem<br />
Englisch präsentiert. Daneben wurden noch vorhandene Rechtschreib- und Grammatikfehler<br />
in den Originalbeiträgen korrigiert. Dabei wurden keine Anpassungen vorgenommen,<br />
die den Inhalt des jeweiligen Beitrags betreffen.
42 Zusammenfassung, Diskussion und weiterer Forschungsbedarf<br />
5 Zusammenfassung, Diskussion und weiterer Forschungsbedarf<br />
In diesem Abschnitt werden zunächst die Forschungsergebnisse der Arbeit zusammengefasst<br />
(Abschnitt 5.1) und kritisch reflektiert (Abschnitt 5.2). Anschließend wird<br />
weiterer Forschungsbedarf zur Unterstützung der <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong><br />
in der Praxis vorgestellt (Abschnitt 5.3).<br />
5.1 Zusammenfassung der Dissertation<br />
Gegenstand der vorliegenden Dissertation ist die <strong>Bedarfsanalyse</strong> für fachliche <strong>Metadaten</strong><br />
in Unternehmen. Motiviert durch Herausforderungen in der Praxis bei der Durchführung<br />
entsprechender Projekte und fehlender Unterstützung in der Literatur, werden<br />
kumulativ Modelle erarbeitet, die sich in ein Vorgehensmodell zusammenführen lassen.<br />
Tab. 6 gibt einen Überblick über die neun Beiträge, in welchen Phasen der <strong>Bedarfsanalyse</strong><br />
sie Anwendung finden und wo diese in der Dissertation zu finden sind.<br />
Beitrag<br />
Inhalt<br />
Anwendung in der <strong>Bedarfsanalyse</strong><br />
Referenz<br />
A.1 Elf Anwendungsgebiete/Domänen<br />
Identifikation Handlungsbe-<br />
Kapitel 6, S. 48<br />
für fachliche Metadadarf<br />
und Identifikation Spon-<br />
A.2 ten<br />
sor<br />
Kapitel 7, S. 53<br />
B<br />
Datenmodell für das Terminologiemanagement<br />
Anwendungsbeispiel bei Skizzierung<br />
der Informationsbedürfnisse<br />
(Phase: Identifikation<br />
Handlungsbedarf)<br />
Kapitel 8, S. 66<br />
C.1 Qualitative und quantitative Kosten-Nutzen-Analyse und Kapitel 9, S. 77<br />
Nutzendimensionen von fachlichen<br />
Identifikation Sponsor<br />
C.2 <strong>Metadaten</strong><br />
Kapitel 10, S.<br />
84<br />
D<br />
Hersteller- und implementierungsunabhängiger<br />
Funktionskatalog<br />
für MDMS-Tools<br />
Definition Anforderungen<br />
(Phase: Definition Projektumfang)<br />
Kapitel 11, S. 92<br />
Tab. 6: Zusammenfassung Beiträge der Dissertation
Zusammenfassung, Diskussion und weiterer Forschungsbedarf 43<br />
Bei-<br />
Inhalt<br />
Anwendung in der Bedarfs-<br />
Referenz<br />
trag<br />
analyse<br />
E<br />
Potenziale hinsichtlich der<br />
Keine direkte Anwendung, da<br />
Kapitel 12, S. 102<br />
Nutzerpräferenzen in der<br />
der Beitrag Vorarbeiten für<br />
MSS-Forschung<br />
die Beiträge F und G leistet<br />
F Vier Nutzertypen für MSS Definition Annahmen und<br />
Einschränkungen (Phase: Definition<br />
Projektumfang)<br />
G Situative Auswahl von Endgeräten<br />
für die Nutzung von<br />
MSS<br />
Kapitel 13, S. 121<br />
Kapitel 14, S. 145<br />
Tab. 6: Zusammenfassung Beiträge der Dissertation (fortgesetzt)<br />
5.2 Diskussion der Forschungsergebnisse<br />
Im Folgenden werden die Forschungsergebnisse der Dissertation kritisch reflektiert.<br />
Limitationen und Risiken der einzelnen Beiträge werden dabei nach dem zugrunde<br />
liegenden Forschungsprozess (Abschnitt 1.3) diskutiert.<br />
Phase 1: Problem identification and motivation<br />
Die vorliegende Dissertation zieht in erster Linie empirische Untersuchungen zur Motivation<br />
heran. Dabei wird vorwiegend auf Sekundärliteratur zurückgegriffen und inhaltliche<br />
Lücken durch eigene Untersuchungen ergänzt. In wenigen Fällen sind die<br />
referenzierten Forschungsergebnisse zu einem anderen Zeitpunkt entstanden als die<br />
hier dargestellte Arbeit bzw. setzen einen anderen inhaltlichen Schwerpunkt. Damit<br />
besteht das Risiko, dass der tatsächliche und aktuelle Bedarf in der Praxis nach Unterstützung<br />
bei der <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong> in Umfang und Form verändert<br />
hat. Um diesem Risiko zu entgegnen, wurden bewußt aktuelle und empirische Untersuchungen<br />
zur Motivation herangezogen, die inhaltlich eine vergleichbare Zielsetzung<br />
verfolgen.<br />
Phase 2: Objectives of a solution<br />
Für die besondere Berücksichtigung von Nutzerpräferenzen wurde in den Beiträgen F<br />
und G, im Gegensatz zur eigentlichen Zielsetzung, fachliche <strong>Metadaten</strong> zu untersuchen,<br />
der Fokus auf MSS erweitert. Zwar sind in MSS fachliche <strong>Metadaten</strong> als Teil<br />
implizit berücksichtigt, dennoch besteht das Risiko, dass die identifizierten Nutzertypen<br />
und Präferenzen entweder gar nicht oder zumindest zum Teil nicht auf fachliche
44 Zusammenfassung, Diskussion und weiterer Forschungsbedarf<br />
<strong>Metadaten</strong> übertragen werden können. Die Forschungsstrategie wurde – wie die folgenden<br />
Ausführungen zeigen werden – entsprechend angepaßt.<br />
Grundsätzlich darf davon ausgegangen werden, dass sich die Nutzergruppen von MSS<br />
zu den Nutzergruppen von fachlichen <strong>Metadaten</strong> konsistent verhalten. Diese Annahme<br />
liegt in dem Umstand begründet, wie diese Nutzergruppen ermittelt werden. Entweder<br />
werden sie explorativ aus Anforderungen an ein MSS abgeleitet (vgl. Beitrag F, Walstrom<br />
und Wilson [1997] und Seeley und Targett [1999]), dann sind fachliche <strong>Metadaten</strong><br />
implizit in der Untersuchung berücksichtigt. Wäre dies nicht der Fall, müsste man<br />
davon ausgehen, dass die Untersuchung nicht alle Anforderungen berücksichtigt und<br />
damit nicht vollständig ist. Oder die Nutzergruppen werden ex ante auf Basis von Modellen<br />
in der Psychologie (z. B. kognitive <strong>St</strong>ile) beschrieben und hieraus Implikationen<br />
für das MSS abgeleitet. Dann stellt sich die Konsistenzfrage nicht, da dieselben Modelle<br />
für die Untersuchung auf Implikationen für fachliche <strong>Metadaten</strong> unterstellt werden<br />
dürfen. In der Literatur finden sich einige Beispiele, die genau dies tun, und Nutzergruppen,<br />
die in der MSS-Forschung angewendet wurden, auch für fachliche <strong>Metadaten</strong><br />
einsetzen [z. B. Dhaliwal, Benbasat 1996; Fisher, Chengalur-Smith, Ballou<br />
2003; Mao, Benbasat 2000; Shankaranarayanan, Even, Watts 2006].<br />
Beitrag F verfährt bei der Ableitung der Nutzergruppen explorativ auf Basis von vollständigen<br />
Anforderungsprofilen an MSS (Abschnitt 13.3). Die hieraus abgeleiteten<br />
Nutzergruppen erfüllen damit die oben genannte Bedingung und können ebenfalls für<br />
fachliche <strong>Metadaten</strong> unterstellt werden. Darüber hinaus kann ein weiteres Spezifikum<br />
der Untersuchung ins Feld geführt werden, welches die Annahme der Übertragbarkeit<br />
der Ergebnisse untermauert: Die Umfrage in Beitrag F wurde unter Vorständen durchgeführt.<br />
Dabei ist davon auszugehen, dass oberste Führungskräfte nicht entgegen ihrem<br />
Willen zur Nutzung von MSS bewegt werden können. Dies gilt in vergleichbarer<br />
Form für alle potenziellen Nutzenden von fachlichen <strong>Metadaten</strong>. Sie können sich hier<br />
organisatorischen Zwängen leicht entziehen, da fachliche <strong>Metadaten</strong> nicht direkt in<br />
ihre operative Tätigkeit einfließen.<br />
Allerdings sind durch den weiteren Fokus nicht notwendigerweise alle Erkenntnisse<br />
aus den Nutzergruppen auf fachliche <strong>Metadaten</strong> übertragbar. Von den vier Nutzungsfaktoren,<br />
die in Beitrag F identifiziert wurden, ist voraussichtlich nur der Nutzungsfaktor<br />
Analyseorientierung auf fachliche <strong>Metadaten</strong> übertragbar. Hingegen sollten die<br />
Erkenntnisse aus Beitrag G zur situativen Wahl von Endgeräten für MSS (und damit<br />
auch den fachlichen <strong>Metadaten</strong>) voll übertragbar sein, da die Restriktionen hinsichtlich
Zusammenfassung, Diskussion und weiterer Forschungsbedarf 45<br />
Darstellung und Bedienung die Aufbereitung der fachlichen <strong>Metadaten</strong> gleichermaßen<br />
betreffen.<br />
Phase 3: Design and development<br />
Grundsätzlich wurde das Design der Artefakte in den Einzelbeiträgen mit Personen<br />
aus der Praxis validiert und entsprechend weiterentwickelt. Allein die Validierung des<br />
Designs in Beitrag F wirft eine kritische Frage auf, welche im Rahmen dieser Dissertation<br />
nicht adressiert wurde. So hat sich bei der Umfrage zur Identifizierung von Nutzergruppen<br />
eine überproportionale Anzahl an Vorständen als Analytische Poweruser 12<br />
klassifiziert. Dieses Ergebnis ist im Vergleich zu verwandten Forschungsarbeiten äußerst<br />
überraschend. Zwar lässt es sich mit einen Generationenwechsel in den Führungsetagen<br />
erklären, allerdings steht eine empirische Überprüfung aus.<br />
Phasen 4 und 5: Demonstration and evaluation<br />
Grundsätzlich erfolgt die Demonstration bzw. Evaluation in den gestaltungsorientierten<br />
Beiträgen mit Ausnahmen in Form von Fallbeispielen. Dieses Vorgehen erhöht die<br />
Detailtiefe der gewonnenen Erkenntnisse, die sich in der Regel direkt in Anpassungen<br />
am Design übertragen lassen, geht aber zulasten der Repräsentativität. Damit besteht<br />
das Risiko, dass die entwickelten Modelle nicht in jedem Kontext denselben Nutzen<br />
stiften.<br />
Phase 6: Communication<br />
Zum Zeitpunkt der Entstehung der vorliegenden Dissertation sind einige Beiträge noch<br />
im Begutachtungsprozess und daher noch nicht veröffentlicht worden. Dies betrifft die<br />
Beiträge E und G. Damit besteht das Risiko, dass diese Beiträge ohne Zusatzaufwand,<br />
der den Rahmen der Dissertation sprengen würde, nicht veröffentlicht werden können.<br />
Zum Zwecke der Qualitätssicherung im Vorfeld wurden die einzelnen Beiträge daher<br />
in Ko-Autorenschaft mit erfahrenen Wissenschaftlern entwickelt.<br />
5.3 Weiterer Forschungsbedarf<br />
Der weitere Forschungsbedarf ergibt sich zum einen aus den Risiken und Limitationen,<br />
die ausführlich im vorherigen Abschnitt diskutiert wurden, sowie den möglichen<br />
Anknüpfungspunkten und Ergänzungen zu den vorgestellten Forschungsergebnissen.<br />
Das betrifft zum einen die Beiträge im Einzelnen und zum anderen die Verankerung<br />
der verschiedenen Artefakte in eine Methode zur <strong>Bedarfsanalyse</strong> <strong>fachlicher</strong> <strong>Metadaten</strong>.<br />
12 Diese Gruppe zeichnet sich insbesondere dadurch aus, dass sie auch weiterführende Funktionen von MSS wie<br />
Simulationen und Prognosen selbstständig durchführt.
46 Zusammenfassung, Diskussion und weiterer Forschungsbedarf<br />
Da Letzteres im Rahmen dieser Dissertation keine Gestaltungsarbeit an sich darstellt,<br />
bestehen hier Potenziale in der Demonstration der Anwendbarkeit und der Evaluation<br />
der Nützlichkeit der skizzierten Methode.<br />
Im Hinblick auf die einzelnen Beiträge existieren folgende Potenziale für weitere Forschung.<br />
Beiträge A.1 und A.2: Zunächst könnten die elf Anwendungsgebiete/Domänen<br />
dafür genutzt werden, um Muster in den Informationsbedarfen der Unternehmen zu<br />
erkennen. Mit diesen empirisch erarbeiteten Mustern (Situationen) könnte die Entwicklung<br />
von MDMS situativ gestaltet werden. Darüber hinaus könnte jedes Anwendungsgebiet<br />
für sich bezüglich der Anforderungen an fachliche <strong>Metadaten</strong> (Viewpoints)<br />
detailliert werden, um eine gesamthafte Lösungskonzeption zu erarbeiten, die<br />
in Projekten nach Bedarf konfiguriert werden könnte.<br />
Beitrag B: Hinsichtlich des Terminologiemanagements gibt es viele Fragen in Bezug<br />
auf die effektive Umsetzung. Wie können diese <strong>Metadaten</strong> möglichst flexibel in verschiedene<br />
BI-Umgebungen integriert werden Wie sehen entsprechende Rollen und<br />
Berechtigungskonzepte aus, um alle Mitarbeiter in die Pflege des Terminologiebestands<br />
einzubeziehen Mit welchen Mitteln lässt sich die Explosion an neu definierten<br />
Begriffen verhindern, sodass eine Vereinheitlichung der Sprache im Unternehmen erfolgt<br />
Diese und weitere Fragen müssen adressiert werden, um ein entsprechendes Engagement<br />
zum Erfolg zu führen.<br />
Beiträge C.1 und C.2: Mit Blick auf die Kosten-Nutzen-Analyse von fachlichen <strong>Metadaten</strong><br />
fehlt es vor allem an der Veröffentlichung detaillierter Fallbeispiele. Zwar bieten<br />
die Nutzendimensionen eine gute Ausgangsbasis, allerdings ist bei der Identifizierung<br />
entsprechender Ertrags- und Kostenhebel immer noch viel Kreativität gefragt. Nach<br />
dem Vorbild des Kreditrisikomanagements könnte man die hieraus gewonnenen Erkenntnisse<br />
bereichsspezifisch systematisieren, um die Aufstellung entsprechender<br />
Analysen weiter zu unterstützen.<br />
Beitrag D: Auf Basis des Funktionskatalogs sollten die Abhängigkeiten zwischen den<br />
einzelnen Komponenten untersucht werden. So könnten mit einem Produktfokus typische<br />
Konfigurationen identifiziert werden (z. B. Funktionen, die für ein Glossar benötigt<br />
werden). Dies würde sowohl die Arbeit in den Unternehmen bei der Definition des<br />
Projektumfangs erleichtern, könnte aber auch bei den entsprechenden Vendoren genutzt<br />
werden, um mit gezielten Lösungen und nicht mit einer generischen Plattform<br />
am Markt aufzutreten.
Zusammenfassung, Diskussion und weiterer Forschungsbedarf 47<br />
Beitrag E: Der Literature Review nennt vier explizite Forschungslücken mit Blick auf<br />
die Berücksichtigung von Nutzerpräferenzen in der Entwicklung von MSS. Erstens die<br />
Untersuchung von Implikationen auf nichtfunktionale Anforderungen und Prinzipien.<br />
Zweitens einen stärkeren Fokus auf konkrete Prinzipien statt reiner Definition von Anforderungen.<br />
Drittens die Bereitstellung eines akzeptierten Modells zur Differenzierung<br />
von Nutzergruppen, wobei weitere Faktoren neben kognitiven <strong>St</strong>ilen berücksichtigt<br />
werden müssen. Viertens und letztens das gesamthafte Design von MSS für eine<br />
bestimmte Nutzergruppe statt der Untersuchung von einzelnen Systemkomponenten.<br />
Neben diesen Forschungslücken kann der Literature Review ausgeweitet werden, indem<br />
neben wissenschaftlichen Journals auch Konferenzbeiträge und Praktikerjournals<br />
berücksichtigt werden. Besonders mit Blick auf die Forderung nach mehr konkreten<br />
Designempfehlungen sind hierbei neue Erkenntnisse zu erwarten.<br />
Beitrag F: In dieser Arbeit wurden erste Implikationen von Nutzerpräferenzen für die<br />
Nutzerschnittstelle sowie das Auswertungs- und Datenmodell von MSS skizziert.<br />
Durch Prototypen ist die Gestaltungsarbeit weiter auszubauen und die Nützlichkeit<br />
dieses situativen Ansatzes zu evaluieren. Neue Erkenntnisse sind insbesondere im<br />
Hinblick auf geeignete Prognose- und Simulationsfunktionen zu detaillieren.<br />
Beitrag G: Auf Basis der situativen Empfehlung für Endgeräte sollten entsprechende<br />
situative Designempfehlungen für MSS entwickelt werden. So ist es beispielsweise<br />
denkbar, Funktionalitäten im MSS für die Nutzung über ein interaktives Whiteboard<br />
oder ein Mobiltelefon zu optimieren, indem Darstellungsrestriktionen und die jeweilige<br />
Bedienung berücksichtigt werden. Darüber hinaus ist davon auszugehen, dass sich<br />
mit den Endgeräten auch die Anforderungen an den Informationsumfang verändern.<br />
Somit bleibt die Frage offen, welche Auswahl an verfügbaren Informationen in einem<br />
mobilen Kontext eine Rolle spielen und auf welchem Aggregationsgrad diese benötigt<br />
werden. Zuletzt sollte der zu erwartende Anstieg an Endgeräten pro Mitarbeiter auf<br />
den administrativen Aufwand seitens der IT-Organisation untersucht werden. Hier bedarf<br />
es entsprechender Konzepte hinsichtlich der Architektur von MSS, um dieser<br />
Entwicklung effizient zu begegnen.
48 Beitrag A.1<br />
6 Beitrag A.1: Use Cases for Business Metadata – A<br />
Viewpoint-Based Approach to <strong>St</strong>ructuring and Prioritizing<br />
Business Needs<br />
Titel<br />
Autoren<br />
Use Cases for Business Metadata – A Viewpoint-Based Approach to<br />
<strong>St</strong>ructuring and Prioritizing Business Needs<br />
Daniel <strong>St</strong>ock, Felix Wortmann, Jörg Mayer<br />
Universität <strong>St</strong>. <strong>Gallen</strong>, Institut für Wirtschaftsinformatik<br />
Müller-Friedberg-<strong>St</strong>raße 8, 9000 <strong>St</strong>. <strong>Gallen</strong>, Schweiz<br />
{daniel.stock | felix.wortmann | joerg.mayer}@unisg.ch<br />
Publikationsorgan In: Proceedings of Desrist 2010 (2010), S. 546-549<br />
Tab. 7: Bibliografische Angaben zu Beitrag A.1<br />
Business metadata plays a crucial role in increasing the data quality of information<br />
systems. Despite its importance, business metadata is primarily discussed from a technical<br />
perspective, while its business value is scarcely addressed. Therefore, this article<br />
aims at contributing to the further development of existing design approaches by explicitly<br />
accounting for the use cases of business metadata.<br />
Keywords: business metadata, requirements engineering, user acceptance<br />
6.1 Motivation<br />
In recent years, “making better use of information” has gained importance and now<br />
ranks among the top five priorities of IT executives [Luftman, Kempaiah, Rigoni<br />
2009]. This trend is linked to the prevailing significance of Business Intelligence (BI)<br />
where data quality is a crucial factor for the perceived net benefits to the end user<br />
[Wixom, Watson 2001]. In this context business metadata plays an important role in<br />
increasing data quality and, therefore, the acceptance of BI-Systems [Foshay, Mukherjee,<br />
Taylor 2007].<br />
Despite its increasing relevance to practitioners [Schulze et al. 2009], explicit discussions<br />
of the benefits of business metadata and the challenges of implementing respective<br />
solutions remain rare in academic literature [Shankaranarayanan, Even 2004].<br />
This article thus contributes to a structured analysis of business metadata requirements
Beitrag A.1 49<br />
by proposing a framework of potential use cases for business metadata. This framework<br />
can be utilized applying all the advantages inherent in a viewpoint-oriented requirements<br />
engineering approach [Kotonya, Sommerville 1998] to the design of business<br />
metadata systems.<br />
6.2 Conceptual Foundations<br />
6.2.1 Business Metadata<br />
“Metadata is data associated with objects which relieves their potential users of having<br />
full advance knowledge of their existence or characteristics” [Dempsey, Heery 1998].<br />
While business metadata is a sub-category of metadata that is used by the business<br />
side, technical metadata, in contrast, is used by IT. In literature, seven categories of<br />
business metadata can be distinguished [3]: (1) definitional, (2) data quality, (3) navigational,<br />
(4) process, (5) audit, (6) usage, and (7) annotations.<br />
6.2.2 Viewpoint-Oriented Requirements Analysis<br />
A viewpoint is a stakeholder and his or her task-related concerns (requirements) [Kotonya,<br />
Sommerville 1998]. The idea of viewpoint-oriented requirements analysis is to<br />
singling out the concerns to better address the diversity of issues. The Viewpoint-<br />
Oriented Requirements Definition (VORD) approach is illustrated in Abb. 11.<br />
Abstract viewpoint<br />
classes (= use cases)<br />
Document<br />
Process<br />
Identify viewpoint<br />
Document<br />
viewpoint<br />
Analyze<br />
requirements<br />
Specify<br />
requirements<br />
Viewpoints<br />
Documented<br />
viewpoints<br />
Negotiated<br />
requirements<br />
Requirements<br />
specification<br />
Abb. 11: Viewpoint-oriented requirements definition approach [Kotonya, Sommerville<br />
1998]<br />
The definition of a viewpoint is intricately linked to the term “use case”. The greatest<br />
difference is the level of granularity. While a viewpoint describes one stakeholder only,<br />
a use case can describe the interaction of several stakeholders. Therefore, we will
50 Beitrag A.1<br />
use the term “use case” to refer to abstract viewpoint classes (see Abb. 11) which subsume<br />
stakeholders and their respective concerns.<br />
6.3 Derivation of Use Cases for Business Metadata<br />
In practice, three groups of business stakeholders can be made out: data consumers,<br />
data managers, and data producers.<br />
Data consumer: Each data consumer satisfies his data requirements through two general<br />
types of reports: standard and ad-hoc reports. While standard reports anticipate<br />
data requirements upfront and are tailored to a specific role, ad-hoc reports rather address<br />
spontaneous, role independent data requirements.<br />
Therefore, the use cases for standard reports can be categorized according to three different<br />
management levels in a business organization: corporate management (by the<br />
senior management), corporate performance management (by the middle management),<br />
and operational analytics (by the operational management).<br />
Ad-hoc information needs can be either satisfied by each data consumer himself or<br />
through the help of dedicated knowledge workers. Therefore, two additional use cases<br />
can be distinguished: ad-hoc information retrieval (by a data consumer himself) and<br />
advanced analytics (by a knowledge worker).<br />
Data manager: The Data Management Body of Knowledge (DMBOK) names ten<br />
functions of data management in its functional reference model. Since this framework<br />
is a comprehensive list of data management activities within an organization, not all of<br />
them lay in the responsibilities of the business side. Therefore, we list all relevant activities<br />
that name a business role as operational responsible: data governance, data development,<br />
data security management, reference & master data management, and data<br />
quality management.<br />
Data producer: Independently of a specific role, a data producer is responsible for<br />
data entry and maintenance. This comprises all activities that lead to the creation, update,<br />
or deletion of data. In total, eleven use cases could be identified (see Abb. 12).
Beitrag A.1 51<br />
Abb. 12: Framework of use cases for business metadata<br />
6.4 Demonstration and Evaluation<br />
European Universal Bank’s (EUB) first initiative on business metadata was confronted<br />
with much resistance from the business side as no obvious business need could be<br />
seen. In order to make the next advance of business metadata a success, EUB was<br />
seeking for a more business-driven approach. Therefore, we applied our proposed use<br />
case framework in accordance with the presented VORD approach. First, EUB prioritized<br />
the use cases. Second, we exemplary defined and documented the viewpoints.<br />
The surveyed employees of EUB named “data development” as the most relevant for<br />
EUB and, therefore, prime candidate for exemplary viewpoint documentation. In a<br />
collaborative workshop of business and IT, the group identified five relevant stakeholders<br />
and seven activities, which benefit from business metadata.<br />
Activities per stakeholder<br />
Business units<br />
Definitional<br />
Data quality<br />
Navigational<br />
Process<br />
Audit<br />
Usage<br />
Annotations<br />
• Specifying change request √ √ √ √<br />
• Monitoring implementation √<br />
…<br />
Tab. 8: Requirements per activity in use case “data development” (excerpt)
52 Beitrag A.1<br />
For each activity the workshop participants were asked to assess the usefulness of the<br />
seven business metadata categories listed in section 6.2.1 (see Tab. 8).<br />
Subsequently we evaluated the demonstrated approach with the participants of the<br />
workshop. In a focus group we examined design and utility of the proposed model.<br />
Design: The participants challenged the features “completeness” and “level of detail”<br />
of the model. In order to complement the framework they suggested including a use<br />
case “risk management”. Since risk management is a function which holds special significance<br />
in financial institutions, including it as an additional use case would compromise<br />
on the frameworks generality. Concerning the second point, further investigation<br />
is necessary as to whether the use case “advanced analytics” is too abstract because<br />
it subsumes too many distinct functions or whether the notation is not clear<br />
enough.<br />
Utility: The participants were generally very satisfied with the utility of the framework<br />
and the associated viewpoint-oriented approach. They particularly appreciated that the<br />
discussions are concentrated on a business perspective rather than exploring technical<br />
details. Even though this is all in all a very positive evaluation result, it does lack representativeness.<br />
The participants of the focus group were all from the same company<br />
and thus this framework needs further evaluation in different contexts.<br />
6.5 Concluding Remarks<br />
This article has derived a conceptual framework for business metadata use cases. Its<br />
applicability was demonstrated in a banking case and subsequently evaluated within a<br />
focus group. The evaluation is as yet not representative and must be subjected to future<br />
research. Especially the use case “advanced analytics” needs further investigation in<br />
order to comply with the design requirement “level of detail”.
Beitrag A.2 53<br />
7 Beitrag A.2: Use Cases for Business Metadata – A<br />
Viewpoint-Based Approach to <strong>St</strong>ructuring and Prioritizing<br />
Business Needs<br />
Titel<br />
Autoren<br />
Use Cases for Business Metadata – A Viewpoint-Based Approach to<br />
<strong>St</strong>ructuring and Prioritizing Business Needs<br />
Daniel <strong>St</strong>ock, Felix Wortmann, Jörg Mayer<br />
Universität <strong>St</strong>. <strong>Gallen</strong>, Institut für Wirtschaftsinformatik<br />
Müller-Friedberg-<strong>St</strong>raße 8, 9000 <strong>St</strong>. <strong>Gallen</strong>, Schweiz<br />
{daniel.stock | felix.wortmann | joerg.mayer}@unisg.ch<br />
Publikationsorgan In: BIS 2010 Workshops (2010), S. 226-237<br />
Tab. 9: Bibliografische Angaben zu Beitrag A.2<br />
Business metadata plays a crucial role in increasing the data quality of information<br />
systems. Despite its importance, business metadata is primarily discussed from a technical<br />
perspective, while its business value is scarcely addressed. Therefore, this article<br />
aims at contributing to the further development of existing design approaches by explicitly<br />
accounting for the use cases of business metadata. In the course of this article,<br />
a classification of use cases will be developed, which can be utilized when identifying<br />
the respective informational requirements a business metadata system needs to satisfy.<br />
A banking case is presented that demonstrates how this conceptual model has successfully<br />
been applied in practice.<br />
Keywords: business metadata, requirements engineering, user acceptance<br />
7.1 Introduction<br />
7.1.1 Motivation and Objectives<br />
In recent years, the challenge of “making better use of information” has gained importance<br />
and now ranks among the top five priorities of IT executives [Luftman, Kempaiah,<br />
Rigoni 2009: 151-152]. This trend is linked to the prevailing significance of<br />
Business Intelligence (BI), where data quality is a crucial factor for the perceived net<br />
benefits to the end user [Luftman, Kempaiah, Rigoni 2009; Sabherwal, Jeyaraj, Chowa<br />
2006: 1857-1859; Wixom, Watson 2001: 34]. In this context, the scope of data quality
54 Beitrag A.2<br />
is not limited to factual dimensions like data accuracy, completeness, and objectivity,<br />
but also includes individual-related dimensions such as data believability, ease of understanding,<br />
and accessibility [Jarke et al. 2000; Wang 1998; Wang, <strong>St</strong>rong 1996].<br />
Especially concerning the individual-related dimensions, business metadata plays a<br />
vital role in increasing data quality and, therefore, the acceptance of BI-Systems<br />
[Bucher, Wlk 2008; Foshay 2005; Foshay, Mukherjee, Taylor 2007].<br />
Despite its increasing relevance to practitioners [Schulze et al. 2009], explicit discussions<br />
of the benefits and the challenges of implementing respective solutions remain<br />
rare [Shankaranarayanan, Even 2004; Shankaranarayanan, Even 2006]. Especially the<br />
discussion of benefits of business metadata is generally led on a rather abstract level<br />
[Chengalur-Smith, Ballou, Pazer 1999; Even, Shankaranarayanan, Watts 2006; Fisher,<br />
Chengalur-Smith, Ballou 2003; Foshay, Mukherjee, Taylor 2007; Shankaranarayanan,<br />
Watts 2003]. Foshay et al. [2007], for example, base the positive effect of business<br />
metadata on the overall usage of BI-Systems.<br />
Furthermore, business metadata is, in many cases, treated solely from a technical solution<br />
perspective [Hüner, Otto 2009; Nevo, Wand 2005; Shankaranarayanan, Even<br />
2006]. Shankaranarayanan and Even [2006], for instance, explore the drawbacks of<br />
commercial off-the-shelf products for managing metadata and designing and implementing<br />
metadata solutions. A comprehensive approach, which combines business<br />
requirements on the one hand with the respective design and implementation scenarios<br />
on the other, is missing so far. Existing approaches to metadata systems design lack<br />
specificity since they provide only insufficient guidance to the identification of (business)<br />
metadata requirements and the respective implications for their implementation<br />
[Marco 2000; Melchert 2006; Tannenbaum 2002].<br />
This article thus contributes to a structured analysis of business metadata requirements<br />
by proposing a classification of potential use cases for business metadata. This classification<br />
can be utilized applying all the advantages inherent in a viewpoint-oriented<br />
requirements engineering approach [Darke, Shanks 1996; Kotonya, Sommerville<br />
1998; Leité, Freeman 1991] to the design of business metadata systems. By singling<br />
out the business metadata requirements of the respective stakeholders, each use case<br />
can be examined individually for its business benefits and associated costs of provisioning.<br />
Nevertheless, this approach helps maintaining a business perspective by focusing<br />
on the application of business metadata rather than developing technical solutions<br />
detached from actual business needs.
Beitrag A.2 55<br />
7.1.2 Research Methodology and Article <strong>St</strong>ructure<br />
This article applies the design research paradigm in order to accomplish utility. According<br />
to Hevner et al. [2004] and March and Smith [1995], the outcomes of a construction<br />
process under the design research paradigm can be classified as constructs,<br />
models, methods, and instantiations. Several reference models for the construction<br />
process have been proposed. The most recent, consolidated process model by Peffers<br />
et al. [2006] specifies six phases (ignoring the phase “communication”):<br />
Identify the problem and motivate: We used a full-text keyword literature research<br />
[vom Brocke et al. 2009] to find the relevant literature on business metadata [Benander<br />
et al. 2000; Chengalur-Smith, Ballou, Pazer 1999; Dempsey, Heery 1998; Even, Shankaranarayanan,<br />
Watts 2006; Fisher, Chengalur-Smith, Ballou 2003; Foshay 2005; Foshay,<br />
Mukherjee, Taylor 2007; Hüner, Otto 2009; Jarke et al. 2000; Levine, Siegel<br />
2001; Marco 2000; Müller, <strong>St</strong>öhr, Rahm 1999; Niland, Rouse, <strong>St</strong>ahl 2006; O'Neil<br />
2007; Pipe 1997; Shankaranarayanan, Even 2004; Shankaranarayanan, Even 2006;<br />
Shankaranarayanan, Watts 2003; Shankaranarayanan, Ziad, Wang 2003; Vaduva, Vetterli<br />
2001; West, Hess 2002; Xie et al. 2008] and business metadata systems design<br />
[Hüner, Otto 2009; Marco 2000; Melchert 2006; Nevo, Wand 2005; Shankaranarayanan,<br />
Even 2006; Tannenbaum 2002] to substantiate the missing perspective on the actual<br />
business value in business metadata systems design.<br />
Define objectives of solution: The solution was to be designed to match the guidelines<br />
for model design in March and Smith [March, Smith 1995].<br />
Design and development: We used aggregation in order to develop a classification of<br />
business metadata use cases. We consulted a literature review on widespread concepts<br />
in data processing in a BI environment [Ariyachandra, Watson 2005; Inmon, <strong>St</strong>rauss,<br />
Neushloss 2008; Kimball, Ross 2002], as well as data consumption [Horváth 2006;<br />
Laudon, Laudon 2006; Mintzberg 1994a], data management [DAMA 2009; Mosley<br />
2008], and data production processes [Ariyachandra, Watson 2005; Inmon, <strong>St</strong>rauss,<br />
Neushloss 2008; Kimball, Ross 2002] in order to identify the single use cases. It<br />
should be noted that the documentation of the respective use cases is out of scope of<br />
this contribution.<br />
Demonstration: We applied the conceptual model based on the viewpoint-oriented<br />
requirements engineering approach to a specific case so that the applicability of the<br />
model could be demonstrated.
56 Beitrag A.2<br />
Evaluation: Finally, the design and the utility of the proposed classification were evaluated,<br />
first by us through analytical argumentation and then by focus groups in which<br />
interviews were led.<br />
The article is structured as follows. Section 7.2 provides the conceptual foundations.<br />
Section 7.3 will then proceed with the development of a classification for use cases of<br />
business metadata by exploring the distinct stages in data processing. Section 7.4 demonstrates<br />
how this artifact was applied in a banking case and offers an evaluation of<br />
the artifact’s design and utility. Section 7.5 concludes with final remarks.<br />
7.2 Conceptual Foundations<br />
7.2.1 Business Metadata<br />
Even though the literature offers several definitions that are more precise [e.g., Dempsey,<br />
Heery 1998; Even, Shankaranarayanan, Watts 2006; Tannenbaum 2002], “data<br />
about data” has evolved as the most widespread definition of metadata. In order to be<br />
more specific, we will adapt the following definition of Dempsey and Heery [1998]:<br />
“Metadata is data associated with objects which relieves their potential users of having<br />
full advance knowledge of their existence or characteristics” (e.g., a definition, an index,<br />
or a manual). This definition highlights two crucial aspects of metadata. First,<br />
metadata is associated with a certain object, which means it has no meaning by its<br />
own. Therefore derived or aggregated data like descriptive statistics (e.g., mean and<br />
variance) or KPIs (e.g., turnover and earnings) cannot be regarded as metadata.<br />
Second, metadata does not necessarily have to be associated with a single data element,<br />
but can also be associated with a whole set of data (e.g., a report) or a physical<br />
object (e.g., an IT system).<br />
While business metadata is a sub-category of metadata that is used by the business<br />
side, technical metadata in contrast is used by IT [Even, Shankaranarayanan, Watts<br />
2006; Foshay, Mukherjee, Taylor 2007; Schulze et al. 2009; Shankaranarayanan, Even<br />
2004; Tannenbaum 2002]. It should be noted that the two sets are not disjoint. This<br />
means there is metadata that can be regarded business as well as technical relevant<br />
(e.g., descriptions). Seven distinct categories of business metadata can be gleaned from<br />
the literature:<br />
Definitional metadata [Foshay 2005; Foshay, Mukherjee, Taylor 2007; Müller, <strong>St</strong>öhr,<br />
Rahm 1999; Niland, Rouse, <strong>St</strong>ahl 2006; Shankaranarayanan, Even 2004; Shankarana-
Beitrag A.2 57<br />
rayanan, Even 2006; Vaduva, Vetterli 2001; Xie et al. 2008] – addressing the questions:<br />
What do I have and what does it mean<br />
Data quality [Foshay 2005; Foshay, Mukherjee, Taylor 2007; Niland, Rouse, <strong>St</strong>ahl<br />
2006; Shankaranarayanan, Even 2004; Shankaranarayanan, Even 2006] – addressing<br />
the question: Is the quality of data appropriate for its intended use<br />
Navigational metadata [Foshay 2005; Foshay, Mukherjee, Taylor 2007; Müller, <strong>St</strong>öhr,<br />
Rahm 1999; Shankaranarayanan, Even 2004; Shankaranarayanan, Even 2006; Vaduva,<br />
Vetterli 2001; Xie et al. 2008] – addressing the question: Where can I find the data I<br />
need<br />
Process metadata [Foshay 2005; Foshay, Mukherjee, Taylor 2007; Shankaranarayanan,<br />
Even 2004; Shankaranarayanan, Even 2006] – addressing the questions: Where<br />
did this data originate from and what has been done to it<br />
Audit metadata [Foshay 2005; Niland, Rouse, <strong>St</strong>ahl 2006; Shankaranarayanan, Even<br />
2004; Shankaranarayanan, Even 2006] – addressing the questions: Who owns the data<br />
and who is granted access<br />
Usage metadata [Niland, Rouse, <strong>St</strong>ahl 2006; Shankaranarayanan, Even 2004; Shankaranarayanan,<br />
Even 2006; Vaduva, Vetterli 2001] – addressing the questions: How frequently<br />
is a specific data set/report requested and what user profiles can be derived<br />
Annotations (semi-structured comments) – Which additional circumstances or information<br />
do I need to consider when reading this data<br />
Even though the category “Annotations” is not mentioned in the examined literature,<br />
many BI and metadata tools provide a functionality to add comments or upload additional<br />
information, for example in the context of a deviation analysis.<br />
7.2.2 Viewpoint-Oriented Requirements Analysis<br />
A requirement is a “condition or capability needed by a user to solve a problem or<br />
achieve an objective” [IEEE 1990]. Requirements engineering involves capturing, analyzing<br />
and decomposing of many ideas, perspectives, and relationships at varying levels<br />
of detail [Kotonya, Sommerville 1998]. Methods based on rigid global schemes<br />
do not adequately deal with the diversity of issues presented by requirements engineering<br />
problems. To remedy this problem, methods based on the notion of viewpoints<br />
have evolved (e.g. Controlled Requirements Expression “CORE” and Viewpoint-<br />
Oriented Requirements Definition “VORD”) [Darke, Shanks 1996; Kotonya, Som-
58 Beitrag A.2<br />
merville 1998; Leité, Freeman 1991]. The general steps in a VORD approach are illustrated<br />
in Abb. 13.<br />
Abstract viewpoint<br />
classes (= use cases)<br />
Document<br />
Process<br />
Identify viewpoint<br />
Document<br />
viewpoint<br />
Analyze<br />
requirements<br />
Specify<br />
requirements<br />
Viewpoints<br />
Documented<br />
viewpoints<br />
Negotiated<br />
requirements<br />
Requirements<br />
specification<br />
Abb. 13: Viewpoint-oriented requirements definition approach [Kotonya, Sommerville<br />
1998]<br />
A viewpoint is a stakeholder and his or her task-related concerns (requirements)<br />
[Darke, Shanks 1996; Kotonya, Sommerville 1998; Leité, Freeman 1991]. The definition<br />
of a viewpoint is thus intricately linked to the term “use case”, which describes<br />
functional requirements from a specific scenario perspective [Eriksson, Penker 2000].<br />
The biggest difference is the level of granularity. While a viewpoint is associated to<br />
one stakeholder only, a use case can describe the interaction of several stakeholders.<br />
Therefore, we will use the term “use case” to refer to abstract viewpoint classes (see<br />
Abb. 13), which subsume stakeholders and their respective concerns regarding a specific<br />
operational scenario. So, the proposed classification can be conceived of as an<br />
overview of abstract viewpoint classes on a business metadata system, which can be<br />
used to identify a company’s relevant viewpoints.<br />
7.3 Derivation of Use Cases for Business Metadata<br />
Regardless of the specific architecture, three phases in data processing within a BI<br />
context can be distinguished: data consumption, data staging, and data production<br />
[Ariyachandra, Watson 2005: 11-13; Inmon, <strong>St</strong>rauss, Neushloss 2008: 14-21; Kimball,<br />
Ross 2002: 7]. Consequently, on the basis of this threefold categorization, three groups<br />
of business stakeholders can be made out: data consumers, data managers (e.g. data<br />
stewards, business analysts), which ensure that data processing (incl. data staging) runs<br />
efficiently, and data producers. In the following, the three business stakeholder groups<br />
will serve as the fundamental use case categories. In sections 7.3.1-7.3.3, the relevant<br />
use cases in each of these three domains will be derived. It should be noted that the
Beitrag A.2 59<br />
naming of the herein listed use cases does not adhere to common UML practices (e.g.,<br />
containing an active verb) in favor of consistency with the functional areas of a company,<br />
where they typically originate from.<br />
7.3.1 Use Cases in the Data Consumer Domain<br />
Business organizations can be conceptualized as consisting of three different levels:<br />
senior management, middle management, and operational management [Anthony<br />
1965; Laudon, Laudon 2006: 17; Mintzberg 1994a]. While the senior management is<br />
responsible for corporate management (strategic/operational planning and forecasting),<br />
the middle management controls corporate performance management (increasing organizational<br />
performance in order to achieve the goals set by the senior management),<br />
and the operational management monitors the daily activities. These three fields of<br />
duty strongly depend on analytical information and, therefore, constitute use cases,<br />
which can benefit from business metadata.<br />
Each of these groups of data consumers satisfies their data requirements through two<br />
general types of reports: standard and ad-hoc reports [Horváth 2006: 607-608]. Whereas<br />
standard reports anticipate data requirements in advance and are tailored to a specific<br />
role, ad-hoc reports meet spontaneous data requirements. However, data consumers<br />
may not be as familiar with data provided by ad-hoc reports and might thus need<br />
more information to assess its information value. We are, therefore, adding two extra<br />
use cases. First, “ad-hoc information retrieval”, which comprises activities by all data<br />
consumers to satisfy their spontaneous data needs. Second, in case of more sophisticated<br />
ad-hoc analysis, which requires the assistance of a “knowledge worker” [DAMA<br />
2009; Mosley 2008], we will speak of “advanced analytics.”<br />
In total, five data consumer use cases can be distinguished: corporate management<br />
[Laudon, Laudon 2006: 17], corporate performance management [Laudon, Laudon<br />
2006: 17; Nord, Nord 1995], operational management [Laudon, Laudon 2006: 17], adhoc<br />
information retrieval [Horváth 2006: 607-608], and advanced analytics [DAMA<br />
2009; Mosley 2008].<br />
7.3.2 Use Cases in the Data Manager Domain<br />
The Data Management Body of Knowledge (DMBOK) of the Data Management Association<br />
(DAMA) names ten functions of data management in its functional reference<br />
model [DAMA 2009; Mosley 2008]. Since this model provides a comprehensive list<br />
of data management activities within any kind of organization, not all of them fall un-
60 Beitrag A.2<br />
der the responsibility of the business side. Therefore, we only include all the relevant<br />
activities, which state a business role (data steward, knowledge worker, data quality<br />
analyst, and business process analyst) as operationally responsible. Tab. 10 lists the<br />
respective activities per relevant data management function.<br />
Functions<br />
Data governance<br />
Data development<br />
Data security management<br />
Reference & master data<br />
management<br />
Data quality management<br />
DMBOK business responsibilities<br />
Manage and resolve data-related issues<br />
Monitor and ensure regulatory compliance<br />
Communicate, monitor, and enforce conformance with data<br />
policies, standards, procedures, and architecture<br />
Validate information requirements<br />
Prepare for data deployment<br />
Understand data security needs & regulatory requirements<br />
Define data security policy<br />
Define data security standards<br />
Indentify reference data sources and contributors<br />
Define and maintain matching rules<br />
Establish golden records<br />
Define and maintain hierarchies and affiliations<br />
Manage changes to reference and master data<br />
All activities concerning data quality management fall under<br />
the responsibility of the business side<br />
Tab. 10: DAMA DMBOK business responsibilities [DAMA 2009]<br />
7.3.3 Use Cases in the Data Producer Domain<br />
Independently of the specific function, a data producer is responsible for data entry<br />
and maintenance [Ariyachandra, Watson 2005: 11-13; Inmon, <strong>St</strong>rauss, Neushloss<br />
2008: 14-21; Kimball, Ross 2002: 7]. This includes all activities that lead to the creation,<br />
update, or deletion of a data set. Since the data production process is the source of<br />
several data quality issues (e.g., inconsistencies), business metadata can be a means of<br />
proactive data quality management by providing support and increasing transparency.<br />
The use case “data entry and maintenance” is the only one in the data producer domain.<br />
In total, eleven use cases could be identified, which are listed in Abb. 14.
Beitrag A.2 61<br />
Abb. 14: Classification of use cases for business metadata<br />
7.4 Demonstration and Evaluation<br />
In this section, we will demonstrate the applicability of our conceptual model by<br />
means of a case study at “European Universal Bank” (EUB). Section 7.4.1 will introduce<br />
the initial situation at EUB and section 7.4.2 will give details of how the proposed<br />
classification was applied. Eventually, we will evaluate the design and utility of<br />
our conceptual model according to the criteria of March and Smith [1995] in section<br />
7.4.3.<br />
7.4.1 Initial situation<br />
EUB offers its 15 million customers all the services of a universal bank and considers<br />
Central and Eastern Europe as their home market. EUB started its initiative on business<br />
metadata in early 2008. Primarily driven by the IT department, the focus was laid<br />
on introducing a corporate wiki as a means of encouraging a common and unambiguous<br />
terminology. This effort was confronted with much resistance from the business<br />
side as no obvious business need could be seen.<br />
In order to make the next advance to business metadata a success, EUB was seeking<br />
for a more business-driven approach. Rather than starting again from a certain implementation<br />
scenario, this time the overarching concept of business metadata and its<br />
benefits for the business should be explored.
62 Beitrag A.2<br />
7.4.2 Use Case Approach to Business Metadata Systems Design<br />
As described in the previous section, the IT department of EUB decided to revise their<br />
current approach to business metadata. Therefore, we applied our proposed use case<br />
classification following the presented VORD approach presented above (see Abb. 13).<br />
As a first step, EUB prioritized the use cases in order to focus the analysis on the most<br />
relevant ones (section 7.4.2.1). We then documented in an exemplary fashion the requirements<br />
for the top priority use case in a collaborative workshop (section 7.4.2.2).<br />
7.4.2.1 Use Case Prioritization<br />
The EUB chose two employees of business and two of IT to identify the use cases with<br />
the biggest relevance for EUB. All of them were asked to study a comprehensive set of<br />
use case assessment templates and to provide their personal perspectives on the business<br />
potential and associated costs/burdens of their implementation per use case.<br />
Data consumer Data manager (business side) Data producer<br />
Corporate management<br />
Corporate performance<br />
management<br />
Operational management<br />
Data governance (issue and<br />
compliance management)<br />
Data development<br />
(requirements engineering)<br />
Data security management<br />
Data entry and maintenance<br />
Zero nominations<br />
Four nominations<br />
Ad-hoc information retrieval<br />
Reference & master data<br />
management<br />
Advanced analytics<br />
Data quality management<br />
Abb. 15: EUB’s prioritization of use cases for business metadata<br />
Each template included a high level description of the use case, typical challenges, and<br />
likely business metadata needs to address these challenges. Subsequently, the employees<br />
were asked to name their top three to five use cases and explain the underlying<br />
rationales. Abb. 15 illustrates the collective results. From the given use cases, the EUB<br />
employees identified “data development” as the most relevant for EUB and, therefore,<br />
the prime candidate for exemplary viewpoint documentation.
Beitrag A.2 63<br />
7.4.2.2 Viewpoint Documentation<br />
The use case “data development” was further assessed in a workshop with 13 employees<br />
from EUB’s IT and risk department. Within this group, the use case was broken<br />
down into viewpoints. The group identified five relevant stakeholders and seven<br />
activities which benefit from business metadata.<br />
Activities per stakeholder<br />
Business units<br />
Definitional<br />
Data quality<br />
Navigational<br />
Process<br />
Audit<br />
Usage<br />
Annotations<br />
• Specifying change request √ √ √ √<br />
• Monitoring implementation √<br />
Legal authority<br />
• Monitoring compliance √ √ √<br />
Project manager<br />
• Estimating effort √ √ √ √<br />
IT<br />
• Analyzing impact to the IS landscape √ √ √ √ √ √<br />
Sponsor<br />
• Approving change request √ √ √ √<br />
• Monitoring change request √<br />
Tab. 11: Business metadata requirements per activity in use case “data development”<br />
For each activity, the workshop participants were asked to assess the usefulness of the<br />
seven business metadata categories listed in section 7.2.1 (see Tab. 11). Further discussions<br />
revealed that the workshop participants would value “definitional”,<br />
“process”, and “usage” business metadata the most across all activities. “Definitional”<br />
since almost everybody benefits from it, “lineage” due to unsolved challenges in effort<br />
estimation, and “usage” in order to install a report life cycle management that identifies<br />
unused reports that can be abandoned.
64 Beitrag A.2<br />
7.4.3 Evaluation of Design and Utility<br />
Two aspects of the presented classification of use cases for business metadata is up for<br />
evaluation: its design and its utility. With respect to its design, the classification needs<br />
to fulfill the following requirements: “completeness”, “fidelity with real world phenomena”,<br />
“internal consistency”, “level of detail”, and “robustness” [March, Smith<br />
1995].<br />
Regarding its utility, it needs to demonstrate that it contributes to either effectiveness<br />
and/or efficiency in the design of business metadata systems. <strong>St</strong>arting with its design,<br />
we argue that our conceptual model is likely to satisfy the requirements “completeness”,<br />
“fidelity with real world phenomena”, “internal consistency” and “robustness”<br />
due to our analytical-deductive approach of aggregating existent and widespread models.<br />
Only for the dimension “level of detail” we cannot argue with our analyticaldeductive<br />
approach, since granularity is a subjective measure and, therefore, has to be<br />
assessed in a specific context.<br />
<strong>St</strong>atements regarding design (focus on the level of detail)<br />
• Very clearly structured framework<br />
• Missing a use case “risk management”<br />
• Complete list of topics to address/cover<br />
• Use case “advanced analytics” too abstract<br />
<strong>St</strong>atements regarding utility<br />
• Helps in identifying the business value of business metadata<br />
• Facilitates step-by-step approach instead of rushing too early into technical discussions<br />
• Thrives the identification of business value<br />
• Better understanding of benefits by linking it to roles and activities<br />
• Good to maintain a business perspective<br />
• It will be hard to come up with a quantifiable business case (just not feasible)<br />
Tab. 12: <strong>St</strong>atements of focus group on design and utility<br />
Furthermore, we evaluated the classification’s design and utility by means of a focus<br />
group with seven employees of EUB, which had participated in the use case prioritization<br />
and viewpoint documentation workshop discussed before (see Tab. 12).<br />
Regarding the design, the participants challenged the features “completeness” and<br />
“level of detail.” In order to complement the classification, they suggested including a<br />
use case “risk management.” Since risk management is a function which holds special
Beitrag A.2 65<br />
significance in financial institutions, including it as an extra use case would compromise<br />
the classification’s generality. Concerning the second point, further investigation<br />
is necessary as to whether the use case “advanced analytics” is too abstract because it<br />
subsumes too many distinct functions or whether the notation is not clear enough.<br />
Concerning the utility, the participants were generally very satisfied with the utility of<br />
the conceptual model and the associated viewpoint-oriented approach. They particularly<br />
appreciated that it focused the discussions are concentrated on a business perspective<br />
rather than exploring technical details. Even though this is all in all a very positive<br />
evaluation result, it does lack representativeness. The participants of the focus group<br />
were all from the same company and thus this conceptual model needs further evaluation<br />
in different contexts to reliably prove its applicability and utility.<br />
7.5 Concluding Remarks<br />
This article has derived a classification for business metadata use cases. The classification<br />
comprises use cases in the data consumer, data management, and data producer<br />
domain. Its applicability was demonstrated in a banking case and subsequently evaluated<br />
within a focus group. The evaluation is not representative and must be subjected<br />
to further research. Especially the use case “advanced analytics” needs further investigation<br />
in order to comply with the design requirement “level of detail.”<br />
In addition, there is potential for future research that builds on the newly developed<br />
classification presented above. First, this conceptual model could be used to derive<br />
information requirement patterns for business metadata to apply situational method<br />
engineering to business metadata systems design. Second, the typical business metadata<br />
requirements per use case could be extended via a representative evaluation which<br />
would pave the way to a stronger alliance between business value and technical implications.
66 Beitrag B<br />
8 Beitrag B: A Data Model for Terminology Management<br />
of Analytical Information<br />
Titel<br />
Autoren<br />
A Data Model for Terminology Management of Analytical Information<br />
Daniel <strong>St</strong>ock, Philipp Gubler<br />
Universität <strong>St</strong>. <strong>Gallen</strong>, Institut für Wirtschaftsinformatik<br />
Müller-Friedberg-<strong>St</strong>raße 8, 9000 <strong>St</strong>. <strong>Gallen</strong>, Schweiz<br />
{daniel.stock | philipp.gubler}@unisg.ch<br />
Publikationsorgan In: Proceedings of European <strong>St</strong>udents Workshop on Information Systems<br />
(2009), S. 1-14<br />
Tab. 13: Bibliografische Angaben zu Beitrag B<br />
Analytical Information Systems (AIS) comprise a widespread set of tools and concepts<br />
to support management in decision making. Despite the high level of technological<br />
and conceptual sophistication, AIS often struggle in practice with data quality challenges.<br />
In particular, ambiguous and inconsistent information contributes to a decrease<br />
in perceived usefulness. This article analyses how these challenges can be overcome<br />
by terminology management and proposes a data model for terminology management<br />
that is tailored to the specifics of analytical information.<br />
Keywords: data quality, terminology management, analytical information systems<br />
8.1 Introduction<br />
8.1.1 Motivation<br />
Data quality is a crucial factor for the success of analytical information systems (AIS)<br />
in terms of perceived net benefits to the user [Sabherwal, Jeyaraj, Chowa 2006: 1857-<br />
1859; Wixom, Watson 2001: 34]. Even though the dimensions that contribute to high<br />
data quality are manifold, unambiguousness and consistency are central elements<br />
[Berson, Dubov 2007; Wand, Wang 1996: 92; Wang, <strong>St</strong>rong 1996: 14]. Ambiguity<br />
and inconsistencies often arise from vague terminology within and across information<br />
systems leading to misinterpretation and wrongly perceived comparability of data
Beitrag B 67<br />
[Berson, Dubov 2007; Wand, Wang 1996: 92]. The company-wide alignment of terminology<br />
is, therefore, key to the success of AIS [Lehmann 2001: 123].<br />
Cases from practice, which demonstrate the impact of vague terminology management,<br />
are manifold [Auth 2003; Dale 2001; Felber, Budin 1989]. One specific example<br />
comes from the authors’ daily work, where recently a large German bank spent several<br />
weeks on identifying the right measure “full time equivalence” (FTE) detailing of its<br />
organizational structure. Several alignment meetings with the functional units were<br />
needed until the project team discovered that their data was sourced from a different<br />
information system which provided figures excluding exemptions and maternity leave.<br />
This ambiguity of the term “number of FTEs” caused serious delay on a task lying on<br />
the critical paths of a transformation project. This case is in line with a survey conducted<br />
by Forshay et al. [2007]. Even though the importance of accurate definitions<br />
was predominant, the satisfaction level with the provided definitions in their AIS was<br />
rather neutral. A way to address this quality issue is through terminology management<br />
which comprises the planning, steering, maintenance, and organization of terminology<br />
[Auth 2003: 188-189; Lehmann 2001: 123].<br />
Although literature and practice ask for concepts on terminology management, there<br />
are only very few contributions that address this issue. That is why the goal of this article<br />
is twofold: first it provides an overview how terminology management can be<br />
used to identify and solve terminological defects and second it adapts an existing data<br />
model to the characteristics of analytical information. Therefore the article is structured<br />
as follows: section 8.2 sets the theoretical foundations for main terms used<br />
throughout this article. Section 8.3 derives a solution for integrated terminology management<br />
in AIS. Section 8.4 concludes with a critical acclaim of the presented solution<br />
and suggestions for further research.<br />
8.1.2 Research Methodology<br />
Information Systems research is mainly characterized by two paradigms, namely behavioral<br />
science and design science. While behavioral science concentrates on the development<br />
and verification of theories, design science focuses on the development of<br />
solutions for practical problems and, thereby, on accomplishing utility [Hevner et al.<br />
2004: 76; March, Smith 1995: 256]. According to Hevner et al. [2004: 257] and March<br />
and Smith [1995], the outcomes of a construction process under the design science<br />
paradigm are constructs, models, methods, and instantiations. The goal of this article is<br />
to construct a model.
68 Beitrag B<br />
In order to develop the artifacts mentioned before several construction processes are<br />
proposed in literature [Hevner et al. 2004; March, Smith 1995; Peffers et al. 2006;<br />
Rossi, Sein 2003]. The process of March and Smith [1995], that specifies two activities<br />
build and evaluate, is predominant in literature [Hevner et al. 2004]. This article<br />
focuses on the building part. The evaluation is subject to further research.<br />
8.2 Theoretical Foundations<br />
8.2.1 Data Consistency<br />
Within systems theory, information is defined as data within a certain context whereas<br />
data itself has no meaning beyond pure existence [Ackoff 1989; Jung 2006; Price,<br />
Shanks 2005; Wang et al. 1998]. In contrast to this definition, the term data quality has<br />
emerged as measure for design and value of information [Batini, Scannapieco 2006;<br />
Cykana, Paul, <strong>St</strong>ern 1996; Lee et al. 2006; Wand, Wang 1996; Wang, <strong>St</strong>rong 1996].<br />
The definition of data quality usually comprises several dimensions of which one of<br />
the most cited is consistency [Wand, Wang 1996: 92]. Even though the definitions of<br />
consistency that can be found in literature vary in scope, consistency primarily focuses<br />
on the semantic correctness of (sets of) information [Batini, Scannapieco 2006: 30-32;<br />
Brüggemann 2008: 101; English 1999: 24].<br />
Within AIS, inconsistencies typically arise during the sourcing and the consumption of<br />
information. Distributed heterogeneous systems, which often dispose of inconsistent<br />
definitions, account for the first [Batini, Scannapieco 2006: 133; Cykana, Paul, <strong>St</strong>ern<br />
1996: 162; Lee et al. 2006: 80-90], ambiguous and inconsistent terminology for the<br />
latter [Berson, Dubov 2007; Wand, Wang 1996: 92]. Herein terminology comprises a<br />
structured set of terms, where each term is a mapping of an actual data context into<br />
natural language. In general a term is, if not completely specified, subject to subjectivity<br />
of the data receiver. Since this article focuses on inconsistencies due to terminological<br />
defects, in this course data will be considered consistent if the terminology used is<br />
unambiguously associated with the data context.<br />
Within AIS, the context of data can be specified by a measure (e.g., turnover, margin),<br />
which can be aggregated, and one to several aggregation dimensions (e.g., time, customer,<br />
product, and business unit), and an aggregation function (e.g., sum, mean, and<br />
min/max) [Kemper, Mehanna, Unger 2006].
Beitrag B 69<br />
8.2.2 Terminological Defects and Terminology Management<br />
Root causes for difficulties in communication between subjects (but in the broader<br />
sense also between systems and subjects) are specified as terminological defects<br />
[Lehmann 2001: 126]. In general, five categories of terminological defects can be differentiated:<br />
synonyms, homonyms, equipollence, vagueness, and outdated terms<br />
[Lehmann 2001: 2-5; Lehmann, Jaszewski 1999: 127; Ortner 1997; Schwarz, <strong>St</strong>rauch,<br />
Rowohl 2000: 24-26]:<br />
• Synonyms are two terms that reference the same context. Across or within AIS, this<br />
means that you use different terms to reference the same data. Examples could be:<br />
“turnover” vs. “sales”, “return” vs. “profit.”<br />
• Homonyms are two complete separate contexts that are referenced by the same<br />
term. Across or within AIS, this means that the (perceived) same analysis results<br />
two different values. For the data “annual sales of private customers 2009” two<br />
people would interpret the context differently: fiscal year vs. calendar year, including<br />
or excluding VAT, including or excluding cross-sales.<br />
• Equipollence is a measure for comparability of information value. This means that<br />
information of two terms is interrelated due to overlapping contexts. Basically,<br />
synonyms are extreme values of equipollence, since their contexts are completely<br />
disjoint. Across or within AIS this means that two similar types of analysis result<br />
data with comparable information value. An example would be “return on investment”<br />
and “return on assets.”<br />
• Vagueness is a measure for how unambiguous a term references a certain context.<br />
Homonyms are extreme cases of vagueness, since one single term references to<br />
separate contexts. Across of within AIS, this means that an analysis would result<br />
different results due to a single or several misinterpretations of the measure, aggregation<br />
dimension(s), or aggregation. One example of a typical misleading measure<br />
would be “contribution to profit” since this can include several combinations of fix<br />
and variable costs.<br />
• An outdated term is a term that references different contexts over time. It is rather<br />
similar to a vague term whereas here the influence of time is emphasized. Within<br />
AIS, this would mean that a specific analysis would produce incomparable data<br />
due to varying contexts over time. This is often the case when the aggregation dimensions<br />
change in scope, e.g., the investment banking division subsumed private
70 Beitrag B<br />
wealth management until year 2000 while since 2000 private wealth management<br />
became a separate business unit.<br />
One concept to address these issues is terminology management. Terminology management<br />
comprises the planning, steering, maintenance, and organization of terminology<br />
[Auth 2003: 188-189; Kremer, Kolbe, Brenner 2003: 2-3; Lehmann 2001: 123].<br />
“The resulting tools of terminology management are glossaries and taxonomies (classification<br />
schemes) that serve as the foundation for search, navigation, storage, and<br />
communication services between persons and/or systems” [Kremer, Kolbe, Brenner<br />
2003: 3]. Core element of terminology management is the underlying data model to<br />
specify terms in a consistent way [Auth 2003: 85-87; ISO 1999; Wegener, Auth 2002:<br />
198-200].<br />
8.3 Development of an Extension of a Terminological Data<br />
Model<br />
8.3.1 Existing Terminological Data Models<br />
In literature only very few contributions to terminological data models exist. Our literature<br />
review identified two, the data model of Swiss Re and the data model of the International<br />
Organization of <strong>St</strong>andardization (ISO) [Auth 2003; ISO 1999; Wegener,<br />
Auth 2002]. While the Swiss Re data model is a focused approach to align companywide<br />
terminology, the latter represents a comprehensive collocation of more than 200<br />
attributes that needs use-case-specific adaptation. Even it is possible to start from both<br />
models to develop a specific data model for terminology management of analytical<br />
information, this article will start from the Swiss Re data model due to the comparable<br />
problem complexity and scope.<br />
As detailed in section 8.2, the inherent quality of terminology management is directly<br />
associated with the power of the underlying data model to solve the listed terminological<br />
defects that lead to data inconsistencies that harm interpretability and comparability<br />
of information. The Swiss Re data model has been designed with this target and has<br />
been successfully tested within practice [Auth 2003; Wegener, Auth 2002]. Within the<br />
Swiss Re data model a term is characterized by its name and its attributes as detailed in<br />
Tab. 14.
Beitrag B 71<br />
Attribute<br />
Code<br />
Definition<br />
Description<br />
owner,<br />
co_owner<br />
valid_from,<br />
valid_to<br />
Content<br />
Presents an automatic generated alphanumeric code<br />
Specifies the meaning in a concise, clear, and comprehensive<br />
way<br />
Details the meaning<br />
References responsible employee(s) for naming and specification<br />
of term<br />
Specifies the validity period<br />
Tab. 14: Attributes of a term in the Swiss Re data model<br />
A term can be categorized in three types: entity (e.g., contract), attribute (e.g., account<br />
number), and attribute value (e.g., active or on hold). Relationships between terms can<br />
be specified as follows:<br />
• Relationship type “composed of”: A term T1 is derived from two terms T2 and T3<br />
(or more). E.g., contribution to profit is composed of the term turnover and the<br />
term variable costs.<br />
• Relationship type “associated with”: A term T1 is always used in association with<br />
term T2. E.g., street is always used in association with address.<br />
• Relationship type “is alias for”: A term T2 is an alias (synonym) for T1. E.g., sales<br />
is a synonym for turnover.<br />
• Relationship types “aggregation”: A term T1 (entity) has the terms T2, T3 as<br />
attributes, the term T3 has T4 to T10 as attribute values.<br />
The entire formal structure of the data model is illustrated in Abb. 16.
72 Beitrag B<br />
associated_with<br />
0..1 0..1<br />
composed_of<br />
0..n<br />
(Business) term<br />
0..n<br />
0..n<br />
code<br />
definition<br />
description<br />
owner, co_owner<br />
valid_from, valid_to<br />
Is_alias_for<br />
0..1<br />
Entity<br />
Attribute<br />
0..1 0..1<br />
Attribute value<br />
0..n<br />
0..n<br />
Abb. 16: Swiss Re data model in UML [Wegener, Auth 2002]<br />
Generally speaking, the Swiss Re data model could be considered complete since it<br />
directly or indirectly addresses all the terminological defects listed in the previous section.<br />
Synonyms are dissolved through an explicit relationship type, homonyms are<br />
identifiable for elimination, and out-dated terms are flagged through time stamps. Less<br />
easy it becomes with vague and equipollent terms. While the model provides some<br />
indications to identify the latter (e.g., terms that are derived from the same set of terms<br />
and at the same time valid for the same period), the prevention of vague terms solely<br />
depends on the information quality of the attribute “description”. Here the data model<br />
provides only very generic guidance which is a tribute to the wide scope of the data<br />
model. Since it is basically developed to document an intra-organizational business<br />
language in its entirety, it consequently fails in further detailing attributes that apply to<br />
all thinkable types of terms.<br />
The Swiss Re addresses this issue by involving the entire staff in the development and<br />
maintenance of an enterprise-wide uniform terminology [Auth 2003; Wegener, Auth<br />
2002]. Therefore, at Swiss Re every employee is entitled to postulate new terms or
Beitrag B 73<br />
submit change requests to existing terms in order to foster a consensus-driven approach.<br />
8.3.2 Proposed Adaptation within AIS Context<br />
In the following section the article will use Swiss Re’s generic data model and provide<br />
adaptations to tailor it for the use of analytical information. In accordance with user<br />
acceptance research, the organizational challenge that goes in hand with a (terminology)<br />
information system is perceived usefulness to achieve adoption [Venkatesh et al.<br />
2003]. Thereby, the perceived usefulness depends to a large extent on the information<br />
quality provided by the terminology database. In line with the discussion of the previous<br />
section, this article will use specialization to increase the information quality.<br />
Therefore, further attributes and relationship types will be defined in order to fully<br />
grasp the characteristics of analytical information. In a second step unnecessary elements<br />
of the data model are eliminated to balance the trade-off between information<br />
content and the consequent model complexity.<br />
According to section 8.2, analytical information is a measure, which can be aggregated<br />
along several dimensions. Therefore, analytical information in general comprises the<br />
following characteristics:<br />
• Measures are embedded into a logical hierarchy where a measure is calculated<br />
from subordinate measures and/or input to superior measures. For example, the<br />
measure “operating income” is the sum of the subordinate measures “interest income”,<br />
“fees”, and “commissions.” In turn it is one determinant to the calculation<br />
of the superior measure “income.” The calculation logic might vary with a certain<br />
use context (e.g., guidelines of the IFRS vs. guidelines of the US GAAP vs. internal<br />
steering logic).<br />
• Analytical information is time dependent and updated on a frequent basis to allow<br />
for comparisons over time. For example, the measure “operating income” is updated<br />
at the end of every quarter of a calendar year.<br />
• Analytical information is often redundant and distributed across an organization.<br />
While it would be desirable to have a “single-point-of-truth” typically a whole set<br />
of AIS that are tailored to specific user groups are in use. For example, in a typical<br />
multinational company each regional unit has its own AIS in use that provides information<br />
that is also provided by a central AIS in a consolidated and aggregated<br />
form.
74 Beitrag B<br />
To acknowledge the characteristics listed above, the data model needs the following<br />
adjustments:<br />
• In addition to the attribute “description” that describes the general meaning (e.g.,<br />
informative value, use cases) the attributes “calculation”, “unit of measure”, and<br />
“update frequency” are introduced to provide more guidance in the specification of<br />
clear terms.<br />
• To specify the source system(s) that provide the measure, a separate entity “AIS” is<br />
introduced. Each AIS comprises at least one measure while each measure in turn<br />
can be part of several AIS.<br />
• In addition to the attribute "valid from, valid to" the relationship type "update" is<br />
introduced to allow for proper version tracking along with the time series of analytical<br />
information stored in the AIS. A new attribute “change” specifies the attributes<br />
or structure that changed to the pre-version.<br />
• In the context of analytical information, the differentiation of the entity “term” into<br />
three categories as proposed by the Swiss Re data model (“entity”, “attribute”, and<br />
“attribute value”) is not necessary and can be disregarded. Each term falls due to<br />
limited scope in the category “attribute.”<br />
• The relationship type “association” can also be disregarded since a measure is typically<br />
self-contained and not limited to the use in association with other measures.<br />
The formal structure of the resulting data model is illustrated in Abb. 17.<br />
0..1<br />
composed_of<br />
Analytical Information System<br />
Measure/Attribute<br />
0..n<br />
1..n<br />
0..n<br />
1..n<br />
code<br />
definition<br />
description<br />
calculation<br />
unit_of_measure<br />
update_frequency<br />
owner, co_owner<br />
valid_from, valid_to, change<br />
0..1<br />
is_alias_for<br />
0..1<br />
0..1<br />
updates<br />
Abb. 17: Adapted data model in UML
Beitrag B 75<br />
Table 2 gives an example of how the information held in this data model could be presented<br />
to the user. Hereby, each referenced term is highlighted in quotes to allow for<br />
browsing functionality (hyperlink). Due to user centricity, some names of the above<br />
detailed attributes and relationship types have been altered to become better understandable,<br />
e.g., the relationship type “is alias for” is represented by “synonyms”.<br />
Operating income (status: active)<br />
Code (Id)<br />
Definition (short description)<br />
Description<br />
Calculation<br />
Unit of measure<br />
Update frequency<br />
Owner<br />
AB31CF1249CAF123<br />
Income from normal business activity<br />
Income from normal business activity, which can be subdivided<br />
for a bank into income from interests, income from fees, and income<br />
from commissions. Other, e.g., income from trade for own<br />
account …<br />
Interest income + fees + commissions<br />
USD millions<br />
Quarterly<br />
Jane Doe (Jane.Doe@somebank.com)<br />
Validity period 8/1/2007 till ---<br />
Changes to preversion<br />
Is based on<br />
Is used in<br />
Synonyms<br />
Source systems<br />
Calculation update to “operating income” (status: deprecated) due<br />
to new requirements of US GAAP<br />
“interest income”, “fees”, and “commissions”<br />
“income”, “result of operations”, …<br />
“operating return”<br />
AIS “xy”, AIS “wz”<br />
Tab. 15: User view of a defined term (example)<br />
8.4 Discussion and Further Research<br />
Within this article two results were presented. First, it was demonstrated how terminological<br />
defects within intra-organizational terminology can be effectively addressed<br />
through terminology management. Second, the underlying data model in the Swiss Re<br />
approach to terminology management has been tailored to the needs within the context<br />
of AIS.<br />
Since this article only covers the first phase “build” of a design science research approach,<br />
evaluation will be needed to testify the usefulness of the derived data model.
76 Beitrag B<br />
Further research could be conducted in the various ways how to integrate terminology<br />
management into AIS to provide better user support. Use cases could include an integrated<br />
glossary function, integrated consistency checks of definitions in analyzing time<br />
series and predefined analysis paths derived from the taxonomy within the terminology.
Beitrag C.1 77<br />
9 Beitrag C.1: Fachliche <strong>Metadaten</strong> – Kosten-Nutzen-<br />
Analyse<br />
Titel<br />
Autoren<br />
Fachliche <strong>Metadaten</strong> – Kosten-Nutzen-Analyse<br />
Daniel <strong>St</strong>ock, Jörg Mayer, Felix Wortmann<br />
Universität <strong>St</strong>. <strong>Gallen</strong>, Institut für Wirtschaftsinformatik<br />
Müller-Friedberg-<strong>St</strong>raße 8, 9000 <strong>St</strong>. <strong>Gallen</strong>, Schweiz<br />
{daniel.stock | joerg.mayer | felix.wortmann}@unisg.ch<br />
Publikationsorgan In: BI-Spektrum (2010), Vol. 5, Nr. 2, S. 20-24<br />
Tab. 16: Bibliografische Angaben zu Beitrag C.1<br />
Fachliche <strong>Metadaten</strong> charakterisieren das Informationsangebot von BI-Systemen. Sie<br />
fördern insbesondere den zielgerichteten Einsatz der bereitgestellten Informationen<br />
und deren bedarfsgerechte Weiterentwicklung. Da der Nutzen <strong>fachlicher</strong> <strong>Metadaten</strong><br />
monetär nur schwer zu quantifizieren ist, wird in diesem Artikel ein pragmatischer<br />
Ansatz für die Kosten-Nutzen-Analyse vorgestellt. Abschließend wird dieses Vorgehen<br />
an einem Beispiel aus der betrieblichen Praxis demonstriert.<br />
Schlüsselwörter: Fachliche <strong>Metadaten</strong>, Akzeptanz von BI-Systemen, Kosten-Nutzen-<br />
Analyse<br />
9.1 Einleitung<br />
Business Intelligence (BI) ist ein Wachstumsmarkt, der sich mit immer leistungsfähigeren<br />
Systemen an den wachsenden unternehmerischen Anforderungen orientiert.<br />
Technikzentrierte Lösungen führen dabei oft zu mangelnder Akzeptanz von BI-<br />
Systemen bei Führungskräften, sodass sie hinter ihrem erwarteten Potenzial zurückbleiben<br />
[Gluchowski, Kemper 2006]. Neben intuitiven Benutzeroberflächen können<br />
fachliche <strong>Metadaten</strong> deren Akzeptanz steigern. Als Zusatzinformationen erhöhen sie<br />
die Transparenz über bereitgestellte Informationen und tragen so zu einer besseren<br />
Datenqualität bei [Foshay, Mukherjee, Taylor 2007].<br />
Der vorliegende Beitrag analysiert das Nutzenpotenzial <strong>fachlicher</strong> <strong>Metadaten</strong> und<br />
erarbeitet ein Vorgehen für eine pragmatische Kosten-Nutzen-Analyse. Ihre Anwendung<br />
wird anhand eines Fallbeispiels bei einem deutschen Finanzdienstleister demonstriert.
78 Beitrag C.1<br />
9.2 <strong>St</strong>and in Wissenschaft und Praxis<br />
<strong>Metadaten</strong> werden oft als „Daten über Daten“ bezeichnet [Bauer, Günzel 2004]. Im<br />
Rahmen von BI-Systemen beschreiben sie das Angebot und die Eigenschaften der bereitgestellten<br />
Informationen. In Abhängigkeit der Nutzergruppe lassen sich technische<br />
und fachliche <strong>Metadaten</strong> unterscheiden. Erstere beinhalten typischerweise technischorientierte<br />
Modelle (z.B. APIs, SQL-Befehle oder physische Datenstrukturen), während<br />
Letztere aus einer Anwendersicht das Informationsangebot spezifizieren. Das<br />
können fachliche Definitionen von Kennzahlen im Rahmen eines Glossars sein oder<br />
ein Verzeichnis, das die im Unternehmen verfügbaren Reports themenorientiert strukturiert.<br />
Fachliche <strong>Metadaten</strong> lassen sich in sieben Kategorien unterteilen, die dem Anwender<br />
auf der Fachseite unterschiedliche Fragen beantworten [Foshay, Mukherjee, Taylor<br />
2007]: Definitionen, Navigation, Aufbereitung, Annotationen, Qualität, Audit und Nutzung.<br />
Tab. 17 fasst diese Kategorien und deren Nutzen für den Anwender zusammen.<br />
<strong>Metadaten</strong>-Kategorie<br />
Definitionen<br />
Navigation<br />
Aufbereitung<br />
(Processing/Lineage)<br />
Annotationen<br />
Qualität<br />
Audit<br />
Nutzung<br />
Adressierte Fragestellungen und Beispiele<br />
Was sind dies für Daten und was bedeuten sie<br />
Beispiel: Fachliche Definitionen von Kennzahlen im Rahmen eines (zentralen) Business<br />
Glossaries oder (dezentral) in Reporting-Lösungen<br />
Wo lassen sich diese Daten finden In welcher Beziehung stehen die Daten zueinander<br />
Beispiel: Inhaltsverzeichnis im Rahmen eines Reporting-Portals oder semantische<br />
Verlinkung im Rahmen eine Business Glossaries auf verwandte oder verwendete Begriffe<br />
Wo kommen die Daten ursprünglich her Wie sind sie verarbeitet worden<br />
Beispiel: Fachliche Darstellung der ETL-Prozesse oder fachliche Beschreibung von<br />
Transformationen in SQL-Abfragen<br />
Welche Hintergrundinformationen müssen bei der Interpretation einer spezifischen<br />
Dateninstanz berücksichtigt werden<br />
Beispiel: Kommentarfunktion und Datei-Uploads in Reporting-Lösungen<br />
Ist die (derzeitige) Datenqualität für die angedachte Nutzung der Daten ausreichend<br />
Beispiel: Data Quality Management Dashboard oder Qualitätsindikatoren über den<br />
Ladestatus von Kennzahlen in Reporting-Lösungen<br />
Wer ist für die Daten verantwortlich und wer hat Zugriff darauf<br />
Beispiel: Fachliche Rollenbeschreibung in der Zugriffsrechteverwaltung oder Governance-<br />
Framework für Data <strong>St</strong>ewardship<br />
Wo werden diese Daten gebraucht und wie regelmäßig werden diese Daten (bzw. Reports)<br />
nachgefragt<br />
Beispiel: Nutzerprofile des Reporting-Inventars oder Nachfragestatistik einzelner Reports<br />
9.3 Systematische Beurteilung<br />
Tab. 17: Taxonomie<br />
Die Bereitstellung <strong>fachlicher</strong> <strong>Metadaten</strong> ist mit Aufwand (Kosten und Zeit) verbunden<br />
und muss sich nach dem Prinzip der Wirtschaftlichkeit [Zangemeister 1976] durch den
Beitrag C.1 79<br />
erzielten Nutzen rechtfertigen. Damit steht nicht im Fokus, ob die Bereitstellung technisch<br />
machbar ist, sondern ob sie auch wirtschaftlich sinnvoll ist.<br />
Während sich der Aufwand der Bereitstellung recht gut schätzen lässt, ist der Nutzen<br />
oft nur schwer monetär zu quantifizieren. Das liegt darin begründet, dass fachliche<br />
<strong>Metadaten</strong> ein sehr weitgefasstes Anwendungsgebiet beschreiben und sich nur indirekt<br />
auf Ertrags- und Aufwandhebel im Unternehmen auswirken. Ein pragmatischer Ansatz<br />
sollte daher mit wenig Aufwand die relevanten Nutzendimensionen identifizieren, um<br />
so eine fokussierte Bewertung zu ermöglichen.<br />
Für die Identifikation der relevanten Nutzendimensionen eignet sich eine Nutzwertanalyse<br />
[Zangemeister 1976], die entlang qualitativer Beurteilungskriterien den Handlungsbedarf<br />
in Form eines Soll-Ist-Vergleichs bewertet. Dies dient dann als Ausgangsbasis<br />
für eine monetäre Bewertung entlang quantitativer Beurteilungskriterien. Sollte<br />
sich also aus der Nutzwertanalyse ergeben, dass die Auffindbarkeit der Informationen<br />
von der (weiteren) Bereitstellung <strong>fachlicher</strong> <strong>Metadaten</strong> profitieren würde, dann lässt<br />
sich die Investitionsrechnung auf die Quantifizierung der eingesparten Suchkosten einschränken.<br />
Die Herleitung qualitativer und quantitativer Nutzendimensionen erfolgt entlang der<br />
Datenverarbeitung mit ihren drei <strong>St</strong>akeholder-Gruppen: Datenproduzenten, Datenmanager<br />
und Datenkonsumenten. Das Ergebnis ist in Abb. 18 zusammengefasst.<br />
Datenproduzent<br />
Daten eingeben<br />
Datenmanager<br />
Daten transformieren<br />
Datenkonsument<br />
Daten nutzen<br />
Qualitative<br />
Nutzendimensionen<br />
• Verständlichkeit<br />
• Nachvollziehbarkeit<br />
• Flexibilität<br />
• Verständlichkeit<br />
• Auffindbarkeit<br />
• Nachvollziehbarkeit<br />
• Qualitätstransparenz<br />
• Compliance-Transparenz<br />
• Nutzungstransparenz<br />
• Auffindbarkeit<br />
• Verständlichkeit<br />
• Interpretierbarkeit<br />
• Glaubwürdigkeit<br />
Quantitative<br />
Nutzendimensionen<br />
(indirekt durch fachliche<br />
<strong>Metadaten</strong> beeinflusst)<br />
• Weniger Abstimmungsaufwand<br />
(mit Datenkonsument)<br />
• Geringerer Supportaufwand<br />
(Hilfe zur Selbsthilfe)<br />
• Höhere Datenqualität (insb.<br />
Konsistenz und Vollständigkeit)<br />
• Plan: Geringerer Planungsaufwand<br />
durch Wirkungsanalyse und<br />
gezieltere Portfolioentwicklung<br />
• Build: Geringerer Entwicklungsaufwand<br />
durch Wiederverwendung<br />
• Run: Geringerer Betriebsaufwand<br />
durch Outphasing nicht genutzter<br />
Daten/Reports und gezielte<br />
Ursachenanalyse<br />
• Geringere Suchkosten<br />
• Weniger Abstimmungsaufwand<br />
(mit Datenproduzenten)<br />
• Geringerer Supportaufwand<br />
(Hilfe zur Selbsthilfe)<br />
• Bessere Entscheidungen<br />
Abb. 18: Qualitative und quantitative Nutzendimensionen
80 Beitrag C.1<br />
9.3.1 Datenkonsumenten<br />
<strong>Metadaten</strong> erhöhen die Transparenz über Daten. Aus Konsumentensicht tragen sie<br />
damit zu verschiedenen Aspekten der Datenqualität bei. Die Ergebnisse verschiedener<br />
<strong>St</strong>udien [Foshay, Mukherjee, Taylor 2007; Shankaranarayanan, Even, Watts 2006]<br />
lassen sich wie folgt zusammenfassen:<br />
• Auffindbarkeit: Navigations-<strong>Metadaten</strong> vereinfachen das Auffinden von Daten, da<br />
sie das Angebot in einer logischen, transparenten <strong>St</strong>ruktur anordnen. Damit reduzieren<br />
sich für den Endnutzer etwaige Suchkosten.<br />
• Verständlichkeit: Definitionen reduzieren den Effekt terminologischer Defekte<br />
(z.B. Synonyme und Homonyme) und erleichtern so das Verstehen von Daten und<br />
in welchem Kontext sie wie eingesetzt werden. Das reduziert Rückfragen beim Datenproduzenten<br />
und den daraus erwachsenden Abstimmungsaufwand oder den Bedarf<br />
an Support.<br />
• Interpretierbarkeit: Qualitäts-<strong>Metadaten</strong> können die Interpretierbarkeit von Daten<br />
erhöhen, wenn sie für den jeweiligen Anwendungskontext bewertbar werden. Das<br />
ermöglicht den gezielten Einsatz von Daten und reduziert die Kosten aus den Folgen<br />
von Fehlentscheidungen.<br />
• Glaubwürdigkeit: Aufbereitungs-<strong>Metadaten</strong> können weiterhin die Glaubwürdigkeit<br />
bereitgestellter Informationen erhöhen, wenn sie dem Endnutzer die Möglichkeit<br />
bieten, die Daten entlang ihrer Verarbeitungskette zurückzuverfolgen. Das gestärkte<br />
Vertrauen in die Daten reduziert Rückfragen beim Datenproduzenten und den<br />
daraus erwachsenden Abstimmungsaufwand.<br />
Neben den oben dargestellten Ursache-Wirkungsbeziehungen lassen sich zusätzlich<br />
noch weitere argumentieren. So können auch Annotationen zur besseren Interpretierbarkeit<br />
und Nutzungs-<strong>Metadaten</strong> zur Ableitung von Nutzerprofilen für individuelle<br />
Report-Vorschläge beitragen (in Analogie zu Amazon: „Personen, die diesen Report<br />
gelesen haben, haben auch folgende Reports angesehen.“).<br />
9.3.2 Datenmanager<br />
Da Datenmanager fachlich für die BI-Systeme und somit die Bereitstellung bedarfsgerechter<br />
Informationen verantwortlich sind [DAMA 2009], erfahren sie aus fachlichen<br />
<strong>Metadaten</strong> zunächst denselben Nutzen wie die Datenkonsumenten. Allerdings spielt<br />
die Interpretierbarkeit und Glaubwürdigkeit eine untergeordnete Rolle, da sie die Da-
Beitrag C.1 81<br />
ten selbst nicht einsetzen. Letzteres kann man mit Blick auf Aufbereitungs-<strong>Metadaten</strong><br />
eher im Sinne von Nachvollziehbarkeit in Form von Ursache- oder Wirkungsanalysen<br />
verstehen. Zusätzlich erfahren sie aus den Kategorien Qualität, Compliance und Nutzung<br />
direkten Input für den effizienten Betrieb von BI-Systemen:<br />
• Effizientere Planung: Aufbereitungs-<strong>Metadaten</strong> können die Abhängigkeiten der<br />
Datenflüsse von den Quellsystemen bis hin zum zentralen BI-System darstellen<br />
und ermöglichen damit eine umfassende Impact-Analyse neuer Anforderungen.<br />
• Geringere Entwicklungskosten: Definitionen und Navigations-<strong>Metadaten</strong> sind eine<br />
Voraussetzung für die Wiederverwendung existierender Daten. Sie ermöglichen<br />
die Identifikation und Bewertung bestehender Daten bei neuen Anforderungen.<br />
• Geringere Supportkosten: Transparenz über die Compliance, Qualität und Nutzung<br />
der Daten in den BI-Systemen ermöglicht eine proaktive Problemidentifikation und<br />
-behebung. Darüber hinaus können über Nutzungs-<strong>Metadaten</strong> wenig oder gar nicht<br />
genutzte Reports eingestellt oder frühzeitig angepasst werden. Dies trägt zu einem<br />
bedarfsgerechteren Angebot an Daten bei.<br />
9.3.3 Datenproduzenten<br />
Es lässt sich analog zu den Datenkonsumenten argumentieren, dass die Datenproduzenten<br />
von fachlichen <strong>Metadaten</strong> im Sinne der Verständlichkeit und Nachvollziehbarkeit<br />
profitieren. Zusätzlich geben ihnen Annotationen die Möglichkeit, weitere Informationen<br />
bereitzustellen, um Dateneingaben zu erklären und zu belegen. Das erhöht<br />
für die Datenproduzenten die Flexibilität, ohne dabei die in der Regel beabsichtigte<br />
<strong>St</strong>andardisierung über vorgegebene Eingabelisten und Menüs aufzuweichen. Dies trägt<br />
dazu bei, dass die Datenproduzenten eine höhere Datenqualität (insbesondere Vollständigkeit<br />
und Konsistenz) erreichen, da sie die Anforderungen besser verstehen und<br />
nachvollziehen können.<br />
9.4 Beispiel: Umsetzung im Kreditrisikomanagement<br />
Das Beispiel beschreibt den Fall eines deutschen Finanzdienstleisters. Hier wurde das<br />
skizzierte Vorgehen für die Kosten-Nutzen-Analyse im Kreditrisikomanagement angewendet.<br />
Die Nutzwertanalyse hat ergeben, dass der Fokus des Projektes auf den Datenkonsumenten<br />
liegen sollte. Vor allem in den Dimensionen Auffindbarkeit und Verständlichkeit<br />
wurde der stärkste Handlungsbedarf identifiziert (siehe Abb. 19), der sich<br />
insbesondere auf Inkonsistenzen in der verwendeten Terminologie zurückführen lässt.
82 Beitrag C.1<br />
Dies beschreibt ein typisches Anwendungsbeispiel für Glossare, die sich eignen, um<br />
definitorische und navigatorische <strong>Metadaten</strong> zu verwalten und bereitzustellen.<br />
Abb. 19: Auszug Nutzwertanalyse im Kreditrisikomanagement<br />
Auf Basis der Ergebnisse der Nutzwertanalyse wurde der Nutzen eines Glossars mittels<br />
der <strong>St</strong>ellhebel ‚geringere Suchkosten‘ und ‚bessere Entscheidungen‘ (siehe Abb.<br />
18) quantifiziert. Während ‚geringere Suchkosten‘ direkt bewertbar sind, wurden ‚bessere<br />
Entscheidungen‘ im Rahmen des Kreditrisikomanagements mit ihren Auswirkungen<br />
auf die Ausfallkosten spezifiziert. Diesen Einsparpotenzialen wurden die Kosten<br />
für die Pflege des Glossars gegenüber gestellt. Die Investitionsrechnung ist in Abb. 20<br />
dargestellt.<br />
Da sich dieses Projekt in der Umsetzung befindet, kann noch nicht gesagt werden, ob<br />
sich der erwartete Nutzen wie avisiert einstellen wird. Darüber hinaus wird es schwer<br />
sein, den Effekt auf bessere Entscheidungen in der Kreditvergabe nachzuweisen. Allerdings<br />
zeigen vergleichbare Projekte, dass sich mit dem Einsatz eines Glossars eine<br />
wachsende <strong>St</strong>andardisierung der Geschäftsterminologie einstellt. Während zu Beginn<br />
die Anzahl der Begriffe im Glossar stetig wächst, stellt sich später eine Reifephase ein,<br />
in der die Begriffe und Definitionen konsolidiert werden.
Beitrag C.1 83<br />
Bessere Entscheidungen in der Kreditvergabe durch einheitliches Begriffsverständnis<br />
Nutzen<br />
Kredite neu (€), p. a.<br />
5.750.000.000<br />
Zeitersparnis bei der Suche nach Informationen<br />
Zahlungsausfälle (%) Reduktion Ausfälle (%)<br />
x x =<br />
0,2<br />
0,5<br />
Ersparnis (€), p. a.<br />
57.500<br />
Betroffene Personen (#)<br />
2% von 1.750<br />
Zeitersparnis (h/#), p. a.<br />
Gehalt (€/h)<br />
x x =<br />
16<br />
50<br />
Ersparnis (€), p. a.<br />
28.000<br />
Datenqualitätsmanager für die Pflege des Glossars (Laufende Kosten)<br />
Kosten<br />
Ressourcenbedarf (FTE)<br />
25%<br />
Gehalt (€/FTE)<br />
x =<br />
60.000<br />
Kosten (€), p. a.<br />
15.000<br />
Ergebnis<br />
Total (€), p.a.<br />
70.500<br />
Abb. 20: Quantifizierung der Nutzenpotenziale eines zentralen Glossars<br />
(Zahlen verfremdet)<br />
Im nächsten Schritt erfolgt die Evaluation möglicher Tools (z.B. ASG-metaGlossary,<br />
SAP metapedia oder IBM InfoSphere Business Glossary) für die Realisierung des<br />
Glossars. Neben der Pflege der fachlichen <strong>Metadaten</strong> (z.B. durch eine rollenbasierte<br />
Workflow-Unterstützung) steht hierbei vor allem ihre Einbettung in die bestehenden<br />
BI-Systeme im Vordergrund. Für den Endanwender werden die Einträge aus dem<br />
Glossar typischerweise direkt in die Frontend-Systeme integriert und stehen mittels<br />
eines Wizards, einer Mouse-Over-Funktion oder eines abfrage- bzw. reportspezifischen<br />
Verzeichnisses zur Verfügung.<br />
9.5 Zusammenfassung<br />
In diesem Beitrag wurde ein pragmatischer Ansatz für die Kosten-Nutzen-Analyse<br />
<strong>fachlicher</strong> <strong>Metadaten</strong> vorgestellt. Mittels einer Nutzwertanalyse entlang qualitativer<br />
Nutzendimensionen wird der Handlungsbedarf im Unternehmen identifiziert und die<br />
Investitionsrechnung auf vielversprechende <strong>St</strong>ellhebel eingegrenzt. Die Nutzwertanalyse<br />
verhindert damit den unverhältnismäßigen Aufwand einer Quantifizierung<br />
aller möglichen Nutzenpotenziale im Unternehmen. Die Anwendbarkeit dieses Ansatzes<br />
wurde im Rahmen eines Fallbeispiels demonstriert.
84 Beitrag C.2<br />
10 Beitrag C.2: The Value of Business Metadata –<br />
<strong>St</strong>ructuring the Benefits in a Business Intelligence<br />
Context<br />
Titel<br />
Autoren<br />
The Value of Business Metadata – <strong>St</strong>ructuring the Benefits in a Business<br />
Intelligence Context<br />
Daniel <strong>St</strong>ock, Robert Winter<br />
Universität <strong>St</strong>. <strong>Gallen</strong>, Institut für Wirtschaftsinformatik<br />
Müller-Friedberg-<strong>St</strong>raße 8, 9000 <strong>St</strong>. <strong>Gallen</strong>, Schweiz<br />
{daniel.stock | robert.winter}@unisg.ch<br />
Publikationsorgan In: Proceedings of itAIS 2010 (2010), S. 1-8<br />
Tab. 18: Bibliografische Angaben zu Beitrag C.2<br />
Business metadata (BM) plays a crucial role in increasing data quality of information<br />
systems (IS), especially in terms of data believability, ease of understanding, and accessibility.<br />
Despite its importance, BM is primarily discussed from a technical perspective,<br />
while its business value is scarcely addressed. Therefore, this article aims to<br />
contribute to the further development of existing research by providing a conceptual<br />
framework of qualitative and quantitative benefits. A financial service provider case is<br />
presented that demonstrates how this conceptual framework has successfully been applied<br />
in a two-stage cost-benefit analysis.<br />
Keywords: business intelligence, data / information management, business metadata,<br />
cost-benefit analysis<br />
10.1 Introduction<br />
10.1.1 Motivation and Objectives<br />
Over the last years, “making better use of information” gained importance and now<br />
ranks among the top five priorities of IT executives [Luftman, Kempaiah, Rigoni<br />
2009]. This trend is linked to the prevailing significance of Business Intelligence (BI),<br />
where data quality is a crucial factor for the perceived net benefits to the end user<br />
[Luftman, Kempaiah, Rigoni 2009; Sabherwal, Jeyaraj, Chowa 2006: 1857-1859;<br />
Wixom, Watson 2001: 34]. In this context, the scope of data quality is not limited to
Beitrag C.2 85<br />
factual dimensions like data accuracy and completeness, but also addresses individualrelated<br />
dimensions like data believability, ease of understanding, and accessibility<br />
[Jarke et al. 2000; Wang, <strong>St</strong>rong 1996]. In particular for the individual-related dimensions,<br />
business metadata (BM) plays an important role in increasing data quality and<br />
therefore the acceptance of BI-Systems [Foshay 2005; Foshay, Mukherjee, Taylor<br />
2007].<br />
Despite its increasing relevance for practitioners [Schulze et al. 2009], academic literature<br />
lacks an explicit discussion regarding the benefits of BM [Shankaranarayanan,<br />
Even 2004; Shankaranarayanan, Even 2006]. In general, the discussions of benefits of<br />
BM remain rather abstract. For example, Foshay et al. [2007] substantiate the positive<br />
effect of BM on the overall usage of BI-Systems, Fisher et al. [2003] show that BM<br />
does influence decision outcomes, and Even et al. [2006] examine the impact of BM<br />
on the believability of information sources. Therefore, this article contributes to a<br />
structured analysis of the benefits of BM by proposing a framework of qualitative and<br />
quantitative benefit dimensions. This framework can be applied in a pragmatic costbenefit<br />
analysis of respective BM solutions.<br />
10.1.2 Research Methodology<br />
This article applies the design research paradigm in order to accomplish utility. According<br />
to Hevner et al. [2004] and March and Smith [1995], the outcomes of a construction<br />
process under the design research paradigm can be classified as constructs,<br />
models, methods, and instantiations. Several reference models for this process have<br />
been proposed [e.g., Hevner et al. 2004; March, Smith 1995; Peffers et al. 2006]. The<br />
most recent process of Peffers et al. [2006] specifies six phases: “Identify problem and<br />
motivate”, “define objectives of a solution”, “design and development”, “demonstration”,<br />
“evaluation”, and “communication.” In this article, the “design and development<br />
centered approach” is applied to introduce a conceptual framework (model) of BM<br />
benefits. Therefore, we will demonstrate the applicability and utility of our artifact in a<br />
single case and postpone a comprehensive evaluation to future research.<br />
10.2 Business Metadata<br />
“Data about data” has evolved as the most widespread definition of metadata. Since<br />
this definition is utterly imprecise, we will adopt the definition in Dempsey and Heery<br />
[1998]: “Metadata is data associated with objects which relieves their potential users<br />
of having full advance knowledge of their existence or characteristics.” This definition
86 Beitrag C.2<br />
highlights that the scope of metadata is a matter of perspective, particularly concerning<br />
the “objects” in focus. In the case of a library, any electronic data on books (e.g., title<br />
and publisher) is considered metadata. In the case of BI, the focus lays on data and the<br />
associated systems. Therefore, metadata comprises definitions (e.g., column or row<br />
headers), detailed descriptions, quality indicators (e.g., completeness of data), and<br />
many more.<br />
BM is a subcategory of metadata that is used primarily by the business side, whereas<br />
technical metadata is used by IT [Foshay, Mukherjee, Taylor 2007; Marco 2000; Tannenbaum<br />
2002]. It should be noted, that although the two sets are collectively exhaustive,<br />
they are not disjoint. This means that metadata can imply both business and technical<br />
relevance (e.g., functional descriptions of information services for better business-IT<br />
alignment). In literature seven categories of BM can be distinguished [Foshay,<br />
Mukherjee, Taylor 2007; Müller, <strong>St</strong>öhr, Rahm 1999; Shankaranarayanan, Even 2004]:<br />
1. Definitional metadata – What do I have and what does it mean<br />
2. Data quality – Is the quality of data appropriate for its intended use<br />
3. Navigational metadata – Where can I find the data I need<br />
4. Process metadata (also lineage metadata) – Where did this data originate from and<br />
what has been done to it<br />
5. Usage metadata – How frequently is a specific data set/report requested and what<br />
user profiles can be derived<br />
6. Audit metadata – Who owns the data and who is granted access<br />
7. Annotations (semi-structured comments) – Which additional circumstances or information<br />
do I need to consider when reading this data<br />
10.3 Derivation of Benefit Dimensions<br />
The derivation consisted of three successive steps for identifying qualitative and quantitative<br />
benefits of business metadata. First, we screened the body of knowledge to collect<br />
empirically proven or mentioned cause-effect relations. Second, the definitions<br />
and examples for business metadata were used to analytically derive additional benefits.<br />
Finally, the qualitative benefits were explored in specific use cases to identify<br />
quantifiable measures.<br />
In general, the generation and management of metadata serve two purposes. First, metadata<br />
is necessary to minimize the efforts for development and administration of BI-<br />
Systems. Second, it is used to improve the extraction of information from BI-Systems
Beitrag C.2 87<br />
[Bauer, Günzel 2004; Dempsey, Heery 1998; Marco 2000; Vaduva, Vetterli 2001]. In<br />
order to identify the benefit potential of BM, we will examine these two aspects separately.<br />
10.3.1 Development and Administration of BI-Systems<br />
Since the article focuses on BM, we will only include business related aspects of the<br />
development and administration of BI-Systems. The Data Management Association<br />
(DAMA), which published a comprehensive framework for data management in practice,<br />
names three activities the business side is operationally responsible for [DAMA<br />
2009]: requirements engineering, data quality management, and data security management.<br />
Requirements engineering comprises activities to identify, analyze, and define requirements<br />
[DAMA 2009; Darke, Shanks 1996; Leité, Freeman 1991]. Usage metadata<br />
increases the transparency on data usage through access statistics and user profiles<br />
[Shankaranarayanan, Even 2004; Shankaranarayanan, Even 2006; Vaduva, Vetterli<br />
2001]. Definitional, quality, and navigational metadata can be used to increase the level<br />
of data reuse by analyzing the current data inventory for reusable elements [Vaduva,<br />
Vetterli 2001]. Overall, higher transparency on data usage and increased data reuse<br />
results in lower maintenance and development costs by phasing out unused reports and<br />
avoiding redundancy.<br />
Going beyond mere reactive action, data quality management works as a proactive and<br />
preventive concept. This concept is characterized by a continuous cycle consisting of<br />
activities to define, measure, analyze, and improve data quality [DAMA 2009]. Hereby<br />
data quality metadata can be beneficial. On the one hand, the transparency on data<br />
quality is increased through quality indicators. On the other hand, the level of automation<br />
for measuring and improving data quality by defining business rules for data validation<br />
and/or cleansing [Foshay 2005; Foshay, Mukherjee, Taylor 2007; Shankaranarayanan,<br />
Even 2004; Shankaranarayanan, Even 2006; Vaduva, Vetterli 2001]. Additionally,<br />
process metadata can be used to improve the traceability of data issues<br />
through a root cause and impact analysis along the data transformation process [Foshay<br />
2005; Foshay, Mukherjee, Taylor 2007; Shankaranarayanan, Even 2004; Shankaranarayanan,<br />
Even 2006]. Overall, transparency, automation, and traceability contributes<br />
to lower data cleansing costs and better decision making by proactively and efficiently<br />
managing data quality.
88 Beitrag C.2<br />
Data security management comprises activities to develop and execute security policies<br />
in order to meet internal and regulatory requirements [DAMA 2009; Whitman,<br />
Mattord 2007]. Thereby audit metadata increases the transparency on compliance and<br />
ensures the traceability of compliance issues through audit logs [Shankaranarayanan,<br />
Even 2004; Shankaranarayanan, Even 2006]. Overall, transparency and traceability on<br />
compliance reduces regulatory fines by proactively managing privacy protection and<br />
confidentiality.<br />
10.3.2 Extraction of Information from BI-Systems<br />
Within systems theory information is defined as data within a certain context, whereas<br />
data itself has no meaning beyond pure existence [Ackoff 1989]. BM describes the<br />
context of data by providing additional information (e.g., definitions and applied transformation<br />
rules). Therefore, the benefits of BM in the context of information extraction<br />
are closely related to the usage dimensions of data quality: ease of understanding,<br />
interpretability, believability, and accessibility [Wand, Wang 1996; Wang, <strong>St</strong>rong<br />
1996].<br />
Ease of understanding evaluates to which extend information is clear, readable, and<br />
easily understood. Hereby, definitional metadata can be used to enforce a unique terminology<br />
and communication language within the enterprise by eliminating terminological<br />
defects [Hüner, Otto 2009; <strong>St</strong>ock, Gubler 2009; Vaduva, Vetterli 2001]. Ease<br />
of understanding, therefore, increases the acceptance and usage of BI-Systems [Foshay<br />
2005; Foshay, Mukherjee, Taylor 2007] and/or results in less need for first-level support.<br />
From an information producer perspective, a unique terminology also increases<br />
the data quality by fostering a consistent data entry.<br />
Interpretability evaluates to which extend information is interpretable in the light of<br />
individual belief, judgment, and circumstances. Especially definitional and quality metadata<br />
is necessary to assess the information’s fit for use [Chengalur-Smith, Ballou,<br />
Pazer 1999; Fisher, Chengalur-Smith, Ballou 2003]. In addition, annotations are a<br />
means of pointing out recent events through structured comments. From an information<br />
producer perspective, annotations also increase the flexibility during information<br />
entry. Better interpretability results in better decision making [Chengalur-Smith, Ballou,<br />
Pazer 1999; Fisher, Chengalur-Smith, Ballou 2003].<br />
Believability evaluates to which degree the information is trustworthy. Since BI-<br />
Systems are often regarded as black boxes, process and quality metadata helps to increase<br />
transparency on the information value chain [Even, Shankaranarayanan, Watts
Beitrag C.2 89<br />
2006; Shankaranarayanan, Watts 2003] by specifying source systems, applied transformation<br />
rules, and quality restrictions. Higher believability not only increases the<br />
acceptance and usage of BI-Systems [Foshay 2005; Foshay, Mukherjee, Taylor 2007],<br />
but also contributes to better decision making [Even, Shankaranarayanan, Watts 2006;<br />
Shankaranarayanan, Watts 2003].<br />
Accessibility evaluates if the information in the BI-System is retrievable and available.<br />
Regarding retrievability, definitional and navigational metadata facilitates the locating<br />
of existent information by providing an index or ontology for the available information<br />
within the BI-Systems [Hüner, Otto 2009]. Additionally, usage metadata can be employed<br />
to derive “related reading” proposals from user profiles. Regarding availability,<br />
usage metadata can be evaluated in order to adapt the availability of information to<br />
consumer demand. Better accessibility results in lower search costs [Hüner, Otto<br />
2009] and/or less need for first-level support. Abb. 21 summarizes the identified qualitative<br />
and quantitative benefits of BM.<br />
Abb. 21: Qualitative and quantitative benefits of BM<br />
10.4 Application within Credit Risk Management<br />
10.4.1 Initial Situation<br />
EUFSP is a European financial services provider, who offers leasing and structured<br />
finance products in Central and Eastern Europe. Lately, EUFSP suffered from several
90 Beitrag C.2<br />
data quality issues due to inconsistencies in definitions of internal and regulatory performance<br />
indicators. This led to bad decisions at management level, high process costs<br />
for information retrieval, and compliance risk. This situation required immediate action,<br />
since the level of inconsistency was likely to increase. Therefore, the implementation<br />
of a central business glossary for fostering a unique company-wide terminology<br />
was evaluated.<br />
10.4.2 Business Case for Central Business Glossary<br />
In order to assess the benefits of a central business glossary, the herein proposed conceptual<br />
framework was applied in a two-stage approach. Since the quantification of<br />
business benefits is difficult in general, we pre-validated the use of a central business<br />
glossary by evaluating it against the qualitative benefit dimensions in the “information<br />
extraction” domain. A Likert-scale was used to assess and compare the as-is situation<br />
along the qualitative benefit dimensions to the expected development after the implementation<br />
of a central business glossary (see Abb. 22).<br />
Abb. 22: Pre-assessment of improvement potential by introducing a business glossary<br />
In step two, EUFSP quantified the benefit dimensions with biggest improvement potential:<br />
“ease of understanding” and “accessibility”. In particular, they estimated cost<br />
savings in information retrieval and better decision making. Since EUFSP’s core business<br />
is evaluating credit risk, better decision making was examined in terms of credit<br />
loss savings. The associated running costs for maintaining a central business glossary<br />
were approximated by the personal costs for a responsible data quality manager. In<br />
total, the cost-benefit analysis identified a potential of EUR 70,500 per year. Abb. 23<br />
summarizes the business case.
Beitrag C.2 91<br />
Abb. 23: Business case for introducing a business glossary at EUFSP<br />
At the end, the introduction of a business glossary at EUFSP was assessed to be beneficial.<br />
The next stage of the project will be the evaluation of tools (e.g., “ASGmetaGlossary”<br />
and “SAP metapedia”) for the implementation. In addition to the maintenance<br />
of the BM (e.g., providing a role-based workflow support) the focus will lay<br />
on the integration into the BI-frontends. Typically, the user will access the metadata<br />
through dedicated wizard functions, a mouse-over function, or report-specific catalogs.<br />
10.5 Discussion and Conclusion<br />
In this article we derived a conceptual framework of qualitative and quantitative benefits<br />
for BM. This framework was applied in a two-stage cost-benefit analysis at a European<br />
financial service provider. The first application of the conceptual framework of<br />
qualitative and quantitative business benefits has proven itself successful. First of all,<br />
the framework structured the discussion of possible benefits of BM in general and of a<br />
central business glossary in particular. And second, the pre-assessment along the qualitative<br />
dimensions focused the quantification of the expected benefits which saved<br />
time in coming up with a recommendation during the economic feasibility study.<br />
Nevertheless, a single case is not enough to prove applicability and usefulness in every<br />
possible situation. Therefore, we will seek for further opportunities to apply the<br />
framework in the herein introduced two-stage approach and discuss our findings with<br />
experts. A promising alliance with a vendor for metadata solutions will assist us in<br />
achieving this.
92 Beitrag D<br />
11 Beitrag D: Functional Map for Business Metadata<br />
Tools<br />
Titel<br />
Autoren<br />
Functional Map for Business Metadata Tools<br />
Daniel <strong>St</strong>ock<br />
Universität <strong>St</strong>. <strong>Gallen</strong>, Institut für Wirtschaftsinformatik<br />
Müller-Friedberg-<strong>St</strong>raße 8, 9000 <strong>St</strong>. <strong>Gallen</strong>, Schweiz<br />
daniel.stock@unisg.ch<br />
Publikationsorgan Arbeitsbericht, Universität <strong>St</strong>. <strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong>, S. 1-11<br />
Tab. 19: Bibliografische Angaben zu Beitrag D<br />
Business metadata plays a crucial role in increasing the data quality of information<br />
systems. Despite its importance, business metadata projects are predominantly started<br />
as an IT initiative. This usually results in tool-centric solutions without discussing<br />
needed functionality with the business side first. Therefore, this article aims at contributing<br />
to a more issue-driven approach for business metadata by designing a functional<br />
map for business metadata tools. This map abstracts from supplier-specific characteristics<br />
and technical details in order to involve the business side in a fact-based discussion<br />
on business value. A banking case is presented that demonstrates how this conceptual<br />
model has successfully been applied in practice.<br />
Keywords: business metadata, business metadata tools, functional map<br />
11.1 Introduction<br />
11.1.1 Motivation and Objectives<br />
In recent years, the challenge of “making better use of information” has gained importance<br />
and now ranks among the top five priorities of IT executives [Luftman, Kempaiah,<br />
Rigoni 2009: 151-152]. This trend is linked to the prevailing significance of<br />
Business Intelligence (BI), where data quality is a crucial factor for the perceived net<br />
benefits to the end user [Luftman, Kempaiah, Rigoni 2009; Sabherwal, Jeyaraj, Chowa<br />
2006: 1857-1859; Wixom, Watson 2001: 34]. In this context, the scope of data quality<br />
is not limited to factual dimensions like data accuracy, completeness, and objectivity,<br />
but also includes individual-related dimensions such as data believability, ease of un-
Beitrag D 93<br />
derstanding, and accessibility [Jarke et al. 2000; Wang 1998; Wang, <strong>St</strong>rong 1996].<br />
Especially concerning the individual-related dimensions, business metadata plays a<br />
vital role in increasing data quality and therefore the acceptance of BI-Systems [Bucher,<br />
Wlk 2008; Foshay 2005; Foshay, Mukherjee, Taylor 2007].<br />
Despite its increasing relevance to practitioners, the implementation of business metadata<br />
solutions still lacks behind [Schulze et al. 2009]. The reason for this is that metadata<br />
projects in general tend to end up in technology-centric solutions instead of focusing<br />
actual business demand [Koegler 2010; Marco 2000; Melchert 2006; Triano 2002].<br />
In these cases, the associated costs can easily exceed the expected benefits and the<br />
project is discontinued. This scenario even worsens for business metadata [Dinter<br />
2002; Inmon, O'Neil, Fryman 2008]. On the one hand, the potential of business metadata<br />
and its realization is not fully understood so far [Shankaranarayanan, Even 2004;<br />
Shankaranarayanan, Even 2006] and on the other, hand most business metadata<br />
projects start as IT initiatives without the necessary support and buy-in from the business<br />
side.<br />
This article thus contributes to an issue-driven approach to business metadata by designing<br />
a functional map for business metadata tools. By abstracting from supplierspecific<br />
characteristics and technical details this map provides the basis for aligning<br />
business demand (solution independent) and IT supply upfront.<br />
11.1.2 Research Methodology<br />
This article applies the design research paradigm in order to accomplish utility. According<br />
to Hevner et al. [2004] and March and Smith [1995], the outcomes of a construction<br />
process under the design research paradigm can be classified as constructs,<br />
models, methods, and instantiations. Several reference models for the construction<br />
process have been proposed. This contribution is structured according to the most recent,<br />
consolidated process model by Peffers et al. [2006]:<br />
Identify the problem and motivate: We used a full-text keyword literature research<br />
[vom Brocke et al. 2009] to find the relevant literature on business metadata [Benander<br />
et al. 2000; Chengalur-Smith, Ballou, Pazer 1999; Dempsey, Heery 1998; Even, Shankaranarayanan,<br />
Watts 2006; Fisher, Chengalur-Smith, Ballou 2003; Foshay 2005; Foshay,<br />
Mukherjee, Taylor 2007; Hüner, Otto 2009; Inmon, O'Neil, Fryman 2008; Jarke<br />
et al. 2000; Koegler 2010; Levine, Siegel 2001; Marco 2000; Müller, <strong>St</strong>öhr, Rahm<br />
1999; Niland, Rouse, <strong>St</strong>ahl 2006; O'Neil 2007; Pipe 1997; Shankaranarayanan, Even<br />
2004; Shankaranarayanan, Even 2006; Shankaranarayanan, Watts 2003; Shankarana-
94 Beitrag D<br />
rayanan, Ziad, Wang 2003; Triano 2002; Vaduva, Vetterli 2001; West, Hess 2002; Xie<br />
et al. 2008] and business metadata systems design [Hüner, Otto 2009; Marco 2000;<br />
Melchert 2006; Nevo, Wand 2005; Shankaranarayanan, Even 2006; Tannenbaum<br />
2002] to substantiate the missing alignment of business demand on the one hand and<br />
IT supply on the other hand.<br />
Define objectives of solution: The solution is designed to match the general guidelines<br />
for model design in March and Smith [1995] and in particular to abstract from<br />
supplier-specific characteristics and technical details (comparable to the discussion on<br />
enterprise services design in service-oriented architectures).<br />
Design and development: This article applies a desk research to include all public<br />
available information into the model design. The websites of the most important business<br />
metadata tool vendors form the basis of this effort. The selection of the appropriate<br />
vendors follows the magic quadrant of Gartner on metadata repositories [Blechar<br />
2005]. It should be noted that the holistic documentation of the respective elements in<br />
the functional map is out of scope of this contribution.<br />
Demonstration and Evaluation: We applied the conceptual model in a banking case<br />
so that the applicability of the model could be demonstrated. In the follow-up, we discussed<br />
the model design and utility within a focus group of business metadata experts.<br />
11.2 Business Metadata<br />
Even though the literature offers several definitions that are more precise [e.g., Dempsey,<br />
Heery 1998; Even, Shankaranarayanan, Watts 2006; Tannenbaum 2002], “data<br />
about data” has evolved as the most widespread definition of metadata. In order to be<br />
more specific, we will adapt the following definition of Dempsey and Heery [1998]:<br />
“Metadata is data associated with objects which relieves their potential users of having<br />
full advance knowledge of their existence or characteristics” (e.g., a definition, an index,<br />
or a manual). This definition highlights two crucial aspects of metadata. First,<br />
metadata is associated with a certain object, which means it has no meaning by its<br />
own. Therefore, derived or aggregated data like descriptive statistics (e.g., mean and<br />
variance) or KPIs (e.g., turnover and earnings) cannot be regarded as metadata.<br />
Second, metadata does not necessarily have to be associated with a single data element,<br />
but can also be associated with a whole set of data (e.g., a report) or a physical<br />
object (e.g., an IT system).<br />
While business metadata is a sub-category of metadata that is used by the business<br />
side, technical metadata in contrast is used by IT [Even, Shankaranarayanan, Watts
Beitrag D 95<br />
2006; Foshay, Mukherjee, Taylor 2007; Schulze et al. 2009; Shankaranarayanan, Even<br />
2004; Tannenbaum 2002]. It should be noted that the two sets are not disjoint. This<br />
means there is metadata that can be regarded business as well as technical relevant<br />
(e.g., descriptions). Seven distinct categories of business metadata can be gleaned from<br />
the literature:<br />
1. Definitional metadata [Foshay 2005; Foshay, Mukherjee, Taylor 2007; Müller,<br />
<strong>St</strong>öhr, Rahm 1999; Niland, Rouse, <strong>St</strong>ahl 2006; Shankaranarayanan, Even 2004;<br />
Shankaranarayanan, Even 2006; Vaduva, Vetterli 2001; Xie et al. 2008] – addressing<br />
the questions: What do I have and what does it mean<br />
2. Data quality [Foshay 2005; Foshay, Mukherjee, Taylor 2007; Niland, Rouse, <strong>St</strong>ahl<br />
2006; Shankaranarayanan, Even 2004; Shankaranarayanan, Even 2006] – addressing<br />
the question: Is the quality of data appropriate for its intended use<br />
3. Navigational metadata [Foshay 2005; Foshay, Mukherjee, Taylor 2007; Müller,<br />
<strong>St</strong>öhr, Rahm 1999; Shankaranarayanan, Even 2004; Shankaranarayanan, Even<br />
2006; Vaduva, Vetterli 2001; Xie et al. 2008] – addressing the question: Where<br />
can I find the data I need<br />
4. Process metadata [Foshay 2005; Foshay, Mukherjee, Taylor 2007; Shankaranarayanan,<br />
Even 2004; Shankaranarayanan, Even 2006] – addressing the questions:<br />
Where did this data originate from and what has been done to it<br />
5. Audit metadata [Foshay 2005; Niland, Rouse, <strong>St</strong>ahl 2006; Shankaranarayanan,<br />
Even 2004; Shankaranarayanan, Even 2006] – addressing the questions: Who<br />
owns the data and who is granted access<br />
6. Usage metadata [Niland, Rouse, <strong>St</strong>ahl 2006; Shankaranarayanan, Even 2004;<br />
Shankaranarayanan, Even 2006; Vaduva, Vetterli 2001] – addressing the questions:<br />
How frequently is a specific data set/report requested and what user profiles<br />
can be derived<br />
7. Annotations (semi-structured comments) – addressing the questions: Which additional<br />
circumstances or information do I need to consider when reading this data<br />
Even though the category ‘Annotations’ is not mentioned in the examined literature,<br />
many BI and metadata tools provide a functionality to add comments or upload additional<br />
information, for example in the context of a deviation analysis.
96 Beitrag D<br />
11.3 Functional Map<br />
For the desk research, we picked the five best-ranked metadata repository vendors according<br />
to Gartner’s magic quadrant [Blechar 2005]: Allen Systems Group 13 (ASG),<br />
Logic Library 14 , Flashline, Computer Associates 15 (CA), and MetaMatrix 16 . Since<br />
Flashline has been acquired since the issue of the Gartner report, SAP BusinessObjects<br />
17 has been included instead. The basis for the design of the functional map<br />
formed publicly available product information and presentations for the respective<br />
products: ASG-Rochade [Lux 2010] and ASG-metaGlossary [ASG 2009], Repository<br />
Manager (formerly Logidex) [SOA 2009], CA Repository [CA 2008; CA 2009], MetaMatrix<br />
Repository (as part of MetaMatrix Enterprise Data Services Platform) [JBoss<br />
2008], and SAP BusinessObjects Metadata Management [SAP 2008].<br />
To classify the different functionality in these products, the article differentiates three<br />
basic domains: definition/sourcing, integration, and presentation. The first constitutes<br />
the ability to define and/or source metadata (e.g., lineage data from ETL tools). The<br />
second integrates different types of metadata to a new class (e.g., technical lineage<br />
data plus elements of terminology, compliance, and quality management results in<br />
process metadata). The third and last domain groups different techniques in presenting<br />
the business metadata to the user (e.g., within a stand-alone information portal).<br />
11.3.1 Definition/Sourcing Functionality<br />
Definition and sourcing (from other tools) of business metadata is the core ability of a<br />
metadata repository. In this domain, the functionality falls in three different buckets:<br />
syntax, semantic, and administrative. This depends on whether it reveals the formal<br />
relationships of data and/or systems (syntax, e.g., defining the data elements of a term<br />
to be unambiguously described), or maintains the actual content (semantic, e.g., the set<br />
of business terms), or supports the maintenance of the actual content (administrative,<br />
e.g., a workflow management functionality to regularly update and sign off new business<br />
terms).<br />
The group “syntax” comprises two functionalities: data modeling and (technical lineage).<br />
Data modeling is used to describe data in a formal way (on a conceptual, logi-<br />
13 www.asg.com<br />
14 www.logiclibrary.com<br />
15 www.ca.com<br />
16 www.redhat.com/metamatrix<br />
17 www.sap.com
Beitrag D 97<br />
cal, or physical level). For example, a conceptual data model may describe the necessary<br />
entities and relationships within the domain terminology management. Technical<br />
lineage describes the staging and aggregation paths of data from origination to consumption.<br />
Usually, this information can be sourced to some degree automatically from<br />
ETL-Tools. However, it should be noted that technical lineage information is not<br />
suited for the business side. It needs to be integrated with further information (e.g.,<br />
definitions) to be applicable in a business context (section 11.3.2).<br />
The group “semantic” comprises five functionalities: content management, terminology<br />
management, quality management, and compliance management. It should be noted<br />
that some of these terms are usually used in a way broader sense, but these terms here<br />
only refer to metadata-related activities. Within content management especially usage<br />
metadata is defined and applied in order to maintain information assets (e.g., outphase<br />
unused reports). Terminology management on the other hand results in definitional<br />
metadata (e.g., definitions and descriptions in an application context) in order to align<br />
a common business terminology. Quality management especially defines indicators to<br />
assess the value of aggregated information (e.g., in terms of consistency, currency, or<br />
completeness). Compliance management defines business rules to implement and survey<br />
regulatory or internal policies (e.g., data privacy rules). The herein produced metadata<br />
is usually subject to frequent audits.<br />
The last group “administrative” comprises two functionalities: access rights management<br />
and workflow management. Both support the maintenance of the metadata in the<br />
tool. They define on the one hand access right or on the other hand responsibilities.<br />
Both usually produce certain metadata themselves that can be used to audit the business<br />
metadata maintenance processes.<br />
11.3.2 Integration Functionality<br />
Basically, metadata repositories integrate metadata from several sources either in a<br />
single source of truth or a federal manner. But this kind of integration functionality is<br />
not meant in this domain. This domain rather comprises metadata modeling (an abstraction<br />
level above data modeling) functionality which stages existing metadata to<br />
derive new metadata. Business Lineage integrates technical lineage with at least definitional<br />
metadata to address the information needs of the business side for impact and<br />
root cause analyses (process metadata). Ontology defines relations between several<br />
data models and can be used to reveal synonyms, homonyms and other terminological<br />
defects.
98 Beitrag D<br />
11.3.3 Presentation Functionality<br />
In presenting business metadata to the user, basically two different groups of techniques<br />
can be differentiated: stand-alone and front-end integration. While the first constitutes<br />
self-contained solutions that are developed for this sole purpose (e.g., a wikibased<br />
glossary solution), the second subsumes techniques to integrate business metadata<br />
from the repository into reporting tools (e.g. a search functionality to browse definitions<br />
of KPIs). Front-end integration techniques can be further differentiated<br />
whether the business metadata is integrated via dedicated interfaces (hard) or via<br />
background processes that scan the user interface of the reporting tool in order to offer<br />
probably relevant metadata (soft).<br />
<strong>St</strong>and-alone techniques subsume glossaries, encyclopedias, dashboards, and (information)<br />
maps. Glossaries and encyclopedias are both used for presenting predominantly<br />
definitional metadata. The difference between the two is that an encyclopedia exceeds<br />
the scope of a glossary. While a glossary provides only a short definition and description<br />
of a term, an encyclopedia reflects a term in differing business contexts. An encyclopedia<br />
thus is much more detailed as a glossary and can even fulfill the requirements<br />
of a manual if maintained respectively. Dashboards are often used to monitor<br />
quality, usage, and compliance metadata on an aggregated level. Especially usage<br />
dashboards are gaining importance these days for lifecycle management of information<br />
assets. Information maps are used to present process metadata (sometimes also referred<br />
to as business lineage). These can also include quality and audit metadata and<br />
form the basis for impact and/or root cause analysis.<br />
Soft front-end integration builds upon GUI-based text recognition. For example, a<br />
background process can scan the text in a SAP user interface and offer definitions for<br />
identified terms in the glossary inventory. This soft integration might be a good and<br />
sustainable workaround for integrating business metadata in proprietary tools which<br />
would require quite some individualistic programming (and respective vendor support)<br />
to implement the needed interfaces instead.<br />
On the contrary, hard front-end integration offers some more sophisticated techniques<br />
to present business metadata direct in a reporting tool: search, wizard, mouse-over,<br />
appendix, and commentary/upload functionality. All of this functionality, which is also<br />
known from web-based solution and MS Office applications, provide business metadata<br />
proactively (e.g., mouse-over) or on request (e.g., search). Typical business metadata<br />
that is integrated that way is definitional metadata, but of course quality, audit,<br />
usage, and process metadata is also thinkable in a more advanced approach.
Beitrag D 99<br />
Abb. 24 summarizes the functionality of business metadata tools across all three domains.<br />
Abb. 24: Overview of business metadata tool functionalities<br />
11.4 Demonstration in Practice<br />
In this section, we will demonstrate the applicability of our conceptual model by<br />
means of a case study at “European Universal Bank” (EUB). Section 11.4.1 will introduce<br />
the initial situation at EUB and section 11.4.2 will give details of how the functional<br />
map was applied. Eventually, we will evaluate the design and utility of our conceptual<br />
model according to the criteria of March and Smith [March, Smith 1995].<br />
11.4.1 Initial situation<br />
EUB offers its 15 million customers all the services of a universal bank and considers<br />
Central and Eastern Europe as their home market. EUB started its initiative on business<br />
metadata in early 2008. Primarily driven by the IT department, the focus was laid<br />
on introducing a corporate wiki as a means of encouraging a common and unambiguous<br />
terminology. This effort was confronted with much resistance from the business<br />
side as the “big picture” and a clear strategy was missing.<br />
In order to make the next advance to business metadata a success, EUB was seeking<br />
for a more business-driven approach. Rather than starting again from a certain implementation<br />
scenario, this time the overarching concept of business metadata and its potential<br />
should be explored with the business side upfront.<br />
11.4.2 Functional Map in Business/IT Alignment<br />
As described in the previous section, the IT department of EUB decided to revise their<br />
current approach to business metadata. The target was to involve the business side upfront<br />
in exploring the potential of business metadata (during demand analysis). There-
100 Beitrag D<br />
fore, we applied our functional map in two ways. At first, we gave an introduction to<br />
the business side what functionalities (or services) business metadata tools are capable<br />
of. For each item of the function map we presented in a black box approach showcases<br />
from a pure user perspective (Abb. 25, abstracting from any implementation and technical<br />
details).<br />
Abb. 25: Screen shots for usage dashboard, quality dashboard, encyclopedia, and<br />
process map<br />
At second (after a cost-benefit analysis, which is out of scope for this contribution), we<br />
used the functional map as a catalog to specify the required functionality. The costbenefit<br />
analysis revealed that EUB would benefit significantly from providing an encyclopedia<br />
within their credit-risk department. This would require business tools<br />
which would provide the functionality “terminology management” to define and maintain<br />
respective business terms, “workflow management” to involve the entire creditrisk<br />
department in the maintenance of the terminology base, and an “encyclopedia” to<br />
access the metadata from a user perspective. While front-end integration (soft or hard)<br />
is certainly desired over time, a stand-alone approach is a no-regret move in order to<br />
pilot the metadata solution.<br />
11.4.3 Takeaways from Single-Case Evaluation<br />
After the application of the functional map at EUB, we discussed the utility of our<br />
conceptual model within a focus group of people that participated in the business me-
Beitrag D 101<br />
tadata initiative. The focus group comprised a balanced selection of people from the<br />
business and the IT side in order to embrace both perspectives.<br />
In terms of alignment, the functional map helped the business side to get an overview<br />
on the topic of business metadata in a way they could relate it to their own business<br />
concerns. By abstracting from product characteristics and technical details, it was easy<br />
for them to follow without needing to worry how a possible solution might be implemented.<br />
The technical representatives on the other hand valued the structure of the<br />
functional map the most, because it helped them to present their ideas from a business<br />
perspective without tying themselves up in technical discussions. After narrowing<br />
down the scope of a business metadata solution to the required functionality, they were<br />
better prepared for entering discussions on vendor selection and technical implementation<br />
and integration issues. All in all, the functional map contributed to conjoint approach<br />
that will save time and result in agreement.<br />
Even though this is all in all a very positive evaluation result, it does lack representativeness.<br />
The participants of the focus group were all from the same company and thus<br />
this conceptual model needs further evaluation in different contexts to reliably prove<br />
its applicability and utility.<br />
11.5 Concluding Remarks<br />
This article has designed a functional map for business metadata tools. This map comprises<br />
functionality to define/source, integrate, and present business metadata. Its applicability<br />
was demonstrated in a banking case and subsequently evaluated within a<br />
focus group of people that participated in the business metadata initiative. While the<br />
first evaluation results are promising, they lack representativeness and must be subjected<br />
to further research. Therefore, this functional map needs to be applied in further<br />
cases with differing contexts.<br />
In addition, there is potential for future research that builds upon the herein presented<br />
conceptual map. Firstly, one could survey the interrelations of the items in the map to<br />
reveal typical configurations (e.g., the implementation of a business glossary). Secondly,<br />
the functional map needs to be integrated into a holistic approach for a business<br />
metadata demand analysis (including issue identification and cost-benefit analysis).<br />
The latter is part of our research agenda and will be developed subsequently.
102 Beitrag E<br />
12 Beitrag E: User Preferences in MSS Design –<br />
<strong>St</strong>ate of the Art and Proposal of a Research Agenda<br />
Titel User Preferences in MSS Design –<br />
<strong>St</strong>ate of the Art and Proposal of a Research Agenda<br />
Autoren<br />
Daniel <strong>St</strong>ock, Robert Winter, Jörg Mayer<br />
Universität <strong>St</strong>. <strong>Gallen</strong>, Institut für Wirtschaftsinformatik<br />
Müller-Friedberg-<strong>St</strong>raße 8, 9000 <strong>St</strong>. <strong>Gallen</strong>, Schweiz<br />
{daniel.stock | robert.winter | joerg.mayer}@unisg.ch<br />
Publikationsorgan Arbeitsbericht, Universität <strong>St</strong>. <strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong>, S. 1-26<br />
Tab. 20: Bibliografische Angaben zu Beitrag E<br />
The case of Apple clearly demonstrates that in systems design, understanding users<br />
and their preferences for interacting with technology is key. Such awareness of user<br />
needs is particularly relevant in the field of management support systems (MSS),<br />
where predominantly task-driven design often fails to succeed. While this topic received<br />
much attention in the 1970s and 1980s, it remains as current as ever. This article<br />
identifies research potential in the field of user segmentation and its implications<br />
for MSS design. In particular, there is a need for (1) examining the effects of user<br />
groups with distinct preferences on how systems are constructed and (2) moving from<br />
pure requirements orientation to more differentiated constructional considerations.<br />
These and further findings are the result of a systematic literature analysis. By conceptualizing<br />
the existing body of knowledge, this article proposes a research agenda for<br />
user-centric MSS.<br />
Keywords: systems engineering, management support systems, user group preferences<br />
12.1 Introduction<br />
In the scientific literature, a long list of terms has been coined to classify systems<br />
whose fundamental purpose is the IT-based support of managerial decision making.<br />
The terms “management support systems” (MSS) [Clark Jr, Jones, Armstrong Curtis<br />
2007] and “decision support systems” (DSS) [Arnott, Pervan 2008] were promoted to<br />
encompass this broad class of systems. Since the evolution of DSS suggests a specific
Beitrag E 103<br />
concept that started off to complement management information systems (MIS) and<br />
was further developed by the concept of executive information systems (EIS), we will<br />
refer to our subject of study as MSS [Power 2008]. The meaning of MSS goes back to<br />
the work of Scott Morton [1984] and can be used as a generic term for DSS, EIS,<br />
knowledge management systems (KMS), and business intelligence (BI) [Clark Jr,<br />
Jones, Armstrong Curtis 2007].<br />
Ideally, MSS design conforms to the requirements of all potential users. But confronted<br />
with limited resources, MSS designers need to balance standardization (“onesize-fits-all”)<br />
and adaptivity. In analogy to situational method engineering or to reference<br />
modeling [Becker, Delfmann, Knackstedt 2007; Bucher et al. 2007; Gregor,<br />
Jones 2007], MSS designers need to identify the optimum partitioning of requirements<br />
to design solution. Yet in current requirements engineering practices, user segmentation<br />
is primarily task-related (the needs of different roles) and disregards user preferences<br />
[Darke, Shanks 1996; Kotonya 1999; Kotonya, Sommerville 1998; Leité,<br />
Freeman 1991]. As a consequence, technology-centric solutions often fail to address<br />
users’ needs [Gluchowski, Kemper 2006; Kemper, Pedell 2008; Pettey, <strong>St</strong>evens 2010;<br />
Raskino, Lopez 2008].<br />
As early as 1979, Zmud [1979] echoes several authors by claiming that “individual<br />
differences do exert a major force in determining MSS success.” However, this field of<br />
research was not free of criticism. Only a few years later, Huber [1983] presented a<br />
disillusioning stock taking of the research which took the wind out of its sails for many<br />
years to come. Even Huber did not query the influence of preferences on MSS design,<br />
he argued the effectiveness, rationality, and necessity of this research: too many individual<br />
characteristics need to be considered, users should be better educated instead,<br />
and future MSS might be completely configurable by the user anyway. Findings from<br />
the last decades invalidate Huber’s line of argumentation. Firstly, the research on technology<br />
acceptance clearly proves that user perception is predominant in system success<br />
[Davis 1989; Venkatesh, Davis 2000; Venkatesh et al. 2003]. While training and<br />
change management certainly influence a user’s mindset, their powers are limited<br />
where system usage is voluntarily. In contrast to ERP systems, for MSS usually alternatives<br />
for information gathering, analysis, and presentation exist. Secondly, MSS today<br />
are flexible to some degree, but customization still requires the skills of a power<br />
user or a subject expert. Even if flexibility and adaptation mechanisms continue to mature,<br />
this necessity is unlikely to change. Thirdly, it is not the goal to develop individual<br />
solutions that take into account all preferences a user might have. Instead, a limited
104 Beitrag E<br />
set of user groups should be identified that share distinct characteristics so that adaptivity<br />
can be provided at reasonable complexity (costs). In summary, this suggests that<br />
designers of MSS ignore user preferences at their peril.<br />
In order to pave the way for more user-centric MSS design, this article examines the<br />
existing body of knowledge and suggests directions for future research. It is structured<br />
as follows: in section 12.2, we introduce a conceptual framework for user-centric MSS<br />
design. In section 12.3, we reflect on the existing body of knowledge and discuss our<br />
findings. Conclusions follow in section 12.4.<br />
12.2 <strong>St</strong>ructuring Requirements for Management Support<br />
Systems Design<br />
In the course of our literature research, we examined systems design from the perspective<br />
of two different disciplines. First, we looked at the requirements classification approach<br />
used in requirements engineering (RE, section 12.2.1). Second, we used findings<br />
from enterprise engineering (EE, section 12.2.2) to move from requirements to<br />
specification by design. These findings are synthesized into a conceptual framework<br />
(section 12.2.3).<br />
12.2.1 Requirements Engineering<br />
RE is a subdiscipline of systems and software engineering concerned with determining<br />
the goals, functions, and constraints of hardware and software systems [Laplante<br />
2009]. At this juncture, requirements can be defined as prerequisites, conditions, or<br />
capabilities needed by users (individuals or systems) to solve a problem or achieve an<br />
objective [IEEE 1990]. Separating demand (business) and supply (IT), some commentators<br />
suggest that requirements should always be a statement of “what” a system<br />
should do rather than “how” it should do it [Kotonya, Sommerville 1998]. But this<br />
view is too simplistic in practice, since the fact that a system must be compatible with<br />
its environment limits design freedom [Dietz 2007; Kotonya, Sommerville 1998].<br />
Therefore, “requirements invariably contain a mixture of problem information, statements<br />
of systems behavior and properties and design/manufacturing constraints” [Kotonya,<br />
Sommerville 1998].<br />
It is common to distinguish between functional and non-functional requirements [e.g.,<br />
IFPUG 2010; Kotonya, Sommerville 1998; Landes, <strong>St</strong>uder 1995; Paech, Kerkow<br />
2004; van Lamsweerde 2001]. While consensus exists regarding the meaning of “functional<br />
requirements,” the rich set of definitions for non-functional requirements vary in
Beitrag E 105<br />
scope [Glinz 2007]. Functional requirements define “what” the system should or must<br />
do [Paech, Kerkow 2004; Robertson, Robertson 2006; Sommerville 2010] – a requirement<br />
is “a function that a system (...) must be able to perform” [IEEE 1990].<br />
More specifically, a function describes inputs (stimuli) and outputs (responses) and the<br />
behavioral relationship between them [Davis 1993; Dietz 2007; IFPUG 2010]. Examples<br />
of functional requirements could be role-based access rights or an overview of net<br />
sales with drill-down functionality into different products, regions, and most important<br />
customers.<br />
Non-functional requirements, in contrast, define how well the IS performs within the<br />
given environment as it fulfills its function [Paech, Kerkow 2004; Robertson, Robertson<br />
2006; van Lamsweerde 2001]. These requirements thus comprise properties and<br />
characteristics under which the system must operate. Disagreement exists in the literature<br />
as to whether or not these characteristics include constraints to the system behavior<br />
observable by users [Glinz 2007]. We will include all properties or characteristics<br />
visible to users, as not doing so would imply, for example, that the requirement “response<br />
time” would be functional in nature. Such a result is counterintuitive to the<br />
proposition that everything not functional is per se “non-functional” and that functions<br />
define “what” systems do. In addition to “response time”, typical examples of nonfunctional<br />
requirements are “reliability” and “scalability” [cf. Boehm 1978; Chung,<br />
Sampaio de Prado Leite 2009; Grady, Caswell 1987].<br />
12.2.2 Enterprise Engineering<br />
EE is a discipline within systems engineering that aims toward purposeful, theorybased<br />
design and implementation of enterprises from an engineering perspective [Dietz<br />
2006; Hoogervorst 2009; Saenz et al. 2009]. Therefore, the central aspect of EE is<br />
accomplishing the transition from requirements to specification by design. Specification<br />
by design may seem to closely resemble the overarching objective of RE, but entails<br />
a difference in focus that becomes obvious when we understand the meaning of<br />
the term “specification” in the EE context.
106 Beitrag E<br />
Abb. 26: Requirements taxonomy<br />
In RE, a specification is a formal document synthesizing all demand-side requirements<br />
that have been collected, validated, and approved. This document forms the basis for<br />
the solution design. Within EE, in turn, the specification is the result of the design<br />
phase [Dietz 2007]. Therefore, the specification in EE includes not only requirements<br />
from a user perspective, but also constraints to the solution design from the supplier<br />
perspective. These constraints, which result from the supplier’s architecture, are called<br />
“principles” [Dietz 2007; IEEE 2000; <strong>St</strong>elzer 2009]. Like requirements, principles can<br />
be either functional or non-functional. “<strong>St</strong>andardized dialogs” and “multilingual interfaces”<br />
are examples of functional principles, while “service-oriented architecture” and<br />
“client-server architecture with thin clients” are exemplary non-functional principles.<br />
Abb. 26 compares the differing perspectives of RE and EE.
Beitrag E 107<br />
12.2.3 Classification Scheme<br />
Both disciplines thus distinguish between functional and non-functional requirements<br />
that define demands from the user perspective. These sets of requirements form the<br />
basis for the subsequent design phase. Here, EE explicitly incorporates a supplier<br />
perspective by considering the architectural principles (functional and non-functional)<br />
that limit the solution space. In addition, EE explicitly breaks the design process into<br />
two stages. In the functional design phase, functional requirements and functional<br />
principles are transformed into functional specifications (black box, “usage” model).<br />
In the constructional phase, the black box model is transformed into constructional<br />
specifications (white box model). In addition to fulfilling functional requirements and<br />
principles, the white box model also fulfills constructional requirements and principles<br />
[Dietz 2006; Dietz 2007; Hoogervorst 2009].<br />
It can be argued that user preferences have an impact on requirements as well as principles.<br />
Therefore, we will continue to apply this distinction to the articles that exist on<br />
this topic. Firstly, we look at specific user segmentation techniques that can be applied<br />
to identify heterogeneous user groups. Secondly, we look at articles that identify distinct<br />
user groups (e.g., those of men vs. women or novices vs. experts). Such user<br />
groups are often based on the previously mentioned segmentation techniques (e.g.,<br />
they build on the different cognitive styles identified for men and for women). Next,<br />
we identify articles that derive implications for functional or non-functional MSS design<br />
requirements – for example, by examining the implications of cultural background<br />
on information needs. And finally, we identify articles that derive implications<br />
for design principles. An article about adapting the interface and architecture of an<br />
MSS tool for a senior executive who travels a lot would be an example. Abb. 27 illustrates<br />
our classification scheme.
108 Beitrag E<br />
Abb. 27: Classification scheme
Beitrag E 109<br />
12.3 Literature Analysis<br />
We start by introducing our search strategy [vom Brocke et al. 2009] in subsection<br />
12.3.1 and systemize our findings in subsection 12.3.2. Afterwards, we discuss the<br />
existing body of knowledge in subsection 12.3.3.<br />
12.3.1 Source Selection<br />
Following the recommendations of Webster and Watson [2002], our literature analysis<br />
targeted leading information systems research (ISR) outlets. We selected ten journals<br />
based on the catalog provided by the London School of Economics (LSE) [Willcocks,<br />
Whitley, Avgerou 2008]. We consider this catalog to be particularly appropriate for<br />
our purposes, since it incorporates not only mainstream IS journals, but also those focusing<br />
on the social study of IS. We chose five journals of each set, namely: MIS<br />
Quarterly (MISQ), Information Systems Research (ISR), Information & Management<br />
(I&M), Journal of Management Information Systems (JMIS), Decision Support Systems<br />
(DSS), European Journal of Information Systems (EJIS), Information & Organization<br />
(I&O), Information Systems Journal (ISJ), Journal of Organizational and End-<br />
User Computing (JOEUC), and Journal of Information Technology (JIT). Our keyword<br />
search resulted in 292 articles, of which we found 19 to be relevant. Applying a<br />
backward search, we increased the number of relevant studies to 25 (see Tab. 21).
110 Beitrag E<br />
No. Title Source 18<br />
1 Physician acceptance of information technologies: Role of perceived<br />
threat to professional autonomy [Walter, Lopez 2008]<br />
2 <strong>St</strong>rategic decision making and support systems: Comparing American,<br />
Japanese, and Chinese management [Martinsons, Davison 2007]<br />
3 EIS adoption, use, and impact: The executive perspective [Elam, Leidner<br />
1995]<br />
4 Affect and acceptance: Examining the effects of positive mood on the<br />
technology acceptance model [Djamasbi, <strong>St</strong>rong, Dishaw 2010]<br />
5 Gender and DSS design: The research implications [Powell, Johnson<br />
1995]<br />
DSS<br />
DSS<br />
DSS<br />
DSS<br />
DSS<br />
6a<br />
What does it take for successful executive information systems [Rainer,<br />
Watson 1995]<br />
DSS<br />
6b Determinates of EIS acceptance [Young, Watson 1995] I&M<br />
7 Decision support for the administrative man: A prototype DSS case [Sena,<br />
Olson 1996]<br />
EJIS<br />
8 Business drive and national achievement [McClelland 1962] HBR<br />
9 Presenting uncertainty in expert systems: An issue in information portrayal<br />
[Lamberti, Wallace 1987]<br />
10 A cross-cultural analysis of the end user computing satisfaction instrument:<br />
A multi-group invariance analysis [Deng et al. 2008]<br />
11 Cognitive style may mitigate the impact of communication mode [Barkhi<br />
2002]<br />
12 Patterns of senior executives’ personal use of computers [Seeley, Targett<br />
1999]<br />
I&M<br />
I&M<br />
I&M<br />
I&M<br />
Tab. 21: Relevant articles for literature analysis<br />
18 Harvard Business Review (HBR), Journal of Economic Behavior & Organization (JEBO), Leadership & Organizational<br />
Development Journal (LODJ), Management Science (MS), Review of Educational Research (RER).
Beitrag E 111<br />
No. Title Source<br />
13 An examination of executive information system (EIS) users [Walstrom,<br />
Wilson 1997]<br />
14 The use and effects of knowledge-based system explanations: Theoretical<br />
foundations and a framework for empirical evaluation [Dhaliwal, Benbasat<br />
1996]<br />
15 The impact of experience and time on the use of data quality information<br />
in decision making [Fisher, Chengalur-Smith, Ballou 2003]<br />
I&M<br />
ISR<br />
ISR<br />
16 A model of decision making under bound rationality [Wall 1993] JEBO<br />
17 Individual differences and decision making using various levels of aggregation<br />
of information [Lederer, Smith 1988]<br />
18 The use of explanations in knowledge-based systems: Cognitive perspective<br />
and a process-tracing analysis [Mao, Benbasat 2000]<br />
JMIS<br />
JMIS<br />
19a Decision styles – A perspective [Rowe, Boulgarides 1983] LODJ<br />
19b Managerial decision making: A guide to successful business decisions<br />
[Rowe, Boulgarides 1992]<br />
Book<br />
20 Evaluating MIS design principles [Nutt 1986] MISQ<br />
21 Chartjunk or goldgraph Effects of presentation objectives and content<br />
desirability on information presentation [Tractinsky, Meyer 1999]<br />
22 Searching and scanning: How executives obtain information from executive<br />
information systems [Vandenbosch, Huff 1997]<br />
MISQ<br />
MISQ<br />
23a<br />
The effectiveness of the cognitive-style constraint in implementing operations<br />
research proposals [Huysmans 1970a]<br />
MS<br />
23b The implementation of operations research [Huysmans 1970b]<br />
24 Field-dependent and field-independent cognitive styles and their educational<br />
implications [Witkin et al. 1977]<br />
Book<br />
RER<br />
25 Introduction to type [Myers 1976] Book<br />
Tab. 21 : Relevant articles for literature analysis (cont’d)
112 Beitrag E<br />
12.3.2 Literature Systemization<br />
User segmentation: Most of the techniques presented here have their roots in psychology<br />
and deal with an individual’s cognitive style. Although we are aware that other<br />
techniques exist, we limited our scope to those that have been applied in ISR.<br />
One of the most popular and widespread methods in research and practice is the<br />
Myers-Briggs Type Indicator (MBTI) [Myers 1976]. This personality assessment is<br />
based on the work of Jung [1959] and classifies an individual’s personality along four<br />
dichotomies: attitude, perceiving function, judging function, and lifestyle. With respect<br />
to decision support and decision making, the perceiving and judging functions are of<br />
particular interest. For the first, a person tends to either trust the data and facts at hand<br />
(sensing type) or seek for a broader context in which to understand the data (intuition<br />
type). In terms of judging function, in turn, a person tends to either judge a situation<br />
from a detached point using logical reasoning (thinking type) or by associating him- or<br />
herself with the situation, including balancing the needs of those involved (feeling<br />
type). An individual’s preference within each dimension is identified using a questionnaire<br />
that asks the subject to choose intuitively from two answers for each question.<br />
Related to the judging functions within MBTI is Witkin’s concept of field-dependence<br />
and field- independence [Witkin et al. 1977]. Field-dependent individuals perceive<br />
data in their context as a whole and are less attentive to detail (low analytical). Fieldindependent<br />
people perceive data items independent of their context, paying much<br />
more attention to details (high analytical). Thomas [1987] provides empirical evidence<br />
that field-dependency is strongly related to MBTI’s feeling type and fieldindependency<br />
to MBTI’s thinking type. The individual’s preference for one or the other<br />
is tested via pairs of simple and complex figures. The subject is asked to find the<br />
simple figure within the complex figure within a given time.<br />
Another one-dimensional measure of a person’s decision style is Huysmans’s distinction<br />
between the analytical and heuristic approach [Huysmans 1970a; Huysmans<br />
1970b]. Individuals with a preference for the analytical style seek causal relationships<br />
to identify an optimal solution to a problem, usually ignoring factors that cannot be<br />
quantified. In contrast, individuals with a preference for a heuristic style include qualitative<br />
factors in their model development (e.g., past experience, intuition, and unqualified<br />
feelings). Huysmans uses independent judges to assess his subjects’ personalities<br />
based on observations of them solving analytical puzzles and business cases [Huysmans<br />
1970b].
Beitrag E 113<br />
A two-dimensional classification of decision styles is provided by Rowe and Boulgarides<br />
[1983]. According to an individual’s values (task- vs. people-oriented) and his or<br />
her cognitive complexity (tolerance for ambiguity vs. a need for structure) four different<br />
styles are differentiated: analytical, conceptual, directive, and behavioral. Individuals<br />
with an analytic preference enjoy solving problems and use careful analysis (and<br />
have a corresponding need for challenges). Individuals with a conceptual preference<br />
are achievement-oriented and initiate new ideas (need for recognition). Individuals<br />
with a directive preference expect results and follow their intuition (need for power).<br />
Individuals with a behavioral preference are supportive and use limited data (need for<br />
affiliation). The personality assessment is based on a sequence of questions that allows<br />
the subject to assign scores, depending on how the subject sees himself or herself, to<br />
four predefined answers each [Rowe, Boulgarides 1992].<br />
Martinsons and Davis relate the work from Rowe and Boulgarides to the typology of<br />
need developed by McClelland [Martinsons, Davison 2007]. McClelland [1962] proposed<br />
that behavior is motivated by either a need for achievement (tolerance for ambiguity)<br />
or for affiliation (need for structure). Both needs can be satisfied either intrinsically<br />
(task-oriented) or extrinsically (people-oriented). The need for achievement is<br />
measured by assessing a subject’s interpretation of a set of pictures (showing typical<br />
work-life situations). The achievement score rises with every example of achievementorientation<br />
in the subject’s description.<br />
User groups: The articles discussed here either identify differentiating characteristics<br />
that have an impact on MSS use and adoption (e.g., gender) or develop a typical profile<br />
for a certain user group (e.g., senior executives). A user profile is defined as set of<br />
directly observable user characteristics (e.g., American women) and the associated<br />
behavior. The first set of articles identifies differentiating characteristics. Powell and<br />
Johnson [1995] review the existing body of knowledge to argue that gender has an<br />
effect on cognitive style and, therefore, should be considered when designing MSS.<br />
Djamasbi et al. [2010] identify positive mood as an important factor in MSS adoption.<br />
Since mood, unlike emotion, is within an organization’s control, this insight could also<br />
have an impact on MSS design. Deng et al. [2008] identify cultural differences in the<br />
level of MSS user satisfaction. Therefore, the MSS design needs to account for cultural<br />
background. Tractinsky and Meyer [1999] claim that an MSS user is not only in a<br />
receiving but also a presenting role. Consequently, they demonstrate that a user’s objective<br />
(facilitating decision making or maintaining an impression) has an impact on<br />
the preferred interface design. Finally, several authors demonstrate that a user’s level
114 Beitrag E<br />
of expertise has an effect of MSS usage: Dhaliwal and Benbasat [1996], Fisher et al.<br />
[2003], Lederer and Smith [1988], and Mao and Benbasat [2000].<br />
Each article in the second set develops a profile for a certain user group. Walter and<br />
Lopez [2008] argue from previous literature that physicians are rather atypical MSS<br />
users. Empirically, they demonstrate that “ease of use” is less important to physicians<br />
and is allaying their fears of a “perceived threat to professional autonomy.” Comparably,<br />
Young and Watson [1995] and Rainer and Watson [1995] argue that executives (in<br />
contrast to managers in general) are also not typical MSS users. They demonstrate<br />
that “ease of use” has no significant effect on executives’ acceptance of MSS and derive<br />
critical success factors for this user group, such as previous computer experience,<br />
systems flexibility (resulting in low development times), and the level of efficiency<br />
gains in day-to-day work. In particular, Walstrom and Wilson derived [1997] three<br />
user types for executives: converts, pacesetters, and analyzers. The first group uses<br />
MSS to improve information access; the second uses MSS to improve communication<br />
and performance monitoring; and the third uses MSS to solve problems. Martinsons<br />
and Davison [2007] examine the different decision styles of American, Japanese, and<br />
Chinese managers. Built on the classification scheme introduced by Rowe and Boulgarides,<br />
above, they provide evidence that Chinese business leaders are generally more<br />
directive than their Japanese and American counterparts. Americans tend to be the<br />
least directive, but more analytical than their Asian colleagues. Japanese business<br />
leaders, in turn, tend to be more behavioral than American and Chinese managers. Seeley<br />
and Targett [1999] identify four patterns of executive computer use: steady-state<br />
users, growing users, born-again users, and declining users. Although there are indications<br />
that certain MBTI types or age groups are more likely to exhibit particular patterns,<br />
the study fails to really identify the event that leads an individual to move from<br />
one group to another. Vandenbosch and Huff [1997] show that most executives do not<br />
use MSS to search for information. This means executives see MSS as a chance to<br />
gain faster access to information they have always used. Wall [1993] profiles the general<br />
decision maker, assuming Simon’s [1955] concept of bounded rationality. He derives<br />
eight statements on what Sena and Olson [1996] term the “administrative man”:<br />
1) Decision making is dominated by the effects of complexity on the limited abilities<br />
of humans to process large amounts of information. Thus, information processing<br />
tends to be parsimonious, and solutions are simple-minded. 2) New solutions are synthesized<br />
by modifying the currently implemented one; so search is local. 3) Alternatives<br />
are considered one at a time, so search is sequential. 4) The search for a new and<br />
better solution is undertaken only when it is deemed necessary. 5) A satisfaction-based
Beitrag E 115<br />
mode is used when searching; the first solution that is “good enough” is implemented.<br />
6) Goals are stated in terms of aspirations, which are formed by adaptation and learning<br />
from experience. 7) Search strategies are developed on the basis of learning and<br />
adaptation through experience. 8) The attention the decision maker pays to the environment<br />
is the product of learning and adaptation, driven by experience.<br />
Functional requirements: The articles discussed here derive functional requirements<br />
for MSS design for one of the user profiles specified above. Martinsons and Davis<br />
[2007] draw implications for the predominant decision style in America, Japan, and<br />
China. They conclude that Chinese business leaders, given their preference for social<br />
hierarchies and top-down control, will consider using MSS only to support routine decision<br />
making or informal personal reporting. This preference differs fundamentally<br />
from that of American business leaders for quantitative reasoning even in complex<br />
situations. Therefore, American business leaders need MSS that codify valuable information.<br />
Japanese business leaders also tend to apply systematic online reporting.<br />
Their preference for behavioral decision making indicates that they value verbal over<br />
textual cues. MSS must, therefore, effectively transmit verbal cues by integrating, for<br />
example, built-in cameras and multimedia messaging as smartphones do.<br />
These findings partially contradict an untested proposition of Elam and Leidner<br />
[1995]. Based on a literature review, they conclude that those executives whose decision<br />
styles are analytical or directive will adopt and use MSS to a greater extent than<br />
those whose decision styles are conceptual or behavioral. This view suggests that<br />
Chinese business leaders (directive) would use MSS to a greater extent than their colleagues<br />
from Japan (behavioral) – something Martinsons and Davis had proven to be<br />
wrong. An additional proposition suggests that executives who feel under pressure to<br />
make decisions quickly will adopt and use MSS to a greater extent than executives<br />
who do not perceive time pressure. Although this view is in line with general assumption<br />
that decision makers using MSS are more efficient, it has not yet been verified.<br />
Barkhi [2002] examines the impact of cognitive style (MBTI type) on preferred communication<br />
mode. He proves that a face-to-computer communication mode results in a<br />
decrease in trust for individuals with a feeling preference in decision making. Therefore,<br />
MSS design needs to provide functionalities that support personal or quasipersonal<br />
interaction. This can be related to the findings of Martinsons and Davis that<br />
Japanese business leaders with a people orientation prefer verbal clues to textual ones.<br />
Dhaliwal and Benbasat [1996] and Mao and Benbasat [2000] examine the different<br />
explanation needs of novices and experts from MSS that provide decision recommen-
116 Beitrag E<br />
dations. Dhaliwal and Benbasat found that novices tend to make greater use of “feedforward”<br />
explanations (non-case specific, generalized information on the input cues<br />
for decision making), while experts make greater use of “cognitive feedback” (casespecific<br />
information that explains the outcome of an analysis). Regarding explanations<br />
of the “cognitive feedback” type, Mao and Benbasat further show that novices need<br />
“reasoning-trace” explanations (how) more than “justification” (why). The latter, in<br />
turn, is more useful to experts who have better developed heuristic abilities than novices<br />
and, therefore, might want to challenge the reasoning of the MSS rather than just<br />
understand what input variables have been considered.<br />
In a comparable manner, Fisher et al. [2003] explain why experts tend to use data<br />
quality information more than novices do. He too states experts have better heuristic<br />
skills and can adapt their decisions to them. Lederer and Smith [1988] conclude that<br />
novice users prefer a lower level of aggregation than experts do. Reconciling both<br />
needs could result in an aggregated overview with a drill-down functionality attached.<br />
Optionally, the system could remember the preferred entry point of the MSS user.<br />
Walstrom and Wilson [1997] define typical functionalities most likely to be used by<br />
the three different types of executives (converts, pacesetters, and analyzers). In their<br />
need to perform their tasks more efficiently, converts use MSS to access predefined<br />
reports, sources outside the company, company news, and the latest updates on key<br />
performance indicators. Analyzers, in turn, will use the MSS primarily to perform<br />
analysis of data that was not previously available. Finally, pacesetters use the functionalities<br />
employed by the other groups and make extensive use of electronic communication<br />
capabilities.<br />
Finally, Nutt [1986] tested the impact of user profiles on information requirements in<br />
MSS design. He finds no evidence that either cognitive style (information preferences<br />
as measured with MBTI, tolerance for ambiguity, and risk preferences) or user characteristics<br />
(age and experience) have a significant impact. In fact, he states that the only<br />
differences in executives’ information needs are task-related. This conclusion is contradictory<br />
to all the other research presented above. Since Nutt’s article dates from<br />
1986, it can be assumed that the research methodologies have advanced since that<br />
time.<br />
Functional principles: These articles develop concrete principles for MSS interface<br />
design. Tractinsky and Meyer [1999] derive different functional principles depending<br />
on the objectives of MSS users from a presenting perspective. They conclude that if the<br />
reports in the MSS are used to aid decisions (for oneself or in preparation for others),
Beitrag E 117<br />
the interface should be restricted to 2D bars and figures to not distract from the content.<br />
However, if the reports in the MSS are used to maintain an impression in front of<br />
others, the interface should apply 2.5D and 3D bars and figures.<br />
Lamberti and Wallace [1987] design different types of user interfaces for portraying<br />
uncertainty in an MSS for the military (DART – identifying critical targets in a realtime<br />
environment). Based on the dimensions of field-dependence/field-independence<br />
and systematic/heuristic decision style, they develop four screen setups that use different<br />
colors, symbols, graphics, and numeric displays.<br />
Sena and Olson [1996] design an MSS to support the typical manager, termed the<br />
“administrative man”. They argue that, given our bounded rationality, MSS should<br />
improve the managers’ mental models and modeling capacity by 1) expanding their<br />
narrow task focus towards an understanding of problems in a more global organizational<br />
view, 2) providing help to better master uncertainty, 3) increasing understanding<br />
of appropriate levels of information search and exchange, and 4) increasing learning<br />
from and about primary decision problems. The authors, therefore, introduce a systems<br />
model to structure problems graphically; attach appropriate information to a map in the<br />
form of uncertainty estimates, experiences, future estimates or any suitable comments;<br />
and visualize connections or causalities across the individual’s problem space.<br />
Non-functional requirements and constructional principles: None of the surveyed articles<br />
considered implications of cognitive style on non-functional requirements or<br />
constructional principles. Abb. 28 summarizes the results of the literature analysis.<br />
<strong>St</strong>udies which relate to more than only one component of the classification scheme<br />
appear more than once.
118 Beitrag E<br />
Abb. 28: Results of literature analysis
Beitrag E 119<br />
12.3.3 Discussion<br />
Looking at Abb. 28, the first issue that becomes apparent is that none of the articles<br />
analyzed here examines the effect of user preferences on non-functional requirements<br />
and on constructional principles of MSS design (e.g., flexibility and usability). Two<br />
possible explanations exist for this finding: either the scientific community does not<br />
regard such research to be fruitful, or this research has not yet made its way into the<br />
major ISR outlets. Although we cannot rule out first option, we would argue against it.<br />
A simple example proving that user preferences do impact the constructional perspective<br />
of a system comes from a major consulting firm. When this company rolled out a<br />
new tool to track time and expenses, they failed to consider the working style of their<br />
consultants. Since confidentiality concerns prevent the consultants from working for<br />
their clients during travel, trips provide them with the perfect opportunity to catch up<br />
with administrative tasks. Unfortunately, the new tool required a working Internet<br />
connection to operate, which limited its accessibility during travel. While this example<br />
does not originate from the MSS field, we are confident that similar analogies exist.<br />
The second issue that becomes apparent when looking at Abb. 28 is the dominance of<br />
studies that address requirements identification over those that address concrete IS<br />
modeling and design. This imbalance could be due to the fact that design principles are<br />
often broader in scope and, therefore, more difficult to verify with a comparable level<br />
of rigor. In order to contribute to better MSS design, requirements identification will<br />
not suffice. It needs to be complemented by constructional modeling and design principles<br />
to create innovative artifacts. It is likely that practitioner outlets, which are not<br />
included in our current sample, include further inputs. We will expand our literature<br />
analysis to include practitioner journals in a planned extension of this study.<br />
The third issue is a dominant focus on cognitive style (perception and decision making).<br />
A minority of contributions considered further factors as seniority, mood, and<br />
objectives in user segmentation. We believe that additional factors might be relevant<br />
as well (e.g., experience in the current task and working style). In the previous consultancy<br />
example, it was not cognitive style or one of the other user characteristics mentioned<br />
before that had an impact on the required system design, but rather working<br />
style. We think the entire research field would benefit from a consistent understanding<br />
of distinct user characteristics documented in a catalog that integrates the existing<br />
body of knowledge and includes such further aspects.
120 Beitrag E<br />
Finally, the implications identified for functional requirements tend to focus narrowly<br />
on specific functionalities, such as explanations, data quality information, or quantitative<br />
and qualitative information. We think it would be more beneficial to provide a<br />
commonly accepted model for MSS functionalities (comparably to Walstrom and Wilson<br />
[1997]) to integrate user-specific requirements accordingly and identify further<br />
research potential.<br />
12.4 Summary of Findings<br />
This study conducted a literature analysis in order to systemize and synthesize the current<br />
body of knowledge in the field of user-centric MSS development. This analysis<br />
identified a number of potential areas for future research: (1) examining the effect of<br />
user preferences on constructional requirements and principles for MSS design, (2)<br />
increasing focus on concrete design principles rather than just requirements identification,<br />
(3) providing a commonly accepted definition of relevant user groups and associated<br />
preferences, and (4) increasing the focus on developing comprehensive models<br />
of functionalities for a limited set of user groups. The analysis also shows that potential<br />
exists to improve this review by expanding the range of literature examined – by<br />
adding conference proceedings and especially practitioner journals.<br />
Our own future research will be twofold. On the one hand, we will improve the literature<br />
analysis as discussed. On the other hand, we will contribute to improved MSS<br />
design by identifying executive user groups that places greater emphasis on working<br />
style. To do so, we will analyze an empirical study that was recently conducted to explore<br />
executives’ individual preferences in leveraging MSS and synthesize the findings<br />
to a set of distinct user groups.
Beitrag F 121<br />
13 Beitrag F: Nutzertypen für die situative FIS-Gestaltung:<br />
Ergebnisse einer empirischen Untersuchung<br />
Titel<br />
Autoren<br />
Nutzertypen für die situative FIS-Gestaltung: Ergebnisse einer<br />
empirischen Untersuchung<br />
Jörg Mayer, Daniel <strong>St</strong>ock<br />
Universität <strong>St</strong>. <strong>Gallen</strong>, Institut für Wirtschaftsinformatik<br />
Müller-Friedberg-<strong>St</strong>raße 8, 9000 <strong>St</strong>. <strong>Gallen</strong>, Schweiz<br />
{joerg.mayer | daniel.stock}@unisg.ch<br />
Publikationsorgan Zu erscheinen in: Proceedings of WI 2011 (2011)<br />
Tab. 22: Bibliografische Angaben zu Beitrag F<br />
Der Erfolg von Informationssystemen (IS) hängt maßgeblich von der Wahrnehmung<br />
ihrer Nützlichkeit durch die Anwender ab. Das ist insbesondere dann der Fall, wenn<br />
sie sich aufgrund ihrer <strong>St</strong>ellung im Unternehmen organisatorischen Zwängen entziehen<br />
können. Führungsinformationssysteme (FIS) am Arbeitsstil oberster Führungskräfte<br />
auszurichten, ist daher eine maßgebliche Erfolgsdeterminante. Ein „one-sizefits-all“-Ansatz<br />
ist insbesondere bei dieser Nutzergruppe wenig Erfolg versprechend.<br />
Aber auch eine durchgängige Individualisierung ist aus Effizienz- und Konsistenzgründen<br />
nicht sinnvoll. In diesem Artikel werden daher aufgrund der Ergebnisse<br />
einer empirischen Untersuchung vier Nutzertypen von Vorständen definiert. Sie unterscheiden<br />
sich hinsichtlich ihrer Anforderungen an FIS zum Teil erheblich und stellen<br />
so eine geeignete Basis für Adaptionsmechanismen dar, die eine situative Anpassung<br />
generischer Artefakte zur Entwicklung spezifischer FIS erlauben.<br />
Schlüsselwörter: Führungsinformationssysteme, Nutzertypen, situative Problemanalyse<br />
und Artefaktgestaltung<br />
13.1 Einführung<br />
Es gibt vielfältige Definitionen für Führungsinformationssysteme (FIS) [Rainer, Watson<br />
1995], dennoch können zwei Charakteristika herausgestellt werden: Erstens, FIS<br />
sind am Gesamtunternehmen, insbesondere dessen Fortschritt zur Erreichung der Unternehmensziele,<br />
ausgerichtet [Kelly 1988]. Zweitens, FIS sollen auch technikunerfahrenen<br />
Führungskräften helfen, durch Informationen zu navigieren, die auch aus ver-
122 Beitrag F<br />
schiedenen Datenquellen stammen können [Nord, Nord 1995]. Die Systemhandhabung<br />
sollte dabei direkt und einfach sein [Young, Watson 1995].<br />
Je höher sich Führungskräfte in der Organisation wiederfinden, desto individueller<br />
dürfte ihr Arbeitsstil ausgeprägt sein [Millet, Mawhinney 1992]. Der vorliegende Beitrag<br />
konzentriert sich auf eine FIS-Ausprägung für oberste Führungskräfte. Wir nennen<br />
sie Unternehmenssteuerungssysteme, um deren Ausrichtung an der gesamtunternehmerischen<br />
Aufgabe dieser Führungskräfte zu verdeutlichen.<br />
Im Vergleich zu anderen Informationssystemen (IS) im Unternehmen generieren die<br />
exponierten Nutzer von Unternehmenssteuerungssystemen mit ihrem meist stark ausgeprägten<br />
individuellen Arbeitsstil eine weite Spanne von Anforderungen [Elam,<br />
Leidner 1995]. Ein „one-size-fits-all“-Ansatz ist daher nicht zielführend. Allerdings ist<br />
ihre durchgängige Individualisierung unter Effizienzgesichtspunkten ebenfalls nicht<br />
sinnvoll. Es muss daher eine Balance gefunden werden, die eine Adaption an wenige,<br />
aber wesentliche Unterschiede im Nutzerverhalten erlaubt.<br />
In Analogie zum situativen Methoden-Engineering (SME) und der situativen Referenzmodellierung<br />
[Becker, Delfmann, Knackstedt 2007; Bucher et al. 2007; Gregor,<br />
Jones 2007], muss der Entwickler das Optimum an unterschiedlichen Anforderungsprofilen<br />
(Problemklassen) identifizieren, die durch die Lösung unterstützt werden sollen.<br />
Im Anforderungsmanagement (AM) leiten sich diese Profile aus den Rollen der<br />
Nutzer ab [Darke, Shanks 1996; Kotonya, Sommerville 1998; Leité, Freeman 1991].<br />
Dabei werden subjektive Anforderungen und Präferenzen vernachlässigt. Als Konsequenz<br />
beklagen viele Führungskräfte, trotz entsprechender Priorisierung von FIS in<br />
den Unternehmen [Gartner 2008; Gartner 2009; Gartner 2010], auch heute noch deren<br />
mangelnde Relevanz [Gluchowski, Kemper 2006; Wixom, Watson 2010].<br />
Zwei Gründe sprechen dafür, sich aktuell mit Unternehmenssteuerungssystemen zu<br />
beschäftigen. Zum einen sind jüngere Führungskräfte mittlerweile mit IS aufgewachsen<br />
und haben eine zunehmend positive Einstellung zur IT, die aber mit höheren Anforderungen<br />
einhergeht. Zum anderen hat sich die IT hinsichtlich ihrer Anwenderorientierung<br />
weiterentwickelt. Data Warehouses sind als Plattform für analytische<br />
Auswertungen etabliert [March, Hevner 2007] und intuitivere Nutzerschnittstellen<br />
(„Frontends“), insbesondere aber auch neue Endgeräte, unterstützen die zunehmend<br />
eigenständige Systemhandhabung durch die Führungskräfte selbst.<br />
Zmud bekräftigte bereits 1979 mehrere Autoren mit der Aussage, dass „individual differences<br />
do exert a major force in determining EIS success“ [Zmud 1979]. Nur wenige
Beitrag F 123<br />
Jahre später übte Huber [Huber 1983] jedoch eine Fundamentalkritik, die diese Forschung<br />
nachhaltig hemmte. Auch wenn er nicht den Einfluss individueller Anforderungen<br />
auf das FIS-Design bestritt, so zweifelte er an der Effektivität, dem Sinn<br />
und der Notwendigkeit dieser Forschung. Zu viele individuelle Charakteristika müssten<br />
berücksichtigt werden, sodass es vorteilhafter wäre, Führungskräfte besser auszubilden.<br />
Darüber hinaus sei davon auszugehen, dass in Zukunft FIS ohnehin völlig<br />
flexibel und anpassbar werden.<br />
Aus heutiger Sicht lässt sich dieser <strong>St</strong>andpunkt nicht aufrechterhalten: (1) Die IS-<br />
Akzeptanzforschung hat belegt, dass die Wahrnehmung eines Nutzers entscheidend für<br />
den Erfolg von IS ist [Davis 1989; Venkatesh, Davis 2000; Venkatesh et al. 2003].<br />
Dies gilt vor allem dann, wenn sie sich, so wie die Mitglieder der Unternehmensleitung,<br />
organisatorischen Zwängen entziehen können. (2) FIS sind heutzutage sicherlich<br />
flexibler, aber es braucht weiterhin Experten, um grundlegende Änderungen wie eine<br />
neue Datenstruktur vorzunehmen. (3) Es ist nicht das Ziel, jedem Mitglied der Unternehmensleitung<br />
eine Individuallösung bereitzustellen. Es geht vielmehr darum, eine<br />
begrenzte Anzahl an Nutzertypen zu identifizieren, sodass sich Anpassbarkeit zu vertretbaren<br />
Kosten realisieren lässt. Hieraus leitet sich die Zielsetzung der Arbeit ab: Es<br />
ist eine Typisierung oberster Führungskräfte zu erarbeiten. Sie soll helfen, situative<br />
Empfehlungen für die Gestaltung von Unternehmenssteuerungssystemen zu fundieren.<br />
Der Beitrag gliedert sich wie folgt: Nach der Einführung zur situativen IT-<br />
Unterstützung oberster Führungskräfte werden verwandte Ansätze dargelegt (Abschnitt<br />
13.2). Der Charakterisierung unserer empirischen Untersuchung im Financial<br />
Times „Europe 500“ Report (Abschnitt 13.3) folgt die Konsolidierung maßgeblicher<br />
Anforderungen an Unternehmenssteuerungssysteme mit Hilfe einer Faktoren- und<br />
Clusteranalyse (Abschnitt 13.4). Das Ergebnis konzentriert sich in sogenannten Nutzungsfaktoren<br />
und ihren idealtypischen Ausprägungen. Danach werden reale, das heißt<br />
aus den Ergebnissen der empirischen Untersuchung abgeleitete Nutzertypen vorgestellt.<br />
Wir unterscheiden dabei ein Zwei- und ein Vier-Klassen-Modell (Abschnitt 13.5).<br />
Es folgen erste situative Anpassungsmechanismen für Unternehmenssteuerungssysteme<br />
und die Reflektion des eigenen Vorgehens (Abschnitt 13.6). Ihre eigentliche Gestaltung<br />
ist Teil weitergehender Forschungsarbeiten. Der Beitrag endet mit einer Zusammenfassung<br />
und gibt einen Ausblick auf nächste Forschungsschritte.
124 Beitrag F<br />
13.2 Grundlagen<br />
13.2.1 Situative IS-Gestaltung<br />
Die gestaltungsorientierte Forschung der Wirtschaftsinformatik (WI) ist auf die Entwicklung<br />
nützlicher Artefakte ausgerichtet, die Probleme im Zusammenhang mit IS<br />
lösen [23]: Konstrukte, Modelle, Methoden und Instanziierungen [Hevner et al. 2004;<br />
March, Smith 1995]. Für deren Gestaltung spielt der Kontingenzansatz eine immer<br />
größere Rolle. Dies schlägt sich im situativen Methoden-Engineering sowie der Referenzmodellierung<br />
nieder [z. B. Becker, Delfmann, Knackstedt 2007; Bucher et al.<br />
2007; Gregor, Jones 2007; vom Brocke, Buddendick 2006]. Dabei werden generische<br />
Artefakte für unterschiedliche Problemklassen adaptierbar gemacht, um der immer<br />
größer werdenden Komplexität an Gestaltungsanforderungen Rechnung zu tragen.<br />
Situative Ansätze sind nicht neu und wurden zuerst in der Organisationstheorie aufgegriffen.<br />
Nach Fiedler [z. B. Fiedler 1964; Kieser, Kubicek 1992] gibt es nicht den<br />
einen Weg („one-size-fits-all“), um ein Unternehmen zu leiten, da viele interne und<br />
externe Faktoren berücksichtigt werden müssen. Forschung verfolgt jedoch auch keine<br />
Individuallösungen, da Generalität ein Qualitätsmerkmal darstellt. Somit steht der Forscher<br />
vor der Wahl der richtigen Anzahl unterstützter Problemklassen, an die sich Artefakte<br />
anpassen lassen sollten.<br />
Becker et al. [Becker, Delfmann, Knackstedt 2007] haben diese Fragestellung als Referenzmodell-Dilemma<br />
thematisiert, welches auch die Ausgangsbasis für die vorliegende<br />
Arbeit darstellt. Aus einer empirischen Untersuchung werden vier Nutzertypen<br />
von Vorständen identifiziert, deren Anforderungen die situative Gestaltung von Unternehmenssteuerungssystemen<br />
determinieren.<br />
13.2.2 Bestehende Ansätze in der FIS-Gestaltung<br />
Unsere Literaturanalyse folgt Webster und Watson [Webster, Watson 2002] und ist auf<br />
führende Journals der WI ausgerichtet. Aus dem Katalog der London School of Economics<br />
and Political Science (LSE) wurden zehn Zeitschriften ausgewählt [Willcocks,<br />
Whitley, Avgerou 2008]. Es handelt sich um die Top-5-WI-Zeitschriften: MIS Quarterly<br />
(MISQ), Information Systems Research (ISR), Information & Management<br />
(I&M), Journal of Management Information Systems (JMIS), Decision Support Systems<br />
(DSS) sowie die im Umfeld „Management und IT“ eher allgemein gehaltenen<br />
Zeitschriften European Journal of Information Systems (EJIS), Information & Organization<br />
(I&O), Information Systems Journal (ISJ), Journal of Organizational and End-
Beitrag F 125<br />
User Computing (JOEUC) und Journal of Information Technology (JIT). Mit einer<br />
Schlagwortsuche wurden 292 Artikel identifiziert, von denen 19 als relevant eingestuft<br />
wurden. Durch einen „Backward Search“ wurde die Anzahl relevanter Artikel auf 25<br />
erhöht. Ihre Auflistung ist in Abb. 29 dargestellt.<br />
Abb. 29: Entwicklungsstand der situativen Artefaktgestaltung von<br />
Unternehmenssteuerungssystemen<br />
Die Analyse der Beiträge führte zu einer Dreiteilung. Die erste Gruppe stellt auf Techniken<br />
zur Nutzerdifferenzierung ab und hat ihre Wurzeln in der Psychologie. Sie klassifizieren<br />
Individuen nach ihren (menschlichen) Eigenschaften und Präferenzen und<br />
setzen sich damit auseinander, in welcher Form sie Informationen bevorzugt aufnehmen<br />
und wie sie darauf basierend Entscheidungen treffen (kognitiver <strong>St</strong>il) [z.B. Barkhi<br />
2002; Elam, Leidner 1995; Lamberti, Wallace 1987; Martinsons, Davison 2007]. Beispiele<br />
sind der Myers-Briggs Type Indicator (MBTI) [Myers 1976], Witkins Konzept<br />
der Feldabhängigkeit/Feldunabhängigkeit [Witkin et al. 1977] sowie Rowes und Boulgarides<br />
Klassifikation von Entscheidungsstilen [Rowe, Boulgarides 1983] nach „directive,<br />
analytical, conceptual, and behavioral“.<br />
Die zweite Gruppe typisiert Nutzergruppen. Entweder setzen die Beiträge auf den Modellen<br />
der ersten Gruppe auf. Ein Beispiel ist der MBTI zur Differenzierung von Männern<br />
als FIS-Nutzer gegenüber Frauen [Powell, Johnson 1995]. Oder die Beiträge gehen<br />
explorativ vor und leiten Nutzergruppen aus deren tatsächlichen Anforderungen
126 Beitrag F<br />
oder Verhalten ab. So identifizieren Seeley und Target mit „steady-state user“ (kontinuierliche<br />
Nutzung), „growing user“ (steigende Nutzung), „born-again user“ (wiederkehrende<br />
Nutzung) sowie „declining user“ (zunehmend keine Nutzung) vier Nutzertypen<br />
auf Basis ihrer FIS-Anwendung über die Zeit [Seeley, Targett 1999]. Hieraus lassen<br />
sich jedoch keine Gestaltungsempfehlungen für Unternehmenssteuerungssysteme<br />
ableiten. Walstrom und Wilson hingegen differenzieren auf Basis genutzter Funktionalitäten<br />
(z. B. Analysen und Unternehmens-News) drei Nutzertypen [Walstrom, Wilson<br />
1997]: „converts“ nutzen FIS als Alternative zu papierbasierten Reports, „pacesetters“<br />
nutzen FIS, um den Informationsfluss zu verbessern und „analyzers“ nutzen primär<br />
FIS-Analysefunktionen, insbesondere Methoden der <strong>St</strong>atistik. Hierbei werden jedoch<br />
keine nichtfunktionalen Aspekte wie Performance, Benutzerführung oder Datenqualität<br />
berücksichtigt. Gluchowski et al. [Gluchowski, Gabriel, Dittmar 2008], die sich<br />
überwiegend auf Arbeiten von Chamoni et al. [Chamoni, Hahne, Gluchowski 2005]<br />
beziehen, unterscheiden nach Informationskonsumenten, Analysten und Spezialisten.<br />
Sie fundieren die Nutzertypen mit unterschiedlichen Managementrollen im Unternehmen.<br />
Hieraus werden Potenziale für rechnergestützte Arbeitsplätze für Führungskräfte<br />
abgeleitet.<br />
Die dritte Gruppe an Beiträgen nutzt die Eigenschaften bestimmter Nutzergruppen, um<br />
deren Implikationen für die FIS-Gestaltung abzuleiten. Ein aktuelles Beispiel sind<br />
Martisons und Davison, die anhand „typischer“ Entscheidungsstile von Managern in<br />
Amerika, Japan und China Aussagen über die erwartete Akzeptanz und Nutzung von<br />
FIS machen [Martinsons, Davison 2007].<br />
Als Kritikpunkt der skizzierten Beiträge lässt sich die Fokussierung auf kognitive <strong>St</strong>ile<br />
festhalten, sodass Eigenschaften wie der persönliche Arbeitsstil, die Erfahrung oder<br />
persönliche Motive für die FIS-Nutzung nur selten beleuchtet werden [Dhaliwal, Benbasat<br />
1996; Fisher, Chengalur-Smith, Ballou 2003; Tractinsky, Meyer 1999]. Das hat<br />
unter anderem zur Folge, dass bei der Gestaltung von FIS in der Regel nur Teilaspekte<br />
beleuchtet werden [Huber 1983]. Hier setzt unser Forschungsvorhaben an: Ziel ist es,<br />
eine Typisierung von FIS-Nutzergruppen durchzuführen, die (implizit) alle relevanten<br />
Eigenschaften der obersten Führungskräfte berücksichtigt.<br />
Hierfür eignet sich ein explorativer Ansatz, da hierbei die wesentlichen Eigenschaften<br />
implizit in den zugrunde liegenden Nutzer- und Anforderungsprofilen enthalten sind<br />
[vgl. Seeley, Targett 1999; Walstrom, Wilson 1997]. Es lässt sich daraus zwar nicht<br />
erklären, warum eine Nutzergruppe bestimmte Anforderungen hat, aber da im vorliegenden<br />
Beitrag die situative Gestaltung von FIS im Vordergrund steht, ist dies nicht
Beitrag F 127<br />
von Nachteil. Alternativ müsste man die Nutzergruppen explizit entlang ihrer Charakteristika<br />
modellieren, die jeweiligen Implikationen und Querbeziehungen untersuchen<br />
und bei der IS-Gestaltung berücksichtigen. Das würde eine sehr hohe Komplexität implizieren,<br />
von der bereits Huber abgeraten hat [Huber 1983].<br />
13.3 Empirische Untersuchung<br />
Als Forschungsmethode liegt dem Beitrag eine vergleichende Feldstudie (Querschnittsanalyse)<br />
zugrunde. Sie erlaubt, verschiedene Aspekte zur Unterstützung der Unternehmensleitung<br />
und auch systematisch Erkenntnisse verschiedener Unternehmen zu<br />
erfassen [Kubicek 1975]. Fallstudien sind im Vergleich häufig nicht so strukturiert und<br />
Längsschnittanalysen schieden aufgrund der Belastung der avisierten Führungskräfte<br />
aus.<br />
Unternehmenssteuerungssysteme haben eine besondere Bedeutung für große, internationale<br />
Konzerne. Da diese überwiegend als Aktiengesellschaften firmieren, wurden in<br />
die Untersuchung ausschließlich Konzerne einbezogen, deren konzernleitende Gesellschaft<br />
zum Zeitpunkt der Untersuchung in einem Aktienindex erfasst war. Um die<br />
Antworten vergleichbar zu halten, wurden schließlich die 250 größten Konzerne in<br />
Europa einbezogen, die am 30. Juni 2008 im Financial Times (FT) „Europe 500“ Report<br />
erfasst waren. Er stellt die größten europäischen Unternehmen nach ihrer Marktkapitalisierung<br />
zum <strong>St</strong>ichtag zusammen [Financial Times 2008].<br />
Die Daten wurden mit einem Fragebogen erhoben. Es wurden die Vorsitzenden des<br />
Vorstands (CEOs) und die Finanzvorstände (CFOs) angeschrieben. Für die Typisierung<br />
der Nutzertypen kamen Fragen zum Soll-Profil für Unternehmenssteuerungssysteme<br />
zur Anwendung. Der Katalog bestand aus 14 Fragen, die nach Berthel [Berthel<br />
1975] in die fünf Kategorien der Informationsversorgung gruppiert waren: Informationsbedarfsanalyse,<br />
-aufbereitung, -darstellung sowie die Terminierung und Richtigkeit<br />
der bereitzustellenden Informationen. Dabei kamen fünfstufige Ordinalskalen<br />
mit „1 (sehr gering), 2 (gering), 3 (mittel), 4 (hoch) und 5 (sehr hoch)“ zur Anwendung<br />
[Bleymüller, Gehler, Gülicher 1989].<br />
Letztendlich haben 51 Gesellschaften mit 59 Fragebögen geantwortet. So wurde eine<br />
gesellschaftsbezogene Rücklaufquote von 20,4% erreicht. Die Repräsentativität der<br />
<strong>St</strong>ichprobe wurde mit Chi-Quadrat-Homogenitätstests [Fahrmeier et al. 2007] hinsichtlich<br />
Branchenzugehörigkeit und Marktkapitalisierung bestätigt [Witte, Kallmann,<br />
Sachs 1981].
128 Beitrag F<br />
Die Untersuchungsergebnisse wurden mit Hilfe multivariater Methoden einer Faktoren-<br />
und Clusteranalyse generiert [Härdle, Simar 2003]. Sieben von den 59 Antworten<br />
mussten aufgrund zumindest einer fehlenden Antwort ausgeschlossen werden. Hair et<br />
al. [Hair Jr et al. 2006] nennen 50 Datensätze als untere Grenze für eine Faktorenanalyse.<br />
Die <strong>St</strong>ichprobe stellt mit 52 Datensätzen somit eine kleinere, aber ausreichende<br />
Grundlage dar und ist vergleichbar mit anderen Untersuchungen in dieser Zielgruppe:<br />
Seeley und Targett [Seeley, Targett 1999] arbeiteten mit 85 Datensätzen, Walstrom<br />
und Wilson [Walstrom, Wilson 1997] mit 43, Rainer und Watson [Rainer, Watson<br />
1995] mit 48, Nord und Nord [Nord, Nord 1995] mit 47 und Watson et al. [Watson et<br />
al. 1995] mit 43 Datensätzen.<br />
13.4 Auswertung<br />
In einem ersten Schritt wurde herausgearbeitet, nach welchen maßgeblichen Faktoren<br />
sich die Nutzertypen der befragten Vorstände unterscheiden lassen [Thompson 2004].<br />
Hierzu wurden die 14 Variablen der <strong>St</strong>ichprobe mittels einer explorativen Faktorenanalyse<br />
auf wenige, wechselseitig unabhängige Einflussgrößen reduziert.<br />
Um die Eignung der <strong>St</strong>ichprobe zu belegen, wurde zunächst mit dem Kaiser-Maier-<br />
Olkin-Test (KMO-Test) und dem Bartlett-Test eine ausreichende Korrelation unter<br />
den 14 Variablen nachgewiesen (Tab. 26) [Dziuban, Shirkey 1974]. Das ermittelte<br />
KMO-Kriterium von 0,73 ist dabei als „gut“ zu klassifizieren [Kaiser 1958]. Des Weiteren<br />
wurde das Vorhandensein einer Diagonalmatrix überprüft (Tab. 27). Die Anti-<br />
Image-Kovarianz-Matrix weißt 40 Nichtdiagonalwerte ungleich null (>0,9) auf, was<br />
einer Quote von 21,98% (max. 25%) entspricht und die Anwendbarkeit einer Faktorenanalyse<br />
bestätigt [Backhaus et al. 2006].<br />
Das Kaiser-Guttmann-Kriterium [Kaiser, Dickman 1959] und das Ellbogen-Kriterium<br />
[Cattell 1966] wurden verwendet, um in einem zweiten Schritt die Anzahl der benötigten<br />
Faktoren zu bestimmen. Sie wurde mit vier berechnet (Abb. 31) und dient als Ausgangsbasis<br />
für eine Hauptkomponentenanalyse. Die Ergebnisse sind in Tab. 23 dargestellt.<br />
Die vier Faktoren erklären 67,18% der Variablenvarianz, was als befriedigend bis<br />
gut eingestuft werden kann.<br />
Zum besseren Verständnis der Faktoren wurde die Komponentenmatrix mit Hilfe der<br />
Varimax-Methode und der Kaiser-Normalisierung [Kaiser 1958] gedreht. Die Faktorenladungen<br />
zeigen dabei den Einfluss der Variablen auf den jeweiligen Faktor und<br />
bestimmen sich aus den Korrelationen der Variablen zu den Faktoren. Dabei sind nur
Beitrag F 129<br />
diese relevant, die mit einer Größe von mehr als 0,5 laden [Thompson 2004]. Das Ergebnis<br />
ist eine eindeutige Zuordnung der Variablen zu den vier Faktoren (Tab. 23).<br />
Item<br />
(F1)<br />
(F2)<br />
(F3)<br />
(F4)<br />
Einstiegs-<br />
Nutzungs-<br />
Geschäfts-<br />
Analyse-<br />
niveau<br />
bereitschaft<br />
orientierung<br />
orientierung<br />
Aggregationsgrad ,792 ,003 -,304 -,064<br />
Überprüfbarkeit ,781 ,137 ,187 ,232<br />
Datenaktualität -,706 ,051 ,126 ,303<br />
Datengenauigkeit -,659 -,130 ,043 ,448<br />
Objektiver<br />
Informationsbedarf<br />
,028 ,805 ,085 -,092<br />
Oberflächengestaltung -,114 ,681 -,205 -,154<br />
Dialogführung ,371 ,698 -,138 ,064<br />
Zahlungsbereitschaft ,170 ,720 ,010 ,235<br />
Schnelle Umsetzung -,114 ,645 ,336 ,086<br />
Subjektiver<br />
Informationsbedarf<br />
(Ergänzende) operative<br />
Informationen<br />
,064 ,140 ,807 ,269<br />
,312 ,157 ,785 ,135<br />
<strong>St</strong>atistikfunktionen -,136 ,093 -,069 ,831<br />
Prognosemethoden -,072 ,025 ,128 ,855<br />
Simulationen -,028 -,041 ,098 ,838<br />
13.4.1 Einstiegsniveau<br />
Tab. 23: Rotierte Komponentenmatrix<br />
Das Einstiegsniveau stellt auf die Art und Weise ab, wie sich die befragten Vorstände<br />
die „Einflughöhe“ ihrer Arbeit mit Unternehmenssteuerungssystemen wünschen. Hierauf<br />
laden vier Variablen: Der Aggregationsgrad und die nachgelagerte Überprüfbarkeit<br />
der bereitgestellten Informationen determinieren die Granularität des System-
130 Beitrag F<br />
einstiegs. Dabei werden Kompromisse bei der Aktualität und Genauigkeit toleriert<br />
(negative Faktorenladung).<br />
Hieraus lassen sich zwei idealtypische Ausprägungen an Nutzertypen ableiten: Generalisten<br />
präferieren einen solchen Überblick. Die Informationen haben sich jedoch<br />
stets durch Detailanalysen überprüfen zu lassen. Spezialisten hingegen wünschen sich<br />
schon zu ihrem Einstieg (Detail-)Berichte und Analysen. Dabei spielen dann bereits zu<br />
Analysebeginn die Aktualität und Genauigkeit der bereitgestellten Informationen eine<br />
große Rolle.<br />
13.4.2 Nutzungsbereitschaft<br />
Der zweite Faktor erfasst die über den Systemeinstieg hinausgehende IS-<br />
Nutzungsbereitschaft („Navigation“). Hierauf laden die Oberflächengestaltung und<br />
Dialogführung. Dass der objektive Informationsbedarf positiv auf die Nutzungsbereitschaft<br />
lädt, lässt sich damit erklären, dass die Vorstände ihre Analyse damit anfangen<br />
wollen. Sind diese Rahmenbedingungen erfüllt, nehmen sie den Zeit- und Kostenaufwand<br />
für die Konzeption und Umsetzung von Unternehmenssteuerungssystemen auch<br />
in Kauf.<br />
Vielnutzer sehen einen großen Nutzen in ihrer IT-Unterstützung. Sie bevorzugen die<br />
eigene IS-Navigation, wollen also Berichte eigenständig aufrufen und bereitgestellte<br />
Informationen selbst analysieren. Im Gegenzug tolerieren sie den Zeit- und Kostenaufwand<br />
für Unternehmenssteuerungssysteme. Nichtnutzer hingegen haben faktisch<br />
kein Interesse an Unternehmenssteuerungssystemen. Dies kann in negativen Erfahrungen<br />
oder auch aus Unkenntnis heutiger IT-Möglichkeiten begründet liegen. Sie benötigen<br />
daher lediglich ein <strong>St</strong>andardreporting, eine größere Investition in Unternehmenssteuerungssysteme<br />
lässt sich für sie kaum rechtfertigen<br />
13.4.3 Geschäftsorientierung<br />
Führungskräfte haben meist einen individuellen Arbeitsstil und damit einen vom objektiven<br />
Informationsbedarf abweichenden (zusätzlichen) subjektiven Informationsbedarf.<br />
Er umfasst Informationen, die die Vorstände zu glauben brauchen, die sich aber<br />
nicht aus ihren Aufgaben ableiten lassen [Mayer 1999]. Die Geschäftsorientierung<br />
klärt deren Bedeutung für Unternehmenssteuerungssysteme, insbesondere auch das<br />
Tagesgeschäft im IS abzubilden. Dies kann Kennzahlen wie Durchlaufzeiten in der<br />
Produktion, Fehler oder Ausschussquoten in der Qualitätssicherung umfassen.
Beitrag F 131<br />
Tagesgeschäftsorientierte „Macher“ nehmen operative, individuelle Informationen<br />
gerne in Anspruch, um produkt- und branchennahe Entscheidungen zu treffen. „Perceiver“<br />
hingegen haben das Tagesgeschäft in der Regel aus der Hand gegeben. Sie<br />
verlassen sich bei ihrer Aufgabenbewältigung eher auf die nachlaufenden finanziellen<br />
Kennzahlen.<br />
13.4.4 Analyseorientierung<br />
Der vierte Faktor stellt auf die Bedeutung tiefergehender Analysen ab. <strong>St</strong>atistikfunktionen,<br />
Prognosemethoden und Simulationen laden positiv darauf.<br />
Analysten sind faktengetrieben und kommen mit Logik zu rationalen Entscheidungen<br />
(Abschnitt 13.2.2: MBTI-Typ „Thinking“). Daher spielen Auswertungen für sie eine<br />
große Rolle. Konsumenten hingegen verlassen sich bei Entscheidungen mehr auf ihre<br />
Intuition (Abschnitt 13.2.2: MBTI-Typ „Feeling“). Sie urteilen eher subjektiv, sodass<br />
weiterführende Analysen von geringer Bedeutung sind.<br />
13.5 Nutzertypen<br />
Basierend auf den herausgearbeiteten Faktoren, wurde eine hierarchische Clusteranalyse<br />
durchgeführt, um die Vorstände in möglichst homogene Nutzergruppen zu unterteilen.<br />
Hierzu wurde der Ward-Algorithmus mit quadriertem euklidischem Distanzmaß<br />
ausgewählt [Backhaus et al. 2006], weil er auch für kleinere Datensätze geeignet ist<br />
[Hair Jr et al. 2006]. Das Dendogramm legt ein Zwei-Cluster- sowie ein symmetrisch<br />
detaillierendes Vier-Cluster-Modell nahe (Abb. 32).<br />
Das Zwei-Cluster-Modell umfasst analyseorientierte Vielnutzer sowie indifferente<br />
Wenignutzer. Das Vier-Cluster-Modell unterscheidet Analytische Poweruser, opportunistische<br />
Analysten, generalistische Basisnutzer und faktische Nichtnutzer (Tab. 24).<br />
Ihre Profile lassen sich anhand ihrer Faktorenausprägungen darstellen, die Werte wurden<br />
hierfür normiert [Backhaus et al. 2006]. Positive Achsenabschnitte weisen darauf<br />
hin, dass Faktoren die Nutzertypen stärker als im Durchschnitt prägen und vice versa.<br />
13.5.1 Analyseorientierte Vielnutzer<br />
Analyseorientierte Vielnutzer zeichnen sich durch ihre hohe grundsätzliche IS-<br />
Nutzungsbereitschaft aus (F2, Faktorenladung von 0,5). Dabei soll in erster Linie ihr<br />
objektiver Informationsbedarf abgedeckt werden (Tab. 23). Hinzu kommt ihre sehr<br />
hohe Analyseorientierung (F4, Faktorenladung von 0,75). Demgegenüber besitzen diese<br />
Vorstandstypen eine nur schwach ausgeprägte Tendenz, mit einem Überblick in die
132 Beitrag F<br />
Unternehmensanalyse einsteigen zu wollen (F1). Gleiches gilt dabei für ihr Interesse<br />
an ergänzenden operativen Informationen (F3).<br />
(F1)<br />
(F2)<br />
(F3)<br />
(F4)<br />
Einstiegs-<br />
Nutzungs-<br />
Geschäfts-<br />
Analyse-<br />
niveau<br />
bereitschaft<br />
orientierung<br />
orientierung<br />
Cluster A: Analyseorientierte Vielnutzer<br />
0,2<br />
0,5<br />
0,2<br />
0,75<br />
(neutral)<br />
(hoch)<br />
(neutral)<br />
(sehr hoch)<br />
A.1<br />
0,1<br />
0,9<br />
0,7<br />
0,9<br />
Analytische<br />
(neutral)<br />
(sehr hoch)<br />
(sehr hoch)<br />
(sehr hoch)<br />
Poweruser<br />
A.2<br />
0,3<br />
0,3<br />
0,1<br />
0,6<br />
Opportunistische<br />
(hoch)<br />
(hoch)<br />
(neutral)<br />
(hoch)<br />
Analysten<br />
Cluster B: Indifferente Wenignutzer<br />
-0,1<br />
-0,5<br />
-0,3<br />
-0,3<br />
(neutral)<br />
(gering)<br />
(gering)<br />
(gering)<br />
B.1<br />
-0,3<br />
0<br />
-0,6<br />
-0,3<br />
Generalistische<br />
(gering)<br />
(neutral)<br />
(sehr gering)<br />
(gering)<br />
Basisnutzer<br />
B.2<br />
0,0<br />
-0,9<br />
-0,2<br />
-0,9<br />
Faktische<br />
(neutral)<br />
(sehr gering)<br />
(neutral)<br />
(sehr gering)<br />
Nichtnutzer<br />
Tab. 24: Zwei-Cluster- und Vier-Cluster-Modell von Nutzertypen für Unternehmenssteuerungssysteme<br />
13.5.1.1 Analytische Poweruser<br />
Analytische Poweruser detaillieren diese Grundeinstellung. Diese Vorstände informieren<br />
sich umfassend und sehr selbstständig am System. Hinsichtlich ihrer Bereitschaft,<br />
IS zu nutzen (F2), erreichen sie das Niveau des idealtypischen Vielnutzers (Abschnitt<br />
13.4.2). Dazu kommt ihre dezidierte Anforderung nach tiefergehenden Analysen (F4,<br />
Faktorenladung von 0,9). Dieses Ergebnis entspricht dem Niveau des idealtypischen
Beitrag F 133<br />
Analysten (Abschnitt 13.4.4). Im Vergleich zu einer Referenzstudie von Kemper<br />
[Kemper 1999] aus 1999 ist dies eine maßgebliche Veränderung, insbesondere wenn<br />
sich 19 der befragten 52 Vorstände zu dieser Kategorie zählen. Des Weiteren haben<br />
analytische Poweruser einen sehr hohen Bedarf an ergänzenden individuellen Informationen<br />
(F3, Faktorenladung von 0,7) und wollen mit einer sehr schwach ausgeprägten<br />
Tendenz mit einem Überblick in ihre Unternehmensanalyse einsteigen (F1, Faktorenladung<br />
von 0,1).<br />
13.5.1.2 Opportunistische Analysten<br />
Hinsichtlich ihrer Nutzungsbereitschaft fallen opportunistische Analysten im Vergleich<br />
zu analytischen Powerusern zurück. Sie sind aber immer noch als aktive IS-<br />
Nutzer einzustufen (F2, Faktorenladung von 0,3). Sie besitzen dabei die Fähigkeit,<br />
Analysen am System (F4, Faktorenladung von 0,6) selbstständig auszuführen, legen<br />
aber keinen großen Wert darauf, dies auch zu tun.<br />
Opportunistische Analysten wollen ihre Auswertungen mit einem Überblick beginnen<br />
(F1). Zusätzliche Informationsbedarfe decken sie aber nicht per se durch Unternehmenssteuerungssysteme<br />
ab (F3, Faktorenladung von 0,1 im Vergleich zu 0,7 der Analysten).<br />
Sie nutzen IS, wenn sie helfen, Entscheidungen zu fundieren, wägen deren<br />
Nutzung aber stets gegen individuelle Erfahrungen und persönliche Gespräche mit<br />
Kollegen und Mitarbeitern ab.<br />
13.5.2 Indifferente Wenignutzer<br />
Die indifferenten Wenignutzer zeigen nur geringes Nutzungsinteresse an Unternehmenssteuerungssystemen<br />
(F2). Mit einer negativen Faktorenladung von -0,5 liegen sie<br />
deutlich unter dem Durchschnitt aller Antworten. Dabei haben sie auch weniger Bedarf<br />
an ergänzenden Informationen in Unternehmenssteuerungssystemen sowie weitergehenden<br />
Analysen (F3, F4, negative Faktorenladung von jeweils -0,3). Beim Systemeinstieg<br />
(F1) möchten indifferente Wenignutzer direkten Zugriff auf (Detail-) Informationen<br />
für ihren abgegrenzten Aufgabenbereich haben.<br />
13.5.2.1 Generalistische Basisnutzer<br />
Generalistische Basisnutzer detaillieren diese Einstellung. Sie legen weniger Wert auf<br />
Analysen, die sie selbst am System durchführen können (F4, Faktorenladung von -0,3).<br />
Sie präferieren dabei finanzielle Kennzahlen gegenüber individuellen operativen Informationen<br />
(F3, negative Faktorenladung von -0,6) und wünschen sich, eher mit Details<br />
in das System einzusteigen (F1). Hinsichtlich ihrer weiterführenden Nutzungsbe-
134 Beitrag F<br />
reitschaft (F2) sind sie indifferent und greifen eher auf Ihre Assistenz zur Informationsbeschaffung<br />
zurück.<br />
13.5.2.2 Faktische Nichtnutzer<br />
Charakteristikum der Nichtnutzer ist ihre faktische Ablehnung von Unternehmenssteuerungssystemen<br />
(F2, Faktorenladung von -0,9). Falls sie in Ausnahmefällen ein IS<br />
nutzen, sind sie in ihrem Einstieg indifferent (F1). Sie schätzen eher finanzielle Kennzahlen.<br />
Tiefergehende IT-gestützte Analysen (F4) werden als „nicht benötigt“ eingeschätzt<br />
(F4, Faktorenladung von -0,9).<br />
Trägt man die relativen Faktorenausprägungen je Nutzungstyp in einer Matrix der<br />
Nutzungsfaktoren auf, lassen sich die Nutzertypen auch grafisch darstellen (Abb. 30).<br />
Spannbreite zwischen<br />
den idealtypischen Ausprägungen<br />
(überblickorientierte)<br />
Generalisten<br />
Analysten<br />
1.0<br />
Cluster A<br />
Analyseorientierte<br />
Vielnutzer<br />
Cluster A.2<br />
Opportunistische<br />
Analysten<br />
Cluster A.1<br />
Analytische<br />
Poweruser<br />
(F1) Einstiegsniveau<br />
(F4) Analyseorientierung<br />
0<br />
Cluster B.1<br />
Generalistische<br />
Basisnutzer<br />
(detailorientierte)<br />
Spezialisten<br />
Konsumenten<br />
Cluster B<br />
Cluster B.2<br />
Indifferente<br />
Faktische<br />
Wenignutzer<br />
Nichtnutzer<br />
-1.0<br />
-1.0 0<br />
1.0<br />
(eher finanziellgetriebene)<br />
Perceiver<br />
(F3) Geschäftsorientierung<br />
(tagesgeschäftsgetriebene)<br />
Macher<br />
Vielnutzer<br />
Nichtnutzer<br />
(F2) Nutzungsbereitschaft<br />
Abb. 30: Einordnung von Nutzertypen im Spannungsfeld<br />
idealtypischer Ausprägungen
Beitrag F 135<br />
13.6 Implikationen<br />
13.6.1 Situative Gestaltungsempfehlungen<br />
Basierend auf den herausgearbeiteten Nutzertypen, werden nunmehr noch situative<br />
Empfehlungen für die Gestaltung von Unternehmenssteuerungssystemen abgeleitet.<br />
Die Ergebnisse dieser Deduktion wurden mit Erfahrungswissen aus Interviews mit vier<br />
Vorständen eines internationalen Automobilzulieferers unterlegt (Umsatzerlöse 2009:<br />
24 Mrd. EUR; Mitarbeiter 2009: 150.000).<br />
Dabei erfolgte die Auswahl der Vorstände derart, dass je ein Nutzertyp aus dem Vier-<br />
Cluster-Modell abgedeckt wurde: Der ana-lyseorientierte Poweruser wurde durch den<br />
Vorsitzenden des Vorstands abgedeckt und der Finanzvorstand entsprach dem opportunistischen<br />
Analysten. Darüber hinaus repräsentierte einer der Divisionsvorstände den<br />
Nutzertyp generalistischer Basisnutzer und der Arbeitsdirektor stellte einen faktischen<br />
Nichtnutzer von Unternehmenssteuerungssystemen dar.<br />
Nach Walls et al. [Walls, Widmeyer, El Sawy 1992] kann bei der FIS-Gestaltung zwischen<br />
einer Produkt- und einer Prozesssicht unterschieden werden. Wir fokussieren die<br />
Produktsicht und differenzieren nach einer Referenzarchitektur für analytische IS zwischen<br />
der Nutzerschnittstelle („user interface“) sowie der Auswertungskomponente<br />
von Unternehmenssteuerungssystemen mit ihrem zugehörigen Datenmodell [Kemper,<br />
Mehanna, Unger 2006; Warmouth, Yen 1992]. Folgende (situative) Adaptionsmechanismen<br />
je Nutzertyp stellen wir zur Diskussion (Tab. 25).<br />
13.6.1.1 Nutzerschnittstelle<br />
Die Nutzerschnittstelle entscheidet maßgeblich, ob und bis zu welcher Detailtiefe Vorstände<br />
mit Unternehmenssteuerungssystemen arbeiten. Wir differenzieren entsprechend<br />
unseren Nutzungsfaktoren zwischen dem (a) IS-Einstieg und der (b) weiterführenden<br />
Nutzung.<br />
(a) Tab. 24 zeigt, dass das Einstiegsniveau je Nutzertyp in einer eher geringen Spannbreite<br />
von 0,3 um den Nullwert pendelt. Damit ist ein gemeinsamer Systemeinstieg für<br />
alle Nutzertypen grundsätzlich denkbar, dennoch sollten folgende Präferenzen berücksichtigt<br />
werden.<br />
Analytischen Powerusern und opportunistischen Analysten sollte mit einem Topdown-Einstieg<br />
ein inhaltlich umfassender Einstieg bei granularer „Einflughöhe“ bereitgestellt<br />
werden. Ihnen sollten alle Berichte und Analysen mit Bezug auf ihren ob-
136 Beitrag F<br />
jektiven Informationsbedarf zugängig sein. Eine Portfoliodarstellung oder ein One-<br />
Page-Format mit Informationsclustern wie Finanz- und Rechnungswesen, Controlling,<br />
Compliance und Programm-Management sowie Cash Flow- und Liquiditätsmanagement<br />
können ein solcher Einstieg sein.<br />
Indifferenten Wenignutzern sollte ein Bottom-up-Einstieg bereitgestellt werden, der<br />
direkt deren individuellen Erkenntnisgewinn befriedigt. Einfach strukturierte, farblich<br />
hinterlegte Detailanalysen haben diesen Vorständen einen Absprung „auf Klick“ zu<br />
Kurz-Bilanzen, Deckungsbeitragsrechnungen, einer Risiko- oder Projektübersicht zu<br />
ermöglichen. Weiterführende Bereiche sollten in einem solchen Einstieg ausgeblendet<br />
sein. Für faktische Nichtnutzer bietet sich ein Ausdruck wesentlicher Berichte und Reports<br />
in elektronischer Form als E-Book an.<br />
(b) Hinsichtlich der Nutzungsbereitschaft spannen die analytischen Poweruser und die<br />
faktischen Nichtnutzer die größte Breite der Untersuchung in Höhe von 1,8 auf. Ein<br />
„klassisches“ Finanzreporting stellt hier die Schnittmenge der Anforderungen dar. Für<br />
die übrigen drei Nutzertypen ist dieses wie folgt zu ergänzen:<br />
Analyseorientierte Poweruser sind die anspruchsvollsten Nutzer. Ihnen ist eine flexible<br />
Systemnavigation zur Verfügung zu stellen. Das bedeutet, ein <strong>St</strong>andardreporting mit<br />
vordefinierten Berichten und Analysen sollte um eine aktive Dialoggestaltung, selbst<br />
abrufbare Kommentare sowie Absprungpunkte („touchpoints“) für eine umfassende<br />
Peripherie ergänzt werden. Diese Peripherie sollte Ad-hoc-Abfragen, nichtroutinemäßige<br />
Informationen und direkte Verknüpfungen zu Vorsystemen ermöglichen. Mit<br />
Blick auf die hohe Faktorladung der Geschäftsorientierung (Abb. 30) ist dabei an<br />
Marktanteils- oder Konkurrenzanalysen zu denken, die aufgrund ihrer Detaillierung<br />
nicht Teil des <strong>St</strong>andardreportings sind. Mit voreingestellten Parametern ist bei dieser<br />
Nutzergruppe auch das Absetzen direkter Datenbankabfragen denkbar.<br />
Für opportunistische Analysten sind vordefinierte Detailanalysen bereitzustellen (vgl.<br />
Abb. 30). Gewinn- und Verlustrechnungen, detaillierte Risiko- und Projektaufstellungen<br />
oder Produktdeckungsbeitragsrechnungen sind Beispiele, die im Vergleich zu Powerusern<br />
weniger operative Daten als vielmehr finanzielle Kennzahlen umfassen.<br />
Für generalistische Basisnutzer sollte das <strong>St</strong>andardreporting überwiegen. Direkte Absprungpunkte<br />
(„touchpoints“) sind an dieser <strong>St</strong>elle auf ein Minimum zu reduzieren und<br />
aus dem Einstiegsbildschirm gänzlich zu entfernen. Hingegen sollten für diese Vorstände<br />
Navigationsfunktionalitäten wie ein Traffic-Light-Coding oder eine breadcrumb-Leiste<br />
im Vordergrund stehen. Bei Letzterem handelt es sich um eine Orientie-
Beitrag F 137<br />
rungsleiste, die häufig genutzte Funktionen protokolliert und somit eine schnelle Navigation<br />
zwischen einzelnen Analyseschritten erlaubt.<br />
13.6.1.2 Auswertungs- und Datenmodell<br />
Das Auswertungs- und Datenmodell wird durch den inhaltlichen Umfang der gewünschten<br />
Informationen determiniert, insbesondere inwieweit auch Daten aus anderen<br />
Systemen zu integrieren sind. Die Geschäftsorientierung weist eine Spannbreite<br />
von 1,3 auf, die durch die Anforderungen der analyseorientierten Poweruser und der<br />
generalistischen Basisnutzer bestimmt wird.<br />
Analyseorientierten Powerusern ist eine flexible OLAP-Peripherie bereitzustellen. Sobald<br />
operative Daten angefordert werden oder aggregierte Informationen zu überprüfen<br />
sind, sollten „drill-through“-Funktionalitäten vorhanden sein. Als Beispiele sind<br />
eine geführte Navigation in ein Produktionsplanungs- und -steuerungssystem (PPS)<br />
bei einem Automobilzulieferer oder ein Absprung in ein Dokumentensystem bei einem<br />
Chemieunternehmen zu nennen. Im Vergleich fordern opportunistische Analysten neben<br />
dem finanziellen <strong>St</strong>andardreport mit weniger Nachdruck operative, geschäftsorientierte<br />
Kennzahlen.<br />
Direktabsprünge in Quellsysteme sind für generalistische Basisnutzer hingegen auszublenden.<br />
Ihnen sind überwiegend finanzielle Kennzahlen bereitzustellen. Dies trifft<br />
auch auf die faktischen Nichtnutzer zu. Neben Detailblättern des Finanz- und Rechnungswesens<br />
wie „Sales/EBIT-Analysen“ ist ihnen z. B. ein „Aufriss“ aggregierter<br />
Kennzahlen nach den Sichten „Produkt, Land und Kunde“ oder Granularitäten wie<br />
Konzern, Division und Einzelgesellschaft zur Verfügung zu stellen.<br />
Die analytischen Poweruser und die faktischen Nichtnutzer weisen bei der Analyseorientierung<br />
eine Spannbreite von 1,8 auf. Die gemeinsame Berichtsstruktur ist daher<br />
je nach Nutzertyp um Analysen zu ergänzen. Für analyseorientierte Poweruser sind<br />
statistische Funktionen, Prognosemethoden und Simulation selbstverständliche Hilfsmittel<br />
in der Unternehmenssteuerung. Da opportunistische Analysten eher selten<br />
komplexere Auswertungen am System durchführen, benötigen sie diese Analysen<br />
nicht.<br />
Faktische Nichtnutzer benötigen maximal vordefinierte Detailanalysen, vor allem aber<br />
keine flexible OLAP-Peripherie. Ihr <strong>St</strong>ab wird ihnen entsprechende Analysearbeiten<br />
durchführen und dabei auf vordefinierten Detailanalysen aufbauen. Tab. 25 fasst die<br />
Ergebnisse je Nutzertyp zusammen.
138 Beitrag F<br />
Maximallösung: Expertensystem für analyseorientierte Poweruser<br />
Nutzerschnittstelle<br />
Einstiegsniveau: 0,1 (neutral)<br />
=> Top-down-Einstieg: inhaltlich umfassend bei granularer „Einflughöhe“<br />
Nutzungsbereitschaft: 0,9 (sehr hoch)<br />
=> <strong>St</strong>andardreporting sowie sehr flexible Möglichkeiten der Interaktion<br />
Auswertungs- und Datenmodell<br />
Geschäftsorientierung: 0,7 (sehr hoch)<br />
=> hohes Gewicht auf geschäftsorientierte Kennzahlen<br />
Analyseorientierung: 0,9 (sehr hoch)<br />
=> vielfältige vordefinierte Detailanalysen, flexible Peripherie für individuelle Analysen,<br />
„drill-through“-Funktionalitäten sowie statistische Funktionen, Prognosemethoden<br />
und Simulation<br />
Umfassende Berichterstattung für opportunistische Analysten<br />
Nutzerschnittstelle<br />
Einstiegsniveau: 0,3 (hoch)<br />
=> Top-down-Einstieg: inhaltlich umfassend bei granularer „Einflughöhe“<br />
Nutzungsbereitschaft: 0,3 (hoch)<br />
=> <strong>St</strong>andardreporting sowie vordefinierte Möglichkeiten der Interaktion auf „Mausklick“<br />
Auswertungs- und Datenmodell<br />
Geschäftsorientierung: 0,1 (neutral)<br />
=> etwas höheres Gewicht auf geschäftsorientierte Kennzahlen und nicht auf finanzielle<br />
Kennzahlen<br />
Analyseorientierung: 0,6 (hoch)<br />
=> vielfältige vordefinierte Detailanalysen, überwiegend vordefinierte IS-Peripherie<br />
für individuelle Analysen, keine statistischen Funktionen, Prognosemethoden und<br />
Simulation<br />
Tab. 25: Komponenten situativer Artefaktgestaltung
Beitrag F 139<br />
Klassisches Finanzreporting mit wenigen weiterführenden Berichten und Analysen für<br />
generalistische Basisnutzer<br />
Nutzerschnittstelle<br />
Einstiegsniveau: -0,3 (gering)<br />
=> Bottom-up-Systemeinstieg: direkt auf den individuellen Erkenntnisgewinn ausgerichtet<br />
Nutzungsbereitschaft: 0 (neutral)<br />
=> <strong>St</strong>andardreporting mit wenigen vordefinierten (Detail-)Berichten und -analysen<br />
Auswertungs- und Datenmodell<br />
Geschäftsorientierung: -0,6 (gering)<br />
=> hohes Gewicht auf finanzielle Kennzahlen<br />
Analyseorientierung: -0,3 (gering)<br />
=> wenige vordefinierte Detailanalysen, keine flexible IS-Peripherie, statistische<br />
Funktionen, Prognosemethoden und Simulation<br />
Minimallösung: klassisches Finanzreporting für faktische Nichtnutzer<br />
Nutzerschnittstelle<br />
Einstiegsniveau: 0 (neutral)<br />
=> Bottom-up-Systemeinstieg: direkt auf den individuellen Erkenntnisgewinn ausgerichtet<br />
Nutzungsbereitschaft: -0,9 (sehr gering)<br />
=> <strong>St</strong>andardreporting ohne weiterführende (Detail-)Berichten und -analysen<br />
Auswertungs- und Datenmodell<br />
Geschäftsorientierung: -0,2 (gering)<br />
=> etwas höheres Gewicht auf finanzielle Kennzahlen<br />
Analyseorientierung: -0,9 (sehr gering)<br />
=> sehr wenige vordefinierte Detailanalysen, keine flexible IS-Peripherie, statistische<br />
Funktionen, Prognosemethoden und Simulation<br />
Tab. 25: Komponenten situativer Artefaktgestaltung (fortgesetzt)
140 Beitrag F<br />
13.6.2 Reflexion des Forschungsprozesses<br />
Der eigentlichen Forschungsarbeit ging eine umfassende Literaturrecherche (Abschnitt<br />
13.2.2) voraus, um den Erkenntnisgewinn auf eine relevante Forschungslücke auszurichten.<br />
Die empirische Untersuchung setzte am Kritikpunkt an, dass stets nur Einzelaspekte<br />
bei der situativen Gestaltung von FIS berücksichtigt werden. Das Vorgehen ist<br />
somit als anschlussfähig und relevant einzustufen.<br />
Die Ergebnisse wurden mit einer Faktoren- und Clusteranalyse erarbeitet (Abschnitt<br />
13.8). Der Forschungsprozess erfüllt dabei die bekannten statistischen Anforderungen,<br />
dennoch lassen sich einige Aspekte kontrovers diskutieren: Erstens, wenn auch mit<br />
anderen Untersuchungen oberster Führungskräfte vergleichbar (Abschnitt 13.3), ist der<br />
<strong>St</strong>ichprobenumfang mit 52 Datensätzen als klein einzustufen. Grundsätzlich hätte die<br />
Möglichkeit bestanden, die Untersuchung auszubauen. Ein signifikanter Unterschied<br />
wäre bei der geringen Verfügbarkeit der Führungskräfte aber nur mit hohem Aufwand<br />
erreichbar gewesen. Auch hätte bei größeren zeitlichen Erhebungsabständen die Vergleichbarkeit<br />
der Datensätze nicht mehr sichergestellt werden können. Die Nachfassaktion<br />
wurde daher nach drei Monaten abgeschlossen.<br />
Zweitens ist der KMO-Test mit 0,729 und die erklärte Varianz von 67,18% „nur“ als<br />
gut einzustufen. Eine Verbesserung könnte mit dem Weglassen statistischer „Ausreißer“<br />
oder ausgewählter Fragen in die Faktorenanalyse erreicht werden. Zum einen ist<br />
dies aber ab einem gewissen Umfang schwer zu rechtfertigen. Zum anderen würde der<br />
Modellerklärungsgehalt geschwächt werden.<br />
Drittens lässt sich die Granularität der Fragen diskutieren. Eine höhere Anzahl hätte<br />
die Ergebnisse facettenreicher machen können. Es ist jedoch zu bedenken, dass sich<br />
dadurch die Anzahl der Faktoren und auch der Cluster erhöhen kann und das Modell<br />
schwerer verständlich und anwendbar wird. In einer ersten Untersuchung hat sich das<br />
Vier-Klassen-Modell als hinreichend, aber auch ausreichend erwiesen, um Vorstände<br />
nach ihren Anforderungen an Unternehmenssteuerungssysteme zu gruppieren.<br />
Bei den Gestaltungsimplikationen (Abschnitt 13.6.1) wurde die Produktsicht detailliert<br />
(Aufbau von Unternehmenssteuerungssystemen), nicht die prozessuale Sicht der FIS-<br />
Gestaltung. Somit bleiben die Auswirkungen eines Einbezugs verschiedener Nutzertypen<br />
auf die Informationsbedarfsanalyse offen. Gleiches gilt für die Gestaltung ihrer<br />
wesentlichen Artefakte, wie ein Corporate Dashboard oder verschiedene Detailanalysen,<br />
die Systemeinführung sowie den Betrieb von Unternehmenssteuerungssystemen<br />
[Kemper, Mehanna, Unger 2006].
Beitrag F 141<br />
13.7 Zusammenfassung und Ausblick<br />
Unsere Literaturrecherche hat gezeigt, dass bisher kein mehrdimensionales Modell zur<br />
Nutzertypklassifikation vorliegt, das umfassende Implikationen für die situative Gestaltung<br />
von Führungsinformationssystemen erlaubt. Es wurden deshalb ein Zwei- und<br />
ein Vier-Cluster-Modell zur Typisierung oberster Führungskräfte entwickelt. Es basiert<br />
auf einer empirischen Untersuchung im FT „Europe 500“ Report, aus der reale<br />
Nutzertypen von Vorständen großer, internationaler Konzerne hervorgehen.<br />
Eine wesentliche Erkenntnis im Zeitvergleich zu anderen <strong>St</strong>udien [Kemper 1999] war<br />
es dabei, dass zumindest nach einer Selbsteinschätzung nunmehr auch analyseorientierte<br />
Führungskräfte auf der obersten Ebene des Unternehmens anzutreffen sind. In<br />
diesem Zusammenhang sind verschiedene Ansatzpunkte für die gestaltungsorientierte<br />
Forschung denkbar. In dieser Arbeit wurden erste Implikationen für die Nutzerschnittstelle<br />
sowie das Auswertungs- und Datenmodell von Unternehmenssteuerungssystemen<br />
skizziert. Hier setzt unser nächstes Forschungsvorhaben an. Mit verschiedenen<br />
Prototypen ist die Gestaltungsarbeit auszubauen und die Nützlichkeit dieses situativen<br />
Ansatzes zu evaluieren. Neue Erkenntnisse sind insbesondere im Hinblick auf geeignete<br />
Prognose- und Simulationsfunktionen zu detaillieren.<br />
Schließlich wurde eine Untersuchung initiiert, die die identifizierten Nutzertypen mit<br />
unterschiedlichen Nutzungssituationen und Arbeitsstilen kombiniert. Erstere können<br />
Analysetätigkeiten („alone“), „one-to-one“-Arbeitstreffen und „one-to-many“-<br />
Präsentationen in einer Vorstandssitzung umfassen. Letztere stellen auf die stationäre,<br />
portable und mobile Nutzung von Unternehmenssteuerungssystemen ab. Ergebnisse<br />
werden situative Empfehlungen zu Endgeräten für Führungskräfte sein.<br />
13.8 Anhang<br />
13.8.1 Elemente des Fragebogens<br />
• Bedeutung des objektiven Informationsbedarfs<br />
• Bedeutung des subjektiven Informationsbedarfs<br />
• Bedeutung von operativen Informationen<br />
• Bedeutung von Compliance-Informationen*<br />
• Gewünschter Aggregationsgrad<br />
• Bedeutung der Überprüfbarkeit<br />
• Bedeutung der Systemagilität*
142 Beitrag F<br />
• Bedeutung der grafischen Präsentation*<br />
• Bedeutung der Oberflächengestaltung<br />
• Bedeutung der Dialogführung<br />
• Bedeutung selbstaktiver Ausnahmeberichte*<br />
• Bedeutung von Vergleichsfunktionen*<br />
• Bedeutung von <strong>St</strong>atistikfunktionen<br />
• Bedeutung von Prognosemethoden<br />
• Bedeutung von Simulationen<br />
• Bedeutung von Datenaktualität<br />
• Bedeutung von Datengenauigkeit<br />
• Bedeutung von Zuverlässigkeit*<br />
• Zahlungsbereitschaft hoch/niedrig<br />
• Hohe/geringe Bedeutung einer schnellen Umsetzung<br />
* Aufgrund geringer Faktorenladungen nicht berücksichtigt.<br />
13.8.2 Eignung für die Faktorenanalyse<br />
Prüfung auf ausreichende Korrelation: Der KMO-Test und der Bartlett-Test weisen<br />
im Datensatz ein akzeptables Maß an Abhängigkeiten nach (Tab. 26).<br />
Maß der <strong>St</strong>ichprobe nach Kaiser-Maier-Olkin ,729<br />
Bartlett-Test auf Sphärizität Ungefähres Chi-Quadrat 260,305<br />
df 91<br />
Signifikanz ,000<br />
Tab. 26: KMO- und Bartlett-Test<br />
Prüfung auf Diagonalmatrix: Insgesamt lassen sich in der Anti-Image-Kovarianz-<br />
Matrix (Tab. 27) 40 Nichtdiagonalelemente mit einem Wert größer als 0,09 identifizieren<br />
(21,98%).
Beitrag F 143<br />
Item 1 2 3 4 5 6 7 8 9 10 11 12 13 14<br />
1 ,50 ,06 ,02 ,09 ,03 ,10 ,14 ,06 ,00 ,14 ,02 ,05 ,15 ,08<br />
2 ,06 ,61 ,27 ,01 ,09 ,00 ,04 ,00 ,00 ,13 ,02 ,02 ,04 ,09<br />
3 ,02 ,27 ,58 ,16 ,01 ,03 ,00 ,06 ,01 ,06 ,01 ,01 ,07 ,00<br />
4 ,09 ,01 ,16 ,44 ,19 ,07 ,03 ,00 ,03 ,01 ,12 ,04 ,02 ,06<br />
5 ,03 ,09 ,01 ,19 ,52 ,09 ,06 ,01 ,11 ,03 ,01 ,17 ,01 ,05<br />
6 ,10 ,00 ,03 ,07 ,09 ,65 ,17 ,06 ,07 ,04 ,16 ,02 ,04 ,03<br />
7 ,14 ,04 ,00 ,03 ,06 ,17 ,49 ,06 ,01 ,00 ,16 ,00 ,07 ,06<br />
8 ,06 ,00 ,06 ,00 ,01 ,06 ,06 ,46 ,15 ,14 ,09 ,03 ,01 ,07<br />
9 ,00 ,00 ,01 ,03 ,11 ,07 ,01 ,15 ,42 ,12 ,03 ,10 ,05 ,01<br />
10 ,14 ,13 ,06 ,01 ,03 ,04 ,00 ,14 ,12 ,45 ,00 ,05 ,04 ,02<br />
11 ,02 ,02 ,01 ,12 ,01 ,16 ,16 ,09 ,03 ,00 ,52 ,10 ,04 ,09<br />
12 ,05 ,02 ,01 ,04 ,17 ,02 ,00 ,03 ,10 ,05 ,10 ,52 ,01 ,03<br />
13 ,15 ,04 ,07 ,02 ,01 ,04 ,07 ,01 ,05 ,04 ,04 ,01 ,58 ,15<br />
14 ,08 ,09 ,00 ,06 ,05 ,03 ,06 ,07 ,01 ,02 ,09 ,03 ,15 ,66<br />
Tab. 27: Anti-Image-Kovarianz-Matrix (Absolutwerte)<br />
13.8.3 Bestimmung der Faktorenanzahl<br />
Nach dem Ellenbogenkriterium liegt eine Faktorenanzahl kleiner fünf nahe (Abb. 31).<br />
Die maximal erklärte Gesamtvarianz von 67,18% wird dabei mit vier Faktoren erklärt.
144 Beitrag F<br />
13.8.4 Dendogramm<br />
Abb. 31: Screeplot<br />
Abb. 32: Dendogramm
Beitrag G 145<br />
14 Beitrag G: End-User Device Selection for Executives<br />
– Adapting Executive Information Systems to Different<br />
Working <strong>St</strong>yles<br />
Titel<br />
Autoren<br />
End-User Device Selection for Executives – Adapting Executive<br />
Information Systems to Different Working <strong>St</strong>yles<br />
Daniel <strong>St</strong>ock, Jörg Mayer, Robert Winter<br />
Universität <strong>St</strong>. <strong>Gallen</strong>, Institut für Wirtschaftsinformatik<br />
Müller-Friedberg-<strong>St</strong>raße 8, 9000 <strong>St</strong>. <strong>Gallen</strong>, Schweiz<br />
{daniel.stock | joerg.mayer | robert.winter}@unisg.ch<br />
Publikationsorgan Eingereicht bei: ECIS (2011), Helsinki<br />
Tab. 28: Bibliografische Angaben zu Beitrag G<br />
The utility of information systems (IS) is closely linked to the choice of individuals to<br />
actually use them. This holds particularly true for executives. Therefore, in terms of<br />
executive information systems (EIS), a “one-size-fits-all” approach is often doomed to<br />
fail. While the literature extensively discusses their functional design, non-functional<br />
aspects of EIS often go unconsidered. As end-user devices are the most visible EIS<br />
component for executives, they are an important lever for their acceptance. This article<br />
proposes a configuration model for end-user devices based on executives’ working<br />
style as defined in three dimensions: EIS user type, use case, and access mode. Several<br />
findings result: first, the selection of the “right” end-user device is independent of the<br />
extent (consumer or analyst) to which executives use the EIS. Second, notebooks remain<br />
the first choice in any presentation context. Third, the potential of smartphones<br />
as the sole devices in the EIS domain is limited. Fourth, the significance of paperbased<br />
solutions is increasingly declining. The article concludes with examples of seven<br />
types of executives to demonstrate how the configuration model on hand can be applied<br />
in EIS design.<br />
Keywords: executive information systems (EIS), human-computer interface (HCI),<br />
end-user devices
146 Beitrag G<br />
14.1 Motivation<br />
Among the extensive definitions of executive information systems (EIS), two characteristics<br />
are particularly important [Clark Jr, Jones, Armstrong Curtis 2007; Rainer,<br />
Watson 1995; Rockart, Treacy 1989]: First, their overall aim is to help an organization<br />
carefully monitor its current status and progress toward achieving its goals [Kelly<br />
1988]. Second, they should enable nontechnical senior executives [Arnott, Jirachiefpattana,<br />
O'Donnell 2007; Pappas 1988] to navigate through strategic information<br />
culled from several company databases [Nord, Nord 1995]. This access should be direct<br />
and hands-on, and executives should be able to exercise it themselves [Houdeshel,<br />
Watson 1987; Young, Watson 1995].<br />
Ideally, EIS design conforms to the requirements of all potential users. But confronted<br />
with diverging demands on the one hand and limited resources on the other hand, EIS<br />
engineers need to balance standardization (“one-size-fits-all”) and individualization.<br />
Analogous to situational method engineering [Bucher et al. 2007], reference modeling<br />
[Becker, Delfmann, Knackstedt 2007], or artifact mutability [Gregor, Jones 2007], partitioning<br />
the requirements have to be optimized when designing solutions. The prime<br />
objective of the design then is to use adaptation mechanisms to adjust generic artifacts<br />
for distinct classes of problems.<br />
In requirements engineering practices, users are primarily segmented by their tasks.<br />
EIS design is, therefore, driven by executives’ different roles within the organization,<br />
from their responsibility for procurement, production or sales to general management<br />
[Darke, Shanks 1996; Leité, Freeman 1991; Sommerville 2010]. Such an approach<br />
disregards individual preferences in their working style. As a consequence, many executives<br />
still question the relevance of EIS for their day-to-day work [Kemper, Pedell<br />
2008; Wixom, Watson 2010].<br />
As early as 1979, Zmud [1979] echoes several authors by claiming that “individual<br />
differences do exert a major force in determining EIS success.” However, this research<br />
did not escape criticism. Only a few years later, Huber (1983) took stock of the research<br />
in a way that led the wind out of its sails for many years to come. He claimed<br />
that too many characteristics need to be considered, users should be better educated<br />
instead, and future EIS might be completely configurable by users anyway.<br />
Findings from recent decades invalidate Huber’s line of argument: Research on technology<br />
acceptance proves that user perception plays a predominant role in information<br />
systems’ (IS) success [Davis 1989; Venkatesh et al. 2003] and EIS today are more
Beitrag G 147<br />
flexible, but customization still requires the skills of a power user. Especially, the<br />
present moment seems favorable for redesigning IS support for executives: First, today’s<br />
executives grew up with IS and have an increasingly positive attitude towards IT<br />
[Pijpers et al. 2001]. At the same time, they have higher expectations for IS than in the<br />
past, especially in terms of usability. Second, new technologies have been established<br />
in the field of corporate business intelligence (BI) [Wixom, Watson 2010]: EIS have<br />
evolved to an integrated front-end module that is often accessed via web technologies<br />
[Cheung, Babin 2006], while groupware allows e-mailing and other collaboration.<br />
Third – likely most important to executives – new front-end interfaces (software perspective)<br />
and new end-user devices (hardware perspective) simplify EIS handling, even<br />
for technology-averse executives [Li, Lu, Zhang 2009].<br />
As they provide direct access to the required information and analyses capabilities,<br />
end-user devices are executives’ most visible EIS component and thus an important<br />
lever to their IS acceptance. Furthermore, end-user devices allow design freedom to a<br />
certain extent. 19 In the light of these considerations, this article contributes to situational<br />
EIS design by defining distinct characteristics how executives use devices. We<br />
discuss their working style in three dimensions: EIS user type, use case, and access<br />
mode. Combining the levels to which they are evident in a matrix results in a configuration<br />
model for end-user devices.<br />
This article adheres to the design science approach of IS research, which aims at creating<br />
innovative and useful artifacts that solve relevant design problems in organizations<br />
[Hevner et al. 2004; March, Smith 1995]. Next to Hevner et al. (2004), such artifacts<br />
are constructs, models, methods, and instantiations. Regarding the design process, we<br />
follow Peffers et al. (2007): Section 14.2 discusses the related work to demonstrate the<br />
research gap. Section 14.3 introduces a taxonomy for end-user devices. Section 14.4<br />
designs the configuration model in a two-step approach: First, recommendations are<br />
derived by analytical argumentation. Second, the configuration model is validated with<br />
EIS experts. Section 14.5 evaluates the utility of the work on hand with seven cases.<br />
The article concludes with a summary and discusses future research question for enduser<br />
devices and EIS (section 14.6).<br />
19 For example, no EIS engineer would consider a flash solution for smartphones since it is not supported by<br />
them at this point. Also an “on-line” solution is not favorable for mobile use (e.g. car, plane) since a constant<br />
VPN connection is required.
148 Beitrag G<br />
14.2 Related Work<br />
Following the recommendations of Webster and Watson [2002], our literature analysis<br />
targeted leading IS research outlets. We selected ten journals 20 based on a catalog provided<br />
by the London School of Economics [Willcocks, Whitley, Avgerou 2008]. Our<br />
keyword search resulted in 292 articles, of which we found 26 to be relevant, including<br />
in a backward search ( Abb. 33).<br />
Abb. 33: Results of literature analysis<br />
In general, each of the identified publications target one of three subsequent objectives.<br />
The first group, rooted in psychology, designs techniques for user-group segmentation.<br />
All these concepts deal with cognitive style. That is the way in which individuals<br />
tend to grasp information (e.g., quantitatively vs. qualitatively) and how they<br />
apply this information when making decisions (e.g., logical argumentation vs. intuition).<br />
Examples are the Myers-Briggs Type Indicator [Myers 1976] or Witkins concept<br />
of field dependence/field independence [Witkin et al. 1977].<br />
The second group covers the characterization of user groups. Two different approaches<br />
exist. Either the studies apply the techniques employed in the first group to explore<br />
20 MIS Quarterly, Information Systems Research, Information & Management, Journal of Management Information<br />
Systems, Decision Support Systems, European Journal of Information Systems, Information & Organization,<br />
Information Systems Journal, Journal of Organizational and End-User Computing, and Journal of Information<br />
Technology.
Beitrag G 149<br />
the influence of certain user characteristics (e.g., women vs. men [Powell, Johnson<br />
1995]) or they utilize an explorative procedure. As an example, Seeley & Target<br />
(1999) identify four different user types on the basis of their EIS usage over time:<br />
steady-state users, growing users, born-again users, and declining users. The third and<br />
last group researches the implications of user types on EIS design.<br />
Focusing on the latter, these articles look at the functional aspects of EIS in terms of<br />
information scope and structure required and analysis functionality as well. None,<br />
however, examine executives’ working style on the non-functional requirements (e.g.,<br />
performance, usability, or flexibility). An example of how working style impact nonfunctional<br />
IS aspects comes from a consulting firm. When this company rolled out a<br />
tool to track time and expenses, they failed to consider the working style of their consultants.<br />
Since confidentiality prevents them from client work during travel, trips are<br />
the perfect opportunity for administrative tasks. Unfortunately, the new tool required a<br />
smooth Internet connection to operate, which is obviously limited during travel. So,<br />
better EIS design requires more than a design based on executives’ tasks. The design<br />
needs to be complemented by non-functional aspects. Our contribution aims at identifying<br />
those end-user devices that fit executives’ working style with EIS.<br />
14.3 End-user devices<br />
A wide variety of end-user devices are available. Every year new products enter the<br />
market that blur the boundaries of formerly system classes. Recently, Apple’s iPad<br />
(and alternative products such the Dell <strong>St</strong>reak or HP Slate) combined an A4-sized<br />
screen and easy system handling to claim a niche between notebooks, ultra-mobile<br />
PCs, and e-readers.<br />
The predominant determinants in literature for end-user device classification are<br />
screen size and its often associated functionality. Since the example of the iPad shows<br />
that this assumption no longer necessarily holds, we propose a classification that emphasizes<br />
the core aspects of usability: portability (including Internet access) and control<br />
philosophy. Abb. 34 classifies typical end-user devices in terms of this taxonomy.
150 Beitrag G<br />
Abb. 34: End-user devices taxonomy<br />
Portability distinguishes whether or not a device is stationary or portable. While a stationary<br />
device offers a bigger and brighter screen, a portable device is a must-have for<br />
mobile use that is generally smaller and offers less functionality in several dimensions.<br />
The control philosophy is important in terms of content consumption and creation<br />
[e.g., McCracken 2010; Waters 2010]. Paper can be differentiated from personal computers<br />
(PCs), which are traditionally controlled by mouse and keyboard, and infoterminals,<br />
which are controlled by stylus or touch (gesture). Although it is not an electronic<br />
device, paper is still an important medium, because it can be easily shared during<br />
a conversation and annotated [Harper, Sellen 1995]. When it comes to the personal<br />
computer (PC) and infoterminal, some electronic products aim to support both. Speaking<br />
of the iPad, McCracken [2010] concludes that “the on-screen keyboard is probably<br />
the best ever created, but it’s still no match for a real, tactile keyboard when it comes<br />
to comfort and typing speed.” The same still holds true for tablet PCs supporting touch<br />
control (e.g. Lenovo X201), where the lag between contact and response still feels unnatural.<br />
14.4 Configuration Model<br />
Two distinct approaches to model construction exist: a bottom-up approach that reuses<br />
existing models and fragments [vom Brocke, Buddendick 2006] and a top-down<br />
greenfield approach that utilizes analytic argumentation. While the first ensures consistency<br />
with the body of knowledge, the second is better suited for innovative artifacts<br />
design. Leveraging both, we start from the body of knowledge with a hypothesisdriven<br />
design and justify the model brainstorming with EIS experts.
Beitrag G 151<br />
14.4.1 Hypothesis-driven Design<br />
In analogy to the “5 W” in information gathering [Media Awareness Network 2000],<br />
the questions for determining the right end-user device for EIS could be formulated as:<br />
who uses what, where, when, and why Although looking at all five questions would<br />
provide the most comprehensive view, we focus on “what,” “where,” and “why.” Because<br />
we do not look on individual solutions (section 14.1), the “who” in terms of a<br />
one-by-one differentiation of executives would not add value. Knowing the “when,” in<br />
terms of time during the day, should also be irrelevant to the choice of the device. As a<br />
result, we look at end-user devices in three dimensions: EIS user type, use case, and<br />
access mode.<br />
EIS user type: It covers what category of executives uses the IS. In section 2, we have<br />
seen that executives are distinguished by cognitive style meaning how an individual<br />
gathers, analyses, and processes information in the context of decision making. Each<br />
of these approaches differ between analytic and heuristic decision makers. Analysts<br />
seek causal relationships, prefer quantitative data, and pay attention to detail. They<br />
might use standard reporting as an entry point, but they need the ability to switch to an<br />
interactive system for further detailed analysis. In terms of choosing the respective<br />
end-user device, this implies that these executives need electronic devices that support<br />
EIS handling (e.g., a PC with keyboard/mouse). Heuristic decision makers, on the other<br />
hand, include qualitative factors in their decisions, and pay less attention to detail<br />
[e.g., Myers 1976; Rowe, Boulgarides 1992; Witkin et al. 1977]. Unlike their analytic<br />
counterparts, these “consumers” tend to rely on standard reporting, which provides<br />
familiar content in a predefined order. They may be happy with a paper-based solution<br />
or low-capacity electronic device.<br />
EIS use case: It represents various working situations; in other words why executives<br />
use IS. An important aspect of managerial work is the “monitoring, filtering, and dissemination<br />
of information” [Hales 1986]. In this regard, Mintzberg [1975; 1994b] and<br />
Burns [1957] distinguish between interpretation of information (to use in a directive<br />
way) and communication (in order to disseminate privileged information to subordinates).<br />
While the first task is generally performed alone (e.g., at the desk in one’s office),<br />
the latter involves further stakeholders (e.g., the audience for a presentation). Of<br />
course, interpretation and communication are not always completely separate tasks in<br />
practice. For example, in working meetings, information is normally disseminated and<br />
interpreted at the same time. Thus, we distinguish three use cases for an EIS, which are<br />
distinguished by the number of participants for the sake of simplicity: analysis (execu-
152 Beitrag G<br />
tives on his or her own), working meeting (one-to-few: executives with a few colleagues,<br />
personal assistance or other staff), and presentation (one-to-many: executives<br />
in front of an audience, e.g., a board meeting). As the number of participants increases,<br />
the requirements for the end-user device screen do as well. While a smartphone might<br />
suffice for an executive to analyze a standard report on his own, it is not the right<br />
choice for presenting a document. Of course, it is common to increase the display size<br />
of many devices (e.g., notebooks) by connecting them to a projector or external screen.<br />
<strong>St</strong>ill, it might be beneficial in some cases to have an interactive whiteboard available. 21<br />
EIS access: It addresses where executives use EIS. Since most executives can be considered<br />
to be mobile workers who are away from their desks at least 20% of the time<br />
[Lamming et al. 2000], it is relevant to understand where an EIS user accesses the system:<br />
from his or her own desk (stationary), in different places (portable) with the same<br />
type of access, or on the move (mobile). Accessing electronic information sources is<br />
relatively easy from one’s own desk because the IS infrastructure is readily available<br />
to allow smooth Internet access via UMTS, W-LAN, or cable. In turn, people who carry<br />
laptops with them can access the documents stored on them. However, accessing<br />
other remote information sources is more difficult [Eldridge et al. 2000; Lamming et<br />
al. 2000]. Internet access can be limited to GRPS, UMTS with disruption (car, train).<br />
In some cases one is offline in travel situations (plane). As a result, accessing a “live”<br />
interactive system to perform analysis is impracticable at these times. This implies that<br />
an analyst-type executive who wants to work on the go needs an electronic device with<br />
capacity to allow for the installation of a thick client with a local database. For example,<br />
this functionality definitely exceeds the services offered by smartphones [Chae,<br />
Kim 2003].<br />
In contrast, a consumer executive in a mobile context can make use of paper-based<br />
standard reports or access an electronic version via a low-capacity device. He or she<br />
might also value the control philosophy of small end-user devices, such as smartphones,<br />
which are most often on-line available [Chae, Kim 2003] rather than of booting<br />
up a bulky notebook. In a stationary working context, either type of the EIS user<br />
prefer a desktop PC, which provides easier access and better displays thanks to a keyboard<br />
and crystal-clear screen. Abb. 35 shows recommended end-user devices in terms<br />
21 For example, if the executive wants to navigate flexibly through the EIS while presenting (instead of just<br />
clicking through a presentation), it might be better to carry out the necessary inputs directly at the display, so that<br />
everybody can easily follow them.
Beitrag G 153<br />
of user type, use case, and access mode. Table 1 lists the hypotheses for model construction.<br />
Abb. 35: Preferred end-user devices by user type, use case, and access mode<br />
14.4.2 Model Justification<br />
The focus group for validating our proposed model consisted of 23 participants from<br />
17 different companies. To include different perspectives, executives, accounting professionals,<br />
and EIS professionals were represented almost equally. They came together<br />
in a 4-hour moderated workshop in September, 2010, and belong to an expert group<br />
since 2006, discussing trends in executives’ IS support.<br />
In order to provide common ground, the participants were introduced to the applied<br />
terminology and given some time to explore the “look and feel” of EIS implementations<br />
on the following end-user devices: an Apple iPhone 3GS (smartphone), a Lenovo<br />
X200t (notebook), an Apple iPad (tablet), and a SMARTboard (interactive whiteboard).<br />
The questionnaire was designed to test our model design in two ways and thus provide<br />
consistency checks (triangulation). The first part consisted of five-point Likert items to<br />
validate the hypotheses listed in Tab. 29. Each item adhered to the format: 1) strongly<br />
disagree, 2) disagree, 3) neither agree nor disagree, 4) agree, and 5) strongly agree.<br />
The mode (most frequent) and median (middle) values for the responses are listed in<br />
Tab. 29. Hypotheses that were not supported are shaded in grey.
154 Beitrag G<br />
No. Hypotheses Mode Median<br />
1 The “what” (standard or ad hoc report) is relevant for selecting<br />
an end-user device.<br />
2 The “why” (analysis, working meeting or presentation) is<br />
relevant for selecting an end-user device.<br />
3 The “where” (stationary, portable or mobile access) is relevant<br />
for selecting an end-user device.<br />
4 The “when” is not relevant for determining an end-user<br />
device.<br />
5 The capacity of a smartphone is sufficient for consuming a<br />
standard report (e.g., as a PDF).<br />
6 A keyboard/mouse control is favorable if frequent inputs<br />
are necessary for information analysis (e.g., setting parameters<br />
or defining transformations).<br />
7 During presentations, an interactive whiteboard is favorable<br />
when navigating through the EIS.<br />
8 In general, screen size determines the level of comfort in<br />
analyzing information.<br />
9 In a mobile working context, the setup time of a device<br />
(e.g., booting a notebook) determines whether it is used or<br />
not.<br />
10 In a mobile working context, the weight of a device determines<br />
whether it is used or not.<br />
11 In a mobile working context, the size of a device determines<br />
whether it is used or not.<br />
12 At the desk, an external monitor is favorable for analyzing<br />
information due to its display quality.<br />
13 In a mobile working context, paper versions are often preferred<br />
over electronic reports.<br />
Disagree<br />
Disagree<br />
Agree<br />
Agree<br />
Agree<br />
Agree<br />
Agree<br />
Agree<br />
<strong>St</strong>rongly<br />
agree<br />
Agree<br />
Agree<br />
<strong>St</strong>rongly<br />
agree<br />
Disagree<br />
Disagree<br />
Disagree<br />
Agree<br />
Agree<br />
Agree<br />
Agree<br />
Agree<br />
Agree<br />
Agree<br />
Agree<br />
Agree<br />
<strong>St</strong>rongly<br />
agree<br />
Undecided<br />
Tab. 29: Mode and median responses from hypotheses testing
Beitrag G 155<br />
The second part of the questionnaire consisted of multiple-choice answers. Respondents<br />
were asked to pick their preferred end-user device for a given context (e.g., analyzing<br />
a standard report at their desk). Aggregating the responses in a refined version<br />
of our proposed model (Abb. 35), the result is shown in Abb. 36. New elements in the<br />
matrix are printed in italics and obsolete elements are crossed out. The order of enduser<br />
devices in each cell corresponds to the frequency scale in the responses.<br />
Abb. 36: Aggregated results from questionnaire<br />
Abb. 36 reveals some unexpected patterns. In order to gain further insights and check<br />
for consistency, we verified them with the findings of the hypotheses testing.<br />
First result: The selection of the “right” end-user devices is independent of the extent<br />
(consumer or analyst) to which executives use EIS. Apart from working meetings and<br />
analysis, where consumer executive types still see paper-based reports, the preferred<br />
end-user devices for consumers and analysts are the same. The biggest difference derives<br />
from the fact that hard copies are a viable option for standard reports from the<br />
consumer perspective, but cannot replace an interactive EIS from the analyst perspective.<br />
Since the paper-based consumption of standard reports plays a subordinate role<br />
(least- or second-least frequent response), this is in line with the rejection of hypothesis<br />
1 (Tab. 29).<br />
Second result: Notebooks remain the first choice in any presentation context. Although<br />
participants acknowledge the advantages of interactive whiteboards in general (hypothesis<br />
7, Tab. 29), only six respondents considered them to be favorable, e.g., in board<br />
meeting context. Either the respondents believe that the benefits of an interactive<br />
whiteboard do not justify the cost of implementation (approx. USD 8,000) or they intrinsically<br />
consider the use cases (e.g., presenting within the interactive system) as too<br />
unlikely to necessitate an end-user device tailored for this purpose.
156 Beitrag G<br />
Third result: The potential of smartphones as the sole devices in the EIS domain is<br />
limited. Even in a mobile context, they rank after a tablet. This is in line with our hypotheses,<br />
since a tablet is as readily available as a smartphone (hypothesis 9, Tab. 29),<br />
but increases user comfort with a much larger and brighter screen (hypothesis 8, Tab.<br />
29). For these reasons, notebooks supplemented with smartphones will remain the<br />
standard for now. Since a tablet cannot replace a smartphone or a notebook in all regards,<br />
an assessment of whether an executive accepts an additional device is necessary.<br />
Fourth result: Paper-based solutions are increasingly losing significance. A finding<br />
that is in line with our rejection of hypothesis 13 in Tab. 29. Only in a working meeting<br />
context hand-outs still claim a top position. As tablets, which are already ranked<br />
higher, continue to gain acceptance and advance in functionality (esp. in terms of adhoc<br />
connectivity to share documents), paper will further decline in value.<br />
Abb. 37: Final model design
Beitrag G 157<br />
All in all, adopting our model is consistent with the findings of the hypotheses testing.<br />
Reducing the complexity by abandoning the dimension "user type," the final model is<br />
a 3x3 matrix (Abb. 37).<br />
14.5 Application in Practice<br />
To demonstrate utility, our model was used for EIS design in practice. First, it has to<br />
check whether an executive has the end-user devices available that meet his or her<br />
working style. For example, our model has to indicate that an executive who works in<br />
mobile situations to a significant degree will benefit from having a tablet. Second, our<br />
model has to assess whether the EIS is designed to support the preferred end-user devices.<br />
For example, an executive might carry a smartphone for mobile use, but the IS<br />
could not provide standard reports in a format that is accessible with this device.<br />
The following examples present the results of seven interviews with executives of<br />
companies in different size from September to November, 2010, to diagnose shortcomings<br />
in EIS design. We began by profiling the executives in terms of their use case<br />
and access mode and measured their level of satisfaction with the devices they currently<br />
use.<br />
Executive A: He is the CFO of an automotive supplier (2009 sales: about USD 32 bn.;<br />
2009 employees: about 150,000). He uses the EIS to an equal extent for his own analysis<br />
and in working meetings, accessing information predominantly from his office<br />
(80%) and in a mobile context (20%). He is equipped with a desktop PC in the office,<br />
a notebook, and a tablet. Instead of a smartphone, he uses an ordinary mobile phone<br />
without e-mailing capability. In general, he is satisfied with his equipment. This is in<br />
line with our model for an optimal support of this working profile.<br />
Executive B: She is the CIO of a pharma company (2009 sales: about USD 10 bn.;<br />
2009 employees: about 40,000) and uses the EIS in all facets of our model, accessing<br />
information in a mobile context (50%) to the same degree as from the office (50%).<br />
Equipped with a desktop PC in the office, a smartphone for mobile communication<br />
including e-mailing and one-pager analysis for urgent decision making, and a tablet for<br />
more complicated information analysis, she is completely satisfied.<br />
Executive C: He is the CEO of a multicountry division of a chemicals company (2009<br />
sales: about USD 65 bn.; 2009 employees: about 105,000) who travels weekly across<br />
the Atlantic or between Europe and South Africa. He acts as an analyst with an IT flavor<br />
and uses the EIS in all the use cases and access modes covered in our model.<br />
Equipped with a notebook and a smartphone, he is rather dissatisfied. This is in line
158 Beitrag G<br />
with our model, which would suggest additionally equipping him with a desktop PC at<br />
his European headquarters and a tablet for more detailed information analysis in mobile<br />
situations. Providing the tablet should increase his level of satisfaction, since our<br />
model clearly indicates that most executives do not consider a notebook to be a suitable<br />
solution in a mobile context.<br />
Executive D: He is a board member of a smaller BI consultancy (2009 sales: about<br />
USD 45 m.; 2009 employees: about 120). His profession and academic studies suggest<br />
that he is an IS-trendsetter and, no matter, he uses the EIS in all the modes covered in<br />
our model. He is accessing information in stationary (at the office or home) and mobile<br />
situations in a ratio of 30 to 70%. In addition to a notebook, he has a desktop PC<br />
available. He assesses his level of satisfaction as neither satisfied nor dissatisfied. Although<br />
his current end-user devices suit his working profile for the most part, an additional<br />
tablet was beneficial in his mobile context for e-mailing, internet search, and<br />
analyzing complex statistics on the utilization of his consultants.<br />
Executive E: He is the CFO of a medium-sized engineering company (2009 sales:<br />
about USD 32,500 m.; 2009 employees: about 3,200). He is rather dissatisfied with his<br />
current end-user devices, a desktop PC and a smartphone. This holds true according to<br />
our model. A notebook would be an additional device. If the executive does not want a<br />
bulky notebook, a tablet could be the second-best solution.<br />
Executive F: He is the CEO of a solution provider for the print media industry (2009<br />
sales: USD 2,250 m.; 2009 employees: about 1,150). He uses the EIS for his own<br />
analysis and works predominantly at his desk at the office. He is equipped with a notebook<br />
and a smartphone, and considers—as his slogan of corporate management—the<br />
latter as his primary device for information consumption. In general, he is rather dissatisfied<br />
with his equipment. A closer analysis revealed that the EIS does not support<br />
standard reports for smartphones per se. According to our model, this CEO is actually<br />
well equipped for his working profile, but the EIS has been developed for the wrong<br />
end-user device. In the meantime, he might benefit from a tablet, which would provide<br />
him with the features of a mobile device and the comfort of a bigger screen.<br />
Executive G: He is the CFO of another automotive supplier (2009 sales: about USD<br />
150,000 m.; 2009 employees: about 7,600). A full 80% of his EIS use takes place<br />
away from his desk. He is equipped with a notebook and a smartphone and is rather<br />
dissatisfied. In terms of our model, he is actually well equipped for his working profile,<br />
although, like executive F, he might benefit from a tablet for his analysis and decision<br />
making most often on the way to the several productions hubs of his company
Beitrag G 159<br />
in Eastern Europe. His dissatisfaction grows not from the equipment itself, but rather<br />
from the fact that the EIS is not tailored to the capacity and features of these end-user<br />
devices. Since in this case, the system design completely disregards the targeted enduser<br />
devices. The most appropriate answer would be to redesign the EIS presentation<br />
format accordingly.<br />
In summary: In the case of satisfied executives (A and B), the portfolio of end-user<br />
devices was consistent with our model’s recommendations. In the case of somewhat<br />
dissatisfied executives (C through G), the model provided pinpointed the shortcomings<br />
of the current EIS solution. So, if an executive was satisfied, the portfolio of his individual<br />
end-user devices was in line with our model. If an executive was not satisfied,<br />
our model helped to find out if the organization provides the right end-user device(s)<br />
available or if the EIS itself had to be redesigned to support the end-user devices available.<br />
Herein, the biggest problem these days is executives’ increasing mobility. In<br />
general, tablets constitute an interesting new device class, which should be considered<br />
thoroughly in many cases.<br />
14.6 Summary and Final Remarks<br />
This article contributes to situational EIS design by introducing a configuration model<br />
for end-user devices. It is based on an executive’s working style. The model was validated<br />
with the input of 23 EIS experts. In its final version, it provides situational recommendations<br />
for several EIS use cases (analysis, working meeting, or presentation)<br />
and EIS access mode (stationary, portable, or mobile).<br />
To demonstrate its utility, the model was validated with seven executives. The model<br />
was used for pinpointing shortcomings in either the available end-user devices or the<br />
respective design of the EIS. Synthesizing the findings shows that most problems today<br />
grow from executives’ increasing mobility. Thus, while the notebook continues to<br />
be the primary device in most cases, tablets constitute an interesting device class,<br />
which should be considered additionally.<br />
The configuration model leaves room for future research. First, the configuration rules<br />
need to be translated into design principles for EIS implementation. For example, it<br />
should be possible to identify functionality and design patterns that best support access<br />
from an interactive whiteboard or the right balance of information security and comfortable<br />
access in a mobile context. Second, the results should be incorporated into the<br />
EIS design to define, for example, how requirements change when executives access<br />
the EIS from a smartphone or tablet (e.g., strict top-down communication, key word
160 Beitrag G<br />
storytelling, and predefined links to most important analyses). Third, the implications<br />
of the increasing number of end-user devices on system administration should be surveyed<br />
to determine, for example, architectures and policies that support governance,<br />
efficient application development, and maintenance.
Literatur 161<br />
Literatur<br />
[Ackoff 1989]<br />
Ackoff, Russell L.: From Data to Wisdom. In: Journal of Applied Systems<br />
Analysis 16 (1989), S. 3-9.<br />
[Alavi, Leidner 2001]<br />
Alavi, Maryam; Leidner, Dorothy E.: Review: Knowledge Management and<br />
Knowledge Management Systems: Conceptual Foundations and Research Issues.<br />
In: MIS Quarterly 25 (2001) 1, S. 107-136.<br />
[Anthony 1965]<br />
Anthony, Robert Newton: Planning and Control Systems: A Framework for<br />
Analysis. Harvard University Press, Boston 1965.<br />
[Ariyachandra, Watson 2005]<br />
Ariyachandra, Thilini R.; Watson, Hugh J.: Data Warehouse Architectures:<br />
Factors in the Selection Decision and the Success of the Architectures. Terry<br />
College of Business, University of Georgia, Athens 2005.<br />
[Arnott, Jirachiefpattana, O'Donnell 2007]<br />
Arnott, David; Jirachiefpattana, Waraporn; O'Donnell, Peter: Executive Information<br />
Systems Development in an Emerging Economy. In: Decision Support<br />
Systems 42 (2007) 4, S. 2078-2084.<br />
[Arnott, Pervan 2008]<br />
Arnott, David; Pervan, Graham: Eight Key Issues for the Decision Support Systems<br />
Discipline. In: Decision Support Systems 44 (2008) 3, S. 657-672.<br />
[ASG 2009]<br />
ASG: ASG-metaGlossary. http://www.asg.com/pdf/DataSheets/ASG-metaGlos<br />
sary_datasheet_en.pdf, Abruf am 12.11.2010.<br />
[Auth 2003]<br />
Auth, Gunnar: Prozessorientierte Organisation des <strong>Metadaten</strong>managements für<br />
Data-Warehouse-Systeme. Dissertation, Universität <strong>St</strong>. <strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong> 2003.<br />
[Backhaus et al. 2006]<br />
Backhaus, Klaus; Erichson, Bernd; Plinke, Wulff; Weiber, Rolf: Multivariate<br />
Analysemethoden - Eine anwendungsorientierte Einführung. 11. Aufl., Springer,<br />
Berlin 2006.<br />
[Barkhi 2002]<br />
Barkhi, Reza: Cognitive <strong>St</strong>yle May Mitigate the Impact of Communication<br />
Mode. In: Information & Management 39 (2002), S. 677-688.<br />
[Batini, Scannapieco 2006]<br />
Batini, Carlo; Scannapieco, Monica: Data Quality - Concepts, Methodologies<br />
and Techniques. Springer, Berlin 2006.<br />
[Bauer, Günzel 2004]<br />
Bauer, Andreas; Günzel, Holger: Data Warehouse Systeme - Architektur, Entwicklung,<br />
Anwendung. 2. Aufl., dpunkt.verlag, Heidelberg 2004.<br />
[Bayer 2004]<br />
Bayer, Joachim: View-Based Software Documentation. Dissertation, Fraunhofer<br />
IESE 2004.
162 Literatur<br />
[Becker, Delfmann, Knackstedt 2007]<br />
Becker, Jörg; Delfmann, Patrick; Knackstedt, Ralf: Adaptive Reference Modeling:<br />
Integrating Configurative and Generic Adaptation Techniques for Information<br />
Models. In: Becker, Jörg; Delfmann, Patrick (Hrsg.): Reference Modeling.<br />
Physica, Heidelberg 2007, S. 27-58.<br />
[Benander et al. 2000]<br />
Benander, Alan; Benander, Barbara; Fadlalla, Adam; James, Gregory: Data<br />
Warehouse Administration and Management. In: Information Systems Management<br />
17 (2000) 1, S. 71-80.<br />
[Berson, Dubov 2007]<br />
Berson, Alex; Dubov, Larry: Master Data Management and Customer Data Integration<br />
for a Global Enterprise. McGraw-Hill 2007.<br />
[Berthel 1975]<br />
Berthel, Jürgen: Betriebliche Informationssysteme. Poeschel, <strong>St</strong>uttgart 1975.<br />
[Blechar 2005]<br />
Blechar, Michael J.: Magic Quadrant for Metadata Repositories, 2H05 to 1H06.<br />
Gartner, <strong>St</strong>amford 2005.<br />
[Bleymüller, Gehler, Gülicher 1989]<br />
Bleymüller, Josef; Gehler, Günther; Gülicher, Herbert: <strong>St</strong>atistik für Wirtschaftswissenschaftler.<br />
6. Aufl., Vahlen, München 1989.<br />
[Boardman et al. 2008]<br />
Boardman, Anthony E.; Greenberg, David H.; Vining, Aidan R.; Weimer, David<br />
Leo: Cost-Benefit Analysis: Concepts and Practice. 3rd edition. Aufl., Prentice<br />
Hall, Upper Saddle River 2008.<br />
[Boehm 1978]<br />
Boehm, Barry W.: Characteristics of Software Quality. North-Holland, Amsterdam<br />
1978.<br />
[Brüggemann 2008]<br />
Brüggemann, <strong>St</strong>efan: Proaktives Management von Konsistenzbedingungen im<br />
Analytischen Performance Management. In: Dinter, Barbara et al. (Hrsg.): Proceedings<br />
of DW2008: Synergien durch Integration und Informationslogistik,<br />
Bonn 2008, S. 95-112.<br />
[Bucher et al. 2007]<br />
Bucher, Tobias; Klesse, Mario; Kurpjuweit, <strong>St</strong>ephan; Winter, Robert: Situational<br />
Method Engineering - On the Differentiation of "Context" and "Project<br />
Type". In: Ralyté, Jolita; Brinkkemper, Sjaak; Henderson-Sellers, Brian<br />
(Hrsg.): Proceedings of Situational Method Engineering - Fundamentals and<br />
Experiences, Geneva 2007, S. 33-48.<br />
[Bucher, Wlk 2008]<br />
Bucher, Tobias; Wlk, Ulrich: Bereitstellung und Nutzung von Endbenutzungs-<br />
<strong>Metadaten</strong> im Kontext der Informationslogistik - Empirische Erkenntnisse und<br />
Gestaltungsempfehlungen. In: Dinter, Barbara et al. (Hrsg.): Proceedings of<br />
DW 2008 - Synergien durch Integration und Informationslogistik, <strong>St</strong>. <strong>Gallen</strong><br />
2008, S. 75-93.<br />
[Burns 1957]<br />
Burns, Tom: Management in Action. In: Operational Research Society 8 (1957)<br />
2, S. 45-60.
Literatur 163<br />
[CA 2008]<br />
CA: CA Repository for Distributed Systems r2.3. http://www.ca.com<br />
/~/media/Files/ProductBriefs/repository_dist_product_brief_147902.pdf, Abruf<br />
am 12.11.2010.<br />
[CA 2009]<br />
CA: CA Repository for z/OS r7.1. http://www.ca.com/Files/ProductBriefs/mp-<br />
31489-ca-rep-zos-pb_147905.pdf, Abruf am 12.11.2010.<br />
[Capgemini 2008]<br />
Capgemini: <strong>St</strong>udie IT-Trends 2008. Capgemini, München 2008.<br />
[Cattell 1966]<br />
Cattell, Raymond B.: The Scree Test for the Number of Factors. In: Multivariate<br />
Behavioral Research 1 (1966), S. 245-276.<br />
[Chae, Kim 2003]<br />
Chae, Minhee; Kim, Jinwoo: What’s So Different About the Mobile Internet<br />
In: Communications of the ACM 46 (2003) 12, S. 240-247.<br />
[Chamoni, Hahne, Gluchowski 2005]<br />
Chamoni, Peter; Hahne, Michael; Gluchowski, Peter: Business Information<br />
Warehouse. Springer, Berlin 2005.<br />
[Chengalur-Smith, Ballou, Pazer 1999]<br />
Chengalur-Smith, InduShobha; Ballou, Donald P.; Pazer, Harold L.: The Impact<br />
of Data Quality Information on Decision Making. In: IEEE Transactions<br />
on Knowledge and Data Engineering 11 (1999) 6, S. 853-864.<br />
[Cheung, Babin 2006]<br />
Cheung, Waiman; Babin, Gilbert: A metadatabase-enabled executive information<br />
system (Part A): A flexible and adaptable architecture. In: Decision Support<br />
Systems 42 (2006), S. 1589–1598.<br />
[Chung, Sampaio de Prado Leite 2009]<br />
Chung, Lawrence; Sampaio de Prado Leite, Julio Cesar: On Non-Functional<br />
Requirements in Software Engineering. In: Borgida, A. T. (Hrsg.): Conceptual<br />
Modeling: Foundations and Applications. Springer, Berlin 2009, S. 363-379.<br />
[Clark Jr, Jones, Armstrong Curtis 2007]<br />
Clark Jr, Thomas D.; Jones, Mary C.; Armstrong Curtis, P.: The Dynamic<br />
<strong>St</strong>ructure of Management Support Systems: Theory Development, Research<br />
Focus, and Direction. In: MIS Quarterly 31 (2007) 3, S. 579-615.<br />
[Cykana, Paul, <strong>St</strong>ern 1996]<br />
Cykana, Phil; Paul, Alta; <strong>St</strong>ern, Miranda: DOD guidelines on data quality management.<br />
In: Wang, Richard Y. (Hrsg.): Proceedings of MIT IQ Conference<br />
1996, S. 154-171.<br />
[Dale 2001]<br />
Dale, Adrian: Designing Taxonomies at Unilever. In: Knowledge Management<br />
Review Vol. 3 (2001) Issue 6, S. 30-34.<br />
[DAMA 2009]<br />
DAMA: The DAMA Guide to the Data Management Body of Knowledge.<br />
Technics Publications, New Jersey 2009.
164 Literatur<br />
[Darke, Shanks 1996]<br />
Darke, Peta; Shanks, Graeme: <strong>St</strong>akeholder Viewpoints in Requirements Definition:<br />
A Framework for Understanding Viewpoint Development Approaches. In:<br />
Requirements Engineering 1 (1996) 2, S. 88-105.<br />
[Davis 1993]<br />
Davis, Alan M.: Software Requirements: Objects, Functions, and <strong>St</strong>ates. Prentice<br />
Hall, Upper Saddle River 1993.<br />
[Davis 1989]<br />
Davis, Fred D.: Perceived Usefulness, Perceived Ease of Use, and User Acceptance<br />
of Information Technology. In: MIS Quartely 13 (1989) 3, S. 318-340.<br />
[Dempsey, Heery 1998]<br />
Dempsey, Lorcan; Heery, Rachel: Metadata: A Current View of Practice and<br />
Issues. In: Journal of Documentation 54 (1998) 2, S. 145-172.<br />
[Deng et al. 2008]<br />
Deng, Xiaodong; Doll, William J.; Al-Gahtani, Said S.; Larsen, Tor J.; Pearson,<br />
John Michael; Raghunathan, T. S.: A Cross-Cultural Analysis of the End-User<br />
Computing Satisfaction Instrument: A Multi-Group Invariance Analysis. In: Information<br />
& Management 45 (2008), S. 211-220.<br />
[Dhaliwal, Benbasat 1996]<br />
Dhaliwal, Jasbir S.; Benbasat, Izak: The Use and Effects of Knowledge-based<br />
System Explanations: Theoretical Foundations and a Framework for Empirical<br />
Evaluation. In: Information Systems Research 7 (1996) 3, S. 343-362.<br />
[Dietz 2006]<br />
Dietz, Jan L. G.: Enterprise Ontology - Theory and Methodology. Springer,<br />
Berlin 2006.<br />
[Dietz 2007]<br />
Dietz, Jan L. G.: Architecture. Building <strong>St</strong>rategy into Design. Academic Service,<br />
The Hague 2007.<br />
[Dinter 2002]<br />
Dinter, Barbara: <strong>Metadaten</strong>management: Ein Plan zur "Schatzsuche". In: von<br />
Maur, Eitel; Winter, Robert (Hrsg.): Proceedings of Data Warehousing 2002,<br />
Friedrichshafen 2002, S. 173-191.<br />
[Djamasbi, <strong>St</strong>rong, Dishaw 2010]<br />
Djamasbi, Soussan; <strong>St</strong>rong, Diane M.; Dishaw, Mark: Affect and Acceptance:<br />
Examining the Effects of Positive Mood on the Technology Acceptance Model.<br />
In: Decision Support Systems 48 (2010), S. 383-394.<br />
[Dziuban, Shirkey 1974]<br />
Dziuban, Charles D.; Shirkey, Edwin C.: When is a Correlation Matrix Appropriate<br />
for Factor Analysis In: Psychological Bulletin 81 (1974) 6, S. 358-361.<br />
[Edmunds, Morris 2000]<br />
Edmunds, Angela; Morris, Anne: The Problem of Information Overload in<br />
Business Organisations: a Review of the Literature. In: International Journal of<br />
Information Management 20 (2000) 1, S. 17-28.<br />
[Eickhoff 1999]<br />
Eickhoff, Birgit: Gleichstellung von Frauen und Männern in der Sprache. In:<br />
Sprachspiegel 55 (1999) 1, S. 2-6.
Literatur 165<br />
[Elam, Leidner 1995]<br />
Elam, Joyce J.; Leidner, Dorothy G.: EIS Adoption, Use, Impact: The Executive<br />
Perspective. In: Decision Support Systems 14 (1995), S. 89-103.<br />
[Eldridge et al. 2000]<br />
Eldridge, Marge; Lamming, Mik; Flynn, Mike; Jones, Chris; Pendlebury, David:<br />
<strong>St</strong>udies of Mobile Document Work and Their Contributions to the Satchel<br />
Project. In: Personal and Ubiquitous Computing 4 (2000) 2-3, S. 102-112.<br />
[English 1999]<br />
English, Larry P.: Improving Data Warehouse and Business Information Quality:<br />
Methods for Reducing Costs and Increasing Profits. Wiley Computer, New<br />
York 1999.<br />
[Eriksson, Penker 2000]<br />
Eriksson, Hans-Erik; Penker, Magnus: Business Modelling with UML - Business<br />
Patterns at Work. John Wiley & Sons, New York 2000.<br />
[Even, Shankaranarayanan, Watts 2006]<br />
Even, Adir; Shankaranarayanan, Ganesan; Watts, <strong>St</strong>ephanie: Enhancing Decision<br />
Making with Process Metadata: Theoretical Framework, Research Tool,<br />
and Exploratory Examination. In: Sprague, Ralph H. (Hrsg.): Proceedings of<br />
39th Hawaii International Conference on System Sciences, Kauai 2006, S. 1-10.<br />
[Fahrmeier et al. 2007]<br />
Fahrmeier, Ludwig; Künstler, Rita; Pigeot, Iris; Tutz, Gerhard: <strong>St</strong>atistik. 6.<br />
Aufl., Springer, Berlin 2007.<br />
[Felber, Budin 1989]<br />
Felber, Helmut; Budin, Gerhard: Terminologie in Theorie und Praxis. Gunter<br />
Narr, Tübingen 1989.<br />
[Fiedler 1964]<br />
Fiedler, Fred E.: A Contingency Model of Leadership Effectiveness. In: Advances<br />
in Experimental Social Psychology 1 (1964), S. 149-190.<br />
[Financial Times 2008]<br />
Financial Times: Market values and share price on March 30, 2007.<br />
http://www.ft.com/cms/s/0/0224b1f2-264a-11dc-8e18-000b5df10621dwp<br />
_uuid=95d63dfa-257b-11de-b338-000b5df10621.html, Abruf am 03.02.2008.<br />
[Finkelstein et al. 1992]<br />
Finkelstein, Anthony; Kramer, Jeff; Nuseibeh, Bashar Ahmad; Finkelstein, L.;<br />
Goedicke, Michael: Viewpoints: A Framework for Integrating Multiple Perspectives<br />
in System Development. In: International Journal on Software Engineering<br />
and Knowledge Engineering 2 (1992) 1, S. 31-58.<br />
[Fisher, Chengalur-Smith, Ballou 2003]<br />
Fisher, Craig W.; Chengalur-Smith, InduShobha; Ballou, Donald P.: The Impact<br />
of Experience and Time on the Use of Data Quality Information in Decision<br />
Making. In: Information System Research 14 (2003) 2, S. 170-188.<br />
[Foshay 2005]<br />
Foshay, Neil: The Influence of End-user Metadata on User Attitudes toward,<br />
and Use of a Data Warehouse. IBM, Somers 2005.
166 Literatur<br />
[Foshay, Mukherjee, Taylor 2007]<br />
Foshay, Neil; Mukherjee, Avinandan; Taylor, Andrew: Does Data Warehouse<br />
End-User Metadata Add Value In: Communications of the ACM 50 (2007) 11,<br />
S. 70-77.<br />
[Frie, <strong>St</strong>rauch 2001]<br />
Frie, Thorsten; <strong>St</strong>rauch, Bernhard: Die Informationsbedarfsanalyse im Data<br />
Warehousing - ein methodischer Ansatz am Beispiel der Balanced Scorecard.<br />
In: Britzelmaier, B. Geberl S. Weinmann S. (Hrsg.): Proceedings of 3. Liechtensteinisches<br />
Wirtschaftsinformatik-Symposium, <strong>St</strong>uttgart 2001, S. 239-252.<br />
[Gabler 2010]<br />
Gabler: Gabler Wirtschaftslexikon. Gabler, Wiesbaden 2010.<br />
[Gartner 2008]<br />
Gartner: Gartner EXP Worldwide Survey of 1,500 CIOs Shows 85 Percent of<br />
CIOs Expect Significant Change Over Next Three Years.<br />
http://www.gartner.com/it/page.jspid=587309, Abruf am 29.03.2010.<br />
[Gartner 2009]<br />
Gartner: Gartner EXP Worldwide Survey of More than 1,500 CIOs Shows IT<br />
Spending to Be Flat in 2009. http://www.gartner.com/it/page.jspid=855612,<br />
Abruf am 29.03.2010.<br />
[Gartner 2010]<br />
Gartner: Gartner EXP Worldwide Survey of Nearly 1,600 CIOs Shows IT<br />
Budgets in 2010 to be at 2005 Levels. http://www.gartner.com/<br />
it/page.jspid=1283413, Abruf am 16.04.2010.<br />
[Glinz 2007]<br />
Glinz, Martin: On Non-Functional Requirements. In: Glinz, Martin; Heymans,<br />
Patrick (Hrsg.): Proceedings of 15th IEEE International Requirements Engineering<br />
Conference, Delhi 2007, S. 21-26.<br />
[Gluchowski, Gabriel, Dittmar 2008]<br />
Gluchowski, Peter; Gabriel, Roland; Dittmar, Carsten: Management Support<br />
Systems und Business Intelligence - Computergestützte Informationssysteme<br />
für Fach- und Führungskräfte. Springer, Berlin 2008.<br />
[Gluchowski, Kemper 2006]<br />
Gluchowski, Peter; Kemper, Hans-Georg: Quo Vadis Business Intelligence In:<br />
BI-Spektrum 1 (2006) 1, S. 12-19.<br />
[Grady, Caswell 1987]<br />
Grady, Robert B.; Caswell, Deborah L.: Software Metrics: Establishing a Company-wide<br />
Program. Prentice Hall, Upper Saddle River 1987.<br />
[Grant 1996]<br />
Grant, Robert M.: Toward a Knowledge-Based Theory of the Firm. In: <strong>St</strong>rategic<br />
Management Journal 17 (1996) Winter Special Issue, S. 109-122.<br />
[Gregor, Jones 2007]<br />
Gregor, Shirley; Jones, David: The Anatomy of a Design Theory. In: Journal of<br />
the Association for Information Systems 8 (2007) 5, S. 312-335.<br />
[Grochla 1976]<br />
Grochla, Erwin: Praxeologische Organisationstheorie durch sachliche und methodische<br />
Integration. In: Zeitschrift für betriebswirtschaftliche Forschung 28<br />
(1976) 10, S. 617-637.
Literatur 167<br />
[Gutzwiller 1994]<br />
Gutzwiller, Thomas A.: Das CC RIM-Referenzmodell für den Entwurf von betrieblichen,<br />
transaktionsorientierten Informationssystemen. Physica, Heidelberg<br />
1994.<br />
[Hair Jr et al. 2006]<br />
Hair Jr, Joseph F.; Black, William C.; Babin, Barry J.; Anderson, Rolph E.; Tatham,<br />
Ronald L.: Multivariate Data Analysis. 6. Aufl., Prentice Hall, Upper<br />
Saddle River 2006.<br />
[Hales 1986]<br />
Hales, Colin P.: What Do Managers Do A Critical Review of the Evidence. In:<br />
Journal of Management <strong>St</strong>udies 23 (1986) 1, S. 88-115.<br />
[Härdle, Simar 2003]<br />
Härdle, Wolfgang; Simar, Léopold: Applied Multivariate <strong>St</strong>atistical Analysis.<br />
Springer, Berlin 2003.<br />
[Harmsen 1997]<br />
Harmsen, Anton Frank: Situational Method Engineering. Dissertation, University<br />
of Twente, Twente 1997.<br />
[Harper, Sellen 1995]<br />
Harper, Richard; Sellen, Abigail: Collaborative Tools and the Practicalities of<br />
Professional Work at the International Monetary Fund. In: Katz, I. R. et al.<br />
(Hrsg.): Proceedings of Conference on Human Factors in Computing Systems,<br />
Denver 1995, S. 122-129.<br />
[Hayes 2000]<br />
Hayes, Diane S.: Evaluation and Application of a Project Charter Template to<br />
Improve the Project Planning Process. In: Process Management Journal 31<br />
(2000) 1, S. 14-23.<br />
[Heutschi 2007]<br />
Heutschi, Roger: Serviceorientierte Architektur. Dissertation, Universität <strong>St</strong>.<br />
<strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong> 2007.<br />
[Hevner, Chatterjee 2010]<br />
Hevner, Alan R.; Chatterjee, Samir: Design Research in Information Systems:<br />
Theory and Practice. Springer, Berlin 2010.<br />
[Hevner et al. 2004]<br />
Hevner, Alan R.; March, Salvatore T.; Park, Jinsoo; Ram, Sudha: Design<br />
Science in Information Systems Research. In: MIS Quarterly 28 (2004) 1, S.<br />
75-105.<br />
[Hoogervorst 2009]<br />
Hoogervorst, Jan A. P.: Enterprise Governance and Enterprise Engineering.<br />
Springer, Berlin 2009.<br />
[Horváth 2006]<br />
Horváth, Péter: Controlling. 10. Aufl., Franz Vahlen, München 2006.<br />
[Houdeshel, Watson 1987]<br />
Houdeshel, George; Watson, Hugh J.: The Management Information and Decision<br />
Support (MIDS) System at Lockheed-Georgia. In: MIS Quarterly 11<br />
(1987) 1, S. 127-140.
168 Literatur<br />
[Huber 1983]<br />
Huber, Georg P.: Cognitive <strong>St</strong>yle as a Basis for MIS and DSS design: Much<br />
Ado about Nothing In: Management Science 29 (1983) 5, S. 567-579.<br />
[Hüner, Otto 2009]<br />
Hüner, Kai M.; Otto, Boris: The Effect of Using a Semantic Wiki for Metadata<br />
Management: A Controlled Experiment. In: Sprague, Ralph H. (Hrsg.): Proceedings<br />
of 42nd Hawaii International Conference on System Sciences, Waikoloa<br />
2009, S. 1-9.<br />
[Huysmans 1970a]<br />
Huysmans, Jan H. B. M.: The Effectiveness of the Cognitive-<strong>St</strong>yle Constraint<br />
in Implementing Operations Research Proposals. In: Management Science 17<br />
(1970a) 1, S. 92-104.<br />
[Huysmans 1970b]<br />
Huysmans, Jan H. B. M.: The Implementation of Operations Research. John<br />
Wiley & Sons, New York 1970b.<br />
[IEEE 1990]<br />
IEEE: IEEE <strong>St</strong>andard Glossary of Software Engineering Terminology. IEEE<br />
Computer Society, New York 1990.<br />
[IEEE 2000]<br />
IEEE: IEEE Recommended Practice for Architectural Description of Software<br />
Intensive Systems (IEEE <strong>St</strong>d 1471-2000). IEEE Computer Society, New York<br />
2000.<br />
[IFPUG 2010]<br />
IFPUG: Function Point Counting Practices Manual - Release 4.3.1. International<br />
Function Point User Group (IFPUG), Princetion Junction 2010.<br />
[Inmon, O'Neil, Fryman 2008]<br />
Inmon, William H.; O'Neil, Bonnie; Fryman, Lowell: Business Metadata - Capturing<br />
Enterprise Knowledge. Morgan Kaufmann, San Francisco 2008.<br />
[Inmon, <strong>St</strong>rauss, Neushloss 2008]<br />
Inmon, William H.; <strong>St</strong>rauss, Derek; Neushloss, Genia: DW 2.0: The Architecture<br />
for the Next Generation of Data Warehousing. Elsevier Science, Amsterdam<br />
2008.<br />
[ISO 1999]<br />
ISO: ISO 12620:1999 Computer applications in terminology -- Data categories.<br />
International Organization for <strong>St</strong>andardization, Genf 1999.<br />
[Jarke et al. 2000]<br />
Jarke, Matthias; Lenzerini, Maurizio; Vassiliou, Yannis; Vassiliadis, Panos:<br />
Fundamentals of Data Warehouses. Springer, Berlin 2000.<br />
[JBoss 2008]<br />
JBoss: MetaMatrix Enterprise Data Services Platform. http://www.jboss.com/<br />
pdf/0508_MetaMatrixFAQ.pdf, Abruf am 12.11.2010.<br />
[Jung 1959]<br />
Jung, Carl: Psychological Types. Pantheon Books, New York 1959.<br />
[Jung 2006]<br />
Jung, Reinhard: Architekturen zur Datenintegration. Gestaltungsempfehlungen<br />
auf der Basis fachkonzeptueller Anforderungen. Deutscher Universitäts-Verlag,<br />
Wiesbaden 2006.
Literatur 169<br />
[Kaiser 1958]<br />
Kaiser, Henry F.: The Varimax Criterion for Analytic Rotation in Factor Analysis.<br />
In: Psychometrika 23 (1958) 3, S. 187-200.<br />
[Kaiser, Dickman 1959]<br />
Kaiser, Henry F.; Dickman, Kern W.: Analytic Determination of Common Factors.<br />
In: American Psychological Reports 14 (1959), S. 425-430.<br />
[Kelly 1988]<br />
Kelly, J. N.: Executive Information Systems. In: Patricia Seybold's Office<br />
Computing Report 11 (1988) 12, S. 77-83.<br />
[Kemper 1999]<br />
Kemper, Hans-Georg: Architektur und Gestaltung von Management-<br />
Unterstützungssystemen - Von isolierten Einzelsystemen zum integrierten Gesamtansatz.<br />
Teubner, Wiesbaden 1999.<br />
[Kemper, Mehanna, Unger 2006]<br />
Kemper, Hans-Georg; Mehanna, Walid; Unger, Carsten: Business Intelligence -<br />
Grundlagen und praktische Anwendungen. 2. Aufl., Friedrich Vieweg & Sohn,<br />
Wiesbaden 2006.<br />
[Kemper, Pedell 2008]<br />
Kemper, Hans-Georg; Pedell, Burkhard: Business Intelligence im Controlling -<br />
Ergebnisse einer empirischen <strong>St</strong>udie. Arbeitsbericht, Lehrstühle Wirtschaftsinformatik<br />
1 und Controlling, Universität <strong>St</strong>uttgart, <strong>St</strong>uttgart 2008.<br />
[Kieser, Kubicek 1992]<br />
Kieser, Alfred; Kubicek, Herbert: Organisation. 3. Aufl., De Gruyter, Berlin,<br />
New York 1992.<br />
[Kimball, Ross 2002]<br />
Kimball, Ralph; Ross, Margy: The Data Warehouse Toolkit. 2. Aufl., John Wiley<br />
& Sons, New York 2002.<br />
[Kingston 2001]<br />
Kingston, Geoffrey: Cost Benefit Analysis in Theory and Practice. In: The Australian<br />
Economic Review 34 (2001) 4, S. 478-487.<br />
[Koegler 2010]<br />
Koegler, Scott: Embracing a Metadata <strong>St</strong>rategy. http://www.ciostrategycenter.<br />
com/Res/analytics/embracing_metadata_strat/index.html, Abruf am 06.05.2010.<br />
[KOFRAH 2005]<br />
KOFRAH, Konferenz der Gleichstellungs-und Frauenbeauftragten an Schweizer<br />
Universitäten und Hochschulen: Zielsetzung. http://www.unige.ch/<br />
rectorat/codefuhes/kofrah-index_fichiers/Page394.htm, Abruf am 24.07.2009.<br />
[Koroknay 1993]<br />
Koroknay, Jeffrey W.: Software Development Using Process Project Management.<br />
In: Proceedings of PMI Seminar/Symposium, San Diego 1993, S. 544-<br />
552.<br />
[Kotonya 1999]<br />
Kotonya, Gerald: Practical Experience with Viewpoint-Oriented Requirements<br />
Specification. In: Requirements Engineering 4 (1999) 3, S. 115-133.<br />
[Kotonya, Sommerville 1992]<br />
Kotonya, Gerald; Sommerville, Ian: Viewpoints for Requirements Definition.<br />
In: Software Engineering Journal 7 (1992) 6, S. 375-387.
170 Literatur<br />
[Kotonya, Sommerville 1998]<br />
Kotonya, Gerald; Sommerville, Ian: Requirements Engineering: Processes and<br />
Techniques. John Wiley & Sons, New York 1998.<br />
[Kremer, Kolbe, Brenner 2003]<br />
Kremer, <strong>St</strong>efan; Kolbe, Lutz M.; Brenner, Walter: Do you know your terms -<br />
A procedure model for Terminology Management. In: Proceedings of European<br />
Conference on Information Systems, Neapel 2003, S. 1-16.<br />
[Kubicek 1975]<br />
Kubicek, Herbert: Empirische Organisationsforschung. Poeschel, <strong>St</strong>uttgart<br />
1975.<br />
[Kubicek 1977]<br />
Kubicek, Herbert: Heuristische Bezugsrahmen und heuristisch angelegte Forschungsdesigns<br />
als Elemente einer Konstruktionstheorie empirischer Forschung.<br />
In: Köhler, Richard (Hrsg.): Empirische und handlungstheoretische<br />
Forschungskonzeptionen in der Betriebswirtschaftslehre. Poeschel, <strong>St</strong>uttgart<br />
1977, S. 3-36.<br />
[Kuhlen, Seeger, <strong>St</strong>rauch 2004]<br />
Kuhlen, Rainer; Seeger, Thomas; <strong>St</strong>rauch, Dietmar: Grundlagen der praktischen<br />
Information und Dokumentation. K. G. Saur, München 2004.<br />
[Kumar, Welke 1992]<br />
Kumar, Kuldeep; Welke, Richard J.: Methodology Engineering - A Proposal<br />
for Situation-Specific Methodology Construction. In: Cotterman, William W.;<br />
Senn, James A. (Hrsg.): Challenges and <strong>St</strong>rategies for Research in Systems Development.<br />
John Wiley & Sons, New York 1992, S. 257-269.<br />
[Lamberti, Wallace 1987]<br />
Lamberti, Donna; Wallace, William A.: Presenting Uncertainty in Expert Systems:<br />
An Issue in Information Portrayal. In: Information & Management 13<br />
(1987), S. 159-169.<br />
[Lamming et al. 2000]<br />
Lamming, Mik; Eldridge, Marge; Flynn, Mike; Jones, Chris; Pendlebury, David:<br />
Satchel: Providing Access to Any Document, Any Time, Anywhere. In:<br />
ACM Transactions on Computer-Human Interaction 7 (2000) 3, S. 322-352.<br />
[Landes, <strong>St</strong>uder 1995]<br />
Landes, Dieter; <strong>St</strong>uder, Rudi: The Treatment of Non-Functional Requirements<br />
in MIKE. In: Schäfer, Wilhelm; Botalla, Pere (Hrsg.): Proceedings of European<br />
Software Engineering Conference, Sitges 1995, S. 1-13.<br />
[Laplante 2009]<br />
Laplante, Phillip A.: Requirements Engineering for Software and Systems.<br />
CRC Press, Boca Raton 2009.<br />
[Laudon, Laudon 2006]<br />
Laudon, Kenneth C.; Laudon, Jane P.: Management Information Systems -<br />
Managing the Digital Firm. 10. Aufl., Prentice Hall, Upper Saddle River 2006.<br />
[Lederer, Smith 1988]<br />
Lederer, Albert L.; Smith, George L.: Individual Differences and Decision-<br />
Making Using Various Levels of Aggregation of Information. In: Journal of<br />
Management Information Systems 5 (1988) 3, S. 53-69.
Literatur 171<br />
[Lee et al. 2006]<br />
Lee, Yang W.; Pipino, Leo L.; Funk, James D.; Wang, Richard Y.: Journey to<br />
Data Quality. MIT Press, Boston 2006.<br />
[Lehmann 2001]<br />
Lehmann, P.: Meta-Datenmanagement in Data-Warehouse-Systemen. Rekonstruierte<br />
Fachbegriffe als Grundlage einer konstruktiven, konzeptionellen Modellierung.<br />
Dissertation, Universität Magdeburg, Magdeburg 2001.<br />
[Lehmann, Jaszewski 1999]<br />
Lehmann, Peter; Jaszewski, Johann: Business Terms as a Critical Success Factor<br />
for Data Warehousing. In: Proceedings of CAiSE 1999 - International<br />
Workshop on Design and Management of Data Warehouses, Heidelberg 1999,<br />
S. 1-5.<br />
[Leité, Freeman 1991]<br />
Leité, Julio C. S. P.; Freeman, Peter A.: Requirements Validation Through<br />
Viewpoint Resolution. In: IEEE Transactions on Software Engineering 17<br />
(1991) 12, S. 1253-1269.<br />
[Levine, Siegel 2001]<br />
Levine, Marc; Siegel, Joel: What the Accountant Must Know About Data Warehousing.<br />
In: The CPA Journal 71 (2001) 1, S. 37-42.<br />
[Li, Lu, Zhang 2009]<br />
Li, Niu; Lu, Jie; Zhang, Guangquan: Business Intelligence. In: Li, Niu; Lu, Jie;<br />
Zhang, Guangquan (Hrsg.): Cognition-Driven Decision Support for Business<br />
Intelligence. Springer, Berlin 2009, S. 19-29.<br />
[Luftman, Kempaiah, Rigoni 2009]<br />
Luftman, Jerry N.; Kempaiah, Rajkumar; Rigoni, Eduardo Henrique: Key Issues<br />
for IT Executives 2008. In: MIS Quarterly Executive 8 (2009) 3, S. 151-<br />
159.<br />
[Lux 2010]<br />
Lux, Carsten: Business Metadata Management with ASG-Rochade. Allen Systems<br />
Group, Zurich 2010.<br />
[Mao, Benbasat 2000]<br />
Mao, Ji-Ye; Benbasat, Izak: The Use of Explanations in Knowledge-Based Systems:<br />
Cognitive Perspectives and a Process-Tracing Analysis. In: Journal of<br />
Management Information Systems 17 (2000) 2, S. 153-179.<br />
[March, Hevner 2007]<br />
March, Salvatore T.; Hevner, Alan R.: Integrated Decision Support Systems: A<br />
Data Warehousing Perspective. In: Decision Support Systems 43 (2007) 3, S.<br />
1031-1043.<br />
[March, Smith 1995]<br />
March, Salvatore T.; Smith, Gerald F.: Design and Natural Science Research on<br />
Information Technology. In: Decision Support Systems 15 (1995) 4, S. 251-<br />
266.<br />
[Marco 2000]<br />
Marco, David: Building and Managing the Meta Data Repository. John Wiley<br />
& Sons, New York 2000.
172 Literatur<br />
[Marco, Jennings 2004]<br />
Marco, David; Jennings, Michael: Universal Meta Data Models. John Wiley &<br />
Sons, New York 2004.<br />
[Martinsons, Davison 2007]<br />
Martinsons, Maris G.; Davison, Robert M.: <strong>St</strong>rategic Decision Making and<br />
Support Systems: Comparing American, Japanese and Chinese Management.<br />
In: Decision Support Systems 43 (2007), S. 284-300.<br />
[Maslow 1999]<br />
Maslow, Abraham W.: Motivation und Persönlichkeit. Rowohlt Taschenbuch,<br />
Reinbek 1999.<br />
[Mayer 1999]<br />
Mayer, Jörg H.: Führungsinformationssysteme für die internationale Management-Holding.<br />
Deutscher Universitäts-Verlag, Wiesbaden 1999.<br />
[McClelland 1962]<br />
McClelland, David C.: Business Drive and National Achievement. In: Harvard<br />
Business Review 40 (1962) 4, S. 113-122.<br />
[McCoy, Galletta, King 2007]<br />
McCoy, Scott; Galletta, Dennis F.; King, William R.: Applying TAM across<br />
Cultures: The Need for Caution. In: European Journal of Information Systems<br />
16 (2007) 1, S. 81-90.<br />
[McCracken 2010]<br />
McCracken, Harry: iPad vs. Everything Else. In: PC World 28 (2010) 6, S. 76-<br />
86.<br />
[McKnight 1999]<br />
McKnight, William: Data Warehouse Justification and ROI. In: DM Review 9<br />
(1999) 11, S. 1-3.<br />
[Media Awareness Network 2000]<br />
Media Awareness Network: Knowing What's What and What's Not - The 5 Ws<br />
(and 1 "H") of Cyberspace. http://www.media-awareness.ca/english/resources/<br />
special_initiatives/wa_resources/wa_shared/tipsheets/5Ws_of_cyberspace.cfm,<br />
Abruf am 10.09.2010.<br />
[Melchert 2006]<br />
Melchert, Florian: Integriertes <strong>Metadaten</strong>management: Methode zur Konzeption<br />
von <strong>Metadaten</strong>managementsystemen für das Data Warehousing. Logos, Berlin<br />
2006.<br />
[Millet, Mawhinney 1992]<br />
Millet, Ido; Mawhinney, Charles H.: Executive Information Systems: A Critical<br />
Perspective. In: Information & Management 23 (1992) 2, S. 83-92.<br />
[Mintzberg 1975]<br />
Mintzberg, Henry: The Manager's Job: Folklore and Fact. In: Harvard Business<br />
Review 53 (1975) 4, S. 49-61.<br />
[Mintzberg 1994a]<br />
Mintzberg, Henry: The Rise and Fall of <strong>St</strong>rategic Planning. Prentice Hall, Upper<br />
Saddle River 1994a.
Literatur 173<br />
[Mintzberg 1994b]<br />
Mintzberg, Henry: Rounding out the Manager's Job. In: Sloan Management<br />
Review 36 (1994b) 1, S. 11-26.<br />
[Mosley 2008]<br />
Mosley, Mark: DAMA-DMBOK Functional Framework Version 3. DAMA<br />
International 2008.<br />
[Müller, <strong>St</strong>öhr, Rahm 1999]<br />
Müller, Robert; <strong>St</strong>öhr, Thomas; Rahm, Erhard: An Integrative and Uniform<br />
Model for Metadata Management in Data Warehousing Environments. In: Gatziu,<br />
S. et al. (Hrsg.): Proceedings of International Workshop on Design and<br />
Management of Data Warehouses, Heidelberg 1999, S. 12-28.<br />
[Myers 1976]<br />
Myers, Isabel Briggs: Introduction to Type. Center for Applications of Psychological<br />
Type, Gainesville 1976.<br />
[National Information <strong>St</strong>andards Organization 2004]<br />
National Information <strong>St</strong>andards Organization: Understanding Metadata. NISO<br />
Press, Bethesda 2004.<br />
[Nevo, Wand 2005]<br />
Nevo, Dorit; Wand, Yair: Organizational Memory Information Systems: A<br />
Transactive Memory Approach. In: Decision Support Systems 39 (2005), S.<br />
549-562.<br />
[Niland, Rouse, <strong>St</strong>ahl 2006]<br />
Niland, Joyce C.; Rouse, Layla; <strong>St</strong>ahl, Douglas C.: An Informatics Blueprint for<br />
Healthcare Quality Information Systems. In: Journal of the American Medical<br />
Informatics Association 13 (2006) 4, S. 402-417.<br />
[Nord, Nord 1995]<br />
Nord, Jeretta Horn; Nord, G. Daryl: Executive Information Systems: A <strong>St</strong>udy<br />
and Comparative Analysis. In: Information & Management 29 (1995) 2, S. 95-<br />
106.<br />
[Nutt 1986]<br />
Nutt, Paul C.: Evaluating MIS Design Principles. In: MIS Quarterly 10 (1986)<br />
2, S. 139-158.<br />
[O'Neil 2007]<br />
O'Neil, Bonnie: Semantics and Business Meta-Data. http://www.tdan.com/<br />
view-articles/4934, Abruf am 24.02.2010.<br />
[Ortner 1997]<br />
Ortner, Erich: Methodenneutraler Fachentwurf: zu den Grundlagen anwendungsorientierter<br />
Informatik. B. G. Teubner Verlagsgesellschaft, <strong>St</strong>uttgart 1997.<br />
[Paech, Kerkow 2004]<br />
Paech, Barbara; Kerkow, Daniel: Non-Functional Requirements Engineering -<br />
Quality is Essential. In: Proceedings of Requirements Engineering: Foundation<br />
for Software Quality, Riga 2004, S. 27-40.<br />
[Pappas 1988]<br />
Pappas, K.: Executive Information Systems Help Senior Exes Manage More<br />
Effectively. In: PC Week 16 (1988) 2, S. 16.
174 Literatur<br />
[Peffers et al. 2006]<br />
Peffers, Ken; Tuunanen, Tuure; Gengler, Charles E.; Rossi, Matti; Hui, Wendy;<br />
Virtanen, Ville; Bragge, Johanna: The Design Science Research Process: A<br />
Model for Producing and Presenting Information Systems Research. In: Chatterjee,<br />
Samir; Hevner, Alan (Hrsg.): Proceedings of 1st International Conference<br />
on Design Science in Information Systems and Technology, Claremont<br />
2006, S. 83-106.<br />
[Peffers et al. 2007]<br />
Peffers, Ken; Tuunanen, Tuure; Rothenberger, Marcus A.; Chatterjee, Samir: A<br />
Design Science Research Methodology for Information Systems Research. In:<br />
Journal of Management Information Systems 24 (2007) 3, S. 45–77.<br />
[Pettey, <strong>St</strong>evens 2010]<br />
Pettey, Christy; <strong>St</strong>evens, Holly: Gartner EXP Worldwide Survey of Nearly<br />
1,600 CIOs Shows IT Budgets in 2010 to be at 2005 Levels.<br />
http://www.gartner.com/it/page.jspid=1283413, Abruf am 16.04.2010.<br />
[Pfeffer, Salancik 2003]<br />
Pfeffer, Jeffrey; Salancik, Gerald R.: The External Control of Organizations: A<br />
Resource Dependence Perspective. <strong>St</strong>anford University Press, <strong>St</strong>anford 2003.<br />
[Pijpers et al. 2001]<br />
Pijpers, Augustinus G. M.; Bemelmanns, Theo M. A.; Heemstra, Fred; van<br />
Montfort, Kees A. G. M.: Senior Executive use of information technology. In:<br />
Information and Software Technology 43 (2001) 1, S. 959-971.<br />
[Pipe 1997]<br />
Pipe, Pamela: The Data Mart: A New Approach to Data Warehousing. In: International<br />
Review of Law Computers 11 (1997) 2, S. 251-261.<br />
[Pollert, Kirchner, Polzin 2001]<br />
Pollert, Achim; Kirchner, Bernd; Polzin, Javier Morato: Das Lexikon der Wirtschaft:<br />
Grundlegendes Wissen von A bis Z. Dudenverlag, Mannheim 2001.<br />
[Powell, Johnson 1995]<br />
Powell, Philip L.; Johnson, Johnnie E. V.: Gender and DSS Design: The Research<br />
Implications. In: Decision Support Systems 14 (1995), S. 27-58.<br />
[Power 2008]<br />
Power, Daniel J.: Decision Support Systems: A Historical Overview. In: Burstein,<br />
Frada; Holsapple, Clyde W. (Hrsg.): Handbook on Decision Support Systems<br />
1: Basic Themes. Springer, Berlin 2008, S. 121-140.<br />
[Price, Shanks 2005]<br />
Price, Rosanne; Shanks, Graeme: A Semiotic Information Quality Framework:<br />
Development and Comparative Analysis. In: Journal of Information Technology<br />
20 (2005) 2, S. 88-102.<br />
[Project Management Institute 2004]<br />
Project Management Institute: A Guide to the Project Management Body of<br />
Knowledge. 3. Aufl., Project Management Institute, Newtown Square 2004.<br />
[Rainer, Watson 1995]<br />
Rainer, R. Kelly; Watson, Hugh J.: What Does It Take for Successful Executive<br />
Information Systems In: Decision Support Systems 14 (1995) 2, S. 147-156.
Literatur 175<br />
[Raskino, Lopez 2008]<br />
Raskino, Mark; Lopez, Jorge: The Gartner/Forbes Executive Survey. Gartner,<br />
<strong>St</strong>amford 2008.<br />
[Robertson, Robertson 2006]<br />
Robertson, Suzanne; Robertson, James: Mastering Requirements Engineering.<br />
Addison-Wesley, Boston 2006.<br />
[Rockart, Treacy 1989]<br />
Rockart, John F.; Treacy, Michael E.: The CEO goes on-line. In: Nelson, Ryan<br />
R. (Hrsg.): End-user computing: Concepts, issues, and applications. John Wiley<br />
& Sons, New York 1989, S. 55-64.<br />
[Rossi, Sein 2003]<br />
Rossi, Matti; Sein, Maung K.: Design Research Workshop: A Proactive Research<br />
Approach. http://www.cis.gsu.edu/~emonod/epistemology/Sein%20and<br />
%20Rossi%20-%20design%20research%20-%20IRIS.pdf, Abruf am<br />
10.10.2009.<br />
[Rowe, Boulgarides 1983]<br />
Rowe, Alan J.; Boulgarides, James D.: Decision <strong>St</strong>yles - A Perspective. In:<br />
Leadership & Organizational Development Journal 4 (1983) 4, S. 3-9.<br />
[Rowe, Boulgarides 1992]<br />
Rowe, Alan J.; Boulgarides, James D.: Managerial Decision Making: A Guide<br />
to Successful Business Decisions. Macmillan, New York 1992.<br />
[Sabherwal, Jeyaraj, Chowa 2006]<br />
Sabherwal, Rajiv; Jeyaraj, Anand; Chowa, Charles: Information System Success:<br />
Individual and Organizational Determinants. In: Management Science 52<br />
(2006) 12, S. 1849-1864.<br />
[Saenz et al. 2009]<br />
Saenz, Oscar A.; Chen, Chin-Sheng; Centeno, Martha; Giachetti, Ronald E.:<br />
Defining Enterprise Systems Engineering. In: International Journal of Industrial<br />
and Systems Engineering 4 (2009) 5, S. 483-501.<br />
[SAP 2008]<br />
SAP: SAP BusinessObjects Metadata Management. http://download.sap.com/<br />
solutions/sapbusinessobjects/brochures/download.epdcontext=<br />
3DA2F0FFF18907F833951E803A2D13F06F8ED8122EEFF0DC<br />
E14406763FE034365524A835D3720F6FD960E65FE6734DF7E232F6EA266<br />
BB48, Abruf am 12.11.2010.<br />
[Schmaltz 2009]<br />
Schmaltz, Moritz: Methode zur Messung und <strong>St</strong>eigerung der individuellen Akzeptanz<br />
von Informationslogistik in Unternehmen. Dissertation, Universität <strong>St</strong>.<br />
<strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong> 2009.<br />
[Schubert, Klein 2006]<br />
Schubert, Klaus; Klein, Martina: Das Politiklexikon. Dietz, Bonn 2006.<br />
[Schulze et al. 2009]<br />
Schulze, Klaus-Dieter; Besbak, Ursula; Dinter, Barbara; Overmeyer, Alexander;<br />
Schulz-Sacharow, Christoph; <strong>St</strong>enzel, Elmar: Business Intelligence-<strong>St</strong>udie<br />
2009. <strong>St</strong>eria Mummert Consulting AG, Hamburg 2009.
176 Literatur<br />
[Schwarz, <strong>St</strong>rauch, Rowohl 2000]<br />
Schwarz, <strong>St</strong>efan; <strong>St</strong>rauch, Bernhard; Rowohl, Frederic: Entwicklung einer integrierten<br />
<strong>Metadaten</strong>management-Lösung für das Data Warehousing. Universität<br />
<strong>St</strong>. <strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong> 2000.<br />
[Scott Morton 1984]<br />
Scott Morton, Michael S.: Management Decision Systems: Computer-Based<br />
Support for Desicion Making. In: McFarlan, F. Warren (Hrsg.): The Information<br />
Research Challenge. Harvard University Press, Boston 1984, S. 13-41.<br />
[Seeley, Targett 1999]<br />
Seeley, Monica; Targett, David: Patterns of Senior Executives' Personal Use of<br />
Computers. In: Information & Management 35 (1999), S. 315-330.<br />
[Sen 2004]<br />
Sen, Arun: Metadata Management: Past, Present, and Future. In: Decision Support<br />
Systems 37 (2004) 1, S. 151-173.<br />
[Sena, Olson 1996]<br />
Sena, James A.; Olson, Dag H.: Decision Support for the Administrative Man:<br />
A Prototype DSS Case. In: European Journal of Information Systems 5 (1996),<br />
S. 10-23.<br />
[Shankaranarayanan, Even 2004]<br />
Shankaranarayanan, Ganesan; Even, Adir: Managing Metadata in Data Warehouses:<br />
Pitfalls and Possibilities. In: Communications of the Association for Information<br />
Systems 14 (2004), S. 247-274.<br />
[Shankaranarayanan, Even 2006]<br />
Shankaranarayanan, Ganesan; Even, Adir: The metadata enigma. In: Communications<br />
of the ACM 49 (2006) 2, S. 88-94.<br />
[Shankaranarayanan, Even, Watts 2006]<br />
Shankaranarayanan, Ganesan; Even, Adir; Watts, <strong>St</strong>ephanie: The Role of<br />
Process Metadata and Data Waulity Perceptions in Decision Making: An Empirical<br />
Framework and Investigation. In: Journal of Information Technology<br />
Management 17 (2006) 1, S. 51-68.<br />
[Shankaranarayanan, Watts 2003]<br />
Shankaranarayanan, Ganesan; Watts, <strong>St</strong>ephanie: A Relevant Believable Approach<br />
for Data Quality Assessment. In: Eppler, Martin et al. (Hrsg.): Proceedings<br />
of International Conference on Information Quality (IQ 2003), Boston<br />
2003, S. 178-189.<br />
[Shankaranarayanan, Ziad, Wang 2003]<br />
Shankaranarayanan, Ganesan; Ziad, Mostapha; Wang, Richard Y.: Managing<br />
Data Quality in Dynamic Decision Environments: An Information Product Approach.<br />
In: Journal of Database Management 14 (2003) 4, S. 14-32.<br />
[Simon 1955]<br />
Simon, Herbert A.: A Behavioral Model of Rational Choice. In: The Quarterly<br />
Journal of Economics 69 (1955) 1, S. 99-118.<br />
[SOA 2009]<br />
SOA: Repository Manager. http://www.soa.com/Resource_Center/Data_Sheets/<br />
data_SOA_RepositoryManager.pdf, Abruf am 12.11.2010.<br />
[Sommerville 2010]<br />
Sommerville, Ian: Software Engineering. 6. Aufl., Pearson, München 2010.
Literatur 177<br />
[Spender 1996]<br />
Spender, John-Christopher: Making Knowledge the Basis of a Dynamic Theory<br />
of the Firm. In: <strong>St</strong>rategic Management Journal 17 (1996) Winter Special Issue,<br />
S. 45-62.<br />
[<strong>St</strong>edman 1999]<br />
<strong>St</strong>edman, Craig: Metadata. In: Computerworld 33 (1999) 42, S. 74.<br />
[<strong>St</strong>elzer 2009]<br />
<strong>St</strong>elzer, Dirk: Enterprise Architecture Principles: Literature Review and Research<br />
Directions. In: Aier, <strong>St</strong>ephan; Schelp, Joachim; Schönherr, Marten<br />
(Hrsg.): Proceedings of Workshop on Trends in Enterprise Architecture Research,<br />
<strong>St</strong>ockholm 2009, S. 21-35.<br />
[<strong>St</strong>ock, Gubler 2009]<br />
<strong>St</strong>ock, Daniel; Gubler, Philipp: A Data Model for Terminology Management of<br />
Analytical Information. In: Albano, Valentina; Mola, Lapo; D'Atri, Alessandro<br />
(Hrsg.): Proceedings of European <strong>St</strong>udents Workshop on Information Systems<br />
2009 (ESWIS 2009), Verona 2009, S. 1-14.<br />
[Tannenbaum 2002]<br />
Tannenbaum, Adrienne: Metadata Solutions: Using Metamodels, Repositories,<br />
XML, and Enterprise Portals to Generate Information on Demand. Addison-<br />
Wesley, Boston 2002.<br />
[Thomas 1987]<br />
Thomas, Charles R.: Field Independence and Myers-Briggs Thinking Individuals.<br />
In: Perceptual and Motor Skills 57 (1987) 3, S. 790.<br />
[Thompson 2004]<br />
Thompson, Bruce: Exploratory and Confirmatory Factor Analysis: Understanding<br />
Concepts and Applications. American Psychological Association, Washington,<br />
DC 2004.<br />
[Tozer 1999]<br />
Tozer, Guy: Metadata Management for Information Control and Business Success.<br />
Artech House, Norwood 1999.<br />
[Tractinsky, Meyer 1999]<br />
Tractinsky, Noam; Meyer, Joachim: Chartjunk or Goldgraph Effects of Presentation<br />
Objectives and Content Desirability on Information Presentation. In:<br />
MIS Quarterly 23 (1999) 3, S. 397-420.<br />
[Triano 2002]<br />
Triano, Richard M.: Metadata Projects – A Yardstick Toward Success. Database<br />
Design Solutions, Bernardsville 2002.<br />
[Tuomi 1999]<br />
Tuomi, Ilkka: Data is More Than Knowledge: Implications of the Reversed<br />
Knowledge Hierarchy for Knowledge Management and Organizational Memory.<br />
In: Journal of Management Information Systems 16 (1999) 3, S. 107-121.<br />
[Ulrich, Barney 1984]<br />
Ulrich, David; Barney, Jay B.: Perspectives in Organizations: Resource Dependence,<br />
Efficiency, and Population. In: The Academy of Management Review 9<br />
(1984) 3, S. 471-481.
178 Literatur<br />
[Vaduva, Vetterli 2001]<br />
Vaduva, Anca; Vetterli, Thomas: Metadata Management for Data Warehousing:<br />
An Overview. In: International Journal of Cooperative Information Systems<br />
10 (2001) 3, S. 273-298.<br />
[Vaishnavi, Kuechler 2007]<br />
Vaishnavi, Vijay K.; Kuechler, William, Jr.: Design Science Research Methods<br />
and Patterns: Innovating Information and Communication Technology. Auerbach<br />
Publications, New York 2007.<br />
[van Lamsweerde 2001]<br />
van Lamsweerde, Axel: Goal-Oriented Requirements Engineering: A Guided<br />
Tour. In: Society, IEEE Computer (Hrsg.): Proceedings of 5th IEEE International<br />
Symposium on Requirements Engineering, Toronto 2001, S. 249-263.<br />
[van Slooten, Hodes 1996]<br />
van Slooten, Kees; Hodes, Bert: Characterizing IS Development Projects. In:<br />
Brinkkemper, Sjaak; Lyytinen, Kalle; Welke, Richard J. (Hrsg.): Proceedings of<br />
Working Conference on Method Engineering, Atlanta 1996, S. 29-44.<br />
[Vandenbosch, Huff 1997]<br />
Vandenbosch, Betty; Huff, Sid L.: Searching and Scanning: How Executives<br />
Obtain Information from Executive Information Systems. In: MIS Quarterly 21<br />
(1997) 1, S. 81-107.<br />
[Venkatesh, Davis 2000]<br />
Venkatesh, Viswanath; Davis, Fred D.: A Theoretical Extension of the Technology<br />
Acceptance Model: Four Longitudinal Field <strong>St</strong>udies. In: Management<br />
Science 46 (2000) 2, S. 186-204.<br />
[Venkatesh et al. 2003]<br />
Venkatesh, Viswanath; Morris, Michael G.; Davis, Gordon Bitter; Davis, Fred<br />
D.: User Acceptance of Information Technology: Toward A Unified View. In:<br />
MIS Quarterly 27 (2003) 3, S. 425-478.<br />
[vom Brocke 2007]<br />
vom Brocke, Jan: Design Principles for Reference Modeling - Reusing Information<br />
Models by Means of Aggregation, Specialization, Instantiation, and<br />
Analogy. In: Fettke, Peter; Loos, Peter (Hrsg.): Reference Modeling for Business<br />
Systems Analysis. Idea Group, Hershey 2007, S. 47-75.<br />
[vom Brocke, Buddendick 2006]<br />
vom Brocke, Jan; Buddendick, Christian: Reusable Conceptual Models - Requirements<br />
Based on the Design Science Research Paradigm. In: Chatterjee,<br />
Samir; Hevner, Alan (Hrsg.): Proceedings of DESRIST 2006, Claremont 2006,<br />
S. 576-604.<br />
[vom Brocke et al. 2009]<br />
vom Brocke, Jan; Simons, Alexander; Niehaves, Björn; Riemer, Kai; Plattfaut,<br />
Ralf; Cleven, Anne: Reconstructing the Giant: On the Importance of Rigour in<br />
Documenting the Literature Search Process. In: Newell, Sue et al. (Hrsg.): Proceedings<br />
of 17th European Conference On Information Systems, Verona 2009,<br />
S. 2206–2217.<br />
[Wall 1993]<br />
Wall, Kent D.: A Model of Decision Making under Bounded Rationality. In:<br />
Journal of Economic Behavior and Organization 21 (1993), S. 331-352.
Literatur 179<br />
[Walls, Widmeyer, El Sawy 1992]<br />
Walls, Joseph G.; Widmeyer, George R.; El Sawy, Omar A.: Building an Information<br />
System Design Theory for Vigilant EIS. In: Information Systems Research<br />
3 (1992) 1, S. 36-59.<br />
[Walstrom, Wilson 1997]<br />
Walstrom, Kent A.; Wilson, Rick L.: An Examination of Information Systems<br />
(EIS) Users. In: Information & Management 32 (1997), S. 75-83.<br />
[Walter, Lopez 2008]<br />
Walter, Zhiping; Lopez, Melissa Succi: Physician Acceptance of Information<br />
Technologies: Role of Perceived Threat to Professional Autonomy. In: Decision<br />
Support Systems 46 (2008), S. 206-215.<br />
[Wand, Wang 1996]<br />
Wand, Yair; Wang, Richard Y.: Anchoring Data Quality Dimensions in Ontological<br />
Foundations. In: Communications of the ACM 39 (1996) 11, S. 86-95.<br />
[Wang 1998]<br />
Wang, Richard Y.: A Product Perspective on Total Data Quality Management.<br />
In: Communications of the ACM 41 (1998) 2, S. 58-65.<br />
[Wang et al. 1998]<br />
Wang, Richard Y.; Lee, Yang W.; Pipino, Leo L.; <strong>St</strong>rong, Diane M.: Manage<br />
Your Information as a Product. In: Sloan Management Review 39 (1998) 4, S.<br />
95-105.<br />
[Wang, <strong>St</strong>rong 1996]<br />
Wang, Richard Y.; <strong>St</strong>rong, Diane M.: Beyond Accuracy: What Data Quality<br />
Means to Data Consumers. In: Journal of Management Information Systems 12<br />
(1996) 4, S. 5-34.<br />
[Warmouth, Yen 1992]<br />
Warmouth, Michael T.; Yen, David: A Detailed Analysis of Executive Information<br />
Systems. In: International Journal of Information Management 12 (1992),<br />
S. 192-208.<br />
[Waters 2010]<br />
Waters, John K.: Enter the iPAD (or not). In: T.H.E. Journal 37 (2010) 6, S.<br />
38-45.<br />
[Watson et al. 1995]<br />
Watson, Hugh J.; Watson, Richard T.; Singh, Sanjay; Holmes, David T.: Development<br />
Practises of Executive Information Systems: Findings of a Field<br />
<strong>St</strong>udy. In: Decision Support Systems 14 (1995), S. 171-184.<br />
[Webster, Watson 2002]<br />
Webster, Jane; Watson, Richard T.: Analyzing the Past to prepare for the Future:<br />
Writing a Literature Review. In: MIS Quarterly 26 (2002) 2, S. 13-23.<br />
[Wegener 2007]<br />
Wegener, Hans: Aligning Business and IT with Metadata - The Financial Services<br />
Way. Wiley & Sons 2007.<br />
[Wegener, Auth 2002]<br />
Wegener, Hans; Auth, Gunnar: Die Swiss Re Data Language - Erfahrungen mit<br />
Terminologiemanagement im Rahmen des Data Warehousing. In: von Maur,<br />
Eitel; Winter, Robert (Hrsg.): Proceedings of Data Warehousing 2002, Friedrichshafen<br />
2002, S. 193-213.
180 Literatur<br />
[Wernerfelt 1984]<br />
Wernerfelt, Birger: A Resource-Based View of the Firm. In: <strong>St</strong>rategic Management<br />
Journal 5 (1984) 2, S. 171-180.<br />
[West, Hess 2002]<br />
West, Lawrence A.; Hess, Traci J.: Metadata as a Knowledge Management<br />
Tool: Supporting Intelligent Agent and End User Access to Spatial Data. In:<br />
Decision Support Systems 32 (2002), S. 247-264.<br />
[Whitman, Mattord 2007]<br />
Whitman, Michael R.; Mattord, Herbert H.: Principles of Information Security.<br />
3. Aufl., Course Technology, Boston 2007.<br />
[Willcocks, Whitley, Avgerou 2008]<br />
Willcocks, Leslie P.; Whitley, Edgar A.; Avgerou, Chrisanthi: The Ranking of<br />
Top IS Journals: A Perspective from the London School of Economics. In: European<br />
Journal of Information Systems 17 (2008), S. 163–168.<br />
[Winter 2008]<br />
Winter, Robert: Design Science Research in Europe. In: European Journal of<br />
Information Systems 17 (2008) 5, S. 470-475.<br />
[Winter et al. 2007]<br />
Winter, Robert; Baskerville, Richard; Frank, Ulrich; Heinzl, Armin; Hevner,<br />
Alan R.; Venable, John R.: Relevance and Rigour - What are Acceptable <strong>St</strong>andards<br />
and How are they Influenced In: Wirtschaftsinformatik 49 (2007) 5, S.<br />
403-409.<br />
[Winter, Fischer 2007]<br />
Winter, Robert; Fischer, Ronny: Essential Layers, Artifacts, and Dependencies<br />
of Enterprise Architecture. In: Journal of Enterprise Architecture 3 (2007) 2, S.<br />
7-18.<br />
[Winter, Gericke, Bucher 2009]<br />
Winter, Robert; Gericke, Anke; Bucher, Tobias: Method versus Model – Two<br />
Sides of the Same Coin In: Albani, A.; et al. (Hrsg.): Proceedings of CIAO!<br />
2009 and EOMAS 2009, Amsterdam 2009, S. 1-15.<br />
[Winter, Jung 2002]<br />
Winter, Robert; Jung, Reinhard: Justification of Data Warehousing Projects. In:<br />
Becker, Shirley A. (Hrsg.): Data Warehousing & Web Engineering. IRM Press,<br />
Hershey 2002, S. 219-228.<br />
[Winter, <strong>St</strong>rauch 2004]<br />
Winter, Robert; <strong>St</strong>rauch, Bernhard: Information Requirements Engineering for<br />
Data Warehouse Systems. In: Haddad, Hisham M. (Hrsg.): Proceedings of Applied<br />
Computing 2004 - Proceedings of the 2004 ACM Symposion on Applied<br />
Computing, Nicosia 2004, S. 1359-1365.<br />
[Witkin et al. 1977]<br />
Witkin, Herman A.; Moore, C. A.; Goodenough, Donald R.; Cox, P. W.: Field-<br />
Dependent and Field-Independent Cognitive <strong>St</strong>yles and Their Educational Implications.<br />
In: Review of Educational Research 47 (1977) 1, S. 1-64.<br />
[Witte, Kallmann, Sachs 1981]<br />
Witte, Eberhard; Kallmann, Andreas; Sachs, Gerd: Führungskräfte der Wirtschaft.<br />
Poeschel, <strong>St</strong>uttgart 1981.
Literatur 181<br />
[Wixom, Watson 2001]<br />
Wixom, Barbara H.; Watson, Hugh J.: An Empirical Investigation of the Factors<br />
Affecting Data Warehousing Success. In: MIS Quarterly 25 (2001) 1, S.<br />
17-41.<br />
[Wixom, Watson 2010]<br />
Wixom, Barbara H.; Watson, Hugh J.: The BI-Based Organization. In: International<br />
Journal of Business Intelligence Research 1 (2010) 1, S. 13-28.<br />
[Wolf 2005]<br />
Wolf, Joachim: Organisation, Management, Unternehmensführung: Theorien<br />
und Kritik. 2. Aufl., Gabler, Wiesbaden 2005.<br />
[Xie et al. 2008]<br />
Xie, Guotong; Yang, Yang; Liu, Shengping; Qiu, Zhaoming; Pan, Yue; Zhou,<br />
Xiongzhi: 6th International Semantic Web Conference + 2nd Asian Semantic<br />
Web Conference. In: Aberer, Karl (Hrsg.): Proceedings of The Semantic Web,<br />
Busan 2008, S. 857-870.<br />
[Young, Watson 1995]<br />
Young, Dale; Watson, Hugh J.: Determinates of EIS Acceptance. In: Information<br />
& Management 29 (1995) 3, S. 153-164.<br />
[Zangemeister 1976]<br />
Zangemeister, Christof: Nutzwertanalyse in der Systemtechnik: Eine Methodik<br />
zur multidimensionalen Bewertung und Auswahl von Projektalternativen. 4.<br />
Aufl. Aufl., Wittemannsche Buchhandlung, München 1976.<br />
[Zmud 1979]<br />
Zmud, Robert W.: Individual Differences and MIS Success: A Review of the<br />
Empirical Literature. In: Management Science 25 (1979) 10, S. 966-977.
182 Lebenslauf des Autors<br />
Lebenslauf des Autors<br />
Persönliche Angaben<br />
Name<br />
Daniel Michael Nicolaus <strong>St</strong>ock<br />
Geburtsdatum 29.10.1978<br />
Geburtsort<br />
Berlin, Deutschland<br />
Schulische und universitäre Ausbildung<br />
1989-1993 Gymnasium Neureut, Neureut, Deutschland; Abitur<br />
1993-1994 Liskeard Secondary School, Liskeard, England; Auslandsjahr<br />
1994-1999 Fichte Gymnasium, Karlsruhe, Deutschland; Abitur<br />
2000-2006 Universität Karlsruhe (TH), Deutschland; Diplomstudium des Wirtschaftsingenieurwesens<br />
2009-2010 Universität <strong>St</strong>. <strong>Gallen</strong>, Schweiz; Doktorandenstudium der Betriebswirtschaftslehre<br />
Berufliche Tätigkeiten<br />
1999-2000 ABC-Abwehrbataillon 750, Bruchsal, Deutschland; Wehrdienst<br />
2002-2006 Institut für Angewandte Informatik und Formale Beschreibungsverfahren,<br />
Universität Karlsruhe, Deutschland; Tutor<br />
2005 Dresdner Bank, Frankfurt am Main, Deutschland; Praktikum<br />
2006 DZ-Bank, Frankfurt am Main, Deutschland; Praktikum<br />
2006 -2010 McKinsey & Company, Business Technology Office, Frankfurt am<br />
Main, Deutschland; Berater<br />
2008 -2010 Institut für Wirtschaftsinformatik, Universität <strong>St</strong>. <strong>Gallen</strong>, Schweiz;<br />
Wissenschaftlicher Mitarbeiter am Lehrstuhl von Prof. Dr. Robert<br />
Winter<br />
Seit 2011<br />
McKinsey & Company, Business Technology Office, Berlin,<br />
Deutschland; Berater
Publikationsverzeichnis des Autors 183<br />
Publikationsverzeichnis des Autors<br />
Mayer, Jörg H.; Laartz, Jürgen; Habbel, Markus; <strong>St</strong>ock, Daniel: Emerging from the<br />
economic crisis with a clearer view - A through-cycle approach to „Managing the<br />
Company“ with the Corporate Navigator. Arbeitsbericht, Institut für Wirtschaftsinformatik,<br />
Universität <strong>St</strong>. <strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong> 2009.<br />
Mayer, Jörg H.; <strong>St</strong>ock, Daniel; Ganczarski, Wojciech: <strong>St</strong>eigerung der Flexibilität von<br />
Unternehmenssteuerungssystemen - Detaillierung einer serviceorientierten Systemarchitektur.<br />
Arbeitsbericht, Institut für Wirtschaftsinformatik, Universität <strong>St</strong>.<br />
<strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong> 2009.<br />
Mayer, Jörg H.; <strong>St</strong>ock, Daniel: Nutzertypen für die situative FIS-Gestaltung: Ergebnisse<br />
einer empirischen Untersuchung. Zu erscheinen in: xxx (Hrsg.): Proceedings<br />
of 10th International Conference on Wirtschaftsinformatik, Zurich 2011, S. 1-10.<br />
<strong>St</strong>ock, Daniel: Functional Map for Business Metadata Tools. Arbeitsbericht, Institut<br />
für Wirtschaftsinformatik, Universität <strong>St</strong>. <strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong> 2010.<br />
<strong>St</strong>ock, Daniel; Gubler, Philipp: A Data Model for Terminology Management of Analytical<br />
Information. In: Albano, Valentina; Mola, Lapo; D’Atri, Alessandro<br />
(Hrsg.): Proceedings of European <strong>St</strong>udents Workshop on Information Systems<br />
2009, Verona 2009, S. 1-14.<br />
<strong>St</strong>ock, Daniel; Mayer, Jörg H.; Wortmann, Felix: Fachliche <strong>Metadaten</strong>: Kosten-<br />
Nutzen-Analyse. In: BI-Spektrum 5 (2010) 2, S. 20-24.<br />
<strong>St</strong>ock, Daniel; Mayer, Jörg H.; Winter, Robert: End-user Device Selection for Executives<br />
– Adapting Executive Information Systems to Different Working <strong>St</strong>yles.<br />
Arbeitsbericht, Institut für Wirtschaftsinformatik, Universität <strong>St</strong>. <strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong><br />
2010.<br />
<strong>St</strong>ock, Daniel; Winter, Robert; Mayer, Jörg H.: Functional Service Domain Architecture<br />
Management - Building the Foundation for Situational Method Engineering.<br />
In: Pries-Heje, J. et al. (Hrsg.): Proceedings of IFIP WG 8.2/8.6 International<br />
Working Conference, Perth 2010, S. 245-262.<br />
<strong>St</strong>ock, Daniel; Winter, Robert: The Value of Business Metadata – <strong>St</strong>ructuring the Benefits<br />
in a Business Intelligence Context. In: D’Atri, A. et al. (Hrsg.): Proceedings<br />
of VII Conference of the Italian Chapter of AIS, Neapel 2010, S. 1-8.
184 Publikationsverzeichnis des Autors<br />
<strong>St</strong>ock, Daniel; Wortmann, Felix; Mayer, Jörg H.: Use Cases for Business Metadata –<br />
A Viewpoint-Based Approach to <strong>St</strong>ructuring and Prioritizing Business Needs. In:<br />
Winter, Robert; Zhao, J. Leon; Aier, <strong>St</strong>ephan (Hrsg.): Proceedings of 5th International<br />
Conference on Design Science Research in Information Systems and<br />
Technology, <strong>St</strong>. <strong>Gallen</strong> 2010, S. 546-549.<br />
<strong>St</strong>ock, Daniel; Wortmann, Felix; Mayer, Jörg H.: Use Cases for Business Metadata –<br />
A Viewpoint-Based Approach to <strong>St</strong>ructuring and Prioritizing Business Needs. In:<br />
Abramowicz, W.; Tolksdorf, R.; Węcel, K. (Hrsg.): Proceedings of International<br />
Conference on Business Information Systems, Berlin 2010, S. 226-237.<br />
<strong>St</strong>ock, Daniel; Winter, Robert; Mayer, Jörg H.: User Preferences in MSS Design –<br />
<strong>St</strong>ate of the Art and Proposal of a Research Agenda. Arbeitsbericht, Institut für<br />
Wirtschaftsinformatik, Universität <strong>St</strong>. <strong>Gallen</strong>, <strong>St</strong>. <strong>Gallen</strong> 2010.
Hinweis zur Verwendung geschlechtsneutraler Formulierungen 185<br />
Hinweis zur Verwendung geschlechtsneutraler Formulierungen<br />
In der vorliegenden Dissertation werden konform der Zielsetzung der Konferenz der<br />
Gleichstellungs- und Frauenbeauftragten an Schweizer Universitäten und Hochschulen<br />
[KOFRAH 2005] die Empfehlungen der Dudenredaktion zur sprachlichen Gleichstellung<br />
von Frauen und Männern [Eickhoff 1999] soweit möglich berücksichtigt.<br />
Der Praxis der Dudenredaktion folgend [Eickhoff 1999: 3] wird jedoch im Sinne der<br />
Lesbarkeit auf die Verwendung von Doppelnennungen und Kurzformen verzichtet.<br />
Um die sprachliche Gleichbehandlung von Frauen und Männern zu gewährleisten,<br />
wird deshalb – wo immer möglich – auf Partizipien oder Sachbezeichnungen an <strong>St</strong>elle<br />
von Personenbezeichnungen zurückgegriffen. Sofern dies aus sachlogischen Gründen<br />
oder aus Gründen der sprachlichen Ästhetik nicht sinnvoll erscheint, wird in Ausnahmefällen<br />
stellvertretend für beide Geschlechter und ohne Einschränkung der sprachlichen<br />
Gleichstellung von Frauen und Männern die männliche Form verwendet.<br />
Dadurch werden in der vorliegenden Dissertation Frauen und Männer gleichermaßen<br />
berücksichtigt.