Business Intelligence

Inhalt

Vorwort

Vorwort zur 1. Auflage

1 Einführung

1.1 Zielsetzung des Buches

1.2 Zielgruppe

1.3 Aufbau des Buches

1.4 Abgrenzungen

1.5 Kontakt zum Autor

1.6 Danksagung

2 Business Intelligence – dieGrundlagen

2.1 Ziele von Business Intelligence

2.2 Voraussetzungen für Business Intelligence

2.3 Data Warehouse

2.4 OLAP

2.4.1 Dimensionen

2.4.2 Hierarchien

2.4.3 Measures

2.4.4 Cubes

2.4.5 Dimensionstabellen, Faktentabellen

2.5 Data Mining

2.6 Data-Mining-Methoden

3 Die BI-Komponenten des Microsoft SQL Servers 2008

3.1 Analysis Services

3.2 Integration Services

3.3 Reporting Services

3.4 Unified Dimension Model

3.5 SQL Server Management Studio

3.6 Business Intelligence Development Studio

3.6.1 Projekte

3.6.2 Projektmappen

3.6.3 Elemente der Entwicklungsumgebung

3.6.3.1 Die Hauptelemente

3.6.3.2 Weitere Elemente

3.6.4 Tool-Optionen

3.6.5 Anpassen der Umgebung

3.6.5.1 Positionierung und Status der Fenster

3.6.5.2 Toolbars

3.6.6 Bereitstellung

3.6.7 Konfigurationen

3.6.8 Team Development und Reuse

3.6.9 Online-Projekte

3.7 Business-Intelligence-Clients

3.7.1 Data Analyzer

3.7.2 Reporting Services

3.7.3 Excel-Add-In für SQL Server Analysis Services

3.7.4 Office Web Components

3.7.5 MapPoint

3.7.6 Windows SharePoint Services

3.7.7 SharePoint Portal Server

3.7.8 ProClarity

3.7.9 Business Scorecard Manager

3.7.10 PerformancePoint Server

3.7.10.1 Monitoring

3.7.10.2 Analytics

3.7.10.3 Planning

4 Das erste Business-Intelligence-Projekt

4.1 Die Beispieldatenbank

4.2 Installation der Beispieldatenbank

4.2.1 Installation der Beispieldatenbank AdventureWorks_OLTP_DB

4.2.2 Installation der Beispieldatenbank AdventureWorks_DW_BI

4.3 Inhalte der Beispieldatenbank AdventureWorks

4.4 Das Beispiel-DataWarehouse AdventureWorksDW

4.4.1 Die Sicht dbo.vDMPrep

4.4.2 Die Sicht dbo.vTargetMail

4.4.3 Die Sicht dbo.vTimeSeries

4.5 Die Vorbereitung des BI-Projektes

4.5.1 Vorbereiten der Analysis-Services-Datenbank

4.5.2 Erstellung des Cubes

4.6 Aufbau des Data-Mining-Modells

4.6.1 Erstellen des Data-Mining-Modells

4.6.2 Erstellen des Regelwerks

4.6.3 Interpretation des Mining-Ergebnisses

4.6.3.1 Interpretation der Entscheidungsstruktur

4.6.3.2 Interpretation des Abhängigkeitsnetzwerks

5 Einsatzszenarien und Fallbeispiele

5.1 Warenkorbanalyse

5.1.1 Erstellen des Data-Mining-Modells für eine Warenkorbanalyse

5.1.2 Darstellung und Interpretation der Mining-Struktur

5.1.2.1 Ansicht Regeln

5.1.2.2 Ansicht Itemsets

5.1.2.3 Ansicht Abhängigkeitsnetzwerk

5.2 Prognose von Geschäftsvorgängen

5.2.1 Erstellen des Data-Mining-Modells für eine Absatzprognose

5.2.2 Darstellung und Interpretation der Mining-Struktur

5.2.3 Darstellung und Interpretation des Ergebnisses

5.2.3.1 Ansicht Diagramme

5.2.3.2 Ansicht Entscheidungsstruktur

5.3 Weitere Anwendungsbeispiele

5.3.1 Microsoft Cluster

5.3.1.1 Erstellen der Mining-Struktur

5.3.1.2 Ansicht Cluster-Diagramm

5.3.1.3 Ansicht Cluster-Profile

5.3.1.4 Ansicht Cluster-Merkmale

5.3.1.5 Ansicht Cluster-Unterscheidung

5.3.2 Microsoft Entscheidungsstrukturen

5.3.3 Microsoft Sequenzcluster

5.3.3.1 Erstellen der Mining-Struktur

5.3.3.2 Ansicht Cluster-Diagramm

5.3.3.3 Ansicht Cluster-Profile

5.3.3.4 Ansicht Cluster-Merkmale

5.3.3.5 Ansicht Cluster-Unterscheidung

5.3.3.6 Ansicht Statusübergänge

5.3.4 Naives Bayes-Verfahren von Microsoft

5.3.4.1 Erstellen der Mining-Struktur

5.3.4.2 Ansicht Abhängigkeitsnetzwerk

5.3.4.3 Ansicht Attributprofile

5.3.4.4 Ansicht Attributmerkmale

5.3.4.5 Ansicht Attributunterscheidung

5.3.5 Neuronales Netzwerk von Microsoft

5.3.5.1 Erstellen der Mining-Struktur

5.3.5.2 Ansicht des Mining-Modells

5.3.5.3 Spezialfall: Logistische Regression von Microsoft

6 Business-Intelligence-Projekte erfolgreich realisieren

6.1 Die BI-Chancen

6.1.1 Bestandsaufnahme

6.1.2 Diskussion der Ideen

6.1.3 Bewertung der BI-Chancen

6.1.3.1 Bewerten der Möglichkeiten nach Umsetzbarkeit

6.1.3.2 Bewerten der Möglichkeiten nach Effekt

6.1.3.3 Aufstellen eines Umsetzungsquadranten

6.2 Projektleitfaden

6.2.1 Phase 1: Projektvision

6.2.1.1 Teilphase Projekteinschätzung

6.2.1.2 Teilphase Definition des Projektteams

6.2.1.3 Teilphase technische Einschätzung

6.2.2 Phase 2: Projektplanung

6.2.3 Phase 3: Entwicklung

6.2.3.1 Teilphase Design der BI-Lösung

6.2.3.2 Teilphase Erstellen und Testen der Lösung auf einer Testumgebung

6.2.4 Phase 4: Bereitstellung

6.2.4.1 Teilphase Software-Installation

6.2.4.2 Teilphase Implementierung der Lösung im Echtsystem

6.2.5 Phase 5: Nachbetrachtung

6.3 Erfolgsfaktoren für BI-Projekte

7 Erweiterungen und Bausteine für Business-Intelligence-Projekte

7.1 Data Mining Add-Ins für Microsoft Office 2007

7.1.1 Installation des Data-Mining-Add-Ins für Office 2007

7.1.2 Tabellenanalysetools für Excel

7.1.2.1 Wichtige Einflussfaktoren analysieren

7.1.2.2 Kategorien erkennen

7.1.2.3 Aus Beispiel füllen

7.1.2.4 Planung

7.1.2.5 Ausnahmen hervorheben

7.1.2.6 Szenarienanalyse

7.1.3 Vorhersagerechner

7.1.4 Warenkorbanalyse

7.1.5 Data-Mining-Client für Excel

7.1.5.1 Datenvorbereitung

7.1.5.2 Beispieldaten

7.1.5.3 Datenmodellierung

7.1.5.4 Genauigkeit und Überprüfung

7.1.5.5 Modellverwendung

7.1.5.6 Dokumentmodell

7.1.5.7 Verwaltung

7.1.5.8 Verbindung

7.1.6 Data-Mining-Vorlagen für Visio

7.2 Microsoft ProClarity

7.3 Microsoft Business Scorecard Manager

7.4 Microsoft Office PerformancePoint Server 2007

7.4.1 Grundsätzliche Verwendung von Office PerformancePoint Server 2007

7.4.1.1 Office PerformancePoint Server 2007 aus Anwendersicht

7.4.1.2 Office PerformancePoint Server 2007 aus Sicht der Geschäftsprozessmodellierung

7.4.2 Monitoring

7.4.3 Analytics

7.4.4 Planning

7.5 BI-Projektbausteine

7.5.1 Feature Selection in Data Mining

7.5.2 Vergleich von Data-Mining-Modellen

7.5.2.1 Synchronisierung der Vorhersagespalten und Werte

7.5.2.2 Auswahl der auszuwertenden Daten

7.5.2.3 Filtern der Eingabezeilen

7.5.2.4 Interpretation der Vergleichsdiagramme

7.5.3 Ergebnisvorhersage mit Mining-Modellen

7.5.4 Reporting Services als BI-Berichtsplattform

7.5.4.1 Grundlagen der Berichterstellung

7.5.4.2 Integration von Reporting Services und Data Mining

7.5.5 Key Performance Indicators

7.5.5.1 Grundlegende Begriffe zu Key-Performance-Indikatoren

7.5.5.2 Definition von Key-Performance-Indikatoren

7.5.5.3 Anzeige des Key-Performance-Indikators

7.5.5.4 Vorlagen für Key Performance Indicators

8 Exkurs: Hinter den Kulissen der Data-Mining-Algorithmen

8.1 Data-Mining-Algorithmen im Überblick

8.2 Data-Mining-Algorithmen im Detail

8.2.1 Microsoft-Zuordnungsregeln

8.2.2 Microsoft Cluster

8.2.3 Microsoft-Entscheidungsstrukturen

8.2.3.1 Vorhersage einer diskreten Variablen

8.2.3.2 Vorhersage stetiger Variablen

8.2.4 Microsoft lineare Regression

8.2.5 Microsoft logistische Regression

8.2.6 Microsoft naives Bayes-Verfahren

8.2.7 Microsoft neuronales Netzwerk

8.2.7.1 Grundlagen neuronaler Netze

8.2.7.2 Das Training neuronaler Netzwerke

8.2.8 Microsoft-Sequenzcluster

8.2.9 Microsoft Zeitreihen

9 Anhang

9.1 BI-Wörterbuch

9.2 Übersetzungstabelle relevanter Begriffe

Register