Holger Schrödl
Business Intelligence
BI-Projekte erfolgreich umsetzen
Inhalt
6
Vorwort
10
Vorwort zur 1. Auflage
11
1 Einführung
13
1.1 Zielsetzung des Buches
14
1.2 Zielgruppe
15
1.3 Aufbau des Buches
16
1.4 Abgrenzungen
17
1.5 Kontakt zum Autor
19
1.6 Danksagung
19
2 Business Intelligence – dieGrundlagen
21
2.1 Ziele von Business Intelligence
25
2.2 Voraussetzungen für Business Intelligence
26
2.3 Data Warehouse
29
2.4 OLAP
32
2.4.1 Dimensionen
32
2.4.2 Hierarchien
33
2.4.3 Measures
33
2.4.4 Cubes
34
2.4.5 Dimensionstabellen, Faktentabellen
36
2.5 Data Mining
37
2.6 Data-Mining-Methoden
42
3 Die BI-Komponenten des Microsoft SQL Servers 2008
45
3.1 Analysis Services
46
3.2 Integration Services
48
3.3 Reporting Services
52
3.4 Unified Dimension Model
54
3.5 SQL Server Management Studio
56
3.6 Business Intelligence Development Studio
57
3.6.1 Projekte
57
3.6.2 Projektmappen
59
3.6.3 Elemente der Entwicklungsumgebung
59
3.6.3.1 Die Hauptelemente
60
3.6.3.2 Weitere Elemente
64
3.6.4 Tool-Optionen
67
3.6.5 Anpassen der Umgebung
71
3.6.5.1 Positionierung und Status der Fenster
71
3.6.5.2 Toolbars
72
3.6.6 Bereitstellung
73
3.6.7 Konfigurationen
77
3.6.8 Team Development und Reuse
80
3.6.9 Online-Projekte
80
3.7 Business-Intelligence-Clients
81
3.7.1 Data Analyzer
83
3.7.2 Reporting Services
84
3.7.3 Excel-Add-In für SQL Server Analysis Services
85
3.7.4 Office Web Components
86
3.7.5 MapPoint
87
3.7.6 Windows SharePoint Services
89
3.7.7 SharePoint Portal Server
90
3.7.8 ProClarity
91
3.7.9 Business Scorecard Manager
93
3.7.10 PerformancePoint Server
94
3.7.10.1 Monitoring
95
3.7.10.2 Analytics
96
3.7.10.3 Planning
98
4 Das erste Business-Intelligence-Projekt
101
4.1 Die Beispieldatenbank
101
4.2 Installation der Beispieldatenbank
103
4.2.1 Installation der Beispieldatenbank AdventureWorks_OLTP_DB
106
4.2.2 Installation der Beispieldatenbank AdventureWorks_DW_BI
110
4.3 Inhalte der Beispieldatenbank AdventureWorks
115
4.4 Das Beispiel-DataWarehouse AdventureWorksDW
119
4.4.1 Die Sicht dbo.vDMPrep
119
4.4.2 Die Sicht dbo.vTargetMail
120
4.4.3 Die Sicht dbo.vTimeSeries
122
4.5 Die Vorbereitung des BI-Projektes
122
4.5.1 Vorbereiten der Analysis-Services-Datenbank
123
4.5.2 Erstellung des Cubes
135
4.6 Aufbau des Data-Mining-Modells
148
4.6.1 Erstellen des Data-Mining-Modells
149
4.6.2 Erstellen des Regelwerks
160
4.6.3 Interpretation des Mining-Ergebnisses
164
4.6.3.1 Interpretation der Entscheidungsstruktur
165
4.6.3.2 Interpretation des Abhängigkeitsnetzwerks
170
5 Einsatzszenarien und Fallbeispiele
175
5.1 Warenkorbanalyse
175
5.1.1 Erstellen des Data-Mining-Modells für eine Warenkorbanalyse
177
5.1.2 Darstellung und Interpretation der Mining-Struktur
187
5.1.2.1 Ansicht Regeln
188
5.1.2.2 Ansicht Itemsets
191
5.1.2.3 Ansicht Abhängigkeitsnetzwerk
195
5.2 Prognose von Geschäftsvorgängen
201
5.2.1 Erstellen des Data-Mining-Modells für eine Absatzprognose
202
5.2.2 Darstellung und Interpretation der Mining-Struktur
209
5.2.3 Darstellung und Interpretation des Ergebnisses
211
5.2.3.1 Ansicht Diagramme
211
5.2.3.2 Ansicht Entscheidungsstruktur
216
5.3 Weitere Anwendungsbeispiele
221
5.3.1 Microsoft Cluster
221
5.3.1.1 Erstellen der Mining-Struktur
221
5.3.1.2 Ansicht Cluster-Diagramm
227
5.3.1.3 Ansicht Cluster-Profile
230
5.3.1.4 Ansicht Cluster-Merkmale
235
5.3.1.5 Ansicht Cluster-Unterscheidung
236
5.3.2 Microsoft Entscheidungsstrukturen
239
5.3.3 Microsoft Sequenzcluster
239
5.3.3.1 Erstellen der Mining-Struktur
240
5.3.3.2 Ansicht Cluster-Diagramm
244
5.3.3.3 Ansicht Cluster-Profile
247
5.3.3.4 Ansicht Cluster-Merkmale
250
5.3.3.5 Ansicht Cluster-Unterscheidung
252
5.3.3.6 Ansicht Statusübergänge
254
5.3.4 Naives Bayes-Verfahren von Microsoft
257
5.3.4.1 Erstellen der Mining-Struktur
257
5.3.4.2 Ansicht Abhängigkeitsnetzwerk
261
5.3.4.3 Ansicht Attributprofile
264
5.3.4.4 Ansicht Attributmerkmale
266
5.3.4.5 Ansicht Attributunterscheidung
268
5.3.5 Neuronales Netzwerk von Microsoft
270
5.3.5.1 Erstellen der Mining-Struktur
271
5.3.5.2 Ansicht des Mining-Modells
274
5.3.5.3 Spezialfall: Logistische Regression von Microsoft
276
6 Business-Intelligence-Projekte erfolgreich realisieren
277
6.1 Die BI-Chancen
277
6.1.1 Bestandsaufnahme
279
6.1.2 Diskussion der Ideen
280
6.1.3 Bewertung der BI-Chancen
283
6.1.3.1 Bewerten der Möglichkeiten nach Umsetzbarkeit
284
6.1.3.2 Bewerten der Möglichkeiten nach Effekt
287
6.1.3.3 Aufstellen eines Umsetzungsquadranten
288
6.2 Projektleitfaden
291
6.2.1 Phase 1: Projektvision
292
6.2.1.1 Teilphase Projekteinschätzung
293
6.2.1.2 Teilphase Definition des Projektteams
294
6.2.1.3 Teilphase technische Einschätzung
295
6.2.2 Phase 2: Projektplanung
297
6.2.3 Phase 3: Entwicklung
299
6.2.3.1 Teilphase Design der BI-Lösung
300
6.2.3.2 Teilphase Erstellen und Testen der Lösung auf einer Testumgebung
301
6.2.4 Phase 4: Bereitstellung
302
6.2.4.1 Teilphase Software-Installation
303
6.2.4.2 Teilphase Implementierung der Lösung im Echtsystem
304
6.2.5 Phase 5: Nachbetrachtung
305
6.3 Erfolgsfaktoren für BI-Projekte
306
7 Erweiterungen und Bausteine für Business-Intelligence-Projekte
309
7.1 Data Mining Add-Ins für Microsoft Office 2007
309
7.1.1 Installation des Data-Mining-Add-Ins für Office 2007
310
7.1.2 Tabellenanalysetools für Excel
317
7.1.2.1 Wichtige Einflussfaktoren analysieren
321
7.1.2.2 Kategorien erkennen
323
7.1.2.3 Aus Beispiel füllen
326
7.1.2.4 Planung
329
7.1.2.5 Ausnahmen hervorheben
332
7.1.2.6 Szenarienanalyse
336
7.1.3 Vorhersagerechner
342
7.1.4 Warenkorbanalyse
346
7.1.5 Data-Mining-Client für Excel
349
7.1.5.1 Datenvorbereitung
350
7.1.5.2 Beispieldaten
361
7.1.5.3 Datenmodellierung
364
7.1.5.4 Genauigkeit und Überprüfung
370
7.1.5.5 Modellverwendung
376
7.1.5.6 Dokumentmodell
378
7.1.5.7 Verwaltung
380
7.1.5.8 Verbindung
381
7.1.6 Data-Mining-Vorlagen für Visio
382
7.2 Microsoft ProClarity
387
7.3 Microsoft Business Scorecard Manager
388
7.4 Microsoft Office PerformancePoint Server 2007
388
7.4.1 Grundsätzliche Verwendung von Office PerformancePoint Server 2007
391
7.4.1.1 Office PerformancePoint Server 2007 aus Anwendersicht
391
7.4.1.2 Office PerformancePoint Server 2007 aus Sicht der Geschäftsprozessmodellierung
394
7.4.2 Monitoring
396
7.4.3 Analytics
398
7.4.4 Planning
400
7.5 BI-Projektbausteine
401
7.5.1 Feature Selection in Data Mining
401
7.5.2 Vergleich von Data-Mining-Modellen
403
7.5.2.1 Synchronisierung der Vorhersagespalten und Werte
407
7.5.2.2 Auswahl der auszuwertenden Daten
408
7.5.2.3 Filtern der Eingabezeilen
412
7.5.2.4 Interpretation der Vergleichsdiagramme
417
7.5.3 Ergebnisvorhersage mit Mining-Modellen
427
7.5.4 Reporting Services als BI-Berichtsplattform
433
7.5.4.1 Grundlagen der Berichterstellung
433
7.5.4.2 Integration von Reporting Services und Data Mining
452
7.5.5 Key Performance Indicators
461
7.5.5.1 Grundlegende Begriffe zu Key-Performance-Indikatoren
462
7.5.5.2 Definition von Key-Performance-Indikatoren
463
7.5.5.3 Anzeige des Key-Performance-Indikators
471
7.5.5.4 Vorlagen für Key Performance Indicators
474
8 Exkurs: Hinter den Kulissen der Data-Mining-Algorithmen
477
8.1 Data-Mining-Algorithmen im Überblick
477
8.2 Data-Mining-Algorithmen im Detail
480
8.2.1 Microsoft-Zuordnungsregeln
480
8.2.2 Microsoft Cluster
484
8.2.3 Microsoft-Entscheidungsstrukturen
490
8.2.3.1 Vorhersage einer diskreten Variablen
491
8.2.3.2 Vorhersage stetiger Variablen
493
8.2.4 Microsoft lineare Regression
497
8.2.5 Microsoft logistische Regression
499
8.2.6 Microsoft naives Bayes-Verfahren
503
8.2.7 Microsoft neuronales Netzwerk
506
8.2.7.1 Grundlagen neuronaler Netze
506
8.2.7.2 Das Training neuronaler Netzwerke
509
8.2.8 Microsoft-Sequenzcluster
513
8.2.9 Microsoft Zeitreihen
516
9 Anhang
523
9.1 BI-Wörterbuch
523
9.2 Übersetzungstabelle relevanter Begriffe
531
Register
533
© 2009-2024 ciando GmbH