Aussagefähige Kennzahlen werden benötigt, um die Zusammenhänge und Entwicklungstendenzen in einem Unternehmen in einfacher und konzentrierter Form wiederzugeben. Deswegen werden fast in jedem Unternehmen Kennzahlen erarbeitet, aber nur in wenigen Fällen richtig interpretiert und tatsächlich damit auch effektiv gearbeitet. Häufig handelt es sich um überflüssige Kennzahlen, die wahllos zusammengestellt werden, jedoch nicht dem tatsächlichen Bedarf des Unternehmens gerecht werden. Aus der Motivation heraus, diese Fehler zu vermeiden und Kennzahlen vorteilhaft zu nutzen, werden in dieser Studie der Prozess und die entsprechenden Zahlungsströme des Provisionsexkassos einer Versicherung im Hinblick auf Kennzahlen analysiert. Um die Kennzahlen effektiv nutzen zu können und mit ihrer Hilfe Geschäftsprozesse besser analysieren und unterstützen zu können, enthält dieses Buch eine abschließende Empfehlung, wie mit den Kennzahlen aus dem Provisionsexkasso zukünftig umgegangen werden sollte. Der Leser kann so nachvollziehen, woher die Daten für die Kennzahlen kommen und welche Möglichkeiten es gibt, sie zu speichern, darzustellen und für Analysezwecke bzw. als Entscheidungshilfe zu nutzen. Dabei geht das Buch sowohl auf betriebswirtschaftliche als auch auf technische Fragestellungen ein. Technische Aspekte die behandelt werden, sind beispielsweise die Unterschiede zwischen operationellen und analytischen Informationssystemen, die Architektur eines Data Warehouse, die Vorstellung verschiedener Datenbankschemata und die Funktionsweise des SAP Business Information Warehouse.

Textprobe: Kapitel 2.5, SAP Business Information Warehouse: Die nachfolgenden Abschnitte gehen auf die SAP AG und ihre Softwarelösungen im Bereich operationelle und analytische Informationssysteme ein, da sich in der untersuchten Versicherung im Zusammenhang mit dem Provisionsexkasso Technologien von SAP im Einsatz befinden. Der Name SAP steht für Systeme, Anwendungen und Produkte in der Datenverarbeitung, das Unternehmen ist der weltweit drittgrößte unabhängige Softwarehersteller. Das Kerngeschäft der SAP AG besteht im Vertrieb von Nutzungsrechten an den SAP-Softwarelösungen und von damit verbundenen Diensten. Die Standardsoftware und branchenspezifischen Anwendungen von SAP dienen dazu, anderen Unternehmen dabei zu helfen, ihre Geschäftsprozesse effizient zu gestalten. 2.5.1 Definition: Zur Unterstützung von unternehmerischen Entscheidungssituationen und Analyseszenarien bietet die SAP AG das Business Information Warehouse (BW) an. Es weist alle benötigten Komponenten für eine Data Warehouse-Architektur auf und umfasst sowohl die Speicherung als auch die Präsentation von relevanten Daten zu einer Entscheidungsfindung. In Abschnitt 2.3.1 wurde die Definition eines Data Warehouse im engeren Sinne vorgestellt, die aus den von Inmon genannten vier idealtypischen Merkmalen besteht (siehe Abbildung 5). Die Definition eines Data Warehouse im weiteren Sinne enthält darüber hinaus auch Aspekte wie Anbindung, Extraktion und Transformation von Fremddaten und die Ausdehnung in Richtung Analyse und Präsentation der Daten mit Hilfe entsprechender Werkzeuge. Das SAP BW entspricht dieser erweiterten Definition eines Data Warehouse, da es nicht nur aus einer Datensammlung auf einem BW-Server besteht, sondern auch Visualisierungsmöglichkeiten, Analysemethoden und umfassende Funktionalitäten zum Extrahieren operativer und anderer externer Daten enthält. 2.5.2 Architektur: Prinzipiell entspricht der Aufbau des Business Information Warehouses mit seinen unterschiedlichen Komponenten der Architektur für ein Data Warehouse. Als Datenquellen zur Befüllung des BW kommen verschiedene OLTP-Systeme sowie andere BWs in Betracht. Eine besondere Bedeutung als Quellsystem hat das SAP Enterprise Resource Planning (ERP). Dies ist eine betriebswirtschaftliche Standardsoftware, die die Hauptanwendungsgebiete Rechnungswesen, Logistik und Personalwirtschaft unterstützt. Das SAP ERP und das BW setzen auf einer gleichartigen technologischen Basis auf, deswegen gibt es vorkonfigurierte Extraktoren*, die den Aufwand für die Implementierung des Datenladeprozesses aus dem SAP ERP in das BW erheblich erleichtern. Der eigentliche BW-Server, der in der Regel periodisch Daten aus den Quellsystemen erhält, befindet sich im Mittelpunkt der Architektur und umfasst Funktionen und Methoden für die Ablage, Aufbereitung und Abfrage der Daten. Als zentrales Verwaltungswerkzeug für den Data Warehouse-Administrator dient die so genannte Administrator Workbench*. Sie bietet Optionen für die Datenbereitstellung und –haltung und für die Pflege und den Betrieb des BW-Systems. Außerdem ermöglicht sie die Überwachung und Anpassung von Datenladeprozessen. Ein weiterer integraler Bestandteil des BW ist der Business Explorer (BEx), der Analysewerkzeuge für die Entscheidungsunterstützung in einem Unternehmen zur Verfügung stellt. Dazu gehört der BEx Analyzer, ein Werkzeug für die Definition von Reports sowie für deren Aufbereitung und Präsentation in Microsoft Excel oder in einem Webbrowser. Anhang 1 zeigt die Architektur und die verschiedenen Komponenten des SAP BW. Dabei sind neben den eben beschriebenen Komponenten einige Bestandteile dargestellt, die in diesem Abschnitt nicht erwähnt wurden, weil sie für diese Studie nicht relevant sind. 2.5.3 Grundlegende Begriffe: Als Speicherbereiche dienen im SAP BW mehrere unterschiedliche Segmente. Für dieses Buch sind die Speicherbereiche Persistent Staging Area* (PSA), Operational Data Store* (ODS) und die Info-Cubes* von Bedeutung. Die Persistent Staging Area dient als Zwischenspeicher von extrahierten Rohdaten vor deren Weiterverarbeitung. Hier können manuelle Korrekturen und Prüfungen nach dem Extraktionsvorgang durchgeführt werden. Anschließend werden die Daten von der Persistent Staging Area direkt in die Info-Cubes übertragen. Die Info-Cubes befinden sich im letzten Speichersegment. Sie haben ein mehrdimensionale Struktur (siehe Abschnitt 2.2.2) und dienen als zentrale Bausteine für Berichte und Analysen, denn jeder Info-Cube enthält verdichtete Daten aus einem bestimmten thematischen Bereich. Als Alternative zu einem detaillierten Info-Cube kann der Operational Data Store verwendet werden. Im Gegensatz zur multidimensionalen Datenablage bei den Info-Cubes werden die Daten bei einem Operational Data Store-Objekt in flachen Datenbanktabellen abgelegt. Hauptsächlich befinden sich in den Data Store-Objekten zum einen zusammengeführte und bereinigte Daten aus unterschiedlichen Vorsystemen auf ihrem ursprünglichen Detallierungsniveau (z.B. Belegebene) und zum anderen detaillierte Daten für ein eher operativ ausgerichtetes Berichtswesen. Alle zur Auswertung nutzbaren, elementaren Datenobjekte in einem BW werden als Info-Objekte* bezeichnet. Ein weiterer wichtiger Begriff im Zusammenhang mit der Datenbasis des BW sind die so genannten Metadaten*. Es gibt zwei unterschiedliche Arten von Metadaten, zum einen die technischen und zum anderen die betriebswirtschaftlichen. Die technischen Metadaten enthalten beispielsweise Angaben zu den Datenformaten und –strukturen, zum ETL-Prozess (siehe Abschnitt 2.3.4), zu den Datenquellen und zur Nutzung und Definition von Abfragen und Auswertungen, die auch als Queries* bezeichnet werden. Die betriebswirtschaftlichen Metadaten hingegen erläutern die Bedeutung der Daten in ihrem betriebswirtschaftlichen Kontext. Somit lassen sich Metadaten sozusagen als Daten über Daten verstehen. Für die zentrale Verwaltung von Metadaten enthält das BW eine eigene Komponente, die als Metadaten-Repository bezeichnet wird. Eine wesentliche Stärke des BW liegt im Business Content*. Das ist eine Sammlung vordefinierter, rollen- und aufgabenbezogener Informationsbausteine, die ohne zusätzlichen Entwicklungsaufwand unmittelbar zur Verfügung steht und umfassende betriebswirtschaftliche Analysen ermöglicht. Im Einzelnen handelt es sich dabei um Benutzerrollen, Queries, Info-Cubes, ODS-Objekte, Extraktoren für SAP ERP usw. Durch die Nutzung des Business Content können schnell und unkompliziert eigene Berichte und Analysen erstellt werden.

• Kennzahlenanalyse

• Provisionsexkasso

• Data Warehouse

• Kennzahlenreporting

• SAP

Angelina Jung wurde 1989 in Hameln geboren. Nach dem Abitur entschied sie sich für ein duales Bachelorstudium der Wirtschaftsinformatik an der FHDW Hannover, das abwechselnd in jeweils dreimonatige Theorie- und Praxisphasen gegliedert war und ihr sowohl Kenntnisse der Betriebswirtschaft als auch der Informatik vermittelte. Die Praxisphasen absolvierte die Autorin in einer Versicherung in Hannover. Dadurch sammelte sie bereits während des Studiums umfassende praktische Erfahrungen in der Versicherungsbranche und im Informatikbereich. Sie schloss ihr Studium erfolgreich im Jahr 2011 mit dem akademischen Grad Bachelor of Science ab. Anschließend konnte sie ihre fachlichen Qualifikationen im Bereich Betriebswirtschaft bei einer der führenden Wirtschaftsprüfungen einsetzen und weiter ausbauen. Ihr Studium und ihre Tätigkeit bei der Versicherung motivierten Angelina Jung, sich der Thematik des vorliegenden Buches zu widmen, das sich gleichermaßen mit betriebswirtschaftlichen und technischen Fragestellungen rund um das Thema Kennzahlen auseinandersetzt.