Data Warehouse als management informatie systeem van
SAP versus Oracle
Jòn-Tjitte te Biesebeek Technische Bedrijfswetenschappen
Rijksuniversiteit Groningen
Vertis/ Magentis Groningen maart 2002
Voorwoord:
In het kader van mijn studie Technische Bedrijfswetenschappen aan de Rijksuniversiteit Groningen heb ik mijn afstudeeropdracht verricht bij Magentis/ Vertis te Groningen.
Vanuit de universiteit kreeg ik begeleiding van dr. T.W. de Boer en drs. J.H. van Uitert.
Graag wil ik in dit voorwoord een woord van dank richten aan de Vertis Holding, die mij alle gelegenheid bood mijn onderzoek uit te werken en tot een goed einde te brengen.
Met name de heren Haijo Sleijfer, Ronald Meijer en Ronald Damhof waren daarbij tot steun.
Het is een leerzame tijd geweest, bedankt daarvoor.
Jòn-Tjitte,
Groningen, maart 2002
INHOUDSOPGAVE
Hoofdstuk 1: Introductie Vertis en afstudeeronderwerp ... blz. 4 1.1 Vertis ... blz. 4 1.2 Doel- en vraagstelling ... blz. 6
Hoofdstuk 2: Samenvatting ... blz. 7
Hoofdstuk 3: De klant en zijn behoefte aan management informatie ... blz. 8 3.1 Inleiding ... blz. 8 3.2 De klant ... blz. 8 3.3 Management Informatie Systeem (MIS) ... blz. 8
3.4 Eindgebruikersfunctionaliteit ... blz. 11 3.5 De eindgebruiker ... blz. 14 3.6 Business Intelligence ... blz. 15
Hoofdstuk 4: SAP ERP ... blz. 16 4.1 Inleiding ... blz. 16 4.2 Wat is ERP? ... blz. 16 4.3 Beoordeling van ERP als tool voor management rapportage ... blz. 17 4.4 Conclusie ... blz. 18
Hoofdstuk 5: Data warehouse en business intelligence tools ... blz. 19 5.1 Inleiding ... blz. 19 5.2 Data warehouse ... blz. 19
5.3 Twee verschillende data warehouse concepten;
Inmon versus Kimball ... blz. 21 5.4 De Data warehouse architectuur ... blz. 23 5.5 Voordelen en nadelen van een data warehouse ... blz. 25 5.6 Extractie/ Transformatie/ Loading ... blz. 26 5.7 Gegevensmodellering in data warehouse: het Sterschema ... blz. 27 5.8 Het concept Data Warehouse versus ERP-systemen ... blz. 30
Hoofdstuk 6: Criteria, nodig bij de keuze door de klant voor
een data warehouse van SAP of Oracle... .blz. 32
• Implementatietijd ... blz. 32
• Openheid ... blz. 28
• Prestatie ... blz. 33
• Flexibiliteit ... blz. 33
• Kosten ... blz. 33
• Continuïteit ... blz. 33
• Eindgebruikersfunctionaliteit ... blz. 30
Hoofdstuk 7: SAP Business Information Warehouse ... blz. 35 7.1 Inleiding ... blz. 35 7.2 Interne architectuur en beschrijving SAP BW ... blz. 36 7.2.1 De extractie, transformatie en loading (ETL)
van data uit bronsystemen ... blz. 36 7.2.2 Het Data warehouse van SAP BW ... blz. 37 7.2.3 Analyse en rapportage tools ... blz. 40
7.2.4 Business Content ... blz. 41 7.2.5 Het rollen-concept van bedrijfsfuncties in SAP BW ... blz. 41 7.3 Toetsing en beoordeling SAP BW ... blz. 42
Hoofdstuk 8: Oracle Data Warehouse ... blz. 49 8.1 Inleiding ... blz. 49 8.2 Oracle Warehouse Builder en Discoverer ... blz. 50 8.2.1 ETL en Data Warehouse ontwerp ... blz. 50 8.2.2 Analyse en rapportage tools ... blz. 51 8.3 Toetsing en beoordeling Oracle Data Warehouse ... blz. 52
Hoofdstuk 9: Conclusie, SAP Business Information Warehouse
versus Oracle Data Warehouse ... blz. 56
Literatuurlijst ... blz. 61 Informatiebronnen ... blz. 64 Afkortingen ... blz. 64
Hoofdstuk 1: Introductie Vertis en afstudeeronderwerp
1.1 Vertis
De Vertis Holding is een dienstverlenende organisatie gericht op de toepassing en gebruik van software producten. Zij heeft als belangrijkste aandachtsgebied het realiseren van complete proces- en productie automatiseringsystemen.
Vertis zelf geeft haar doelmarkt aan als “omvattend de productieketen van alles wat de mens eet en drinkt”. Zij is met name werkzaam in de farmaceutische industrie, de
voedingsmiddelen industrie en de waterhuishoudingsector.
In de afgelopen vijf jaar is de omzet van Vertis meer dan verdubbeld tot ruim 32 miljoen Euro`s. Ook de netto winstgroei is, ondanks de turbulentie in de ICT-wereld van het laatste jaar, zeer constant gebleken. Verder kent het personeelsbestand een gestage groei tot op dit moment een totaal van ongeveer 400 medewerkers, verspreid over vestigingen in Groningen, Veendam, Enschede, Wageningen en Leidschendam.
Vertis kent een informele cultuur, is een platte organisatie waarin de eigen
verantwoordelijkheid van de medewerker een belangrijke plaats inneemt. Binnen dit kennisintensieve bedrijf heb ik de mogelijkheid gekregen in het kader van mijn studie Technische Bedrijfswetenschappen mijn afstudeeropdracht uit te voeren.
In het onderzoek bij Vertis heb ik mij met name verdiept in een vergelijk tussen de data warehouse tools van de twee belangrijke leveranciers in dezen, te weten SAP en Oracle.
De Vertis Holding bestaat uit vier bedrijfsonderdelen, te weten Vertis, Magentis, NetVisit en Paperfoam.
Vertis en Magentis richten zich respectievelijk op de Oracle- en SAP-technologie.
Binnen Vertis wordt al meer dan vijftien jaar gewerkt met de Oracle-technologie.
Vermeldenswaardig is dat Vertis is uitgeroepen tot beste partner van Oracle binnen Nederland en als derde binnen Europa. Vertis implementeert en beheert data warehouses met business intelligence bij vele bedrijven. Hierbij maakt zij onder andere gebruik van Oracle Warehouse Builder, Oracle Discoverer en Oracle Reports.
Magentis maakt gebruik van de SAP-technologie. Magentis beheert SAP ERP bij Avebe, een ondersteuningspakket voor operationele bedrijfsprocessen. Verder doet Magentis het applicatiebeheer bij Stork en neemt zij het technisch beheer van Max foodmarkt op zich.
Magentis wil haar diensten in de vorm van haar productportfolio aan de klant uitbreiden. Zo heeft zij niet alleen de implementatie en het beheer van SAP ERP in haar dienstenpakket, ook wil zij op SAP ERP afgestemde uitgebreide management informatie systemen bij klanten implementeren.
Management informatie systemen worden verwezenlijkt door data warehouse en business intelligence tools zoals Oracle Warehouse Builder, Oracle Discoverer, Oracle Express, SAP Business Information Warehouse, MicroStrategy, Business Objects.
Magentis wil zich derhalve verder ontwikkelen op het toepassen van data warehouse en business intelligence.
Om invulling te geven aan het concept van data warehouse en business intelligence zal Magentis een keuze moeten maken tussen verschillende leveranciers van
technologieën/tools. Dit vraagt een inzicht over welk concept zij haar klanten hierover op maat moet adviseren.
Er is dus bij Magentis een kennisbehoefte aan de te gebruiken technologieën/tools, die het concept van data warehouse en business intelligence invullen. Magentis werkt met de SAP- technologie en heeft om die reden grote voorkeur in de toepassing van SAP voor dit concept.
SAP heeft hiervoor de tool "SAP Business Information Warehouse" op de markt gezet. Echter ook Oracle heeft hiervoor, zoals hierboven genoemd, verschillende tools ontwikkeld.
Mijn onderzoek is gericht op een vergelijking tussen de SAP- en Oracle-tools voor data warehouse en business intelligence, en de toepassing daarvan.
Hier volgt een korte situatieschets:
Er dient zich een klant aan bij Magentis die geïnteresseerd is in een management informatie systeem. Deze klant heeft verschillende SAP ERP applicaties en een enkel ander software systeem.
Welke tools/technologiëen moet Magentis de klant adviseren?
Mijn onderzoek zal antwoord geven op de vraag hoe Magentis deze klant kan voorzien van een management informatie systeem geënt op SAP- technologieën, of is daar de Oracle- technologie beter passend. In dat geval zal binnen de Vertis Holding de bedrijfsunit Vertis hierin kunnen voorzien.
In mijn onderzoek is SAP Business Information Warehouse vergeleken met de betreffende Oracle tools. De keuze en afbakening voor SAP en Oracle is gemaakt, omdat deze software leveranciers belangrijke spelers zijn in dit veld en omdat zij de leverancier zijn van de tools bij respectievelijk Magentis en Vertis.
De voornoemde klant kan aan de hand van de resultaten van mijn onderzoek een passend management informatie systeem worden aangereikt.
1.2 Doel- en vraagsteling
Doelstelling:
De doelstelling van mijn onderzoek luidt:
- Magentis inzicht verschaffen in de verschillen tussen de SAP- en Oracle-technologieën, die het concept van data warehouse en business intelligence invullen.
- De Vertis Holding adviseren in de keuze van bij haar klanten te introduceren en implementeren data warehouse en business intelligence tools voor een adequaat
management informatie systeem. Keuze-mogelijkheden liggen in een variant van de SAP- technologie of de Oracle-technologie.
Vraagstelling:
Op welke wijze kunnen SAP of Oracle tools een klant, die voornamelijk SAP ERP applicaties heeft, voorzien van een adequaat management informatie systeem?
En waarin onderscheiden de tools van SAP en Oracle zich?
Hoofdstuk 2: Samenvatting
In mijn onderzoek naar de Data Warehouse en Business Intelligence tools van SAP en Oracle is een aantal verschillen duidelijk naar voren gekomen, die betrekking hebben op de keuze van het te implementeren management informatie systeem bij de klant. Dit verslag is als volgt opgebouwd.
Allereerst wordt in hoofdstuk 3 de klant van Magentis gedefinieerd waarop dit onderzoek zich richt en voor wie een management informatie systeem moet worden geïmplementeerd.
Verder wordt in dit hoofdstuk management rapportage in de vorm van eindgebruikersfunctionaliteiten omschreven en nader gedefinieerd.
Vervolgens behandel ik in hoofdstuk 4 het pakket SAP ERP en inventariseer ik een aantal nadelen die dit pakket heeft als tool voor management informatie. Hieruit volgt het belang van een Data Warehouse met Business Intelligence tools bij management rapportages.
In hoofdstuk 5 wordt uiteengezet wat het concept Data Warehouse is, en worden de onderdelen van de Data Warehouse-architectuur beschreven. Verder wordt de gegevensmodellering in een Data Warehouse hier toegelicht.
De verschillende criteria ten behoeve van het formuleren van het onderscheid tussen de Data Warehouse scenario`s van SAP en Oracle zijn in hoofdstuk 6 aangegeven.
In de hoofdstukken 7 en 8 worden het Data Warehouse en Business Intelligence tool van SAP, genaamd SAP Business Information Warehouse, respectievelijk het Data Warehouse en de Business Intelligence tool van Oracle, Discoverer, beschreven en beoordeeld op grond van de in hoofdstuk 6 geformuleerde criteria.
Aan de hand van de resultaten van de twee voorgaande hoofdstukken worden in hoofdstuk 9 de verschillen en overeenkomsten van de Data Warehouses van SAP en Oracle beschreven en vindt de functionele evaluatie van deze producten plaats.
Tot slot geef ik mijn advies over in welke klantsituatie het SAP Business Information Warehouse bij de klant geïmplementeerd moet worden en wanneer het Oracle Data Warehouse de voorkeur verdient.
Hoofdstuk 3: De klant en zijn behoefte aan management informatie
3.1 Inleiding
In dit hoofdstuk ga ik in op de klant en zijn behoefte aan management informatie. Met name wordt duidelijk wat management informatie systemen zijn en waarom management informatie noodzakelijk is voor de klant.
3.2 De klant
De klant wordt gedefinieerd als de organisatie/ het bedrijf waarvoor de Vertis-Holding een management informatie systeem moet implementeren.
De klant waar ik mij in dit onderzoek op richt is een bedrijf dat gebruik maakt van verschillende SAP ERP applicaties voor het automatiseren van operationele
bedrijfsprocessen. Naast SAP ERP functioneren in het bedrijf ook een aantal andere software systemen. Bedrijven die SAP ERP hebben geïmplementeerd zijn voornamelijk grote bedrijven met meer dan 1000 medewerkers.
3.3 Management Informatie Systeem (MIS)
Het management stuurt een organisatie op basis van informatie die tot haar komt. Hoe groter een organisatie des te groter en complexer is de hoeveelheid gegevens. In die mate groeit ook de behoefte c.q. noodzaak tot managementondersteuning met behulp van een
geautomatiseerd management informatie systeem.
Een management informatie systeem (MIS) wordt gedefinieerd als een set van technieken die data verzamelen, structureren, opslaan en weergeven om het nemen van beslissingen te ondersteunen.
Hieronder volgt een figuur met de processtappen van data tot informatie.
Data staan verspreid in een organisatie, deze data worden door een MIS verzameld,
gestructureerd en gepresenteerd. De gebruiker leest deze gegevens en deze gegevens worden in het hoofd van de gebruiker omgezet in informatie. Op basis van deze informatie kan de gebruiker van het MIS overgaan tot besluitvorming.
Een management informatie systeem (MIS) is een wijze om gewenste management rapportage te verkrijgen. Het MIS wordt bijvoorbeeld toegepast wanneer het management een organisatie aanstuurt op basis van het management concept de “Balanced Scorecard”*.
Dit is een meetinstrument waarmee een organisatorisch beeld van een bedrijf/ onderneming kan worden verkregen. Conform de “Balanced Scorecard” wordt een organisatie op vier perspectieven gemeten. Deze zijn het financiële-, het klant-, het interne processen- en het human resource perspectief. Data over deze vier perspectieven staan verspreid in de organisatie. Een management informatie systeem bewerkt deze data, zodat de prestaties van de vier perspectieven inzichtelijk worden gemaakt en het management aan de hand van deze gegevens de organisatie kan sturen.
Om inzicht te krijgen welke managementinformatie binnen een organisatie nodig is, heb ik op basis van het boek Management Information Systems** de verschillende soorten
informatiebehoeften binnen een organisatie in kaart gebracht.
De auteurs van het boek Management Information Systems maken onderscheid naar verschillende typen informatiebehoefte en de daaraan gerelateerde informatiesystemen.
Organisaties en informatiesystemen kunnen worden opgedeeld in strategisch-, tactisch-, kennis- en operationeel-niveau. Deze niveau`s hebben elk hun eigen informatiebehoefte en derhalve daar aan gerelateerd informatiesysteem nodig. Zo ook geldt dat de genoemde niveau`s door de verschillende hiërarchieën binnen een organisatie worden ingevuld:
strategisch niveau t.b.v. hoger-management; tactisch niveau t.b.v. midden-management;
operationeel niveau t.b.v. operationele managers; kennis-niveau t.b.v. kenniswerkers.
*Kaplan, R.S. en D.P. Norton, The balanced scorecard, Boston: Harvard Business School Press, 1996
** Management Information Systems, new approach to organization & technology, Kenneth C. Laudon en Jane P. Laudon, 1998 by Prebtice Hall, New Jersy
Data staat verspreid in een organisatie
Gegevens gestructureerd opgeslagen voor presentatie
Gegevens worden door gebruiker omgezet in informatie Management Informatie
Systeem
Fig.: Processtappen van data tot informatie
Informatiesystemen op strategisch-niveau, zoals Executive Support Systems (ESS), helpen het hoger-management met het behandelen en aanpakken van strategische vraagstukken en het maken van de lange termijn planning van de organisatie. De primaire aangelegenheid hierbij is het bij elkaar aan laten sluiten van veranderingen in de externe omgeving met bestaande organisatie capaciteiten.
Strategische rapporten bevatten, over lange tijdsperiodes onderwerpen als:
- Inkomsten en andere financiële cijfers over klanten, locaties, kanalen en producten.
- Productiviteit van bedrijfseenheden
- Kosten van verschillende hulpbronnen zoals arbeid, materialen, faciliteiten.
Een ESS biedt de mogelijkheid om te analyseren, te vergelijken en trends waar te nemen. Bij een ESS ligt de nadruk op het reduceren van tijd en inspanning om het hoger management van informatie te voorzien.
Operationele managers
Sales en Marketing
Productie Financiën Accounting Human Resource Hoger-
management
Midden- management
Strategisch niveau
Tactisch niveau
Operationeel niveau
ESS
DSS
OLTP
K W
S Kennis niveau
Kennis- werkers
Fig.: Informatie systemen op verschillende niveau`s binnen een organisatie
(ESS = Executive Support Systems) (DSS = Decision-Support Systems)
(OLTP = On-Line Transaction Processing Systems) (KWS = Knowledge Work Systems)
Informatiesystemen op tactisch-niveau, zoals Decision Support Systems, helpen het midden- management met het uitvoeren van de strategieën van het hoger-management.
Informatiesystemen op tactisch-niveau worden ontworpen om het midden-management te helpen bij het monitoren, controleren en administreren bij het nemen van beslissingen. De principiële vraag, verwerkt door zulke systemen, is: werken alle bedrijfsprocessen goed?
Tactische rapporten zijn bedoeld om toezicht te houden en snel te reageren op een verscheidenheid aan korte termijn situaties.
Rapporten in deze categorie richten zich ondermeer op:
- Verwerkte orders of totale productie van vorige week en planning voor deze en volgende week.
- Verzuimcijfers personeel van vorige week en verwachting deze en volgende week.
- Geplande advertenties die deze week gaan lopen samen met de verwachte extra omzet gegenereerd door deze advertenties.
In deze rapporten worden gegevens uit verschillende operationele systemen als wel daar buitensamengevoegd.
Informatiesystemen op operationeel-niveau, On-Line Transaction Processing Systems, ondersteunen operationele managers door elementaire activiteiten en transacties van de organisatie in beeld te brengen. Operationele managers zijn verantwoordelijk voor het monitoren van het dagelijkse werk en de controle hierop. Informatiesystemen op operationeel-niveau houden ondermeer de volgende informatiestromen bij: verkopen, goederen ontvangsten, salaris administratie, voorraad en de goederenstroom door de fabriek.
Rapportage op dit niveau beoogt een operationele efficiency.
Informatiesystemen op kennis-niveau helpen kenniswerkers met het distribueren van informatie door de organisatie. Deze IT-groep ondersteunt de andere niveau`s bij het verzamelen en verwerken van informatie voor analyse en rapportage.
3.4 Eindgebruikersfunctionaliteit
Management rapportage wordt in dit onderzoek opgedeeld in verschillende
eindgebruikersfunctionaliteiten. Deze bevatten enerzijds standaard rapporten of anderzijds geavanceerde analyse technieken zoals bijvoorbeeld trendanalyse.
Hier volgt een classificatie van verschillende soorten eindgebruikersfunctionaliteiten op basis van een vergelijkbaar onderzoek bij Ahold door R.D. Damhof en R. Breeuwer.
In hier bovenstaande omgekeerde piramide wordt een vijftal eindgebruikersfunctionaliteiten weergegeven, te weten Standaard Rapportage, On-line Analyse, Ad-hoc query en rapportage, Statistische Analyse en Data Mining. De grootte van de gebruikersgroep van de genoemde functionaliteiten is hier verder aan af te lezen. Het blijkt dus dat het aantal gebruikers van Standaard Rapportage vele malen groter is dan die van Data Mining. Verder geven de dubbele verticale pijlen de dimensies aan waarop de tools van elkaar verschillen. Als voorbeeld volgt hier een toelichting van de Standaard Rapportage als
eindgebruikersfunctionaliteit. Er maken veel personen gebruik van Standaard Rapportage, het is een efficiënt product en simpel in gebruik. Daarentegen wel statisch, er is geen interactiviteit. Verder is er alleen kennis nodig van de tool en weinig kennis nodig van hoe het bedrijf en zijn processen werken.
Het grootste gedeelte van de gebruikers, volgens Gartner**ongeveer 80%, valt in de categorie van de “gewone gebruiker”. De gewone gebruiker consumeert informatie voor basis
bewustzijn en simpele analyses en vergelijkingen.
* Pallas Project: “Development & implementation of the AH Data Warehouse”, auteurs R.D.
Damhof en R. Breeuwer, 01-nov-99.
** “the Bulk of BI: addressing the common-user”, H. Dresner, Gartner Advisory, 19 februari 1999.
Kennis IT
Kennis Business
Statisch
Dynamisch
Data mining Statistische analyse Ad-hoc query On-line-analyse Standaard rapportage
Efficiëncy Simpel
Toegevoegde waarde
Complex Aantal gebruikers
Fig.: Classificatie eindgebruikersfunctionaliteiten*
Het grootste gedeelte van de gewone gebruiker heeft dus alleen de Standaard Rapportages nodig. Deze zijn uitgewerkt in statische sjabloons die regelmatig worden ververst.
De aandacht in dit onderzoek is op de volgende eindgebruikersfunctionaliteiten gericht:
- Standaard rapportage - On-line analyse
- Ad-hoc querying en rapportage
Andere eindgebruikersfunctionaliteiten zoals Statistische analyse en Data mining zijn in dit onderzoek niet meegenomen. De reden hiervoor is dat deze functionaliteiten weinig dan niet wordt toegepast voor management rapportages.
Standaard rapportage:
Hierbij worden periodiek standaard rapporten gegenereerd volgens vooraf gespecificeerde eisen. Standaard (batch) rapporten zijn sjablonen zoals financiële rapporten en verkoop rapporten. Over het algemeen worden deze rapporten batchgewijs geproduceerd en gedistribueerd binnen een bepaald tijdsbestek of geïnitieerd door een gebeurtenis. Hierbij wordt de data naar de gebruiker gebracht (data push). Alhoewel data opgevraagd door de gebruiker (data pull) ook mogelijk is. Opgemerkt moet worden dat bij de
eindgebruikersfunctionaliteit Standaard Rapportage geen analyse mogelijkheden aanwezig zijn.
Binnen Standaard Rapportage is een onderscheid te maken in statische en meer dynamische rapportage. Bij dynamische standaard rapportage kan de gebruiker, door het ingeven van parameters, het rapport in beperkte mate aanpassen, bijvoorbeeld het kiezen van
productnaam of jaar.
On-line analyse:
Bij on-line analyse wil de gebruiker antwoord op min of meer te verwachten vragen binnen een paar seconden. On-line analyse kan worden vergeleken met het doorwerken van een stapel standaard rapporten. On-line analyse (ook wel On-line Analytical Processing of OLAP- tools genoemd) is een interactief proces. Een ‘gegevenskubus’ met bijvoorbeeld verkoopdata per regio per product per jaar kan daarbij steeds interactief op verschillende wijzen worden doorsneden om meer inzicht te krijgen in verbanden (slicing and dicing). Samenvatting en detailleringen kunnen daarbij eenvoudig worden afgewisseld (drilling up/down).
Ad-hoc quering en rapportage:
Bij ad-hoc quering en rapportage moeten onverwachte vragen kunnen worden beantwoord.
Bij deze eindgebruikersfunctionaliteit zijn de reactietijden bij het beantwoorden van
analytische vragen niet van belang. Ad-hoc quering en rapportage houdt vaak in dat grote hoeveelheden niet geprepareerde data moeten worden doorzocht.
3.4 De eindgebruiker
De eindgebruiker is degene die bij een bedrijf gebruik maakt van een management informatie systeem.
Welke type eindgebruikers zijn er binnen een bedrijf? Er zijn ruwweg drie categorieën:
- Analisten: Deze hebben IT-kennis en maken zelf analyses en rapportages. Daarnaast wil deze eindgebruiker vaak relatief complexe modellen modelleren en doorrekenen. Te noemen analisten zijn: database marketeers en financieel analisten.
- Kenniswerkers: Deze gebruikers maken zelf geen modellen voor analyses. Wanneer het formuleren van een vraag op een gebruikersvriendelijke wijze kan worden gerealiseerd dan maken de kenniswerkers van deze functionaliteit gebruik. Ook bekijkt deze eindgebruiker voorgemaakte rapportages. Deze gebruiker heeft voor zijn werkzaamheden veel gegevens nodig, zoals klantgegevens voor verkopers.
- Managers: Managers zijn vooral geïnteresseerd in de hoofdlijnen en zullen vaak niet diep willen graven in data. Daarnaast zullen ze meestal geen complexe analyses (kunnen) uitvoeren. Ze willen vaak alleen een periodiek standaardrapport. In onderstaande tabel zijn de eindgebruikers en de relatie met hun functionaliteit weergegeven.
Tabel: Typen eindgebruikers
Uit bovenstaande tabel mag niet de conclusie worden getrokken dat managers geen gebruik maken van respectievelijk Ad-hoc, Online en/of Statistische analyse rapportage systemen. Zij zullen niet direct dergelijke systemen hanteren, doch wel de resultaten gebruiken. Met andere woorden managers zijn geïnteresseerd in de resultaten van de analyses van de kenniswerkers
Standaard Rapportage
Statisch Dynamische
Ad-Hoc Query en rapportage
On-line analyse
Statistische analyse / data mining Analisten
Kenniswerkers Managers
Vereist, veel gebruikt Soms toegepast Niet gebruikt
en analisten. Deze resultaten worden dan in de vorm van een standaard rapport
gepresenteerd. Dus alhoewel managers meestal niet zelf Ad-hoc queries en On-line analyses uitvoeren zijn deze twee eindgebruikersfunctionaliteiten toch van belang bij het aansturen van de organisatie.
3.6 Business Intelligence
Eindgebruikersfunctionaliteiten worden verwezenlijkt door Business Intelligence tools.
In 1989 is de term “Business Intelligence” door Howard Dresner van de GartnerGroup geïntroduceerd om een set van concepten en methodologiëen te beschrijven, die het nemen van beslissingen in het bedrijfsleven verbeteren door gebruik te maken van feiten en op feiten gebaseerde systemen.
In het artikel, “Trends in the market for Business Intelligence Software” van Dan Vesset gepubliceerd in DM Review in augustus 2001, wordt BI op de volgende wijze uitgelegd.
“Business intelligence is een managementconcept van beslissingnemen door kwantitatieve data analyse. Managers uit alle niveaus binnen een organisatie worstelen vaak met het toegang verkrijgen tot kwantificeerbare data, waarmee ze in staat zijn om zowel tactische als strategische functies uit te voeren. Gehinderd door een gebrek in het ontvangen van rapporten, een gebrek in relevante data of de afwezigheid van de mogelijkheid om data te analyseren zonder betrokkenheid van diepe informatie technologie, gaan beslissingsnemers steeds meer over op BI-software om deze essentiële punten op te lossen. Vanuit IT perspectief, geven BI tools de technologische mogelijkheid om alle managers geschikte toegang te bieden tot relevante data voor rapportage en analyse.”
In dit onderzoek worden de Business Intelligence tools van SAP en Oracle nader vergeleken op eindgebruikersfunctionaliteit.
Hoofdstuk 4: SAP ERP
4.1 Inleiding
De in hoofdstuk 3 gedefinieerde klant beschikt over verschillende SAP ERP modules en heeft zoals vermeld behoefte aan management informatie. In dit hoofdstuk zal om twee redenen SAP ERP worden beschreven.
Ten eerste bevat SAP ERP rapportage mogelijkheden, waaruit management informatie kan worden gegenereerd.
Een tweede reden om SAP ERP nader te specificeren is dat SAP ERP de bron is van gegevens voor het vullen van het data warehouse. De data warehouse tools van SAP en Oracle moeten dus op een eenvoudige wijze data uit SAP ERP kunnen halen en plaatsen in hun data warehouse.
In dit hoofdstuk volgt eerst een korte uitleg van ERP (Enterprise Resource Planning). Daarna zal worden uiteengezet hoe SAP ERP als instrument voor management rapportage kan worden toegepast. Het belang van een data warehouse voor management rapportage zal daaruit resulteren.
4.2 Wat is ERP?
ERP staat voor Enterprise Resource Planning en is een industriële term voor geïntegreerde, multi-module software pakketten die verschillende operationele bedrijfsprocessen en bedrijfsfuncties ondersteunen. Een ERP systeem kan software bevatten voor productie, product planning, onderdelen aankopen, voorraadbeheer, interactie met leveranciers, het bieden van costumer service, het volgen van orders, bedrijfsfinanciën en human resources.
ERP systemen zijn ontworpen om data op te nemen, om verandering van bestaande data aan te brengen, voor het bijhouden van transacties, om data integriteit te behouden en voor het snel klaar laten spelen van transacties. Bedrijven zetten ERP applicaties in om de efficiency en integratie van interne operaties te verbeteren. ERP oplossingen worden gebouwd op on-line transactie processing (OLTP) architecturen die excelleren in het verwerken van dagelijkse transacties en het invoeren van data. Deze transactionele systemen zijn dus ontworpen om gedetailleerde informatie van dagelijkse operaties te verzamelen en te verwerken.
4.3 Beoordeling van ERP als tool voor management rapportage
ERP systemen zijn ontworpen om dagelijkse transacties te optimaliseren, hierdoor zijn ze als rapportage en analyse oplossing minder bruikbaar. Het ERP data-schema is zeer complex, het bestaat uit duizenden tabellen met honderden kolommen.
SAP ERP heeft beperkte mogelijkheden om management rapportage te genereren. Het is mogelijk om met de ABAP technologie informatie op te vragen in SAP ERP. ABAP is de taal van SAP om vragen (queries) op te stellen. ABAP is vergelijkbaar met SQL (Structured Query Language) die gebruikt wordt door Oracle. Het gebruik van het ABAP-instrument gaat als volgt in zijn werk. Het management van een willekeurig bedrijf wil bepaalde gegevens uit SAP ERP ten behoeve van management rapportage. Om deze gegevens uit SAP ERP te halen moeten er eerst ABAP-queries geschreven worden door ABAP-specialisten. Wanneer deze ABAP-queries geformuleerd zijn, worden deze vragen op het ERP-systeem gerund. Het antwoord van deze ABAP-queries zijn de door het management gevraagde informatie en rapporten.
Aan het gebruik van het ABAP-instrument voor management rapportage kleven de volgende nadelen:
- Ten eerste heeft de eindgebruiker geen snelle toegang tot zijn gewenste informatie.
Er moeten namelijk eerst ABAP-queries geformuleerd en gerund worden.
- Ten tweede kunnen met de ABAP-queries alleen simpele queries worden
geformuleerd. Zodat de querie alleen in weinig tabellen mag zoeken om er gegevens uit te halen. Anders wordt de zoektijd van de querie enorm groot.
- Het combineren en integreren van gegevens uit de verschillende SAP modules behoort niet tot de mogelijkheden. Er kan dus geen link worden gelegd tussen bijvoorbeeld de processen planning en voorraadbeheer.
Vanuit de literatuur (*) zijn verder nog de volgende nadelen aan te geven:
- Het schrijven van ABAP programma`s om rapporten uit SAP ERP te genereren is duur, neemt veel tijd in beslag en is inflexibel.
- Er is geen trendanalyse mogelijk, omdat er geen historische gegevensopslag plaatsvindt.
- Het is niet mogelijk om informatie buiten de ERP omgeving te integreren in het ERP systeem.
* DM Review: - “Business Intelligence in the ERP Environment”
(www.dmreview.com) - “Insights from the Front Line: Maximizing the Value of ERP”
- ERP database en files zijn ontworpen om data invoer naar de applicatie te optimaliseren.
En missen daarom de geavanceerde functionaliteit van hedendaagse rapportage en analyse tools.
- Door rapportage en analyse op het ERP systeem is het gevaar aanwezig dat het bestaande operationele ERP systeem te veel wordt belast. Waardoor de prestatie van het
operationele systeem vermindert.
4.4 Conclusie
Geconcludeerd kan worden dat ERP systemen ontworpen zijn voor operationele transactie verwerking. Hierbij is de database ontworpen volgens een relationeel model, dat vooral bedoeld is om redundantie van gegevens te voorkomen. Een nadeel is echter dat dit model vaak niet geoptimaliseerd is op het weer bij elkaar zoeken van gegevens en het rapporteren hiervan. Daarnaast kan door niet correct gedefinieerde zoekvoorwaarden een zoekvraag (query) veel databelasting van het ERP- systeem opleveren.
Samengevat blijkt derhalve dat SAP ERP modules de door mij gedefinieerde klant minder/
onvoldoende mogelijkheden bieden om management informatie te verkrijgen. Deze conclusie wordt ondersteund door het feit dat SAP, na het ontwikkelen van SAP ERP, daarnaast een Data warehouse, het SAP Business Information Warehouse, heeft geïntroduceerd voor het genereren van management informatie.
Hoofdstuk 5: Data Warehouse en Business Intelligence tools
5.1 Inleiding
In hoofdstuk 4 zijn de beperkingen van ERP systemen als tool voor management rapportage besproken. Om deze problemen te omzeilen is het concept data warehouse ontwikkeld. In dit concept worden gegevens uit de verschillende operationele bronnen in een speciale database,
”het data warehouse”, fysiek verzameld en opgeslagen en in een daarvoor speciaal ontworpen datamodel, het ster-model, ondergebracht. Het data warehouse is specifiek ontwikkeld voor management rapportages met betrekking tot gegevensopslag, waarbij business intelligence-tools analyse en presentatie van gegevens mogelijk maakt.
5.2 Data Warehouse
Twee goeroe`s in dit milieu, W.H. Inmon en R. Kimball, zijn de oorspronkelijke ontwikkelaars van het concept data warehouse. Inmon definieert een data warehouse als:
“ Een onderwerp georiënteerde, geïntegreerde, tijdswisselende en niet veranderlijke collectie van data om het beslissingsproces van het management te ondersteunen.”
Hij onderscheidt daarbij de volgende begrippen.
“Onderwerp georiënteerd” betekent dat de data georganiseerd zijn rond onderwerpen die voor managers van belang zijn en niet rond operationele processen. Voorbeelden van deze onderwerpen zijn klanten, producten en human resources. In tegenstelling tot operationele systemen, die gebouwd zijn om bedrijfsprocessen te ondersteunen, wordt het data warehouse gebouwd om data en zijn relaties uit te beelden.
“Geïntegreerd” betekent dat data uit verschillende operationele bronnen moeten kunnen worden samengevoegd. Het data warehouse haalt data uit verschillende bronnen en brengt deze samen om één versie van de waarheid te beschrijven. De integratie neemt plaats in het data acquisitie proces. Dit is het extractie/ transformatie/ loading proces. Dit brengt met zich mee dat er consensus bereikt moet worden over de betekenis van elk data-element en over de beste bron van elk data-element. Wanneer dit bereikt is, dan is het data warehouse een centrale opslagplaats van consistente data.
“Tijdswisselend” verwijst naar het historisch perspectief van het data warehouse. Het data warehouse faciliteert bij het nemen van strategische beslissingen, en hierbij zijn vaak
trendanalyses over tijd nodig. Elke keer dat data uit het bronsysteem worden gehaald, worden deze toegevoegd aan het data warehouse, zodat een constante groei van het data warehouse plaatsvindt.
“Niet-veranderlijk” verwijst naar de statische aard van de data wanneer deze in het data warehouse zijn geladen. Data uit operationele systemen, die wel aan veel verandering onderhevig zijn, kunnen worden opgeslagen in een operational data store, een specifieke locatie binnen het concept data warehouse. Dit is een gegevensopslagplaats waar data voor een bepaalde tijd bijvoorbeeld een week of maand worden opgeslagen. Met behulp van business intelligence-tools kunnen zowel de statische als veranderlijke gegevens worden opgehaald.
De positie en functie van een data warehouse in het veld van gegevenstransformatie ten behoeve van management rapportage is in onderstaande figuur weergegeven. In de onderste laag zijn de operationele gebieden en de eventuele externe gegevensbronnen aangegeven, die voor het nemen van managementbeslissingen van belang zijn. Deze gegevens worden door een data warehouse via een extractie/ transformatie/ loading-tool opgevraagd, en van daar uit vindt analyse, rapportage en voorspellen plaats met behulp van business intelligence-tools (zie bovenste laag).
Fig. : Positie Data warehouse
rapporteren voorspellen
analyseren
Business Intelligence-tools
Productie Personeel&
Organisatie
Financiën Externe
bron
bronbestanden (operationele systemen) Data Warehouse
5.3 Twee verschillende Data Warehouse concepten; Inmon versus Kimball
Het data warehouse is niet een standaard tool maar een concept dat in de literatuur op verschillende wijze wordt ingevuld. De twee goeroes in deze wereld, Inmon en Kimball, geven ieder hun eigen invulling aan het data warehouse concept.
Bill Inmon heeft dit vast gelegd in “The Corporate Information Factory” (zie figuur hieronder).
Staging Area
Data Warehouse ETL
ETL
ETL
E-Commerc ET
L
CRM
Reporting
Analysis
Applications ODS
ET L
Meta Data Management
Backroom Frontroom
Inmon richt zich voornamelijk op de “backroom”. Hierin onderscheidt hij een verzameling van componenten, te weten een staging area, een data warehouse en een operational data store (ODS). Het data warehouse in Inmon`s architectuur bestaat uit één centrale opslagplaats voor de niet aan verandering onderhevige data, terwijl het ODS de “veranderlijke” data bevat. De “front room” is voor Inmon minder belangrijk, omdat rapportage en analyse vanuit het centrale data warehouse plaats vindt.
Het data warehouse concept van Kimball wordt getypeerd als “Subject oriented datamarts”
(zie de figuur op de volgende pagina). Kimball`s architectuur richt zich meer op de
“frontroom”, die uit verschillende datamarts bestaat. Voor de aan verandering onderhevige data heeft hij geen specifieke ODS gereserveerd.
Figuur: Conceptuele architectuur van een Data Warehouse, volgens B. Inmon
ETL= Extractie/
Transformatie/ Loading ODS= Operational Data Store CRM= Customer Relationship
Management
Staging Area
E-Commerc CRM
Reporting
Analysis
Applications
Meta Data Management
Backroom Frontroom
Datamarts
Figuur: Conceptuele architectuur van een Data Warehouse, volgens R.Kimball
Het belangrijkste verschil tussen deze twee concepten is dat Inmon van één centraal data warehouse gebruik maakt. Alle gedetailleerde data zijn beschikbaar voor het gehele bedrijf.
Dit centrale warehouse is de bron voor analyse, rapportage, E-commerce, customer relationship management (CRM), etc..
In termen van Kimball zijn de verschillende datamarts het data warehouse. De BI-tools en applicaties werken op deze datamarts.
Het ene concept is nooit superieur aan het andere concept (Kimball versus Inmon). Welk concept er bij een organisatie geïmplementeerd moet worden hangt altijd af van de specifieke situatie van een organisatie en zijn specifieke informatiebehoefte.
Voor het ene bedrijf kan één onafhankelijke datamart de oplossing zijn voor het ondersteunen van management informatie, bijvoorbeeld bij het rapporteren uit één bedrijfsoperationeel systeem. Voor een groter bedrijf met meerdere ERP systemen en data-bronnen zullen deze gegevens moeten worden geïntegreerd. Dan is het Enterprise Data Warehouse van Inmon waarschijnlijk meer geschikt.
CRM= Customer Relationship Management
5.4 De Data Warehouse architectuur
Vanuit de literatuur heb ik de architectuur van een data warehouse in de volgende componenten ontleed:
- Extractie- / transformatie- / loading-tool (ETL-tool) (a)
- Staging area (b)
- Data warehouse (c)
- Operational data store (ODS) (d)
- Datamarts (e)
- Business intelligence tool (BI-tool) (f)
In bovenstaande figuur zijn de genoemde onderdelen van een algemeen data warehouse weergegeven. Deze worden als volgt omschreven.
De extractie / transformatie / loading (ETL)- tool haalt data uit de bronsystemen en plaatst deze eerst in een staging area. In paragraaf 5.7 zullen de verschillende processtappen van het extraheren van brondata tot het plaatsen van gegevens in het data warehouse nader worden toegelicht.
Trans- formatie en loading
Data Warehouse
Data- marts
Rapportage
Meta data management Staging
Area Bron-
data
ODS
Het Data Warehouse
(a) (b) (c)/(d) (e) (f)
E X T R A C T I E
A N A L Y S E
Fig.: Data warehouse architectuur
De staging area is de opslagplaats waar nog geen datawijzigingen worden aangebracht. De functie van de staging area is, dat deze helpt bij het versnellen van het laden van de gegevens in het data warehouse.
Het data warehouse is de centrale opslagplaats van gegevens, van waaruit deze door business intelligence-tools worden geanalyseerd en gepresenteerd. De gegevens in een data warehouse zijn blijvend en op een dusdanige manier geordend dat hieruit gemakkelijk te rapporteren valt. In paragraaf 5.8 zal gegevensmodelering in een data warehouse worden uitgelegd.
In sommige gevallen zal er niet vanuit het data warehouse gerapporteerd worden maar uit datamarts.
Een datamart is een sub-groep van het data warehouse waarin vaak meer samengevatte en minder historische data worden opgeslagen. Deze datamarts worden bijvoorbeeld aangelegd voor specifieke afdelingen binnen een bedrijf (personeelszaken, sales, etc.)
De operational data store (ODS) is de opslagplaats voor de gedetailleerde data die aan veel verandering onderhevig zijn, zodat het data warehouse minder belast wordt. De betreffende data wordt slechts voor een bepaalde tijd (een week of een maand) bewaard en daarna uit de operational data store verwijderd. Dit in tegenstelling tot het data warehouse.
Meta data worden gebruikt voor het beheer, onderhoud en management van het data warehouse. Meta data is informatie over data en hierin worden verschillende aspecten van de data beschreven zoals de bron, de historie en het aantal tekens van een data-element. Meta data geven dus een beschrijving van de data, het data warehouse en zijn omgeving.
Een data warehouse levert zelf geen informatie aan de eindgebruiker, hiervoor zijn business intelligence tools noodzakelijk.
Met business intelligence (BI)-tools worden data uit het data warehouse of datamart
geanalyseerd en gerapporteerd. Te noemen business intelligence tools zijn; Oracle Discoverer, SAP Business Explorer, Business Objects, MicroStrategy en Cognos Powerplay. Hieruit blijkt dat de “ICT-markt” verschillende leveranciers van business intelligence tools kent. In hoofdstuk 3.4 zijn de verschillende eindgebruikersfunctionaliteiten van BI-tools nader toegelicht. Zo is de ene BI-tool gericht op het maken van standaard rapporten, en een andere BI-tool bijvoorbeeld meer geschikt voor complexe analyses.
5.5 Voordelen en nadelen van een Data Warehouse
Het concept data warehouse kent naast een aantal belangrijke voordelen, ook een enkel nadeel met betrekking tot tijdsafhankelijkheid en beheer en onderhoud.
Voordelen van een Data Warehouse:
- Reduceren van eiland-automatisering: De data uit de verschillende bedrijfsfuncties staan verspreid over verschillende databases. Om deze gegevens te kunnen koppelen en te integreren, wordt er een data warehouse over de verschillende bronnen heen gebouwd. Hierdoor worden alle gegevens centraal opgeslagen, in plaats van een verscheidenheid aan brokjes informatie verdeeld over de organisatie. Dit levert tijdsbesparing voor de eindgebruiker op.
- Opslag van historische gegevens. Hierdoor is het mogelijk om trends waar te nemen en een forecast samen te stellen.
- Ontlasting bestaande operationele ERP systemen. Operationele systemen worden indien een data warehouse aanwezig is niet belast door Business Intelligence
activiteiten. Dus managers kunnen zo vaak mogelijk de data opvragen zonder dat de prestaties van de operationele (OLTP`s) systemen verminderen.
- Snelheid van rapportage. Het is altijd mogelijk om gegevens te rapporteren ook zonder data warehouse. Maar het gaat erom hoeveel moeite en inspanning het kost om alle relevante gegevens bij elkaar te krijgen. Een data warehouse zorgt ervoor dat er snel te rapporteren is en dat er snel vergelijkingen te maken zijn.
- Flexibel analyseren. Het stellen van vragen. Management rapportage systemen bestaan niet alleen uit standaard rapportages, maar ook uit geavanceerde analyse tools.
Nadelen van een Data Warehouse:
- Omdat een data warehouse na een bepaald tijdsinterval ge-update wordt met de meest recente informatie, is een data warehouse voor wat betreft de meest actuele verwerking dus tijdsafhankelijk.
- Het data warehouse heeft voor beheer en onderhoud veel coördinatie en communicatie nodig.
5.6 Extractie/ Transformatie/ Loading
Data uit de verschillende bronsystemen moeten in het data warehouse worden geplaatst.
Hier is een extractie/ transformatie/ loading tool voor ontwikkeld. Deze tool bevat de volgende processtappen:
Extractie:
De benodigde data-elementen worden tijdsinterval-afhankelijk uit het bron-systeem gehaald.
Transformatie:
Omzetten van data in de vorm, passend voor een data warehouse.
Zuiveren:
De data moet aan bepaalde kwaliteitsaspecten voldoen:
- Nauwkeurigheid - Consistentie - Bedrijfsregels - Helderheid - Compleetheid
Integratie:
Data integratie voegt data uit verschillende bronnen samen tot een enkel, bedrijfsgeoriënteerd oogpunt. Unificatie van data. Hierbij moet worden onderzocht of er dubbele gevallen met dezelfde data zijn. Wanneer dit herkend wordt moet de informatie worden samengevoegd.
Problemen die bij data integratie komen kijken zijn:
- Verschillende codes (1= man en 2= vrouw versus m=man en v= vrouw) - Verschillende referentie tabellen (product groepen)
- Verschillen in niveau van detail (wekelijks budget / maandelijks budget).
Operationele bron
systemen
Extractie Transformatie/
zuiveren
Integratie laden Data
Warehouse
Fig.: Processtappen Extractie/ transformatie/ loading
Loading:
De laatste stap van het data acquisitie proces is het laden. Tijdens deze stap worden de data fysiek in het data warehouse geplaatst en zijn beschikbaar voor verdere verspreiding naar datamarts.
5.7 Gegevensmodellering in Data Warehouse: het Sterschema
Gegevens in een data warehouse worden anders opgeslagen dan in een ERP systeem. Het data warehouse is ontwikkeld voor het genereren van managementinformatie voor besluitvoering van het tactische en strategisch management. In een ERP systeem worden gegevens in vele verschillende tabellen ingevoerd en opgeslagen. Het is lastig om
managementinformatie te genereren uit deze tabelstructuur. Daarom zullen deze gegevens op een andere manier moeten worden opgeslagen. De gegevensmodellering in het data warehouse is hier speciaal voor ontwikkeld. De voor management rapportage gewenste data uit de verschillende ERP tabellen worden in het data warehouse geïntegreerd en
dimensionaal gemodelleerd in een paar tabellen die geordend zijn rond bedrijfsprocessen.
Het dimensionaal modelleren van gegevens maakt het analyseren van bedrijfsprocessen eenvoudiger.
Dimensionaal modelleren, als gegevensmodellering, wordt aan de hand van onderstaand voorbeeld, waarbij bij een multinational de omzetgegevens worden gegenereerd, nader beschreven.
Een multinational verkoopt producten in een aantal productcategorieën (bijvoorbeeld wasmiddelen, levensmiddelen, maar ook boeken en pc`s). Deze multinational verkoopt zijn producten over de hele wereld en wil per werelddeel en per land en per productcategorie en per product kunnen beschikken over omzetgegevens in een bepaalde maand. Het
management wil bijvoorbeeld de omzet van wasmiddelen in Europa weten of de toename van de verkoop van shampoo in Nederland of welke categorie boeken bijvoorbeeld in de provincie Groningen gewild zijn.
De omzetgegevens van de multinational worden dimensionaal opgeslagen. Het dimensionaal model bestaat uit feiten en dimensies. Feiten zijn ‘meetbare’ gegevens uit de
bedrijfsprocessen, bijvoorbeeld de omzetgegevens. Dimensies zijn de invalshoeken waarop deze feiten bekeken worden, bijvoorbeeld per land of per productcategorie of per maand. Op basis van de dimensies worden de feiten gecategoriseerd en geaggregeerd. Door de tijd heen
zijn de dimensies vrijwel onveranderlijk. Landgrenzen liggen immers niet voor onbepaalde tijd vast; dit geldt in nog grotere mate voor productgroepen.
Feiten en dimensies worden aan elkaar gerelateerd in een zogenaamd sterschema. Een sterschema bestaat uit een feit gecombineerd met de op dit feit van toepassing zijnde dimensies. Het totaal van aan elkaar gerelateerde sterschema’s wordt het dimensionaal model genoemd. Onderstaand figuur geeft een beeld van een Sterschema, waarin de drie dimensies Product, Land en Tijd geïntegreerd zijn met de feiten, zijnde de omzetgegevens hoeveelheid en prijs.
Dimensies zijn hiërarchisch opgebouwd; op het laagste niveau in de dimensie vinden we het laagste aggregatieniveau dat in analyses en rapportages voor een organisatie of specifieke toepassing van belang is. De bovenliggende niveaus vormen steeds een groepering van een aantal elementen uit de onderliggende niveaus. Dit maakt het mogelijk om informatie op verschillende hiërarchische niveaus te bekijken door te kiezen voor een hoger of lager aggregatie niveau (het zogenaamde drill-up en drill-down principe).
Dimensie:
Product
Feit:
Omzetgegevens:
-Hoeveelheid -Prijs
Dimensie:
Land Dimensie:
Tijd Fig.: het Sterschema
Bij drill-down wordt de classificatie van data fijnmaziger. Bijvoorbeeld voor de Dimensie Land wordt eerst de totale omzet van producten voor een bepaald continent bijv. werelddeel Europa gepresenteerd en daarna kan er gedrilld worden naar een gedetailleerder niveau via het land (Nederland) naar een regio, provincie of gemeente (Groningen).
Elke dimensie heeft een eigen hiërarchie. Bovenstaande figuur geeft die in de Dimensie Land aan, zo kent daarnaast de Dimensie Tijd een hiërarchie in jaar/ maand/ week/ dag. De Dimensie Product kent naast de categorie-aanduiding ook een merk-aanduiding en bijvoorbeeld een artikel-aanduiding.
De kracht van het sterschema is het gemak waarmee een gebruiker de gewenste gegevens kan verkrijgen. Bijvoorbeeld als er een rapport is van de omzet van een productcategorie in een bepaald land, is het eenvoudig om een beeld te verkrijgen van dezelfde productcategorie in een ander land, of informatie te vergaren betreffende de omzet van alle producten binnen die productcategorie in het zelfde land.
Wereld
Amerika Azië Europa
Nederland Italië België Spanje
Fig.: hiërarchie binnen de Dimensie Land
regio`s, provincies of gemeenten
Een sterschema kan visueel worden voorgesteld als een kubus, waarbij langs de ribben de Dimensies zijn uitgezet. De Feiten zijn nu ondergebracht in kleine kubussen. In het voorbeeld zijn product, land en tijd de ribben van de kubus, en staat de omzet van shampoo in
Nederland in januari 2000 in een klein kubusje als onderdeel van de grote kubus.
Wanneer je gegevens via het Sterschema wilt analyseren is het nodig binnen dit systeem op de Dimensies te navigeren. Binnen dit regiem worden twee begrippen, Slice en Dice, gehanteerd:
- Slice: Het nemen van één of meer ”plakken”uit de kubus. Dit wil zeggen dat de gebruiker bijvoorbeeld een land selecteert waarin hij geïnteresseerd is.
- Dice: Binnen een “plak” kijken naar een andere dimensie. Bijvoorbeeld binnen het geselecteerde land kijken naar een specifieke productcategorie.
In het voorbeeld van de multinational zijn drie dimensies (product, tijd, land), in de vorm van een kubus weergegeven. Het aantal dimensies is echter niet tot deze drie dimensies beperkt en kan veel groter zijn. Data warehouse producten met meer dan twaalf dimensies heb ik al wel in de literatuur aangetroffen, maar zijn visueel niet weer te geven.
5.8 Het concept Data Warehouse versus ERP-systemen
Als slot van dit hoofdstuk, waarin ik het concept data warehouse inclusief business intelligence tools heb toegelicht als instrument van management rapportage, plaats ik het ERP-systeem (zie hoofdstuk 4) daar ter vergelijking naast. Het ERP-systeem wordt
voornamelijk gebruikt om de efficiency en integratie van interne operaties te verbeteren. Data warehouse concepten worden daarentegen geïmplementeerd om de effectiviteit van het maken van beslissingen en planning te optimaliseren. Hieruit volgt dat data warehouse en
tijd product
land
Omzet van Product: shampoo Tijd: januari Land: Nederland
Fig.: visuele weergave Sterschema
ERP verschillende werkvelden kennen en beide in de toepassing als management rapportage een niet gelijke functie hebben. Onderstaand heb ik getracht die verschillen aan te geven, waarbij mijn conclusie aan het eind van hoofdstuk 4 overeind blijft.
ERP Data Warehouse
Richt zich op Automatisering en verwerking van dagelijkse transacties
Genereren van
management informatie
Voordeel Efficiëntie Effectiviteit
Scope Bedrijfsoperaties (financiën,productie,
verkoop, marketing, hrm)
Analyse, rapportage en planning applicaties Gebruikers Werknemers en managers op
operationeel niveau
Managers op tactisch/
strategisch niveau Verwerkingstype Veel korte transacties Lang lopende queries Aantal transacties en
gebruikers
Veel Weinig
Data volumes Klein tot gemiddeld Gemiddeld tot groot
Data opslag Alleen recente data Data van meerdere jaren;
voor trendanalyses
Bijwerken data Vaak Minder frequent, alleen
nieuwe data invoeren Database ontwerp Een kluwen van veel kleine tabellen
met een complexe structuur
Weinig tabellen, gestructureerd rond bedrijfsprocessen
Samenvattend blijkt uit bovenstaand vergelijk dat een organisatie c.q. bedrijf voor management rapportage idealiter een data warehouse boven een ERP-systeem dient te implementeren.
Vergelijk Data Warehouse - ERP
