Operational Intelligence - TDWI Europe 2008

Operational Intelligence
&
Enterprise Decision Management

7. Europäische TDWI Konferenz Christian Schieder / Christian Kurze
TDWI München 2008
04. 06. 2008

Decision Support bei Caenorhabditis elegans
Operational Intelligence & Enterprise Decision Management

Quelle: Besserau, Jean-Louis: Genetics and Neurobiology of C. elegans, Institute national de la
santé et de la recherche médicinal, 2007, http://www.biologie.ens.fr/bcsgnce/, 21-02-2008.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 1

Das Grundproblem der „Intelligence“

„Ein großer Teil der Nachrichten, die man im Krieg bekommt, ist
widersprechend, ein noch größerer falsch und bei weitem der größte
einer ziemlichen Ungewißheit unterworfen.“
Carl von Clausewitz (1827), Preußischer General, in seinem
Standardwerk „Vom Kriege“, Erstes Buch „Über die Natur
des Krieges“, Kap. VII „Nachrichten im Kriege“.


Inhalt

1 Einleitung
2 Theoretische Grundlagen
3 Praktische Umsetzung
– Pause –

4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick


Inhalt

1 Einleitung

– Pause –

4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick


Gartner Hype Cycle Business Intelligence 2007
Einleitung

Quelle: Gartner, Juli 2007.

Operational Intelligence Buzzword Dschungel
Einleitung

Real Time Warehousing Automated Decision Making
Dynamic Warehousing Predictive Analytics Streaming Analytics
Active Warehousing Business Activity Monitoring

Business Rules Technology Process Performance Measurement

Business Intelligence 2.0 Dynamic Process Control
Pervasive Business Intelligence Complex Event Processing
Operational Data Store Event Correlation
Adaptive Enterprise Zero-Latency Event Stream Processing
Agil Enterprise Visual Analysis
Enterprise Decision Management Operational Business Intelligence


Anwendungsfelder
Einleitung

 Betrugserkennung (Fraud detection)  Application performance monitoring
 Verkehrs- und Produktionsüberwachung,  Dynamic pricing and yield management
Logistik, Netzwerkverwaltung (Systems
 RFID/sensor network data analysis
monitoring)
 Data validation
 Nachrichtenüberwachung (Presse, Börse,
Wetter, …)  Risk management
 Demand sensing  Supply chain optimization
 Payments & cash monitoring  Call center optimization
 Data security monitoring  …
 Algorithmic trading


Corporate Performance Management
Einleitung
Definition von
Unternehmens-
zielen

Ergebnis- Strategische Definition
strategischer
analyse Ebene KPIs

Process
Prozessdesign &
Design & KPI
KPI Definition
Definition
Plan- & Planung der
Prozess- Prozess-
anpassung leistung

Prozess-
leistungs-
Operative Prozess-
automatisierung
analyse Ebene

Prozess-
Prozess-
leistungs-
ausführung
ermittlung

Prozess-
überwachung

Angepasst nach: Melchert, F.; Winter, R.; Klesse, M.: Aligning Process Automation and Business Intelligence to
Support Corporate Performance Management. Proc. of the 10th AmCIS, New York, 2004, S. 4060.

Latenzzeiten I
Einleitung

Geschäfts-
(Potenzieller)
vorfall
Wert der
Entscheidung
Daten im DW
verfügbar

Analyseergebnisse
verfügbar

Entscheidung
getroffen
Maßnahme
umgesetzt

Daten- Analyse- Entscheidungs- Umsetzungs-
latenz latenz latenz latenz

Zeit

Quelle: Hackathorn, Richard: Minimizing Action Distance, http://www.tdan.com/i025fe04.htm, 01-07 -2003.

Latenzzeiten II
Einleitung

Zusätzlicher Gewinn
(Gewinnvorsprung) bei Operative
sofortiger Entscheidung Entscheidungssituation

Taktische
Entscheidungssituation

Strategische
Entscheidungssituation

Zeit


Inhalt

1 Einleitung

– Pause –

4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick


Menschliches Verhalten – Das S-O-R-Modell
Theoretische Grundlagen . Verhaltenswissenschaft

 Verhaltenswissenschaft beschreibt, erklärt und versucht
menschliches Verhalten in Organisationen vorherzusagen
 S-O-R-Modell des Neobehaviorismus betrachtet intrapersonelle
Konstrukte zur Voraussage und Beeinflussung von Verhalten

Organismus (O)
Stimulus Reaktion
(S) (R)
„Black Box“


Menschliches Verhalten – Das S-O-R-Modell
Theoretische Grundlagen . Verhaltenswissenschaft

Organismus (O)

Verhaltensintention
Wahrnehmung
Instinkte/Triebe
Rezeptor

Effektor
Stimulus Bedürfnisse/Motive Reaktion
(S) Werte/Einstellungen (R)
Anspruchsniveau/Erwartungen
Qualifikationen

Reize aus der Umwelt erregen Die Erregung des autonomen … führen zu
Sinnesorgane (Augen, Ohren, und motorischen Systems, Verhaltensintentionen,
Haut) und werden über aktivierte Motive, Erwartungen, die über Effektoren (Muskeln,
Rezeptoren (Netzhaut, Schnecke, Fähigkeiten etc. … Sehnen) zu beobachtbaren
Schleimhaut) wahrgenommen. Reaktionen führen

Quelle: Staehle, Wolfgang; Management – Eine verhaltenswissenschaftliche Perspektive, 1999, S. 163


Sense and Response Loops
Theoretische Grundlagen . Kybernetik und Verhaltenswissenschaft

 Fünf Schritte innerhalb einer Sense and Response Loop:
 S-I (F)-A-D-R: Sense, Interpret (Filter), Analyze, Decide, Respond
 Einordnung in das menschliche Verhalten:

Organismus (O)

Verhaltensintention
Wahrnehmung

Instinkte/Triebe
Rezeptor

Effektor
Stimulus Bedürfnisse/Motive Reaktion
(S) Werte/Einstellungen (R)
Anspruchsniveau/Erwartungen
Qualifikationen

Sense Interpret (Filter), Decide Respond
Analyze


Enterprise Decision Management definiert
Theoretische Grundlagen

 Enterprise Decision Management is a systematic approach to
automating and improving operative business decisions. It aims to
increase the precision, consistency, and agility of these decisions and
reduce the time to decide and the cost of the decision.
Quelle: Taylor, James; Raden, Neil: Smart (Enough) Systems – How to Deliver
Competitive Advantages by Automating Hidden Decisions, Prentice Hall, 2007, S. 39.

 Enterprise Decision Management, …, entails all aspects of managing
automated decision design and deployment that an organization
uses to manage its interactions with customers, employees and
suppliers. Quelle: http://en.wikipedia.org/wiki/Enterprise_Decision_Management, 18-02-2008.


Kennzeichen operativer Entscheidungen
Theoretische Grundlagen . Enterprise Decision Management

niedrig Ausprägung hoch

 Frequenz

 Zeitsensitivität

 IT-Unterstützung

 Interaktivität

strategisch Ebene operativ


Kernforderungen des EDM
Theoretische Grundlagen . Enterprise Decision Management

 Genauigkeit  Geschwindigkeit
 Zielgerichtetheit einer Entscheidung im  Zeit vom Treffen einer
Hinblick auf die Erreichung von Entscheidung bis zu deren
Unternehmenszielen (Effektivität). Umsetzung.
 Konsistenz  Kosten
 Einheitlichkeit von Entscheidungen  Monetärer Aufwand für das
ceteris paribus über die Zeit, über alle Vorbereiten und Treffen einer
organisatorische Einheiten im Sinne der Entscheidung (Effizienz).
Unternehmensstrategie.

 Agilität
 Geschwindigkeit und Kosten für die
Anpassung organisationaler Regeln,
Richtlinien und Prozeduren (Flexibilität).  Robustheit?


Theoretische Grundlagen

 Operational Intelligence focuses on providing real-time monitoring
of business processes and activities as they are executed within
computer systems, and in assisting in optimizing these activities and
processes by identifying and detecting situations that correspond to
interruptions and bottlenecks.
 This is achieved by observing the progress of the business processes
and computing several metrics in real-time using these progress
events and publishing the metrics to one or more channels.
Quelle: http://en.wikipedia.org/wiki/Operational_Intelligence, 08.05.2008.

 Operational Business Intelligence delivers information and insights
to a broad range of users within hours or minutes for the purpose of
managing or optimizing operational or time-sensitive business
processes. Quelle: Eckerson, Wayne W.: Best Practices in Operational BI, TDWI Best Practises Report, 2007, S. 6.


Abgrenzung von Operational Intelligence
Theoretische Grundlagen . Operational Intelligence

Perspektive Strategic Tactical Operational
Intelligence Intelligence Intelligence

Entscheidungs- Grundsatz- Ausgestaltungs- Ausführungs-
fokus entscheidungen entscheidungen entscheidungen

Nutzer C-Level VP-Level LOB-Level

Zeithorizont Langfristig Mittelfristig Kurzfristig

Datenhorizont Historisiert Historisiert Ereignisbasiert &
Historisiert


Ebenen der Operational Intelligence

REAL TIME
LOW

EXECUTE
DATALATENCY

PROCESSES

FACILITATE
PROCESSES

MONITOR
PROCESSES

ANALYZE
PROCESSES
DAILY

Operational Operational Composite Event-driven
reports dashboards applications Analytic platforms
HIGH BUSINESS VALUE HIGH

Quelle: Eckerson, Wayne W.: Best Practices in Operational BI, TDWI Best Practises Report, 2007, S. 6.

Entscheidungen im ECA-Tupel

 Entscheidungen lassen sich als Teil eines 3-Tupels von Ereignis,
Bedingung und Handlung (engl. Event, Condition, Action; ECA)
konzeptualisieren.
 Entscheidungen entsprechen dabei dem Übergang von Bedingung zu
Handlung.

Ereignis
Sensor

Daten Erkenntnis Bedingung Entscheidung Action


Entscheidungsunterstützung

Handlungen
Handlungslatenz
Feedbacklatenz

ERP CRM Operative …
Systeme

Entscheidung

Datenlatenz Datenintegration ESB

Entscheidungslatenz

Data Analytische …
OLAP Erkenntnis
Mining Systeme

Analyselatenz


Technologien zur Verringerung von Latenzzeiten

 Datenlatenz  Analyselatenz
 Micro-batches  Data/Process Mining
 Change Data Capture  Visual Analysis
 Event Stream Processing  Complex Event Processing
 In-Memory-Databases  Business Activity Monitoring
 Grid Computing
 …
 …

 Handlungslatenz
 Entscheidungslatenz
 Workflow/ Process Engines
 Business Rules Engines
 ERP/ CRM/ SCM/ …
 Case-based Reasoning
 …
 …


Drei Säulen der Operational Intelligence


PPM BAM PFS
Process Performance Business Activity Planning , Forecasting,
Management / Monitoring Simulation
Measurement

 Ex post (Blick in den  In situ (Blick auf Abläufe in  Ex ante (Blick durch die
Rückspiegel) Bearbeitung) Windschutzscheibe)

 Analyse und Verbesserung  Ad-hoc Maßnahmen und  Unterstützung bei
Alerting Entscheidungen
 Prozess- und Kommunika-
tionsstatistiken  Event- und Regel-orientiert  Event- und Regel-orientiert


Events / Ereignisse

 An Event is a notable thing that happens inside or outside your
business. An event (business or system) may signify a problem or
impending problem, an opportunity or threat, a threshold or
deviation. Quelle: Michelson, B.: Event-Driven Architecture Overview, http://dx.doi.org/10.1571/bda2-2-06cc , 2006, S. 2.

 Ein Ereignis (v. althochdeutsch irougen = vor Augen stellen, zeigen)
findet immer dann statt, wenn etwas passiert oder sich etwas
verändert. In der Regel geht ein Ereignis mit der Veränderung eines
Zustands einher bzw. ist deren Auslöser.
 Unter einem Ereignis (engl. event) versteht man dasjenige, was eine
Aktion (Event Handler Programm) und damit eine
Zustandsveränderung auslöst. Diese Ereignisse können
Benutzereingaben (Mausklick, Taste, Spracheingabe,
Geräteanschluss, ...) oder Systemereignisse (Zeitpunkt, Fehler,
Datenveränderung, Sensor, ...) sein.
Quelle: Wikipedia, http://de.wikipedia.org/wiki/Ereignis, Abruf vom 09.05.2008.


Datenströme – Events in der IT

 Datenstrom: Kontinuierlich übersandte Datensätze, deren Größe,
Menge sowie schnelles Aufkommen verbieten, sie vor der
Verarbeitung zu speichern.
 Bisherige Forschung: Überwachung eines Datenflusses auf das
Vorkommen bestimmter Daten und Analyse von Daten innerhalb des
Stroms
 Unterscheidung:
 Transaktionsströme (Log-Daten: Kreditkartennutzung, Telefonanrufe, Zugriff
auf Webressourcen)
 Messdatenströme (Sensoren, Rechnernetzwerke, wissenschaftliche
Messstationen)


Datenströme – Events in der IT

 Überwachung und Anfrageauswertung:
 Überwachung: Suche nach bestimmten Mustern, z.B. Nachrichten über ein
bestimmtes Land in Strom von Pressemeldungen, große Kursschwankungen
in Strom von Börsendaten, lebensbedrohliche Wertkombinationen in
medizinischen Messdaten
 Filtern/Anfragen: komplexe Anfragen, wie in Datenbankanwendungen;
selbe Anfragesprachen wie für traditionelle Datenbanksysteme (SQL, XPath)
 Analyse von Datenströmen:
 Ermittlung aggregierter Werte
 Anwendungen: Trendanalyse, Abrechnung über die Nutzung von Rechnern
und Rechnernetzen sowie Verkehrswegen, Systemüberwachung,
Früherkennung von Ereignissen


Business Rules / Geschäftsregeln

 Eine Geschäftsregel ist eine Direktive oder Guideline, die das
Geschäftsverhalten beeinflussen oder leiten soll.
Quelle: Schacher, M.; Grässle, P.: Agile Unternehmen durch Business Rules, Springer, 2006, S. 17.

 Ableitungsregeln: Herleiten neuer Informationen aus bestehenden
Informationen
 Premium-Kunden sind solche, deren Umsatz in den letzten 12 Monaten über
5.000 EUR lag.
 Einschränkungen: Aussagen über das Geschäft, die wahr sein
müssen; Verbote und Gebote
 Ein Kunde darf sein Kreditlimit nie überschreiten.
 Prozessregeln: Anstoßen, verhindern oder erlauben von Aktionen
 Bei Bestellungsaufgabe ist die Bonität des Kunden zu prüfen.


Business Rules Management – BRM

 Regeln sind eine wertvolle Unternehmensressource, der Umgang mit
ihnen muss in einem kontrollierten Prozess erfolgen
 Externalisierung und Dokumentation der Geschäftsregeln

Quelle: Schacher, M.; Grässle, P.: Agile Unternehmen durch Business Rules, Springer, 2006, S. 19.

Inhalt

1 Einleitung

– Pause –

4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick


Real-Time und Active Business Intelligence
Praktische Umsetzung

 Real Time Business Intelligence = right time as needed

Real Time Business Intelligence ist ein dispositives System, das
Informationen in jeder benötigten Aktualität und Antwortzeit zur
Verfügung stellen kann. Die Aktualität und Antwortzeit sind dabei
nicht einheitlich, sondern bedarfsorientiert (Stage 1 bis Stage 4).
 Active Business Intelligence = event-driven acting BI

Active Business Intelligence ist ein dispositives System, das Ereignisse
identifizieren und verarbeiten kann und darauf mit einer Aktion in
der Systemumgebung reagiert. Das Ziel ist die teilweise oder
vollständige Automatisierung von Routineentscheidungen (Stage 5).
Agile Business Intelligence


Information Evolution in Data Warehousing

Quelle: Brobst, Stephen; Rarey, Joe, http://dssresources.com/papers/features/brobst&rarey01062003.html, 06.05.2008.

Architektur-Dschungel verschiedener Anbieter


Architekturen – Reporting

ERP

Purchase

SCM
Reports
Distribution Data Warehouse Analysten
ETL-Batch

CRM

Customer Care

Legacy

Processes Systems Data Integration Data Storage Analytics User


Architekturen – Analyzing

ERP

Reports
Purchase

SCM

Distribution Data Warehouse Analysten
ETL-Batch

CRM
OLAP
Customer Care

Legacy

„Manuelle“ Rückkopplung



Architekturen – Predicting

ERP

Reports
Purchase ETL-Batch
SCM

Data Warehouse

Distribution CRM ETL-Batch
OLAP Analysten

Legacy ETL-Batch
Customer Care ODS

ETL-Batch Data Mining
Workflow-
Engine




Architekturen – Monitoring

ERP
Reports

Purchase ETL-Batch
SCM
Data Warehouse
OLAP
Distribution CRM ETL-Batch
Analysten

Legacy Data Mining
Customer Care ODS

Micro
Workflow- Batches
Engine
Enterprise Service Bus Dashboards




Architekturen – Decisioning

ERP Reports
ETL-Batch
Data Warehouse

Purchase
SCM ETL-Batch OLAP

ODS
Event
Distribution CRM Processing
Engine
Data Mining
Micro Analysten
Batches

Legacy Stream Cache
Customer Care
Dashboards

Workflow- Event Streams Business
Business Rules
Engine Rules Engine
Repository
Mobile
Decision Service Bus Devices

Transaction Service Bus

Rückkopplung durch automatisierte Entscheidungen „Manuelle“ Rückkopplung
Processes Systems Data Integration Data Storage Decisions Analytics User


Operational Intelligence – PPM
Praktische Umsetzung . Komponenten

ERP Reports
ETL-Batch
Data Warehouse

Purchase
SCM ETL-Batch OLAP

ODS
Event
Engine
Data Mining
Micro Analysten
Batches

Legacy Stream Cache
Customer Care
Dashboards

Business Rules
Engine Rules Engine
Repository
Mobile




Operational Intelligence – BAM

ERP Reports
ETL-Batch
Data Warehouse

Purchase
SCM ETL-Batch OLAP

ODS
Event
Engine
Data Mining
Micro Analysten
Batches

Legacy Stream Cache
Customer Care
Dashboards

Business Rules
Engine Rules Engine
Repository
Mobile




Operational Intelligence – PFS

ERP Reports
ETL-Batch
Data Warehouse

Purchase
SCM ETL-Batch OLAP

ODS
Event
Engine
Data Mining
Micro Analysten
Batches

Legacy Stream Cache
Customer Care
Dashboards

Business Rules
Engine Rules Engine
Repository
Mobile




Event Processing / Ereignisverarbeitung

 An Event is a notable thing that happens inside or outside your
business. An event (business or system) may signify a problem or
impending problem, an opportunity or threat, a threshold or
deviation.
Quelle: Michelson, B.: Event-Driven Architecture Overview, http://dx.doi.org/10.1571/bda2-2-06cc , 2006, S. 2.

 Datenstrom: Kontinuierlich übersandte Datensätze, deren Größe,
Menge sowie schnelles Aufkommen verbieten, sie vor der
Verarbeitung zu speichern.



 Simple Event Processing (SEP)
 Ereignis initiiert eine nachgelagerte Handlung
 Bsp.: einfache Workflow, Triggers
 Event Stream Processing (ESP)
 Ereignisse werden klassifiziert und an Abonnenten „weitergestreamt“
 Fokus liegt auf der Versorgung nachgelagerter Ereigniskonsumenten mit
Echtzeit-Information
 Complex Event Processing (CEP)
 Semantische, räumliche und zeitliche Korrelationen zwischen
Ereignissen werden evaluiert, ausgewertet und entsprechende
Handlungen angestoßen
 Einsatz von komplexen Algorithmen und Verfahren, um Ereignisse über
lange Zeiträume und verschiedene Ereignistypen hinweg zu korrelieren

Quelle: Michelson, B.: Event-Driven Architecture Overview, http://dx.doi.org/10.1571/bda2-2-06cc , 2006, S. 2f.


 Verschiedene Algorithmen zur Anfrageauswertung und Analyse von
Datenströmen
 Integration von historischen und streambasierten Daten

Quelle: Espertech, http://www.espertech.com/products/esper.php.

Event Flow / Ereignisfluss

 Event Generators:
 Quelle des Events: Applikation, Datenspeicher, Service, Geschäftsprozess,
Collaboration-Werkzeug (E-Mail, Instant Messenger)
 Event Sensor:
 Router / Filter, Aufnahme von Events
 Event Channel:
 Transportiert den Event: i.d.R. messaging backbone
 Event Processing:
 Evaluierung gegen Processing-Rules, Initiierung von Aktionen: Serviceaufruf, Starten
eines Geschäftsprozesses, Publishing an Subscriber, Notifying, Generierung von
neuen Events, Speichern für analytische Zwecke
 Event Consumers:
 Getriggerter Event Consumer führt seine Aktivität aus


Event Flow / Ereignisfluss

Event
Consumer
ERP Reports
ETL-Batch
Data Warehouse

Purchase
SCM ETL-Batch OLAP
Event ODS
Sensor Event
Engine
Data Mining
Micro Analysten
Batches

Legacy Stream Cache
Customer Care
Dashboards

Business Rules
Engine Rules Engine
Repository
Mobile
Event
Generators Transaction Service Bus
Event
EventRückkopplung durch automatisierte Entscheidungen Processing
Processes Channel(s) Data Integration
Systems Data Storage Decisions Analytics User


Drei Typen von Business Rules Technologie

1. Rule Execution Technologie (Business Rule Engines; BREs)
 Eigentliche Business Rule Engines
 Workflow-Management-Systeme
 Datenbanksysteme (via Trigger, Stored Procedures)
 ERP-Systeme (implizite Rules)
2. Rule Management Technologie
 Management – keine automatische Ausführung
 Frontend für Rule-(Weiter-)Entwicklung
 Oftmals Vermischung mit Rule Execution
3. Rule Discovery Technologie
 Reverse Engineering von Legacy Code
 Process Mining
Quelle: Schacher, Markus; Grässle, Patrick: Agile Unternehmen durch Business Rules. Springer 2006, S. 214 f.

„Lebenszyklus“ von Business Rules

 Externalisierung
 Rule Developer
 Werkzeuge: Rule Builder
 Ablage
 Werkzeug: Rule Repository
 Ausführung
 Business Rules Engine
 Management
Quelle: Yasu Technologies, http://www.yasutech.com, 2008.
 Business User verbessern / passen Rules an
 Process Mining
 Werkzeuge: Web Editor, Rule Builder


Business Rules

ERP Reports
ETL-Batch
Data Warehouse

Purchase
SCM ETL-Batch OLAP

ODS
Event
Engine
Data Mining
Micro Analysten
Batches

Legacy Rule Stream Cache Rule
Customer Care Storage Execution
Dashboards

Business Rules
Engine Rules Engine
Repository
Mobile




Kritische Erfolgsfaktoren

 Kritische Erfolgsfaktoren bei der Umsetzung einer EDA:
 Support durch das Top-Management
 Business Ownership der Gesamtlösung
 Balance zwischen kurz- und langfristigen BI-Zielen
 Adäquate Ressourcen für Entwicklung und Betrieb
 Sicherstellung von Datenintegrität und -qualität
 Flexibilität der Datenstrukturen, Metadatenmanagement
 Flexibilität und Vielseitigkeit der Architektur
 Robustes System und weitreichender User-Support
 Realisierung der Erfolgsfaktoren durch SLAs

Quellen: Markarian, J., Brobst, S., Bedell, J., Critical Success Factors Deploying Pervasive BI, 2007;
Davis, J. R., Business Intelligence NetworkTM Research Report, Using Operational Business Intelligence for Intra-Day Analysis and Decision Making, 2007.


Inhalt

1 Einleitung

– Pause –

4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick


Agile Business Intelligence Architecture
Marktüberblick

ERP Reports
ETL-Batch
Data Warehouse

Purchase
SCM ETL-Batch OLAP

ODS
Event
Engine
Data Mining
Micro Analysten
Batches

Legacy Stream Cache
Customer Care
Dashboards

Business Rules
Engine Rules Engine
Repository
Mobile




Gartner Magic Quadrant Business Intelligence
Marktüberblick

Source: Gartner, January 2008.

Gartner Magic Quadrant Business Process Analysis
Marktüberblick

Quelle: Gartner, January 2008.

Forrester Wave™: Human-Centric BPM Q3 ’07
Marktüberblick

Quelle: Forrester Research Inc., 2007.

Business Rules Anbieter Q2/2008
Marktüberblick

Quelle: Forrester Research Inc.: The Forrester Wave™: Business Rules Platforms, Q2 2008.

Business Rules Platforms
Marktüberblick

Quelle: Forrester Research Inc.: The Forrester Wave™: Business Rules Platforms, Q2 2008.

Markt für Business Activity Monitoring Tools
Marktüberblick

ERP
EAI Anbieter Produkt
Anbieter Produkt
Oracle Enterprise Manager 10g Release 2
BEA PA und P-BAM
PeopleSoft Performance Management 8.9
IBM WebSphere Business Monitor V6.0
Siebel Business Analytics Platform 7.8
Microsoft BizTalk Server 2006
SAP SAP Netweaver
SeeBeyond ICAN Suite 5
Pure Player
Anbieter Produkt
Tibco BusinessFactor, OpsFactor

WebMethod Fabric 6.5 Axway Synchrony Sentinel
BPM
Anbieter Produkt Celequest Activity Suite

BI IDS Scheer ARIS PPM firstRain firstRain
Anbieter Produkt
Pikos Bonaparte iSphere iSphere Event Server
Business Objects XI Release 2 Metatomix Metatomix
Filenet Business Process Manager
Cognos Cognos 8 Rhysome ZOMA

Informatica PowerCenter Senactive InTime

Information Builders WebFocus 7 Systar BusinessBridge


BAM Marktprognose
Marktüberblick

1. Gartner survey reveals that more than 80 percent of BAM projects have a positive ROI.
2. Through 2010, the adoption of BAM platforms will grow at least 200 percent from 2006 levels
(0.7 probability).
3. By 2012, BAM solutions will be most frequently sourced from business application vendors (0.8
probability).
4. By the end of 2008, each of the major business intelligence vendors will build or buy BAM
functionality (0.7 probability).
5. By 2012, the average BAM latency requirements will decrease to less than one minute, from an
average of less than 15 minutes in 2006 (0.7 probability).
6. In the long term, it is expected that most of the BAM deployments will be embedded within
business applications.
7. Forrester: “Demand for Business Process Management Suites Will Accelerate Through 2009.”
8. By 2012, integration costs for problem-specific BAM projects will rise to at least twice the
software license costs (0.7 probability).
9. Leading industries in BAM implementation are energy, communications, financial services, and
retail/wholesale.
Quelle: Gartner: MarketScope for Business Activity Monitoring Platforms, 3Q06.
© Christian Schieder, Christian Kurze : Operational Intelligence & Enterprise Decision Management : TDWI 2008 München S. 62.

Event Processing Engines
Marktüberblick

 Coral 8: Coral 8 Engine

 IBM Streambase: Streambase Server

 Progress Apama: Apama EP Platform

 Oracle BEA: Weblogic Event Server
 EsperTech: Esper EP&CEP Platform
 Microsoft: BizTalk Server

 Systar: BusinessBridge (z.B. ARIS Process Event Monitor)
 …


Inhalt

1 Einleitung

– Pause –

4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick


Agile Business Intelligence Architecture
BI-Cool(Tool)Tour

ERP Reports
ETL-Batch
Data Warehouse

Purchase
SCM ETL-Batch OLAP

ODS
Event
Engine
Data Mining
Micro Analysten
Batches

Legacy Stream Cache
Customer Care
Dashboards

Business Rules
Engine Rules Engine
Repository
Mobile




Ausgewählte Softwareanbieter
BI-Cool(Tool)Tour

 Rules Modelling: Visual Rules
http://www.visual-rules.de

 Rules Management: ILOG BMRS
http://www.ilog.com/

 Event Processing: Streambase
http://www.streambase.com

Coral8
http://www.coral8.com/

 Activity Monitoring: TIBCO
http://www.tibco.com/

 Event Analysis: Senactive
http://www.senactive.com

 Visual Analysis: Tableau Software
http://www.tableausoftware.com


Business Rules Modelling: Visual Rules
BI-Cool(Tool)Tour

Quelle: Innovation Software, http://www.visual-rules.de/00_home/home.html, Abruf vom 12.05.2008.

Business Rules Management: ILOG BRMS
BI-Cool(Tool)Tour

Quelle: ILOG, http://www.ilog.com/, Abruf vom 10.05.2008.

Complex Event Processing: Streambase
BI-Cool(Tool)Tour

Quelle: Streambase, http://www.streambase.com/products-StreamBaseStudio.htm, Abruf vom 10.05.2008.

Complex Event Processing: Coral8
BI-Cool(Tool)Tour

Quelle: Coral8, http://www.coral8.com/products/portal.html, Abruf vom 10.05.2008.

Business Activity Monitoring: TIBCO Business Studio
BI-Cool(Tool)Tour

Quelle: TICBO http://ams.tibco.com/GIDemo_Advanced/, http://www.tibco.com/devnet/business_studio/default.jsp, Abruf vom 10.05.2008.

Event Analysis: Senactive EventAnalyzer™
BI-Cool(Tool)Tour

Quelle: Senactive, , http://www.senactive.com/index.php?id=eventanalyzer,
http://www.senactive.com/fileadmin/Medienarchiv_Website/Datenblaetter/Datenblaetter_
DE/02_ARCHITEKTUR_INTIME_SENACTIVE_DE_080225_web.pdf , Abruf vom 10.05.2008.

Visual Analysis: Tableau Software
BI-Cool(Tool)Tour

Quelle: Tableau Software, http://www.tableausoftware.com/products/tour, Abruf vom 10.05.2008.

Inhalt

1 Einleitung

– Pause –

4 Marktüberblick
5 BI-Cool(Tool)Tour
6 Ausblick


Fazit
Ausblick

 Klassische BI-Architekturen weisen grundlegende konzeptuelle
Mängel auf, die eine Weiterentwicklung in Richtung eines
umfassenden Entscheidungsmanagements (also E.-vorbereitung und
E.-umsetzung) erschweren
 Operational Intelligence erfordert ein neues Verständnis von und
neue Architekturen für Business Intelligence
 Technologische Konzepte sind vorhanden und müssen kombiniert
und aufeinander abgestimmt eingesetzt werden


…und in Zukunft?

„ Die Kenntnis der Umstände hat sich in uns vermehrt, aber die
Ungewißheit ist dadurch nicht verringert, sondern gesteigert.“
Carl von Clausewitz (1827), Preußischer General, in seinem
Standardwerk „Vom Kriege“, Erstes Buch „Über die Natur
des Krieges“, Kap. III „Der kriegerische Genius“.


Operational Intelligence - TDWI Europe 2008

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à Operational Intelligence - TDWI Europe 2008

Similaire à Operational Intelligence - TDWI Europe 2008 (20)

Plus de Christian Schieder

Plus de Christian Schieder (10)

Operational Intelligence - TDWI Europe 2008