Auswirkungen von In- Memory-Datenmanagement auf ...€¦ · Chair for Information Systems and...

Chair for Information Systems and Information Management, Prof. Dr. Jörg Becker

Auswirkungen von In-

Memory-Datenmanagement

auf Geschäftsprozesse im

Business Intelligence Patrick Wessel, Sebastian Köffer, Jörg Becker

1

WI 2013 – Student consortium

Patrick Wessel, Sebastian Köffer, Jörg Becker

In-Memory-Datenmanagement - Vision

Bill Gates (1994): „Information at your fingertips“

Hasso Plattner (2009): „The impact on management of companies will be

huge, probably like the impact of Internet Search Engines on all of us“

Quelle: Gartner (2012)

2



Forschungsfragen

Welche Literatur zum Thema IMDM wurde bereits

im Kontext betriebs-wirtschaftlicher

Prozessänderungen publiziert?

RQ 1

Inwiefern werden Geschäftsprozesse im BI-Umfeld

durch IMDM beeinflusst oder verändert?

RQ 2

3



Agenda

1. Grundlagen In-Memory-Datenmanagement (IMDM)

3. Auswirkungen von IMDM

4. Auswirkungen auf BI-Geschäftsprozesse

5. Fazit und Diskussion

2. Methodik

4



Grundlagen In-Memory-Datenmanagement

Die Idee ist nicht neu und entstand schon in den 80er Jahren

Unzuverlässigkeit des Hauptspeicher

hohe Kosten

softwarebedingte Adressierungsfehler

„Tape is Dead, Disk is Tape, Flash is Disk, RAM Locality is King”

Multicore-Architekturen und 64-Bit-Technologie

Zeilenorientierte Datenorganisation

Spaltenorientierte Datenorganisation

Z1

Z2

Z3

Z4

S1 S2 S3

A B C

A B C

A B C

A B C

Zeile Zeile Zeile Zeile

Spalte Spalte Spalte

sinkendes Preisniveau von Hauptspeicher

spaltenorientierte Datenspeicherung

Quelle: Plattner, H., Zeier, A.: In-Memory Data Management: An Inflection Point for Enterprise

Applications. Springer Heidelberg Dordrecht London New York (2011).

Gray (2006)

5



Methodik

Literaturanalyse

Rückwärtssuche über ein Level

Bei besonders relevanten Autoren Vorwärtssuche

25 Publikationen relevant im Sinne der Forschungsfragen (70 Publikationen insges.)

RQ 1 3 Diskussionsaspekte

Performance zur Echtzeit-Analyse

Zusammenspiel von Big Data und In-Memory

In-Memory und Integration von OLAP und OLTP

RQ 2

Beispiele aus der Literatur

semi-strukturierte Interviews mit vier erfahrenen BI-Beratern

6



Performance zur Echtzeit-Analyse

Source Evaluation

Acker et al. 2011

Davenport und Snabe 2011

Fabian und Günther 2011

Gartner 2011

Lechtenbörger/Vossen 2011

Lehner 2011

Plattner und Zeier 2011

Richardson 2011

Schütte 2012

Sinzig und Sharma 2011

Thiele et al. 2011

Winter et al. 2011

Zeier et al. 2011

Standpunkt

Zustimmung

Neutral

Wiederspruch

Mit Hilfe von IMDM kann

die Vision von Realtime

Business Intelligence

endlich umgesetzt werden.

7



Zusammenspiel von Big Data und In-Memory

Source Evaluation

Chamoni 2011

Gartner 2011

Kemper und Neumann 2011

Kossmann 2011

Krueger et al. 2011

Lehner 2011

Ousterhout et al. 2011

Piller und Hagedorn 2011


Russom 2011


Stonebraker 2011

Thiele et al. (2011)

Standpunkt

Zustimmung

Neutral

Wiederspruch

IMDM sorgt dafür, dass die

Herausforderungen durch

Big Data im Business

Intelligence gelöst werden

können

8



Integration von OLAP und OLTP

Source Evaluation

Davenport und Snabe 2011

Kemper und Neumann 2011

Kossmann 2011

Krueger et al. 2011

Piller und Hagedorn 2011

Plattner 2009



Stonebraker 2011

Strohmeier 2012

Thiele et al. 2011

Winsemann 2011

Winter 2011

Winter et al. 2011

Zeier et al. 2011

Zustimmung

Neutral

Wiederspruch

Standpunkt

IMDM wird dafür sorgen,

dass OLAP und OLTP-

Systeme langfristig

integriert werden können.

9



Geschäftsprozesseigenschaften für die potentielle Nutzung von IMDM

Änderungsdynamik der Daten Häufige und unvorhersehbare Änderungen, der einem Geschäftsprozess

zugrunde liegenden Daten

Schwankungsbreite der Kenngrößen Starke Änderung der Kennzahlenwerte, die einen potentiellen Einfluss auf den

Unternehmenserfolg haben

Anzahl der Auswertungsoptionen Anzahl der Handlungsalternativen, die idealerweise gegeneinander abgewogen

werden müssen

Dringlichkeit der Analyseergebnisse Auswertungsergebnisse werden zeitnah benötigt

Komplexität der Auswertungen Die Auswertungen sind aufgrund der Algorithmen oder Datenstrukturen

vergleichsweise aufwendig

Datenmenge In dem zugrunde liegenden Geschäftsprozess werden relativ große

Datenbestände verarbeitet

10



Nutzenpotentiale und Effekte von IMDM

Massive Steigerung der Auswertungshäufigkeit durch die

Verringerung der Programmlaufzeiten

Erhöhung der Auswertungsflexibilität ohne vordefinierte Strukturen

und durch die Möglichkeit viele Szenarien durchzuspielen

Steigerung der Aktualität der Daten

Vergrößerung der Datenbandbreite durch historische und aktuelle

Daten

Höherer Detaillierungsgrad durch den Zugriff auf Einzelbelege

11



IMDM - Anwendungsfälle

Marketing

iterative Kundensegmentierungen für

Marketingkampagnen auf der Basis von operativen Daten

Vertrieb

Servicequalität über mobile Applikationen zum

Wettbewerbsvorteil steigern

Deckungsbeitrag- Absatz- und Umsatzanalysen auf der

Basis von Einzelposten mit statistischen Methoden zur

Abweichungsanalyse

Planung

kürzere Planungszyklen und kurzfristige Änderungen

Disposition

Bedarfsprognoserechnung - Vermeidung von

Out-of-Stock-Situationen

SALE

12



Hoch

Mittel

Niedrig

Ausw

ert

ungshäufigkeit

Ausw

ert

ungsflexib

ilitä

t

Aktu

alit

ät

Date

nbandbre

ite

Deta

illie

rungsgra

d

Operatives Reporting

Analyse

komplexe Auswertungsverfahren

Adaptive Planung

Daten aus mobilen Geräten

Nutzenpotential

Geschäftsprozesseigenschaften

Änderu

ngsdyn

am

ik

Schw

ankungsbre

ite

Ausw

ert

ungsoptionen

Dringlic

hkeit d

er

Analy

seerg

ebnis

se

Kom

ple

xität

Date

nm

enge

Operatives Reporting

Explorative Analyse

Komplexe Auswertungsverfahren

Adaptive Planung

Daten aus Endverbrauchergeräten

Geschäftsprozesseigenschaften

Auswirkung von IMDM auf BI-Geschäftsprozesse

Quelle: Piller, Hagedorn (2011) Business Benefits And Application Capabilities Enabled By In-Memory Data Management

13



Vorläufige Ergebnisse der Fallstudienanalyse

4 semi-strukturierte Interviews

„ [...] die Situation in der ich in kürzester Zeit schnelle Entscheidungen treffen

muss und damit auf eine hohe Performance angewiesen bin. […] Ich kann aber

nur das in Echtzeit darstellen, was im System in Echtzeit verfügbar ist.“

„Der […] Prozess verändert sich insofern, dass durch die Wiederholung des

Prozesses in kürzeren Zeitabständen Informationen gewonnen werden. [...] Wenn

ich den Speicherplatz und die Performance zur Verfügung habe, ist es mir egal, ob

ich mehr Informationen aufnehme.“

„In einer Welt mit einem System würde im Prinzip nur noch ein

„Transform“ stattfinden. […] Die Auswirkungen einer Buchung

werde ich realtime sofort erkennen können.“

14



Fazit und Diskussion

Auswirkungen auf die Praxis

IMDM ist eine technologische Innovation mit Potential die wachsenden

Herausforderungen im BI-Umfeld zu erfüllen

neue Formen von Anwendungsklassen benötigen innovative Ideen

Höhe des Integrationsbedarfs ist ein entscheidender Aspekt bei der

Integration von OLAP und OLTP

Die gezielte Fragestellung und die Relevanz von Informationen innerhalb

von Geschäftsprozessen im BI-Umfeld sind nach wie vor entscheidend.

Anwendungsbereiche für IMDM sind von den Eigenschaften der jeweiligen

Geschäftsprozesse und den zu erzielenden Effekten abhängig

Auswirkungen auf die Forschung

nur wenig Arbeiten thematisieren die Auswirkungen von IMDM

auf Geschäftsprozesse

empirische und domänen-spezifische Forschung gefordert

Auswirkungen von In- Memory-Datenmanagement auf ...€¦ · Chair for Information Systems and...

Documents

Transcript of Auswirkungen von In- Memory-Datenmanagement auf ...€¦ · Chair for Information Systems and...