Agile Business Intelligence E-Book

Stephan Trahasch

• Herausgeber: dpunkt
• Kategorie: Wissenschaft und neue Technologien
• Serie: Edition TDWI
• Sprache: Deutsch

Seitenzahl: 418

Veröffentlichungsjahr: 2016

Beschreibung

Agile Methoden und Vorgehensweisen werden heute auch in BI-Projekten erfolgreich und gewinnbringend eingesetzt. Dabei steht eine ganze Reihe unterschiedlicher Ansätze zur Steigerung der BI-Agilität zur Verfügung. Entscheidend für den Erfolg ist die ganzheitliche Betrachtung von BI-Architekturen, -Organisationsformen, -Technologien und an BI angepasste agile Vorgehensmodelle. Die Autoren erörtern in diesem Buch Agile Business Intelligence, indem sie zunächst BI-Agilität mithilfe eines Ordnungsrahmens definieren und strukturieren. Auf diesen Grundlagen aufbauend zeigen sie anhand von konkreten Fallstudien, wie Agilität in BI-Projekten umgesetzt werden kann. Hierbei handelt es sich beispielsweise um die Durchführung agiler Projekte zum Aufbau eines Data Warehouse oder um die Umsetzung von Sandboxes auf Basis von In-Memory-Technologien. Behandelt werden im Einzelnen: • Der Einsatz von Scrum in der Business Intelligence • Anforderungsmanagement durch User Stories • Modellierung agiler BI-Systeme • Data Vault für agile Data-Warehouse-Architekturen • Agile BI-Architekturen • Automatisiertes Testen • BI-Agilität: Relevanz, Anforderungen und Maßnahmen • Agil und dezentral zum Enterprise Data Warehouse Das Buch richtet sich an Praktiker aus dem BI-Projektmanagement und der BI-Entwicklung sowie an BI-Entscheider, BI-Berater und Mitarbeiter aus den Fachabteilungen, die für BI-Lösungen verantwortlich sind. In der Edition TDWI erscheinen Titel, die vom dpunkt.verlag gemeinsam mit dem TDWI Germany e.V. ausgewählt und konzipiert werden. Inhaltliche Schwerpunkte dieser Reihe sind Business Intelligence und Data Warehousing.

Leseprobe

Prof. Dr. Stephan Trahasch ist Professor für betriebliche Kommunikationssysteme und IT-Sicherheit an der Hochschule Offenburg. Seine Forschungsschwerpunkte liegen in den Bereichen Business Intelligence, Data Mining, Big Data und IT-Security. Er ist Mitglied im TDWI-Arbeitskreis »Agile BI« und hat das »Memorandum für Agile Business Intelligence« mitherausgegeben.

Dr. Michael Zimmer ist Manager bei Accenture Digital im Bereich Digital Delivery und verantwortet dort das Thema SAS für den deutschsprachigen Raum. Michael Zimmer hat zum Thema agile BI-Architekturen promoviert und ist im TDWI Referent, Autor und Experte sowie Organisator des TDWI Roundtable Stuttgart. Er ist Mitglied im TDWI-Arbeitskreis »Agile BI« und hat das »Memorandum für Agile Business Intelligence« mitherausgegeben.

Zu diesem Buch – sowie zu vielen weiteren dpunkt.büchern – können Sie auch das entsprechende E-Book im PDF-Format herunterladen. Werden Sie dazu einfach Mitglied bei dpunkt.plus+:

www.dpunkt.de/plus

Agile Business Intelligence

Theorie und Praxis

Stephan TrahaschMichael Zimmer (Hrsg.)

Stephan Trahasch

[email protected]

Michael Zimmer

[email protected]

Lektorat: Christa Preisendanz

Copy-Editing: Ursula Zimpfer, Herrenberg

Herstellung: Frank Heidt

Umschlaggestaltung: Anna Diechtierow, Heidelberg

Druck und Bindung: M.P. Media-Print Informationstechnologie GmbH, 33100 Paderborn

Fachliche Beratung und Herausgabe von dpunkt.büchern in der Edition TDWI: Marcus Pilz · [email protected]

Bibliografische Information der Deutschen Nationalbibliothek

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.deabrufbar.

ISBN:

Buch   978-3-86490-312-0

PDF   978-3-86491-873-5

ePub   978-3-86491-874-2

mobi   978-3-86491-875-9

1. Auflage 2016

Copyright © 2016 dpunkt.verlag GmbH

Wieblinger Weg 17

69123 Heidelberg

Die vorliegende Publikation ist urheberrechtlich geschützt. Alle Rechte vorbehalten. Die Verwendung der Texte und Abbildungen, auch auszugsweise, ist ohne die schriftliche Zustimmung des Verlags urheberrechtswidrig und daher strafbar. Dies gilt insbesondere für die Vervielfältigung, Übersetzung oder die Verwendung in elektronischen Systemen.

Es wird darauf hingewiesen, dass die im Buch verwendeten Soft- und Hardware-Bezeichnungen sowie Markennamen und Produktbezeichnungen der jeweiligen Firmen im Allgemeinen warenzeichen-, marken- oder patentrechtlichem Schutz unterliegen.

Alle Angaben und Programme in diesem Buch wurden mit größter Sorgfalt kontrolliert. Weder Autor noch Verlag können jedoch für Schäden haftbar gemacht werden, die in Zusammenhang mit der Verwendung dieses Buches stehen.

5 4 3 2 1 0

Geleitwort

Business Intelligence (BI) hat sich in der Unternehmenspraxis etabliert und ist branchenübergreifend sowohl in mittelständischen als auch in Großunternehmen unverzichtbare Komponente der IT-Infrastruktur geworden. Befeuert durch technische Innovationen – wie In-Memory-Datenbanken, Big-Data-Ansätze und Cloud-Lösungen – sind hierbei gerade in den letzten Jahren neue, erfolgskritische Anwendungsdomänen entstanden. Längst ist die Zeit vorbei, in der sich BI auf die IT-basierte Unterstützung des Managements reduzierte. Vielmehr stellt Business Intelligence – heute allgemein verstanden als IT-basierte Entscheidungsunterstützung – häufig einen integralen Bestandteil der prozessualen Geschäftssteuerung dar. Es liegt auf der Hand, dass diese Konzepte in ihrer Komplexität und Relevanz weit über tradierte Ansätze hinausgehen und die Organisationen teilweise vor konfliktäre Herausforderungen stellen. So sind auf der einen Seite solide BI-Gesamtarchitekturen aufzubauen, Governance-Strukturen zur Sicherstellung der Strategiekonformität zu etablieren und Entwicklungs- sowie Betriebsrahmenbedingungen der interagierenden Systeme eindeutig zu regeln. Auf der anderen Seite ist es jedoch auch zwingend erforderlich, dass IT-Lösungen vor dem Hintergrund zunehmender Marktdynamik schnell, flexibel und erfolgreich an sich ändernde Rahmenbedingungen angepasst werden können. Dieser Forderung nach »Agilität« ist dieses Buch gewidmet. Es beschäftigt sich als Sammelband mit den Ideen, Ansätzen und Projekterfahrungen namhafter BI-Experten aus Forschung und Praxis. Hierbei werden neben entwicklungsbezogenen, modellierungsnahen sowie architekturorientierten Facetten der BI-Agilität insbesondere Fallstudien aus Praxisbereichen vorgestellt und kritisch reflektiert.

Das Werk liefert somit sowohl Praktikern als auch anwendungsorientierten Wissenschaftlern wertvolle Anregungen und Diskussionsansätze.

Prof. Dr. Hans-Georg KemperStuttgart, im September 2015

Vorwort

Immer mehr Unternehmen und Projektteams nutzen agile Methoden und Vorgehensmodelle wie Scrum für die Softwareentwicklung. Die Vorteile des agilen Ansatzes haben sich in der Praxis gezeigt: Der Einsatz von agilen Methoden und agilen Vorgehensmodellen führt in der Regel zu einer Steigerung der Effizienz, einer besseren Zusammenarbeit im Team und zu einer höheren Kundenzufriedenheit. Um die Agilität von Business-Intelligence-Lösungen zu erhöhen, werden auch im Bereich Business Intelligence (BI) zunehmend agile Methoden und Projektmanagementframeworks erfolgreich eingesetzt. Wurden agile Vorgehensmodelle zu Beginn meist eins zu eins auf die BI übertragen, so hat sich das Verständnis von BI-Agilität als ganzheitliche Eigenschaft der BI im deutschsprachigen Raum etabliert. Gleichzeitig wurden agile Methoden auch auf die Besonderheiten der BI adaptiert. Durch unsere Tätigkeiten im TDWI Germany e.V. sowie in der Wissenschaft und Praxis konnten wir diesen Prozess direkt mitgestalten und begleiten. Im Memorandum für Agile Business Intelligence [Trahasch et al. 2014], das von über 50 Unternehmen und Einrichtungen unterzeichnet wurde, wurden die an die BI angepassten grundlegenden agilen Werte und Prinzipien veröffentlicht.

Dieses Buch behandelt erstmals das Thema Agile BI und BI-Agilität in Theorie und Praxis und zeigt anhand von Fallstudien, wie Agile BI in BI-Projekten umgesetzt werden kann. Das vorliegende Werk ist in einen Grundlagenteil zu BI-Agilität und Agile BI mit fließendem Übergang zu einem Praxisteil gegliedert. Im ersten Teil wird BI-Agilität definiert und mithilfe eines Ordnungsrahmens strukturiert. Darauf aufbauend werden in den folgenden Kapiteln weitere grundlegende Konzepte und Aspekte wie der Einsatz von Scrum in der BI, BI-Architekturen oder BI-Technologien thematisiert. Im zweiten Teil werden diese Grundlagen anhand konkreter Fallstudien aus der Praxis weiter konkretisiert und ausgestaltet. Hierbei handelt es sich beispielsweise um die Durchführung agiler Projekte zum Aufbau eines Data Warehouse oder um die Umsetzung von Sandboxes auf Basis von In-Memory-Technologien.

Das Buch richtet sich an Praktiker aus dem BI-Projektmanagement, der BI-Entwicklung, an BI-Entscheider, BI-Berater und Mitarbeiter aus den Fachabteilungen, die für BI-Lösungen verantwortlich sind. Es sei darauf hingewiesen, dass es sich bei diesem Buch um ein Buch von Praktikern für Praktiker handelt – mit den notwendigen Grundlagen und einer wissenschaftlichen Fundierung. Unser Dank gilt hier den Autoren aus den unterschiedlichen Unternehmen und Hochschulen, die einen Beitrag beigesteuert haben, und auch den Firmen, die uns einen Einblick in ihre Business Intelligence und agilen Projekte ermöglichen. Dem dpunkt.verlag und besonders Christa Preisendanz gilt unser Dank für die Unterstützung bei der Erstellung des Buches.

Die Fallstudien zeigen, dass agile Methoden und Vorgehensweisen auch in BI-Projekten erfolgreich und gewinnbringend eingesetzt werden können. Dabei steht eine ganze Reihe unterschiedlicher Ansätze zur Steigerung der BI-Agilität zur Verfügung, die entweder alleine oder in Kombination genutzt werden können. Entscheidend für den Erfolg ist hier aber die ganzheitliche Betrachtung von BI-Architekturen, BI-Organisationsformen, BI-Technologien und an BI angepasste agile Vorgehensmodelle. Generell ist die Arbeit mit agilen Methoden in BI-Projekten nicht mehr wegzudenken – und in Zukunft wird Agile BI sich noch weiter verbreiten.

Prof. Dr. Stephan Trahasch & Dr. Michael ZimmerEndingen & Asperg, im September 2015

Inhaltsverzeichnis

1    Agile Business Intelligence

Stephan Trahasch, Michael Zimmer, Robert Krawatzeck

1.1     Einleitung

1.2     BI-Agilität und Agile Business Intelligence

1.3     Werte und Prinzipien für Agile Business Intelligence

1.3.1     Werte

1.3.2     Prinzipien

1.4     Maßnahmen zur Steigerung der BI-Agilität

1.4.1     Agile Methoden und klassische Vorgehensmodelle

1.4.2     Organisatorische Maßnahmen

1.4.3     Wechselwirkungen zwischen Maßnahmen und Unternehmen

1.5     Struktur des Buches

1.6     Ausblick

2    Einsatz von Scrum in der Business Intelligence

Markus Peter

2.1     Einordnung von Scrum

2.1.1     Das 3x3 in Scrum

2.1.2     Ablauf eines Sprints

2.1.3     Selbstorganisation des Teams

2.1.4     Pro Scrum

2.2     Besonderheiten von Business Intelligence und deren Auswirkungen auf Scrum

2.3     Anpassung von Scrum

2.3.1     Maßnahmen in der Gesamtorganisation

2.3.2     Allgemeine organisatorische Maßnahmen

2.3.3     Maßnahmen im BI-Team

2.4     Folgen der Umsetzung von Scrum

2.4.1     Projektleitung

2.4.2     Planungsaspekte in der IT-Gesamtorganisation

2.4.3     Planung und Priorisierung in Querschnittteams

2.4.4     Architekturgremium

2.4.5     Communitys

2.4.6     Weiterbildung der Mitarbeiter

2.4.7     Technologieaspekte

2.5     Erfolgsfaktoren und Auswirkungen

2.6     Herausforderungen

3    Anforderungsmanagement durch User Stories

Jens Bleiholder, Sven Buschek, Thomas Flecken

3.1     Anforderungsmanagement in agilen BI-Projekten

3.2     Business-Intelligence-Anforderungen als User Stories

3.2.1     Was sind User Stories?

3.2.2     Gute User Stories erstellen

3.2.3     Planen und Schätzen

3.2.4     Akzeptanzkriterien und Tests

3.3     Fazit

4    Modellierung agiler BI-Systeme

Michael Hahne

4.1     Business-Intelligence-Architektur

4.1.1     Schichtenmodell der BI-Architektur

4.1.2     Modellierung des Core Data Warehouse

4.2     Star-Schema-Modellierung im Core Data Warehouse

4.2.1     Granulare Star-Schemata im Core Data Warehouse

4.2.2     Bewertung dimensionaler Modelle im Core Data Warehouse

4.3     3NF-Modelle im Core Data Warehouse

4.3.1     Core-Data-Warehouse-Modellierung in 3NF

4.3.2     Historisierungsaspekte von 3NF-Modellen

4.3.3     Domänenkonzepte im 3NF-Modell

4.3.4     Bewertung der 3NF-Modellierung im Core Data Warehouse

4.4     Data-Vault-Ansatz

4.4.1     Tabellentypen im Data-Vault-Modell

4.4.2     Zeitstempel und Formen der Historisierung

4.4.3     Harmonisierung von fachlichen Schlüsseln

4.4.4     Bewertung der Data-Vault-Methode

4.5     Fazit

5    Data Vault für agile Data-Warehouse-Architekturen

Dirk Lerner

5.1     3. Normalform, Dimensional und Data Vault

5.2     Automatisierung

5.3     Geschäftsregeln

5.4     Agile Business Intelligence

5.5     Data Vault in der Praxis – eine exemplarische Darstellung

5.6     Fazit

6    Agile BI-Architekturen

Michael Zimmer

6.1     Einleitung

6.2     Klassische BI-Architekturkomponenten und BI-Agilität

6.3     Neue Architekturkomponenten und BI-Agilität

6.3.1     Sandboxes

6.3.2     Engines

6.3.3     Bypässe

6.4     Architekturansätze zum Umgang mit BI-Agilität

6.4.1     Dezentralisierter Ansatz mit hohen Freiheitsgraden

6.4.2     Autoritärer Ansatz

6.4.3     Unüberwachter Sandbox-Ansatz

6.4.4     Serviceorientierter Ansatz

6.4.5     Serviceorientierter Ansatz mit werkzeuggestützten Sandboxes

6.4.6     Einordnung der Architekturansätze

6.5     Fazit

7    Automatisiertes Testen

Robert Krawatzeck

7.1     Die Notwendigkeit von BI Testing

7.2     Ziel von BI Testing

7.2.1     Der fundamentale Testprozess

7.2.2     Die Teststufen

7.2.3     Die Testarten und die Softwarequalitätsmerkmale

7.2.4     Die Testobjekte in BI-Systemen

7.2.5     Der BI Testing Cube

7.3     Das Problem der Testautomatisierung von BI Testing

7.3.1     Was lässt sich beim Testen automatisieren?

7.3.2     Übersicht über Werkzeuge zur automatisierten Testdurchführung

7.4     Fazit

8    Technologien, Architekturen und Prozesse

Thomas Zarinac

8.1     Problemstellung

8.2     Lösungsansatz

8.2.1     Agile Methodik in Business-Intelligence-Projekten

8.2.2     Grundsätze für Agile BI

8.2.3     Anforderungen an eine Agile-BI-Architektur

8.2.4     Architekturansatz

8.2.5     Agile Datenbereitstellung

8.3     Fazit

8.3.1     Datenverständnis

8.3.2     Architekturerweiterung

9    BI-Agilität: Relevanz, Anforderungen und Maßnahmen

Henning Baars

9.1     BI-Agilität als vielschichtige Herausforderung

9.2     BI-Agilität: Kontext und Relevanz

9.3     Die Natur von BI-Agilitätsanforderungen

9.4     Ansatz zur Identifikation und Selektion von BI-Agilitätsmaßnahmen

9.4.1     Identifikation, Klassifikation und Priorisierung von BI-Agilitätsanforderungen

9.4.2     Ableitung von Maßnahmen zur Steigerung der BI-Agilität

9.4.3     Evaluation und Selektion von Maßnahmenbündeln

9.5     Aktuelle Trends und ihre Agilitätsrelevanz

9.5.1     In-Memory-BI

9.5.2     Big Data

9.5.3     Cloud-BI

9.6     Fazit

10  Agil und dezentral zum Enterprise Data Warehouse

Karsten Foos, Michael Krause

10.1   Die Landesbank Hessen-Thüringen – Helaba

10.2   Auslöser und Ziele des BI-Projekts

10.2.1   Ziele, Lösungsansatz und erwarteter Nutzen

10.2.2   Projektpartner und zukünftige Nutzer

10.2.3   Architektur des Enterprise Data Warehouse

10.2.4   Projektmanagement und Change Management

10.2.5   Beschreibung der BI-Organisation

10.3   Maßnahmen zur Erhöhung der BI-Agilität

10.3.1   Verzahnung von Kanban und Sprints

10.3.2   Prinzipien

10.4   Erfahrungen und Erfolgsfaktoren

10.4.1   Realisierter Nutzen und bewirkte Veränderungen

10.4.2   Reflexion der Barrieren und Erfolgsfaktoren

10.5   Fazit

11  Agile BI bei congstar

Janine Ellner

11.1   congstar

11.2   Ausgangssituation und Ziele des Projekts

11.2.1   Ausgangssituation

11.2.2   Gründe für das Scheitern einer klassischen Projektmethode

11.2.3   Ziele des Data-Warehouse-Projekts bei congstar

11.3   Projektablauf und Betrieb

11.3.1   Das Data-Warehouse-Team

11.3.2   Anwender des congstar Data Warehouse

11.3.3   Architektur des congstar Data Warehouse

11.4   Projektvorgehen

11.4.1   Ablauf eines Sprints bei congstar

11.4.2   Schnitt einer User Story

11.4.3   Technologie

11.4.4   Besonderheiten im congstar Data Warehouse

11.5   Fazit

11.5.1   Warum das DWH-Projekt bei congstar erfolgreich ist

11.5.2   Lessons Learned

12  Einführung von agilen Methoden im Coaching

Marcus Pilz

12.1   Unternehmen

12.2   Ausgangssituation und Ziele des BI-Projekts

12.3   Vom klassischen Projektvorgehen zur Kombination von agiler und klassischer Methodik

12.3.1   Erste Projektphase: Klassische Projektmethodik und -architektur

12.3.2   Zweite Projektphase: Kombination von agiler und klassischer Methodik

12.4   Fazit

13  In-Memory-Technologie als Enabler für Agile BI

Tobias Hagen, Silvia Bratz

13.1   In-Memory-Technologien und Agile BI

13.2   SAP Business Warehouse

13.2.1   Allgemein

13.2.2   SAP BW und In-Memory

13.2.3   BW Workspaces

13.3   Anwendungsfälle für BW Workspaces

13.3.1   Lokale Erweiterung von Stamm- und Bewegungsdaten für das Flottenmanagement

13.3.2   Rapid Prototyping als Interimslösung und zur Validierung

13.3.3   Spezielle Projektberichte

13.3.4   Nutzung als Self-Service-BI-Plattform

13.4   Maßnahmen zur Erhöhung der BI-Agilität

13.4.1   Technische Maßnahmen

13.4.2   Delivery und Lebenszyklus

13.4.3   Weitere Funktionen in SAP BW zur Erhöhung der BI-Agilität

13.5   Erfahrungen und Erfolgsfaktoren

13.5.1   Realisierter Nutzen und bewirkte Veränderungen

13.5.2   Reflexion der Barrieren und Erfolgsfaktoren

13.6   Fazit

14  DevOps für Business Intelligence

Andreas Ballenthin

14.1   Warum ist das DWH für congstar so wichtig?

14.2   Die DWH-Architektur bei congstar

14.3   Einführung in DevOps für Business Intelligence

14.4   Werte des Entwicklungsteams weitertragen

14.5   Testmethodiken und Deployments

14.6   Gemeinsame Deployments

14.6.1   Automatisierte Datenbank-Deployments

14.6.2   Automatisierte ETL-Deployments

14.6.3   Testinfrastruktur

14.7   Wenn es darauf ankommt: Troubleshooting

14.7.1   Migration auf Tablespace mit Uniform Extent Size

14.7.2   Konfigurative Eingriffe im Produktionssystem

14.7.3   Datenbankanonymisierungen

14.7.4   Monitoring-Berichte

14.7.5   Restartmechanismen

14.7.6   Backup und Recovery der Oracle-Datenbank

14.7.7   Kapazitätsplanung

14.8   Fazit

15  Big Data und BI-Agilität im Marketing

Stefan Igel, Moritz Aschoff, Thomas Brodowski

15.1   Auslöser und Ziele des Big-Data-Projekts

15.2   Aufbau und Betrieb der Big-Data-Plattform

15.2.1   Projektmanagement mit Scrum

15.2.2   Architektur der Big-Data-Plattform

15.2.3   Continuous Delivery

15.3   Ein Beispiel für agile Datenanalyse

15.3.1   Zusammenspiel der Big-Data-Plattform mit dem BI-Tool

15.3.2   Exploratives Vorgehen

15.4   Fazit

Autoren

Abkürzungsverzeichnis

Literaturverzeichnis

Index

1 Agile Business Intelligence

Stephan Trahasch, Michael Zimmer, Robert Krawatzeck

Auch in der Business Intelligence (BI) werden zunehmend erfolgreich agile Methoden und Frameworks eingesetzt. Grundlegend für alle agilen Vorgehensweisen sind agile Werte und Prinzipien. Wurden die Werte und Prinzipien des agilen Manifests [Agiles Manifest 2001] und die daraus abgeleiteten Methoden zu Beginn meist eins zu eins auf die BI übertragen, so hat sich das Verständnis von BI-Agilität als ganzheitliche Eigenschaft der BI im deutschsprachigen Raum etabliert, und agile Methoden wurden auch auf die Besonderheiten der BI adaptiert. In diesem Kapitel werden BI-Agilität und Agile BI erläutert, ein Ordnungsrahmen für Maßnahmen zur Steigerung der BI-Agilität eingeführt sowie Werte und Prinzipien für eine Agile BI definiert. Einige Prinzipien und agile Methoden werden exemplarisch erläutert und auf die jeweiligen Kapitel in diesem Buch verwiesen.

1.1 Einleitung

Business Intelligence (BI) als unternehmensspezifischer Ansatz zur Entscheidungsunterstützung ist mit den zugehörigen Technologien und Anwendungen eine Voraussetzung für die faktenbasierte Entscheidungsfindung und letztlich für eine erfolgreiche Unternehmenssteuerung. BI stellt einen Kernbestandteil der IT-Infrastruktur von Unternehmen dar, und die Weiterentwicklung der analytischen Möglichkeiten von BI-Anwendungen zählt nach wie vor zu den wichtigsten Themen für Unternehmen [Gartner 2014]. Zeitnahe Analysen aufgrund einer hohen Marktdynamik und ein besseres Verständnis für Produktion, Lieferanten, Kunden und Märkte sind Basis für die Unternehmenssteuerung und notwendig, um die Wettbewerbsfähigkeit zu erhalten und auszubauen. Dies erfordert eine sehr hohe Flexibilität und Adaptionsfähigkeit der dispositiven Systeme zur Entscheidungsunterstützung. Demgegenüber steigt durch die Dynamik und zusätzliche Datenquellen die Komplexität der zu verarbeitenden Daten für die Analyse, was beispielsweise an Form (strukturiert vs. unstrukturiert), Abhängigkeit (Data Governance, Data Ownership, Historie) und Menge der Daten deutlich wird. Hohe Anpassungsfähigkeit und steigende Komplexität sind eine große Herausforderung für Business-Intelligence-Lösungen (vgl. []) und für die Weiterentwicklung von Unternehmen.