Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung

1.1 Problemstellung

1.2 Zielsetzung

2 Grundlagen

2.1 Business Intelligence

2.1.1 Definition und Architektur

2.2 Softwarequalität

2.2.1 Softwarequalitätsmerkmale nach ISO/IEC Norm 25010

2.2.2 Usability nach ISO Norm 9241-11

2.2.3 Anforderungskriterien

3 Konzeption und Methode

3.1 Erweiterter Kriterienkatalog

3.2 Business Intelligence Softwareauswahl

3.2.1 SAP Lumira

3.2.2 Tableau

3.3 Qualitative Vorgehensweise

3.3.1 Evaluationsverfahren

3.3.2 Nutzwertanalyse und Bewertungsmaßstab

4 Qualitativer Vergleich der Business Intelligence Systeme

4.1 Werkzeugschnittstelle / Funktionalität

4.1.1 SAP Lumira Discovery

4.1.2 Tableau Desktop

4.2 Ein- und Ausgabeschnittstelle

4.2.1 SAP Lumira Discovery

4.2.2 Tableau Desktop

4.3 Dialogschnittstelle

4.3.1 SAP Lumira Discovery

4.3.2 Tableau Desktop

4.4 Bewertung und Ergebnisse

4.4.1 Werkzeugschnittstelle / Funktionalität

4.4.2 Ein- und Ausgabeschnittstelle

4.4.3 Dialogschnittstelle

4.4.4 Gegenüberstellung

5 Fazit

Literaturverzeichnis

Anhang A: Bewertung SAP Lumira Discovery

Anhang B: Bewertung Tableau Desktop

Anhang C: SAP Lumira Discovery Installationsdokumentation

Anhang D: Tableau Desktop Installationsdokumentation

Abbildungsverzeichnis

Abb. 1: Top intelligence applications being used in organizations worldwide as of 2018

Abb. 2: Market share of the leading business intelligence software vendor, as of 2017

Abb. 3: Priorities of companies when evaluating a new analytics vendor worldwide as of 2018

Abb. 4: Ebenen eines ganzheitlichen BI Verständnisses

Abb. 5: Eigene Darstellung eines Business Intelligence Systems und Datawarehouse

Abb. 6: Eigene Darstellung eines Datawarehouse und BI Front-End

Abb. 7: Eigene Darstellung Softwarequalität nach ISO/IEC Norm 25010

Abb. 8: Beziehungen der Bestandteile von ISO 9241 zueinander

Abb. 9: IFIP-Modell für Benutzungsschnittstellen

Abb. 10: Eigene Darstellung der erweiterten Vergleichskriterien

Abb. 11: modifiziert durch Verf. SAP Lumira System als Übersicht

Abb. 12: modifiziert durch Verf. klassische Architekturskizze von SAP Lumira

Abb. 13: modifiziert durch Verf. Architekturkonzept für SAP Lumira Discovery

Abb. 14: Eigene Darstellung der Architekturskizze für Tableau

Abb. 15: Eigene Darstellung Architekturkonzept für Tableau Desktop

Abb. 16: Werkezugschnittstelle / Funktionalität – Balkendiagramm

Abb. 17: Ein- und Ausgabeschnittstelle - Balkendiagramm

Abb. 18: Dialogschnittstelle – Balkendiagramm

Abb. 19: Vergleich der Werkzeugschnittstelle/Funktionalität

Abb. 20: Vergleich der Ein- und Ausgabeschnittstelle

Abb. 21: Vergleich der Dialogschnittstelle

1 Einleitung

In diesem Kapitel wird nach einer kurzen prägnanten Einleitung in das Thema dieser Bachelor Thesis die Problemstellung erörtert und vorgestellt. Die Zielsetzung schließt das Kapitel mit der Aufstellung der Forschungsfragen ab.

Durch die schnelle Digitalisierung entwickelt sich der IT-Markt stetig weiter, und damit auch das Angebot von Analytics Software. Dabei sollen wertvolle Erkenntnisse aus großen Datenmengen gewonnen werden. Business Intelligence und neuere Ansätze wie Big Data oder Data Science ermöglichen es, aus großen Datenmengen neue Entscheidungsgrundlagen zu schaffen, Geschäftsprozesse und Kundenorientierung zu optimieren, Risiken zu kalkulieren und die Profitabilität zu steigern. In einer Umfrage von Forbes & Microstrategy werden die ab 2018 weltweit in Organisationen eingesetzten Top-Intelligence-Anwendungen aufgeführt. Dabei wurden 500 Analytics Professionals in Unternehmen befragt, in welchen Intelligence Anwendungen eingesetzt werden. Der Abbildung 1 kann die anteilige Nutzung von Intelligence Anwendungen in diesen Unternehmen entnommen werden. Dabei erhält man einen guten Überblick, welche Analytics Anwendungen Einzug in die Wirtschaft erhalten bzw. bereits haben.

Abb. 1: Top intelligence applications being used in organizations worldwide as of 2018

Quelle: [vgl. Forb18a]

In Bezug auf die Business Intelligence Anwendungen sind das Enterprise Reporting sowie Data Discovery mit jeweils 47% als die nach Big Data Analytics zweit meistgenutzten Analytics Anwendungen in Unternehmen vorzufinden. Sie stellen somit einen essentiellen Bedarf von Business Intelligence Anwendungen in Unternehmen dar.

Aus der Studie von Gartner & JP Morgan Chase aus dem Jahr 2017 geht hervor, dass sich viele Anbieter auf die Entwicklung von Business Intelligence Software spezialisiert haben. Der Marktanteil der weltweit führenden Business Intelligence Anbietern aus dem Jahr 2017 kann der Abbildung 2 entnommen werden:

Abb. 2: Market share of the leading business intelligence software vendor, as of 2017

Quelle: [vgl. Gar17]

1.1 Problemstellung

Innerhalb eines Unternehmen kommt es durchaus vor, dass mehrere Business Intelligence Anwendungen genutzt werden, wobei der Anwender unterschiedliche Aufgaben in den jeweiligen Business Intelligence Anwendungen durchführt. Aufgrund des komplexen und zunehmenden Angebots von Business Intelligence Anwendungen ist es fraglich, ob ein Anwender das vorhandene Wissen auf weitere Business Intelligence Anwendungen, die sich beispielsweise in der Benutzeroberfläche oder Menüführung ähneln, übertragen kann. Dabei ist gerade in Unternehmen der wirtschaftliche Aspekt sehr wichtig. Denn der Ablauf in der Bedienung einer Anwendung kann das wirtschaftliche Ergebnis durch entstehende Opportunitätskosten beeinflussen. Zudem kann eine suboptimale Bedienung von Anwendungen zur Demotivation der Anwender führen. [vgl. DGUV, S. 8.]

Vor dem Kauf und der eigentlichen Nutzung von Software innerhalb des Unternehmens wird vorab ein Kriterienkatalog von Verantwortlichen ausgearbeitet, der bei der Auswahl der passenden Analytics Software unterstützen soll. Durch Machbarkeitsstudien können die Beteiligten bei der Identifizierung der passenden Softwareauswahl unterstützen. Aus der Umfrage von Forbes & Microstrategy „Priorities of companies when evaluating a new analytics vendor worldwide as of 2018“, in der Abbildung 3 dargestellt, geht hervor, dass Unternehmen die Prioritäten von Analytics Software unterschiedlich definieren.

Als das wichtigste Kriterium bewerteten Unternehmen die Sicherheit der Analytics Anwendung. Zusätzlich wurden von Unternehmen drei weitere Kriterien mit gleich hoher Priorität von jeweils 17 % evaluiert. Diese sind eine umfassende Analytics Plattform sowie das Image des Produktes und des Anbieters auf dem Analytics Markt. Ein weiteres zentrales Kriterium bezieht sich auf die Benutzerfreundlichkeit und hebt damit die große Bedeutung einer einfachen Handhabung in der Nutzung von Analytics Anwendungen hervor.

Abb. 3: Priorities of companies when evaluating a new analytics vendor worldwide as of 2018

Quelle: [ vgl. Forb18b]

In einer Marktstudie der Conespirit GmbH in Kooperation mit der Hochschule Heilbronn wurde der Status quo der Nutzung von Enterprise Resource Planning und Business Intelligence Anwendung sowie der Nutzen und Bedarf von Business Intelligence Anwendungen untersucht. Zusätzlich wurden die Kaufgründe für Business Intelligence als Software „as a Service“ betrachtet. Die 295 Befragten wurden gebeten, die Kriterien auf einer Skala von 1 bis 6 einzuschätzen. Aus der Umfrage kam hervor, dass Benutzerfreundlichkeit mit einer Bewertung von 5,5 der wichtigste Faktor und somit Kaufgrund für eine Business Intelligence as a Service Lösung darstellt. [vgl. Cone17, S. 18.]

1.2 Zielsetzung

Aus der erläuterten Problemstellung lässt sich schließen, dass sich der weltweite Markt für Analytics Anwendungen stetig weiterentwickelt. Gerade im Bereich Business Intelligence ist das direkte Arbeiten mit grafischen Benutzeroberflächen an Anwendungssystemen unabdingbar. Im Umgang mit unterschiedlichsten Business Intelligence Anwendungen ist die Benutzerfreundlichkeit für den Anwender ein wichtiges Kriterium. Dieser soll seine Arbeit mit geringem Aufwand erledigen können. Dabei ist die Software Ergonomie essentiell, denn sie entscheidet, ob der Anwender seine Aufgaben effizient erfüllen kann. [vgl. Woy11, S. 8.] Nach Kohnke wird dies mit zwei Variablen beschrieben: