BI und Financial Reporting

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

1. Einleitung

2. Theoretische und technische Grundlagen
2.1 Abgrenzung Business Intelligence
2.2 Abgrenzung des Financial Reporting

3. Notwendigkeit einer integrierten Systemarchitektur im Reporting

4. Relevanz, Aufgaben und Ziele von BI am Beispiel des SOX

5. Herausforderungen und Grenzen

6. Aktuelle Entwicklungen und Trends

7. Fazit

8. Literaturverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abb. 1 Business Intelligence Sichten

Abb. 1.1 Datenbereitstellung, Informationsgenerierung, Informationszugriff

Abb. 2 IBM Banking Data Warehouse

1. Einleitung

Durch nationale und internationale gesetzliche Vorgaben, ständigen Druck des Ausbaus der Wettbewerbsfähigkeit und Senkung der Kosten wird Business Intelligence eine immer stärkere strategische Bedeutung bekommen. Exponentiell wachsende Datenbestände und immer rasantere Entscheidungsfindung verlangen noch bessere, weiterentwickelte und schnellere Reportingmöglichkeiten.

Auf Grund der komplexen Datenstrukturen und unzähligen Verflechtungen sowie den immer höheren (gesetzlichen) Anforderungen an die IT, müssen BI-Projekte sehr sorgfältig geplant und umgesetzt werden^[1].

Die nachfolgenden Ausführungen geben einen Überblick über die technischen Herausforderungen und legen dann den Zusammenhang von Business Intelligence am Beispiel der US-amerikanischen Gesetzgebung (Sarbanes-Oxley-Act) dar.

2. Theoretische und technische Grundlagen

2.1 Abgrenzung Business Intelligence

Das Begriffsgebilde Business Intelligence stammt ursprünglich aus dem angelsächsischen Raum und hat bis heute immer noch keine eindeutige in sich geschlossene Übersetzung ins Deutsche gefunden^[2]. BI wurde im Jahr 1996 von der Gartner Group geprägt. „Datenanalysen, Berichtswesen und Abfragetools helfen Anwendern sich durch die betriebliche Datenflut durchzuarbeiten und daraus verwertbare Informationen herausziehen. Heutzutage fallen alle diese Werkzeuge (Tools) in die Kategorie Business Intelligence^[3].

Kempers Versuch eine mögliche sinngemäße Übersetzung von Intelligence zu finden endete mit dem Begriff Information, „die es zu generieren, speichern, recherchieren, analysieren, interpretieren und zu verteilen gilt“^[4]. Eine Annäherung an das Wort Business wird hier nicht vorgenommen. Im Folgenden wird für diese Seminararbeit Kempers Übersetzung und Definition angewendet.

„Unter Business Intelligence (BI) wird ein integrierter, unternehmensspezifischer, IT-basierter Gesamtansatz zur betrieblichen Entscheidungsunterstützung verstanden. BI-Werkzeuge dienen ausschließlich der Entwicklung von BI-Anwendungen. BI-Anwendungssysteme bilden Teilaspekte des Gesamtansatzes ab“^[5]. Es sind drei verschiedene Ansichten von BI zu unterscheiden:

Weites, analyseorientiertes und enges BI-Verständnis.

Das enge Verständnis BI stellen Anwendungen, z.B. OLAP-Operatoren wie Drill-Down (Aufschlüsselung eines aggregierten Wertes in seine Einzelteile^[6] ) und Dice (generieren eines kleineren multidimensionalen Datenwürfels^[7] ) dar. OLAP, als On-line Analytical Processing, ermöglicht eine sehr effiziente Datenverarbeitung aus großen multidimensionalen Datenbanken, z.B aus einem DWH (Data Warehouse). Ein DWH speichert und managt diese Daten, damit sie mit OLAP in strategisch wertvolle Daten transformiert werden. Mit Hilfe von OLAP werden komplexe Kalkulationen und Analysen für das Reporting realisiert^[8].

Die BI-Werkzeuge sind herstellerspezifische Client-Lösungen, Excel-Add-Inns oder Browser-Erweiterungen.

Komponenten die zielgerichtete Analysen aus unterschiedlichen Datenquellen (interne und externe Daten) erstellen, umfassen das analyseorientierte BI-Verständnis^[9]. Diese stellen z.B. Data Mining (softwaregestützte Analyse, bisher unbekannter Beziehungsmuste^[10] und Trends aus einer sehr großen Datenmenge^[11] ) sowie Erstellungstools von Ad-hoc-Berichten und die darauf basierenden Anwendungen dar^[12].

Das weite BI-Verständnis deckt die notwendigen ETL-Werkzeuge, Data Warehouse und das Standart-Reporting ab^[13]. Unter ETL (Extraction, Transformation, Loading) wird der Umwandlungsprozess des Entzugs der Daten aus transaktionsorientierten Fremd- und/oder Subsystemen, anschließende Umwandlung in eine BI-verständliche Semantik und zuletzt die Übertragung in das Datenhaltungssystem^[14].

Mit Hilfe eines Schaubildes (vgl. Abb. 1) bildet Gluchowski auf der Ordinate die unterschiedlichen Phasen von der Datenauswertung bis zur Datenverarbeitung ab. Hingegen wird auf der Abszisse der fließende Übergang zwischen Technik und Anwendung dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1 Business Intelligence Sichten^[15]

Die Abbildung 1.1 gibt einen Gesamtüberblick über den Ordnungsrahmen des BI. Die operativen bzw. externe Daten durchlaufen den ETL-Prozess und gelangen dann transformiert in die Datenbereitstellung, wo sie dann konsistent und stimmig für weitere Analysen zur Verfügung stehen. Dort, in einem DWH, sind diese Daten themenbezogen und integriert abgelegt^[16]. Themenbezogen bedeutet, dass Daten auf die Kerninteressen des Managements, z.B. bestimmte Gebiete und Produkte, ausgerichtet sind. Integrierte Daten sind Daten aus verschiedenen externen und internen Quellen, die inhaltlich widerspruchsfrei sind^[17]. Ein DWH ist außerdem noch dadurch gekennzeichnet, dass die dort enthaltenen Daten sich auf einen Zeitraum beziehen, z.B. ein Quartal, ein Jahr. Diese Daten werden vom System nicht mehr verändert, damit sie auch in der Zukunft für Analysen genutzt werden können. Diese Konstanz der Daten wird Nicht-Volatilität gesprochen^[18].

Ein DWH dient als Quelle komplexer Reportings und Analysen. In der mittleren Schicht des Ordnungsrahmens können verschiedene Systeme identifiziert werden, die sich danach unterscheiden, welche Benutzerrechte, IT-Erfahrung, Nutzungshäufigkeit und der Form der Nutzungsinitierung der Mitarbeiter besitzt. Aus dieser Schicht werden die Informationen gespeichert und an weitere Komponenten des Systems distribuiert, z.B Integration der Informationen bzw. Daten in das Wissensmanagementsystem. Der Zugang des Benutzers zum BI-Portal erfolgt z.B über das Firmen-Intranet, das verschiedene Analysesysteme bereitstellt^[19].

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1.1 Datenbereitstellung, Informationsgenerierung, Informationszugriff^[20]

2.2 Abgrenzung des Financial Reporting

Es gibt markante Unterschiede zwischen Unternehmen, die nach HGB oder nach IFRS bilanzieren hinsichtlich der Kernaufgaben des Controllings und Reportings. Im Rahmen dieser Arbeit sind jedoch die Unterschiede zwischen den zugrundeliegenden Daten von Bedeutung. Die Anpassung der Daten des externen Rechnungswesens an jene des internen Controllings, sind bei Unternehmen, die IFRS (International Financial Reporting Standards) bzw. US-GAAP (US-Generally Accepted Accounting Principals) anwenden geringer, als bei denen, die nach HGB bilanzieren. Dies hat den Hintergrund, dass eine Harmonisierung von internem und externem Rechnungswesen häufiger stattfindet.

Generell besteht der Trend, internes Controlling und Reporting mit der externen Berichterstattung zu harmonisieren^[21].

Die internationalen Rechnungslegungsstandards erfordern ein Umdenken der Unternehmen im Systemkreis der externen Unternehmungsrechnung und Bilanzierung. Zu begründen ist das mit dem hohen Informationsbedürfnis der Shareholder bezüglich ihrer Entscheidungsnützlichkeit (decision usefullness)^[22]. Es bestehen Publikationsvorschriften nach IFRS über Daten, die nicht generiert oder erhoben werden können. IFRS-Regelungen weisen jedoch Unternehmen auf ihre Informations- und Erhebungsdefizite hin.

Die internationalen Rechnungslegungsstandards stellen ihre Anforderungen an die interne Unternehmensrechnung durch das quantitative Instrumentarium (Unternehmensplanung, Kostenrechnung, Reporting), durch Normierung der Berichtspflichten und des Datenausweises, die die Verfügbarkeit dieser Daten voraussetzen^[23].

[...]

^[1] Vgl. Kunesch, U. (o.J.), Arbeitspapier T-Systems, Business Intelligence, S. 3

^[2] Vgl. Chamony, Gluchowski (2008), MSS und BI

^[3] Anandarajan (2004), S. 18 f

^[4] Kemper (2004), S. 8

^[5] Kemper (2004), S. 8

^[6] Vgl. Kemper (2004), S. 97

^[7] Vgl. Kemper (2004), S. 98

^[8] Vgl. Katic, M. (1997), S. 27

^[9] Vgl. Gluchowski(2008), S. 90

^[10] Vgl. Chamoni (2006), S. 252

^[11] Vgl. Hansen/Neumann (2001), S. 474

^[12] Vgl. Jung/Winter (2000), S. 11

^[13] Vgl. Krahl/Windheusser/Zick(1989), S. 11, Whitehorn/whitehorn(1999), S. 2

^[14] Vgl. Untersuchung von RAAD Consult - Berichtswesen in SAP BW-Umgebungen: S. 6

^[15] modifiziert übernommen aus Gluchowski 2001, S. 7

^[16] Vgl. Kemper, H. G. (2004), S. 10fa

^[17] Vgl. Kemper H.-G. (2004), S. 17f

^[18] Vgl. Kemper H.-G. (2004), S. 18f

^[19] Vgl. Kemper H.-G. (2004), S. 11

^[20] Vgl. Kemper, H.-G., Unger, C. (2000), BI

^[21] Vgl. Dorfer, A, Gaber, T.: empirische Studie S. 6ff

^[22] Vgl. Wagenhofer, Alfred: S. 117

^[23] Vgl. Wagenhofer, A (2006), S. 4