Lade Inhalt...

Datengetriebene Unternehmenssteuerung im digitalen Zeitalter

Akademische Arbeit 2019 19 Seiten

BWL - Controlling

Leseprobe

Inhaltsverzeichnis>

Abbildungsverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 Grundlagen der In-Memory-Technologie
2.1 Definition der In-Memory-Technologie
2.2 Zeilenorientierte vs. spaltenorientierte Datenhaltung
2.3 Fazit

3 Potenziale und Anwendungsmöglichkeiten von In-Memory-Systemen am Beispiel von SAP S/4 HANA
3.1 Verkürzung von Zugriffs- und Antwortzeiten
3.2 Auswertung und Analyse in Echtzeit
3.3 Ersetzung von Zweikreissystemen durch ein Einkreissystem
3.4 Interaktive Darstellung und mobile Verwendung von Daten

4 Einfluss der Technologie auf den Finanzbereich von Unternehmen

5 Zusammenfassung

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Zeilen- und spaltenorientierte Datenbanken

Abbildung 2: Boardroom of the Future

Abbildung 3: Nutzenpotentiale für den CFO-Bereich

Abkürzungsverzeichnis>

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung>

Derzeit befindet sich die Wirtschaft in der vierten industriellen Revolution. Dieser tief- greifende Veränderungsprozess der Produktionsmethoden wird unter dem Begriff „In- dustrie 4.0“ zusammengefasst. Linsner definiert diesen Begriff wie folgt: Industrie 4.0 „umfasst die vollständige Vernetzung von Maschinen und Produktionsnetzwerken sowie das Verarbeiten und Speichern großer Datenmengen (‚Big Data‘).“1 Während früher die Entwicklung von mechanischen Produktionsanlagen, welche mit Wasser- und Dampf- kraft betrieben wurden bzw. die ersten elektrischen Maschinen und Fließbänder zu tief- greifenden Veränderungen der industriellen Rahmenbedingungen führten, treibt aktuell die Digitalisierung die sich in Gang befindende vierte industrielle Revolution voran.2 Die Digitalisierung der Wirtschaft hat weitreichende Konsequenzen und verändert die Unter- nehmenssteuerung grundlegend, da der technologische Wandel insbesondere im Bereich der datengetriebenen Unternehmenssteuerung revolutionäre Fortschritte gemacht hat.3

Um sich in der heutigen schnelllebigen und digitalen Geschäftswelt nachhaltig erfolg- reich behaupten zu können, müssen Unternehmen die verfügbaren Daten effizient und voraussehend auswerten können.4 Um diese Herausforderungen zukünftig meistern zu können, entwickelte SAP ein neues ERP-System namens S/4HANA, welches den bishe- rigen Standard R/3 ablöst. Der Abkürzung HANA steht für High Performance Analytic Appliance und stellt eine Hochleistungsanalyseanwendung im Rahmen einer Softwarelö- sung dar.5 Die revolutionäre In-Memory-Technologie ermöglicht u. a. dem Management eines Unternehmens eine wesentlich einfachere Analyse von internen und externen Daten bei deutlich verkürzten Verarbeitungsgeschwindigkeiten. Deren Ergebnisse können dar- über hinaus dem Anwender weitestgehend automatisch visuell dargestellt werden. Durch In-Memory-Datenbanksysteme sind inzwischen Real-Time-Unternehmensanalysen möglich, wodurch die datengestützte strategische Beratung zukünftig weiter enorm an Bedeutung gewinnen wird. Die neue SAP Business Suite SAP HANA (SAP S/4HANA) erfüllt die gestiegenen Anforderungen der modernen datengetriebenen Unternehmensfüh- rung, da Informationen und Daten präzise und schnell zur Verfügung gestellt werden kön- nen. Die Unternehmensführung kann somit wichtige Entscheidungen auf fundamentaler Datengrundlage besser und effizienter treffen. 6 Hierbei spielt das In-Memory-Computing eine zentrale Rolle, da die kontinuierlich wachsenden Datenmengen („Big Data“) die her- kömmlichen relationalen Datenbanksysteme (RDBMS) an deren Leistungsgrenzen brin- gen.7 8

Im Rahmen dieser Arbeit sollen Potenziale und Chancen von Datenanalysen im Rahmen der Unternehmenssteuerung im digitalen Zeitalter auf Basis von In-Memory-Systemen am Beispiel von SAP HANA analysiert werden.

2 Grundlagen der In-Memory-Technologie>

2.1 Definition der In-Memory-Technologie

Unter dem Terminus In-Memory-Technologie ist generell die Datenspeicherung sowie die Datenverwaltung im Hauptspeicher zu verstehen. Im Gegensatz zu herkömmlichen Datenbanksystemen werden die gesamten Daten beim In-Memory-Computing (IMDB) im schnellen Hauptspeicher gehalten. Das hat den Vorteil, dass man für lesende Zugriffe keinen Zugriff auf die Festplatte benötigt und dadurch Zugriffe deutlich schneller mög- lich sind als bei herkömmlichen Datenbanksystemen. Bei traditionellen Datenbanksyste- men erfolgt die Verwaltung und Speicherung der entsprechenden Daten auf der Fest- platte. Das Speichern der Daten auf der Festplatte hat den Nachteil, dass bei Abfragen die Daten auch dort gelesen werden. Dies ist zeitintensiv, da nur geringe Mengen der Daten im Hauptspeicher gehalten werden.9

Ein zentraler Vorteil der In-Memory-Technologie ist die Beschleunigung der Datenver- arbeitung. Dieser Performance-Vorteil resultiert daraus, dass das In-Memory-Computing bezüglich der Datenhaltung auf einen großen Hauptspeicher setzt. Für die Haltung von sehr großen Datenmengen ist der Hauptspeicher aktuell der passabelste und schnellste Speichertyp. Daraus resultieren verkürzte Verarbeitungsgeschwindigkeiten größerer Da- tenmengen aufgrund kürzerer Datentransfers und Zugriffszeiten. Im Vergleich zur klas- sischen Datenverarbeitung auf Festplatten resultiert aus der Datenhaltung im Hauptspei- cher eine ca. 100.000 Mal schnellere Datenverarbeitung.10 Dem Vorteil dieser enorm schnellen Zugriffszeiten steht ein erhöhtes Risikos von Datenverlusten gegenüber. Durch einen unerwarteten Stromausfall oder einem Servercrash würden beispielsweise die ge- samten Daten im Hauptspeicher abhandenkommen. Demnach ist bei der Verwendung von In-Memory-Datenbanksystemen Datenpersistenz sicherzustellen. Hierfür ist neben dem Hauptspeicher ein nichtflüchtiger Speichertyp erforderlich. In In-Memory-Daten- banken wird die Datensicherung mit sogenannten Save Points sichergestellt. Hierbei wird in regelmäßigen Zeitintervallen der Zustand der Datenbank auf einer Festplatte (nicht- flüchtiger Speicher) gesichert. Bei einem unerwarteten Stromausfall kann die Wiederher- stellung des letzten Zustands mit Hilfe des Save Points erfolgen. Darüber hinaus kommen auch sogenannte Hybrid-Lösungen zum Einsatz. Diese Datenbanksysteme haben den Vorteil, dass die Daten sowohl auf der Festplatte als auch im Hauptspeicher gespeichert werden.11

2.2 Zeilenorientierte vs. spaltenorientierte Datenhaltung

Neben dem zuvor beschriebenen Faktor der Speicherung der Daten im Hauptspeicher ist eine weitere Determinante zur Steigerung der Geschwindigkeit der Datenverarbeitung in der Reduzierung der Datenbewegungen zu finden. Hierunter fallen sowohl die Datenbe- wegungen zwischen als auch innerhalb der Datenbank. Um dieses Ziel zu erreichen wer- den Methoden wie die spaltenorientierte Datenspeicherung oder Kompression ange- wandt.12

Traditionelle Datenbanken nutzen ein zeilenbasiertes System zur Verwaltung der Daten. SAP HANA beruht dagegen auf einem spaltenorientierten System der Datenverwaltung. Der Vorteil eines spaltenorientierten Datenbanksystems ist, dass dieses aus großen Da- tenmengen lediglich ausgewählte Attribute abfragt, sodass das Laden von nicht benötigen Spalten überflüssig wird. 13 Schmitz fasst den Vorteil der spaltenorientierten Speicherung wie folgt zusammen: Der Vorteil ist, „dass nicht jedes einzelne Attribut eines Datensatzes gelesen wird bis das gewünschte Attribut in der Zielspalte erreicht ist, sondern dass nur einmal auf die Zielspalte zugegriffen wird um die gewünschte Attribute zu lesen. Allein durch die Reduzierung der zu lesenden Datenmengen kann so ein großer Geschwindig- keitsvorteil erreicht werden.14

Die folgende Abbildung stellt die in herkömmlichen Datenbanksystemen verwendete zei- lenorientierte Speicherung der innovativen spaltenorientierten Speicherung, wie sie in In- Memory-Datenbanksystemen zur Anwendung kommt, grafisch gegenüber.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Zeilen- und spaltenorientierte Datenbanken

Quelle: Eigene Darstellung in Anlehnung an Schmitz (2018), S. 35.

Diese innovative Art der Datenstrukturierung ermoglicht es, mit sehr wenigen, aber sehr gro.Ben, Tabellen zu operieren. Dies hat eine deutliche Reduzierung des benotigten Spei­ cherplatzes zur Folge. Folglich benotigt SAP S/4 HANA deutlich weniger Speicherplatz als noch die Vorgiingerversion SAP R/3. Letztendlich soU die In-Memory-Methode OLTP und OLAP vereinen mit dem Ziel, groBere Datenmengen ziigig auszuwerten.15

2.3 Fazit

Aufgrund der tiiglich entstehenden riesigen Datenmengen sto.Ben herkommliche Daten­ banksysteme bei der Analyse und Datenauswertung an ihre Grenzen. Die In-Memory­ Datenbanktechnologie bietet mit der innovativen Speicherung und Verwaltung der Daten eine Losung fiir diese Herausforderung. GroBe Datenmengen konnen nun erstmals schnell, agil und effizient verarbeitet und analysiert werden. Hieraus entstehen weiterge­ hende Moglichkeiten: So konnen beispielsweise komplexe Real-Time-Analysen durch­ gefiihrt werden, welche wiederum einen positiven Einfluss auf die Unternehmenssteue­ runghaben.

[...]


1 Linsner (2018), S. 65.

2 Vgl. Linsner (2018), S. 65 f., Wagner (2018), S. 3 ff.

3 Vgl. Plattner/Zeier (2012), S. 6, pwc (2018), S. 4 und S. 6.

4 Vgl. Abplanalp (2013), S. 1 f.

5 Vgl. Groeber et al. (2018), S. 43 f., Plattner/Zeier (2012), S. 3 ff.

6 Vgl. Naraschewski (2018), S. 17, Ott/Stirnimann (2019), S. 1 f., Plattner/Zeier (2012), S. 6 f.

7 Gemäß Statista (2019) betrug das jährlich generierte Datenvolumen im Jahr 2018 33 Zettabyte. Bis ins Jahr 2025 soll die jährlich generierte Datenmenge auf 175 Zettabyte ansteigen. Das entspricht einem CAGR2018-2025 von 26,9 %.

8 Vgl. Plattner/Leukert (2015), S. 267 f., Schmitz (2018), S. 30.

9 Vgl. Plattner/Leukert (2015), S. 267 f., Schmitz (2018), S. 31.

10 Vgl. Schmitz (2018), S. 32.

11 Vgl. Plattner/Leukert (2015), S. 124, Plattner/Zeier (2012), S. 149 f., Schmitz (2018), S. 33 und S. 39 f., Ott/Stirnimann (2019), S. 4.

12 Vgl. Plattner/Leukert (2015), S. 17 ff., Plattner/Zeier (2012), S. 149 f., Schmitz (2018), S. 34 f.

13 Vgl. Naraschewski (2018), S. 23, Plattner/Leukert (2015), S. 18 ff., Schmitz (2018), S. 35 f.

14 Schmitz (2018), S. 36.

15 Vgl. Linsner (2018), S. 67, Plattner/Leukert (2015), S. 18 ff.

Details

Seiten
19
Jahr
2019
ISBN (eBook)
9783346018656
ISBN (Buch)
9783346018663
Sprache
Deutsch
Katalognummer
v498920
Note
2,7
Schlagworte
datengetriebene unternehmenssteuerung zeitalter

Autor

Zurück

Titel: Datengetriebene Unternehmenssteuerung im digitalen Zeitalter