Advertisement

Externe Daten als Achillesferse von Data-Warehouse-Projekten — Probleme und Lösungsansätze

  • Cai Fischer
Part of the Roland Berger-Reihe: Strategisches Management für Konsumgüterindustrie und -handel book series (ROLBERGER)

Zusammenfassung

Die Veröffentlichungen zum Thema „Data Warehousing im Konsumgüterbereich“ lassen sich zwei Klassen zuordnen: Konzeptionelle Beiträge und Success Stories. Während die konzeptionellen Beiträge betonen, dass insbesondere externe Daten im Data Warehouse Händlern und Herstellern Wettbewerbsvorteilen eröffnen, finden sich in Fallstudien nur selten entsprechende Hinweise. Wer darin einen Widerspruch sieht, vergisst zwei Konstellationen, über die ein Betroffener ungern berichtet: „Durchbrüche“ und „Reinfalle“. Dass Data-Warehouse-Projekte faktisch oft Gratwanderungen zwischen beiden Extremen gleichen, ist vor allem den externen Daten zuzuschreiben. Einerseits erlaubt beispielsweise erst die Integration externer, etwa einzelne Marktsegmente beschreibender Daten eine Beurteilung der eigenen Situation im Wettbewerberumfeld. Andererseits sind externe Daten sehr gefährliche Katalysatoren für eine Vielzahl von Barrieren, an denen DataWarehouse- Projekte in der Praxis seheitern. Sie bringen in der Regel gravierende inhaltliche Probleme mit sich, die ohne Zugeständnisse der Nutzer i.d.R. nicht lösbar sind. Damit von Seiten der Betroffenen eine effiziente Nutzung erfolgt, sind Maßnahmen zur Überwindung der Hindernisse zu ergreifen. Dabei geht es — ob man will oder nicht — primär nicht urn „techno“ logisehe, sondern urn „psycho“ logische Zusammenhänge.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Fischer, C.: Verbundorienti erte Preispolitik imLebensmittelhandel. Berlin 1995.Google Scholar
  2. Fischer, C.; Wien, H.: Mitarbeiter müssen mit der Technik arbeiten — Erfolgsfaktoren beim Data Warehousing. In: Lebensmittelzeitung Nr. 47 yom 20.11.1998, S. 40.Google Scholar
  3. GMO: Leitfaden Projektmanagement, 13., aktualisierte und erweiterte Fassung. Hamburg 1998.Google Scholar
  4. Hirschberger-Vogel, M.: Die Akzeptanz und die Effektivität von Standardsoftwaresystemen. Berlin 1990.Google Scholar
  5. Martin, W.: Data Warehouse, Data Mining und OLAP: Von der Datenquelle zum Informationsverbraucher, in: META Group (Hrsg.), Data Warehousing. Bonn (1998).Google Scholar
  6. Pomberger, G. (1990), Methodik der Softwareentwicklung. In: Kurbel, K., Strunz, H. (Hrsg.), Handbuch Wirtschaftsinformatik. Stuttgart (1990), S. 216–236.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2001

Authors and Affiliations

  • Cai Fischer
    • 1
  1. 1.Hamburg

Personalised recommendations