(Auszug aus der Diplomarbeit von Ralph Leipert: "Analytische Informationssysteme als Basis des Risikomanagement der Unternehmung")

In den vorangegangenen Kapiteln wurden einige Risikomanagement-Methoden und -Ansätze beschrieben und die Anforderungen an ein RMS identifiziert. Weiterhin wurde auf bisherige Lösungsversuche, MSS zu entwickeln, eingegangen. Diese Lösungsversuche basierten auf der Nutzung der operativen Datenbasis zur Datenanalyse. Im Kapitel 4 wurden dann neue Ansätze, Konzepte und Prozesse vorgestellt, die es ermöglichen, Daten für Analysezwecke zu nutzen. In den einzelnen Unterkapiteln wurde dabei auch auf die Eignung der AIS für das Ri­sikomanagement eingegangen. In diesem Kapitel wird noch einmal zusammenfassend und ver­gleichend auf alle vorangegangene Kapitel eingegangen und dabei der Unterschied der OLTP und der OLAP zur Eignung für das Risikomanagement verdeutlicht.

Zum Vergleich der Ergebnisse dieser Arbeit wird eine Tabelle aufgestellt, welche in der linken Spalte die Anforderungen der RMS und in den rechten Spalten die Eigen­schaften der OLTP und der OLAP beinhaltet. Dabei werden die beiden Systeme, in Hinblick auf die Stimmigkeit zu den Anforderungen der RMS, mit einer bestimmten Wertigkeit dargestellt.

Zeichenerklärung
- ... Anforderungen werden nicht erfüllt
? ... Anforderungen werden teilweise erfüllt
+ ... Anforderungen werden erfüllt

Performance

Durch den Zugriff der OLTP auf die Daten mittels eines DBMS wird die Schnelligkeit bei komplexen Abfragen sehr beeinträchtigt. Dies beruht auch darauf, daß beim Risikomanagement unternehmensweite Daten benötigt werden und somit nicht alle benötigten Daten dezen­tral (lokal) und themenorientiert gespeichert werden können. In den AIS dagegen werden die Daten vor der Nutzung für die Zwecke des Risikomanagements aufbereitet. Das heißt, die Da­ten werden themenoientiert und aggregiert in einem zentralen Datenpool (ZDW) gespeichert und je nach Bedarf in einem Data Mart dezentral repliziert. Dadurch wird ein schneller Zugriff auf die Daten ge­währleistet. Allerdings kann es auch in den AIS zu Schnelligkeitsproblemen kommen, da die Daten durch die Aggregationen mehrfach gespeichert werden und somit das Datenvolumen sehr stark steigt. Aus diesem Grund ist eine sehr genaue Planung des Data Warehouse, spezi­ell der Datenmodellierung notwendig.

Bei Ad-Hoc-Abfragen haben die OLTP einen großen Performanceverlust, da hierbei die Abfragen erst mittels SQL-Befehl erstellt werden müssen und somit ein großer Zeitverlust ent­steht. In den AIS dagegen, kann man mittels der Navigationseigenschaften (drill-down, drill-through, drill-across) schnell Ad-hoc-Afragen erstellen.

Hohe Verfügbarkeit

Die hohe Verfügbarkeit der benötigten Daten kann in den OLTP nicht jederzeit sichergestellt werden, da die operativen Daten verteilt sind. Eine zentrale Verwaltung und Ad­ministration der Datenpools (DB) ist nicht gewährleistet, so daß bestimmte Datenbestände produktionsbe­dingt nicht zur Verfügung stehen können. Die AIS hingegen speichern und verwalten die Daten zentral, so daß die Daten jederzeit zur Verfügung gestellt werden können. Allerdings ergibt sich beim Auffüllen des Data Warehouse das Problem der zeitweisen Nichtverfügbarkeit der Daten. Da beim Auffüllen auf die operative Datenbasis zugegriffen werden muß, ergibt sich das gleiche Performance-Problem, wie bei den komplexen Abfragen der OLTP. Das Auffüllen bedeutet für beide Systeme (Data Warehouse, operative DBS) eine große Belastung, so daß dieser Vorgang meistens außerhalb der Produktionszeit (z.B. nachts) erfolgt. In dieser Zeit ist durch die große Belastung der Systeme die Verfügbarkeit der Daten nicht gewährleistet.

Erweiterbarkeit

OLTP wie auch OLAP können um neue Datenbestände erweitert werden. So ist es kein Pro­blem neue Tabellen oder Klassen in die Systeme hinzuzufügen. Allerdings können den OLTP im Gegensatz zu den OLAP keine Dimensionen hinzugefügt werden, da die RDBS und OODBS in den OLTP keine Multidimensionalität unterstützen.

Skalierbarkeit

Da RDBS einen sehr effizienten Speichermechanismus haben, können sie große Mengen an Daten speichern. Dies kommt den OLTP wie auch den OLAP zugute. Aus diesem Grund sind beide Systeme gut skalierbar.

Zeitbezug

Eine der wichtigsten Anforderungen des Risikomanagements ist der Zeitbezug der Datenbe­stände. Erst durch die Analyse der Daten über bestimmte Zeiträume ist es möglich, Prognosen für die Zukunft zu erstellen. Da die existierenden operativen Datenbestände nicht um einen Zeitbezug erweiterbar sind (siehe Erweiterbarkeit), wird hier eine wichtige Anforderung an RMS nicht erfüllt. In den AIS hingegen werden auch Vergangenheitsdaten gespeichert, so daß hiermit ein wichtiger Punkt der Anforderungen an RMS erfüllt ist.

Konsistenz

Beim Zugriff auf die operative Datenbasis kann es zu Konkurrenzproblemen beim Zugriff (parallele Zugriffe) auf die Daten kommen. Dies stellt besonders bei zeitintensiven und kom­plexen Abfragen in einem VDBS ein Problem dar. So kann ein Teil der Abfrage durch große Systembelastungen erst um einen bestimmten Zeitintervall später ausgeführt werden, als ein anderer Teil der selben Abfrage. Da die operative Datenbasis eine Produktionsdatenbank ist, können in diesem Zeitintervall Veränderungen (Update, Insert, Delete) in der Datenbasis auftreten. Treten solche Veränderungen auf, so kann es zu Verzerrungen und Verfälschungen der Ergebnisse führen. Hingegen bei OLAP-Systemen (Data Warehouse) werden die Daten zen­tral verwaltet und „Update“, „Delete“ sowie „Insert“ Befehle in den seltensten Fällen erlaubt, so daß auch bei komplexen Abfragen ein unverzerrtes Ergebnis ausgegeben wird.

Integrität

Ein großes Problem beim Zugriff auf die operativen Daten in den OLTP besteht in der Heterogenität der DB-Landschaft. Diese Heterogenität kann auf verschiedenen Stufen stattfinden. So kann z.B. durch Einsetzen verschiedener Hard- und Software bei der Datenhaltung in einem Unternehmen ein Zugriff auf bestimmte Daten nicht möglich sein. Ein zweites Problem besteht in der unterschiedlichen Handhabung der Daten in den einzelnen DBS. So können z.B. auf konzeptioneller Ebene Bezeichnungs-, Detailierungs-, Komplexitäts-, Beziehungskonflikte usw. entstehen. Diese können erst durch Migration und Integration gelöst werden. In den AIS hingegen werden diese Probleme bzw. Konflikte durch bestimmte Transformationstools gelöst, indem die Daten aus den operativen DB in ein einheitliches voll integrierte DBS transformiert werden.

Navigationsmöglichkeit

In einem RMS sollte es möglich sein durch die Datenbasis zu navigieren, um nach bestimm­ten Ursachen von Wirkungen zu suchen. Diese Navigation sollte Ad-hoc-Abfragen unterstüt­zen, da nur dadurch sinnvoll und zielgerichtet in der Datenbasis geforscht werden kann. OLTP besitzen diese Navigationseigenschaft nicht, da sie auch Ad-hoc-Abfragen nur bedingt (sehr langsam) unterstützen. OLAP hingegen besitzen mittels verschiedener Funktionen (drill-down, drill-across, drill-through) diese Navigationseigenschaften. Hierin sieht man einen wesentlichen Unterschied zu den OLTP.

Durch die Ausarbeitung der Eigenschaften und Anforderungen von OLAP und OLTP sowie von RMS haben wir einen Vergleich bekommen, welches der beiden Systeme sich besser für den Einsatz in RMS eignet. Hierbei sei eindeutig hervorzuheben, daß sich die OLAP besser als Basis für das Risikomanagement eignen, als die OLTP. Allerdings sollte man auch heraus­stellen, daß die OLAP nicht in allen Punkten die Anforderungen der RMS erfüllen (siehe Tabelle oben). Damit auch in diesen Punkten eine Lösung gefunden werden kann, muß noch sehr viel getan werden vor allem im Bereich der Datenmodellierung. So können gut strukturierte Datenmodelle in der Erweiterbarkeit, in der Umstrukturierung der Datenbasis und in der schnellen Datenverarbeitung gute Dien­ste leisten. Auch der Einsatz der Objektorientierung kann ein wesentlicher Schritt in Richtung eines effizienten RMS sein.

Der Aufbau analytischer IS stellt eine große Herausforderung für eine Unternehmung dar. Deshalb muß ein solches Vorhaben sehr gut überlegt und geplant sein. Dies geht auch aus der Statistik der letzten Jahre hervor, nach der bis zu 40 % der Data Warehouse-Projekte mißlin­gen.126 Gründe für das Scheitern von solchen Projekten gibt es viele. So kann ein Projekt nicht nur an der fehlenden Qualifikation der Entwickler und der schlechten Planung scheitern. Gabriel127 nennt auch noch andere Punkte in denen große Risiken bei der Realisierung eines AIS entstehen, wie z.B. fehlende Benutzerakzeptanz, fehlende Modelle und Methoden zur Abbildung und Verarbeitung der Probleme und die falsche Einschätzung der Unternehmensin­frastruktur (Hardware, Netzwerk). Ist die Einführung eines Data Warehouse gut geplant und organisiert, so können die Investitionskosten für ein AIS schon nach ca. 9 Monaten amortisiert sein. AIS können somit einen großen strategischen Beitrag zur Umsetzung von RMS leisten. Dies bedeutet für jedes Unternehmen die Verbesserung der Chancen einen großen strategischen Vorteil gegenüber seinen Mitbewerbern bzw. Konkurrenten zu erlangen.

126 Vgl.: Bosch, R.; Pontius, G. (1998), S.24

127 Vgl.: Gabriel, R. (1998), S. 418