|
Agile Business Intelligence. Begriffe, Methoden, Analysen |
1 |
|
|
Kurzreferat |
3 |
|
|
Vorwort |
4 |
|
|
Inhaltsverzeichnis |
5 |
|
|
Abkürzungsverzeichnis |
8 |
|
|
Abbildungsverzeichnis |
9 |
|
|
Tabellenverzeichnis |
10 |
|
|
1. Einleitendes Kapitel |
11 |
|
|
1.1 Hintergrund zur Thematik und Motivation |
11 |
|
|
1.1.1 Ausgangslage |
11 |
|
|
1.1.2 Problemstellung |
12 |
|
|
1.1.3 Motivation |
12 |
|
|
1.1.4 Bezug zu BPM |
13 |
|
|
1.2 Zielsetzung, Forschungsfrage und Hypothesen |
13 |
|
|
1.2.1 Theoretische und praktische Zielsetzung |
14 |
|
|
1.2.2 Forschungsfrage |
15 |
|
|
1.2.3 Hypothesen |
15 |
|
|
1.3 Adressaten |
15 |
|
|
1.3.1 Zielgruppe |
15 |
|
|
1.3.2 Vorausgesetzter Kenntnisstand |
16 |
|
|
1.4 Methodik und Aufbau der Arbeit |
16 |
|
|
1.4.1 Methodik |
16 |
|
|
1.4.2 Aktueller Stand der Literatur |
18 |
|
|
1.4.3 Die MoSCoW-Methode |
19 |
|
|
2. Begriffsdefinitionen |
21 |
|
|
2.1 Begriffsarten |
21 |
|
|
2.1.1 Buzzword |
21 |
|
|
2.1.2 Sammelbegriff |
22 |
|
|
2.1.3 Ober- und Unterbegriff |
22 |
|
|
2.2 Business Intelligence |
23 |
|
|
2.2.1 Datenaufbereitung (ETL) |
25 |
|
|
2.2.2 Datensammlung (Data Warehouse) |
26 |
|
|
2.2.3 Verteilung der Daten (Data Marts) |
28 |
|
|
2.2.4 Analyse der Daten (OLAP) |
28 |
|
|
2.2.5 Analyse der Daten (Data Mining) |
30 |
|
|
2.2.6 Informationsdarstellung (Reporting) |
31 |
|
|
2.3 BI-Projekte |
32 |
|
|
2.3.1 Anforderungsmanagement |
33 |
|
|
2.3.2 Datenqualität |
34 |
|
|
2.3.3 Datenmenge |
34 |
|
|
2.4 Agilität |
35 |
|
|
2.4.1 Agiles Manifest |
35 |
|
|
2.4.2 Agilität in der Informatik |
36 |
|
|
2.4.3 Agile Manufacturing |
37 |
|
|
2.4.4 Agilität in Organisationen |
37 |
|
|
3. Analyse der „agilen Business Intelligence“ |
38 |
|
|
3.1 BI-Agilität |
39 |
|
|
3.1.1 Grad der BI-Agilität |
40 |
|
|
3.1.2 Typen der BI-Agilität |
41 |
|
|
3.2 Werte und Prinzipien für die agile BI |
42 |
|
|
3.2.1 Werte |
42 |
|
|
3.2.2 Prinzipien |
43 |
|
|
3.3 Anforderungen an eine agile BI-Ablauforganisation |
44 |
|
|
3.3.1 ABIMM - Reifegradmodell für agile BI |
44 |
|
|
3.3.2 Vorgehensmodelle in einer agilen BI-Ablauforganisation |
46 |
|
|
3.3.3 Methoden |
49 |
|
|
3.4 Anforderungen an eine agile BI-Aufbauorganisation |
51 |
|
|
3.4.1 BICC |
51 |
|
|
3.5 Anforderung an eine agile BI-Technik bzw. Architektur |
53 |
|
|
3.5.1 Sandboxes |
53 |
|
|
3.5.2 Data Vault |
54 |
|
|
3.5.3 Engines |
56 |
|
|
3.5.4 Bypässe |
56 |
|
|
3.5.5 In-Memory |
57 |
|
|
3.5.6 Cloud-BI |
59 |
|
|
3.6 Anforderung an eine agile BI-Fachlichkeit |
59 |
|
|
3.6.1 Selbstorganisierte Teams |
60 |
|
|
3.7 Agile BI aus Sicht außerhalb des TDWI |
60 |
|
|
3.7.1 Verständnis von agiler BI von Collier, Cachee und Oswald |
61 |
|
|
3.7.2 Forresters Verständnis von agiler BI |
62 |
|
|
3.7.3 Verständnis vom agilen Data Warehouse |
64 |
|
|
4. Analyse agiler Methoden und Vorgehensmodelle |
66 |
|
|
4.1 Agile Vorgehensmodelle |
66 |
|
|
4.1.1 Scrum |
66 |
|
|
4.1.2 eXtreme Programming |
69 |
|
|
4.1.3 Kanban |
71 |
|
|
4.1.4 Feature Driven Development |
72 |
|
|
4.2 Agile Methoden |
72 |
|
|
4.2.1 DevOps |
73 |
|
|
4.2.2 Burndown Charts |
74 |
|
|
4.2.3 Stand-Up Meetings |
75 |
|
|
4.3 Agile Architekturen und Techniken |
75 |
|
|
4.3.1 Cloud Computing |
76 |
|
|
4.3.2 NoSQL-Datenbanken |
77 |
|
|
4.3.3 Hybrid-Datenbank |
79 |
|
|
4.3.4 Automatisierte Tests |
80 |
|
|
4.4 Agile Management-Methoden |
81 |
|
|
4.4.1 SCARF-Modell |
81 |
|
|
4.4.2 Open-Space-Technologie |
82 |
|
|
4.4.3 Appreciative Inquiry |
83 |
|
|
5. Analyse agiler BI-Projekte |
84 |
|
|
5.1 Agile BI bei einer Bank |
84 |
|
|
5.2 Agile BI bei einer Versorgungskasse |
85 |
|
|
5.3 Agile BI bei einer Körperschaft des öffentlichen Rechts |
87 |
|
|
5.4 Zusammenfassende Analyse der agilen BI-Projekte |
89 |
|
|
6. Abschließendes Kapitel |
91 |
|
|
6.1 Synthese |
91 |
|
|
6.2 Beantwortung der Forschungsfrage |
94 |
|
|
6.3 Ausblick |
95 |
|
|
Literaturverzeichnis |
96 |
|
|
Anhang |
104 |
|