Entwicklung eines Referenzmodells zur Strukturierung des Einsatzes von Self-Service Business Intelligence in Unternehmen

Autor/innen

  • Julian Beck Duale Hochschule Baden-Württemberg Stuttgart
  • Kai Holzweißig Duale Hochschule Baden-Württemberg Stuttgart

DOI:

https://doi.org/10.26034/lu.akwi.2023.3591

Schlagworte:

Self-Service Business Intelligence, Referenzmodellierung, Datenanalyse, Kooperation

Abstract

Mit „Self-Service Business Intelligence (SSBI)“ wird gegenwärtig ein Ansatz diskutiert, der Mitarbeiter*innen dazu befähigen soll, anhand einfach zu bedienender BI-Anwendungen, benutzerdefinierte Datenanalysen weitgehend selbstständig durchzuführen. Eine Kernidee hierbei ist, den Wissensaustausch zwischen den verschiedenen Anwendergruppen zu fördern, um ihre Data-Science-Kompetenzen weiterzuentwickeln. Stand heute ist allerdings nicht ausreichend beschrieben, inwiefern eine Zusammenarbeit bei diesen Aufgaben sinnvoll stattfinden kann. Darüber hinaus fehlen bislang Erkenntnisse über die zeitliche Abfolge der Aufgaben und die dabei involvierten Anwender*innen. Im vorliegenden Artikel wird deshalb anhand einer Literaturanalyse sowie qualitativer empirischer Forschungsbefunde ein Referenzmodell für den Einsatz von SSBI in multidisziplinären Teams vorgeschlagen, das die komplexen Interdependenzen zwischen den Anwenderrollen offenlegt und Handlungsempfehlungen zur Strukturierung des Analyseprozesses gibt. Die Ergebnisse zeigen, dass etablierte Modelle wie CRISP-DM keine vollständige Unterstützung für SSBI bieten. Anhand der Forschungsbefunde können vier Trajektorien identifiziert werden, die den Verlauf von verschiedenen Analyseaufgaben aufzeigen und dabei die Zusammenarbeit der Rollen hervorheben. Dem übergeordnet wird eine Reihe von Aktivitäten dargelegt, die eine Ausgangsbasis für die Ableitung weiterer Trajektorien schafft. Insgesamt unterstützt das Referenzmodell Unternehmen darin, BI-relevante-Abläufe schneller anzupassen und Prozessschwächen leichter identifizieren zu können.

Literaturhinweise

LITERATUR

Alpar P, Schulz M (2016) Self-Service Business Intelligence, Business & Information Systems Engineering, 58:51–155

Bani-Hani I, Pareigis J, Tona O, Carlsson S (2018) A holistic view of value generation process in a SSBI environment: a service dominant logic perspective, Journal of Decision Systems, 27:46–55

Berndtsson M, Forsberg D, Stein D, Svahn T (2018) BECOMING A DATA-DRIVEN ORGANISATION, Research-in-Progress Papers, S 1–9

Berndtsson M, Lennerholt C, Svahn T, Larsson P (2020) 13 Organizations' Attempts to Become Data-Driven, International Journal of Business Intelligence Research, 11:1–21

Chapman P, Clinton J, Kerber R, Khabaza T, Reinartz T, Shearer C, Wirth R (2001) CRISP-DM 1.0 Step-by-step data mining guide, SPSS Inc., USA

Daradkeh MK (2021) Enterprise Data Lake Management in Business Intelligence and Analytics, In: Tavana et al. (Hrsg) Integration Challenges for Analytics, Business Intelligence, and Data Mining, IGI Global, S 92–113

Fernandes E, Carvalho R, Holanda M, van Erven G (2017) Educational Data Mining: Discovery Standards of Academic Performance by Students in Public High Schools in the Federal District of Brazil, In Rocha et al. (Hrsg) Recent Advances in Information Systems and Technologies, Springer International Publishing, Cham, S 287–296

Kobielus J (2009) Mighty Mashups: Do-It-Yourself Business Intelligence For The New Economy, Forrester Research, Cambridge

Kruse J (2015) Qualitative Interviewforschung, Ein integrativer Ansatz, 2., überarbeitete und ergänzte Auflage, Beltz Juventa, Weinheim, Basel

Kuckartz U (2018) Qualitative Inhaltsanalyse. Methoden, Praxis, Computerunterstützung, 4. Auflage, Beltz Juventa, Weinheim, Basel

Lennerholt C, van Laera J, Söderström E (2020) User related Challenges of Self-Service Business Intelligence, Information Systems Management, 38:309–323

Lismont J, van Calster T, Óskarsdóttir M, vanden Broucke, S, Baesens B, Lemahieu W, Vanthienen J (2019) Closing the Gap Between Experts and Novices Using Analytics-as-a-Service: An Experimental Study, Business & Information Systems Engineering, 61:679–693

Martinez-Plumed F, Contreras-Ochando L, Ferri C, Hernandez-Orallo J, Kull M, Lachiche N, Ramirez Quintana MJ, Flach PA (2021) CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories, IEEE Transactions on Knowledge and Data Engineering, 33:3048–3061

De Mauro A, Greco M, Grimaldi M, Ritala P (2018) Human resources for Big Data professions: A systematic classification of job roles and required skill sets, Information Processing & Management, 54:807–817

Michalczyk S, Nadj M, Azarfar D, Mädche A, Gröger C (2020) A State-of-the-Art Overview and Future Research Avenues of Self-Service Business Intelligence and Analytics, In: Proceedings of the 28th European Conference on Information Systems (ECIS 2020), An Online AIS Conference, June 15-17

Mullarkey MT, Hevner AR (2019) An elaborated action design research process model, European Journal of Information Systems, 28:6–20

Passlick J, Lebek B, Breitner M (Hrsg) (2017) A Self-Service Supporting Business Intelligence and Big Data Analytics Architecture, In: Proceedings der 13. Internationalen Tagung Wirtschaftsinformatik (WI 2017). St. Gallen, S 1126–1140

Passlick J, Guhr N, Lebek B, Breitner MH (2020) Encouraging the use of self-service business intelligence – an examination of employee-related influencing factors, Journal of Decision Systems, 29:1–26

Peffers K, Tuunanen T, Rothenberger MA, Chatterjee S (2007) A Design Science Research Methodology for Information Systems Research, Journal of Management Information Systems, 24:45–77

Ploder C, Bernsteiner R, Dilger T (2020) Improving Decision Quality for Business Users Based on Cloud-based Self-Service Business Intelligence Tools, Cloud Computing and Data Science, 1:1–11

Schütte R (1998) Grundsätze ordnungsmäßiger Referenzmodellierung, Konstruktion konfigurations- und anpassungsorientierter Modelle, Gabler, Wiesbaden

Sein MK, Henfridsson O, Purao S, Rossi M, Lindgren (2011) Action Design Research, MIS Quarterly, 35:37–56

Smuts M, Scholtz B, Calitz A (2015) Design Guidelines for Business Intelligence Tools for Novice Users, In: Proceedings of the 2015 Annual Research Conference on South African Institute of Computer Scientists and Information Technologists - SAICSIT '15. ACM Press, New York, S 1–15

Spahn M, Kleb J, Grimm S, Scheidl S (2008) Supporting Business Intelligence by Providing Ontology-Based End-User Information Self-Service, In: OBI ’08: Proceedings of the first international workshop on Ontology-supported business intelligence, Article No.: 10, S 1-12

Downloads

Veröffentlicht

2023-12-28

Ausgabe

Rubrik

Praxis