Tools für Wissensarbeiter

In der Wissensgesellschaft hängen die wertschöpfenden Strategien und die langfristige Überlebensfähigkeit eines Unternehmens von seiner Erhaltung ab Wettbewerbsvorteil. Die ressourcenbasierte Ansicht von cWettbewerbsvorteil deutet darauf hin, dass Organisationen mit wertvollen, einzigartigen und nicht ersetzbaren Ressourcen einen nachhaltigen Wettbewerbsvorteil und überlegene Leistung erlangen (Moustaghfir, 2008; Zhang, 2007). Solche Unternehmen können diese Fähigkeiten erreichen, indem sie neue Produkte und Dienstleistungen entwickeln, die die Kunden zufriedenstellen, und indem sie ihre operativen und strategischen Geschäftsprozesse umstrukturieren und verbessern. Enorme Mengen an Unternehmensdaten, Informationen und Wissen, die sich auf operative und strategische Ebenen in einem Unternehmen beziehen, fließen in die Unternehmen ein (Lau, Ning, Ip, & Choy, 2004). Die optimale Nutzung von Unternehmenswissen kann die Leistung von Entscheidungsträgern und Prozessmitarbeitern verbessern (Moustaghfir; McGuff & Kador, 1998) und ist ein Treibstoff, der den Innovationsmotor eines Unternehmens antreibt (Henrad & McFadyen, 2008). Technologien zur Online-Transaktionsverarbeitung (OLTP). und OLAP-Anwendungen (Online Analytical Processing). sind nützlich, um den betrieblichen Datenbedarf zu decken (Sen & Sinha, 2005) und Unterstützung strategischer Entscheidungsfindung (Jones, 2005) einer Firma. Der Zweck dieses Essays ist zweifach. Zunächst wird eine Identifizierung der Kategorien von Wissensarbeitern bereitgestellt, die von OLTP- und OLAP-Systemen profitieren könnten. Zweitens wird die Relevanz dieser Tools für die Aktivitäten der Arbeitnehmer diskutiert.

OLTP und OLAP

 Online-Transaktionsverarbeitungssysteme (OLTP) sind webbasierte Transaktionsverarbeitungssysteme (TPS). TPS sind Datenbanken, die Transaktionen innerhalb einer Organisation verarbeiten (Haag, Cummings & McCubrey, 2005). Gehaltsabrechnungs-, Bestands- und Verkaufssysteme sind einige Beispiele für TPSs. OLTP-Tools sind nützlich, um die betrieblichen Datenanforderungen eines Unternehmens zu erfüllen (Sen & Sinha). OLTP-Anwendungen mit ihrer Online-Natur dezentralisieren die Rechenleistung in einer Organisation, indem sie diese Leistung in die Hände der Kunden legen; Daher werden sie als Kunden-Selbstbedienungssysteme bezeichnet. Letztere werden in Datenbanken und Datenbankverwaltungssysteme (Post & Kagan, 2001) integriert, um die operative Rolle des Wissensarbeiters zu unterstützen. Verschiedene Funktionalitäten des integrierten Systems helfen bei der Erfassung, Verarbeitung und Aktualisierung des vorhandenen Wissens nach spezifischen Geschäftsregeln. OLTP-Systeme sind jedoch nicht gut geeignet, um Anfragen zur Entscheidungsunterstützung oder geschäftliche Fragen zu unterstützen, mit denen sich Manager normalerweise befassen müssen. Solche Fragen beinhalten Analysen, die Aggregation, Drilldown, Slicing oder Dicing von Daten umfassen, die am besten durch analytische Online-Verarbeitungssysteme unterstützt werden.

Der Begriff OLAP wurde von Codd et al. in den 1990er Jahren (Davenport & Sena, 2004; Hedelin & Allwood, 2002). Das OLAP-System hilft bei der Manipulation von Informationen zur Unterstützung der strategischen Entscheidungsfindung. Jones (2005) definiert Entscheidungsfindung als den Prozess, aus einer Reihe von Optionen die Alternative(n) auszuwählen, die am wahrscheinlichsten zu den gewünschten Ergebnissen führen. Er fügte hinzu, dass der Entscheidungsprozess eine wissensintensive Aktivität ist, die in vier Phasen unterteilt ist: Intelligenz, Design, Auswahl und Implementierung. Die Wissensbedürfnisse von Entscheidungsträgern treiben den Wissensableitungsprozess (Davenport & Sena) und werden durch Kategorien von Technologien unterstützt  B. Führungsinformationssysteme, Expertensysteme, agentenbasierte Modellierung, Data Mining und Entscheidungsunterstützungssysteme (McNurlin & Sprague, 2006).

OLAP-Anwendungen sind Entscheidungsunterstützungssysteme die t ermöglichenDer Wissensarbeiter, um das Tagesgeschäft besser und schneller zu machen. Diese Anwendungen werden von Data Warehouses unterstützt. Das Konzept des Data Warehouse wurde entwickelt, um die Einschränkungen von Betriebsdatenbanken für Entscheidungsunterstützungssysteme zu umgehen. Lauet al. postulierten, dass Data Warehouse über hervorragende Fähigkeiten verfügt, um Daten aus mehreren Transaktionssystemen zu integrieren und ihre Qualität zu verbessern. OLAP ermöglicht verschiedene Arten von Analysen von Daten, die als Sterndesign (zentrale Faktentabelle und Dimensionstabellen) organisiert sind, mit durchschnittlichen Antwortzeiten von OLAP, die unter 20 Sekunden liegen (Lau, Chan, Fun, & Wong, 2004).

Obwohl OLAP-Technologien leistungsfähig sind, argumentierten Hedelin und Allwood, dass sie auch einige Einschränkungen haben. OLAP ermöglicht es dem Wissensarbeiter, Wahrnehmungshypothesen über Assoziationen in den Daten auszuarbeiten und zu testen. Die vorhandenen Informationen in der Datenbank bleiben jedoch ungenutzt, wenn entsprechende Abfragen nicht ausgeführt werden. Data-Mining-Tools umgehen diesen Mangel, indem sie nach signifikanten Mustern suchen, ohne dass eine bestimmte Hypothese formuliert werden muss. Diese Technologie ermöglicht, wie Hedelin und Allwood feststellten, neben der Wissensverifizierung auch die Entdeckung von Wissen und liefert ausgefeilte Analysen zur Unterstützung der Entscheidungsfindung.

Prozessarbeiter und OLTP

Die Bedürfnisse der Benutzer von OLTP- und OLAP-Anwendungen sind unterschiedlich (McGuff & Kador, 1998). Ein OLTP ist nützlich, um die betrieblichen Datenanforderungen eines Unternehmens zu erfüllen (Haag, Cummings & McCubrey, 2005). Einige Beispiele für OLTP sind Reservierungssysteme für weltweite Flugkunden, Online-Banking-Systeme oder Finanzanwendungen, einschließlich Hauptbuch, Kreditoren- und Debitorenbuchhaltung, Gehaltsabrechnung, Fertigung, Inventar und Personalwesen. Diese operativen Systeme erfordern prozedurale Spezifität und unterstützen unternehmenskritische Prozesse. Prozessmitarbeiter (McGuff & Kador), die diese Systeme verwenden, führen den täglichen Betrieb nach spezifischen betrieblichen Anforderungen durch. 

Obwohl sie ein breites Spektrum an Geschäftsfunktionen abdecken, sind ERP-Systeme typische Beispiele für operative Systeme. Sumner's (2005) definierte ERPs als Software-Tools zur Verwaltung von Unternehmensdaten, da sie mit einem integrierten Systemansatz aufgebaut sind, der einen gemeinsamen Satz von Anwendungen zur Unterstützung des Geschäftsbetriebs einrichtet. Ein ERP-System bietet eine Unternehmensdatenbank, in der alle Geschäftstransaktionen eingegeben, verarbeitet, überwacht und gemeldet werden. Beispiele Zu den ERP-Systemen gehören SAP, PeopleSoft und Oracle. Diese Systeme decken verschiedene Unternehmensfunktionsbereiche wie Lieferkette, Wareneingang, Bestandsverwaltung, Kundenauftragsverwaltung, Produktionsplanung, Versand, Buchhaltung und Personalverwaltung ab.

Entscheidungsträger und OLAP

Im Gegensatz zu OLTP-Technologien haben OLAP-Anwendungen andere Merkmale, darunter Generalisierung, Aggregation, Anpassungsfähigkeit und lange Aufbewahrungsfristen (McGuff & Kador). Inhalt und Struktur von Datenbanken sind in der Regel allgemeiner und umfassen normalerweise mehrere operative Anwendungen. Der Detaillierungsgrad kann auf einer viel höheren Aggregationsebene liegen. Diese Aggregation schafft einen Schwierigkeitsgrad, mit dem die Betriebssysteme nicht fertig werden müssen. Die Datenaufbewahrungsfrist für Entscheidungsträger ist viel länger und wird oft in Jahren gemessen. Ändern sich die Geschäftsstrategien oder -strukturen, müssen alle Daten angepasst werden. Durch die Verwendung eines OLAP-Systems kann der Wissensarbeiter dimensionale Unternehmensdatenmodelle manipulieren, um Änderungen zu verstehen, die in der Firma auftreten, und geeignete Geschäftsentscheidungen zu treffen (Lau et al.).

Gut dEntscheidungsfindung ist für das Überleben von Unternehmen unerlässlich (Jones, 2005). Der Prozess der Identifizierung kritischer Handlungsalternativen und der Entwicklung einer Entscheidungsfindung nutzte multiple Kriterienentscheidungsansätze (Figueira, Greco, & Ehrgott, 2005). Laut Jones schmiedet dieser Prozess die Entscheidung durch eine Auswahl aus verfügbaren Alternativen. Das Hauptziel von OLAPs ist es, die Qualität einer Entscheidung zu verbessern. Die Qualität der Daten bestimmt sowohl die Entscheidungsqualität als auch die Qualität des OLAP. Die Integration von OLAP- und OLTP-Technologien durch eine gemeinsame Data-Warehouse-Technologie bietet Entscheidungshilfen für Unternehmen (Gorla, 2003). Data Warehouses extrahieren Daten aus verschiedenen operativen Datenbanken, um die Entscheidungsfindung von Führungskräften zu erleichtern, indem sie eine Reihe benutzerfreundlicher Tools wie Data Mining und Präsentationstechniken einsetzen (Chowdhury, 2007). Herkömmliche Phasen der Entscheidungsfindung führen den Entscheidungsträger durch das Sammeln von Wissen, die alternative Formulierung und schließlich eine Auswahl der Alternative. Der Zweck von Data Warehouses besteht darin, ein zentralisiertes Speicherhaus durchzusetzen, das eine einzige Quelle der Wahrheit für die gesamte Organisation darstellt. Diese Zentralisierung ermöglicht es Managern, über die OLAP-Schnittstelle auf analytische Datenbanken zuzugreifen und Unternehmensdaten in verschiedenen Dimensionen zu analysieren (Hedelin & Allwood). OLAP-Technologien ermöglichen es Entscheidungsträgern, Unternehmensveränderungen im Zeitverlauf zu bewerten, sich einen Überblick über die Geschäftsabläufe zu verschaffen und verschiedene Analysen durchzuführen. Ein Data-Warehouse-Projekt ist in der Regel geschäftsorientiert und dient dazu, die Ausrichtung der Organisation zu verbessern.  Die erste Priorität des geschäftsorientierten Data-Warehouse-Ansatzes ist, wie Chowdhury feststellte, die Formulierung einer Reihe von Fragen. Diese Liste enthält eine Reihe analytischer Probleme, die Manager als kritische Erfolgsfaktoren für die Zukunft des Unternehmens betrachten. Es entwickelt sich zu einem dimensionalen Modell, das mit dem kombiniert wird Datenmodell OLAP Würfel zu Erstellen Sie Berichte, die die Fragen von Managern beantworten.

Fazit

In diesem Beitrag wurden OLTP und Online-OLAP als zwei Beispiele für Front-End-Support-Tools identifiziert, die Wissensarbeiter einsetzen können, um Unternehmensziele zu unterstützen. OLTP-Tools sind nützlich, um die betrieblichen Datenanforderungen eines Unternehmens zu erfüllen. Sie dezentralisieren die Rechenleistung in einer Organisation, indem sie diese Leistung in die Hände der Kunden legen. OLTP-Anwendungen sind für Prozessmitarbeiter im Tagesgeschäft nützlich. OLTP-Systeme sind jedoch nicht gut geeignet, um Anfragen zur Entscheidungsunterstützung oder geschäftliche Fragen zu unterstützen, mit denen sich Manager normalerweise befassen müssen. Durch die Verwendung eines OLAP-Systems können Entscheidungsträger dimensionale Unternehmensdatenmodelle manipulieren, um Änderungen zu verstehen, die in der Firma auftreten, und angemessene Geschäftsentscheidungen zu treffen. Die Integration von OLAP- und OLTP-Technologien durch eine gemeinsame Data-Warehouse-Technologie bietet Entscheidungshilfen für Unternehmen. Diese Integration erzwingt ein zentralisiertes Speicherhaus, das eine einzige Quelle der Wahrheit für die gesamte Organisation und Manager darstellt, um auf Wissensdatenbanken zuzugreifen und multidimensionale Unternehmensdaten zu analysieren.