Business Intelligence - Versionsgeschichte

Salis.Matteo am 4. Dezember 2020 um 09:54 Uhr

2020-12-04T09:54:40Z

← Nächstältere Version		Version vom 4. Dezember 2020, 11:54 Uhr
Zeile 109:		Zeile 109:
	Alain Birrer, Marlena Bösch, Jasmin Erzer, Céline Geissbühler		Alain Birrer, Marlena Bösch, Jasmin Erzer, Céline Geissbühler
	[[Kategorie:Data Analytics]]		[[Kategorie:Data Analytics]]
			[[Kategorie:Digital Controlling]]

Salis.Matteo: /* Einsatzmöglichkeiten */

2020-10-28T10:45:58Z

Einsatzmöglichkeiten

← Nächstältere Version		Version vom 28. Oktober 2020, 12:45 Uhr
Zeile 28:		Zeile 28:
	\| Reporting \|\| style="width: 55em" \| BI eignet sich dazu, Standardberichte für einen breiten Empfängerkreis (Lower- bis Top-Management) automatisiert und dadurch effizient aufzubereiten. Informationen kann man dabei tabellarisch oder grafisch darstellen.		\| Reporting \|\| style="width: 55em" \| BI eignet sich dazu, Standardberichte für einen breiten Empfängerkreis (Lower- bis Top-Management) automatisiert und dadurch effizient aufzubereiten. Informationen kann man dabei tabellarisch oder grafisch darstellen.
	\|-		\|-
	\| Management-Informations-Systeme (MIS) \|\| style="width: 55em" \| Ähnlich wie beim Reporting handelt es sich bei MIS um die standardisierte Darstellung von Informationen. MIS beschränken sich jedoch hauptsächlich auf den Empfängerkreis des höheren Managements. Dashboards und Scorecards stellen dabei wichtige [[Kennzahlensysteme\|Kennzahlen]] in ~~stark~~ übersichtlicher Form dar. MIS dienen dem Top-Management als strategisches Steuerungsinstrument.		\| Management-Informations-Systeme (MIS) \|\| style="width: 55em" \| Ähnlich wie beim Reporting handelt es sich bei MIS um die standardisierte Darstellung von Informationen. MIS beschränken sich jedoch hauptsächlich auf den Empfängerkreis des höheren Managements. Dashboards und Scorecards stellen dabei wichtige [[Kennzahlensysteme\|Kennzahlen]] in übersichtlicher Form dar. MIS dienen dem Top-Management als strategisches Steuerungsinstrument.
	\|-		\|-
	\| OLAP-Analysen \|\| style="width: 55em" \| OLAP-Analysen ermöglichen aufgrund des mehrdimensionalen Datenwürfel-Modells im [[Data Warehouse\|Data Warehouse]] interaktive und flexible ad-hoc-Auswertungen. Controllerinnen und Controller können durch die Selektion verschiedener Attribute in Echtzeit grosse Datenbestände analysieren und sehr spezifische Fragestellungen beantworten. Beispielsweise können Controllerinnen und Controller in einer BI-gestützten Ergebnisrechnung mittels OLAP sofort erhöhten [[Abweichungsanalyse\|Ist-/Plan-Abweichungen]] nachgehen, um die Treiber der Abweichung zu identifizieren (Seufert & Oehler, 2010, S. 445).		\| OLAP-Analysen \|\| style="width: 55em" \| OLAP-Analysen ermöglichen aufgrund des mehrdimensionalen Datenwürfel-Modells im [[Data Warehouse\|Data Warehouse]] interaktive und flexible ad-hoc-Auswertungen. Controllerinnen und Controller können durch die Selektion verschiedener Attribute in Echtzeit grosse Datenbestände analysieren und sehr spezifische Fragestellungen beantworten. Beispielsweise können Controllerinnen und Controller in einer BI-gestützten Ergebnisrechnung mittels OLAP sofort erhöhten [[Abweichungsanalyse\|Ist-/Plan-Abweichungen]] nachgehen, um die Treiber der Abweichung zu identifizieren (Seufert & Oehler, 2010, S. 445).
Zeile 36:		Zeile 36:
	\| [[Planung und Budgetierung\|Planung und Budgetierung]] \|\| style="width: 55em" \| Unternehmen können ihre Planung und Budgetierung direkt in der BI-Applikation vornehmen. Einige BI-Applikationen bieten auch Prozessunterstützung mittels Workflow-Komponenten an, welche den Budgetierungs-Prozess vereinfachen sollen. Zudem lassen sich Teilpläne einfacher zu integrierten Planvorschlägen zusammenfassen.		\| [[Planung und Budgetierung\|Planung und Budgetierung]] \|\| style="width: 55em" \| Unternehmen können ihre Planung und Budgetierung direkt in der BI-Applikation vornehmen. Einige BI-Applikationen bieten auch Prozessunterstützung mittels Workflow-Komponenten an, welche den Budgetierungs-Prozess vereinfachen sollen. Zudem lassen sich Teilpläne einfacher zu integrierten Planvorschlägen zusammenfassen.
	\|}		\|}

	=== Chancen ===		=== Chancen ===
	Abgeleitet aus den genannten Einsatzmöglichkeiten von BI im Controlling ergeben sich in erster Linie folgende Chancen:		Abgeleitet aus den genannten Einsatzmöglichkeiten von BI im Controlling ergeben sich in erster Linie folgende Chancen:

Salis.Matteo am 28. Oktober 2020 um 10:45 Uhr

2020-10-28T10:45:14Z

← Nächstältere Version		Version vom 28. Oktober 2020, 12:45 Uhr
Zeile 1:		Zeile 1:
	{{Geprueft\|+}}		{{Geprueft\|+}}

	Unter Business Intelligence (kurz BI) fallen sämtliche Aktivitäten einer Unternehmung, um interne und externe Daten mittels Integration, Transformation und Analyse in Informationen umzuwandeln. Mit diesen fundierten Informationen unterstützt BI das Management bei Entscheidungen und Prognosen (Müller & Lenz, 2013, S. 3). Daten werden in einem [[Data Warehouse\|Data Warehouse]] gesammelt und ~~dort~~ mit Hilfe von automatisierten Cockpits, Dashboards, OLAP-Abfragen, [[Data Mining\|Data Mining]] und anderen Werkzeugen ausgewertet (Schön & Liebe, 2014, S. 244). [[Business Analytics\|Business Analytics]] ist eine Erweiterung des klassischen Business Intelligence und nutzt mathematische und statistische Verfahren zur Gewinnung neuer Erkenntnisse (Ereth & Kemper, 2016, S. 458).		Unter Business Intelligence (kurz BI) fallen sämtliche Aktivitäten einer Unternehmung, um interne und externe Daten mittels Integration, Transformation und Analyse in Informationen umzuwandeln. Mit diesen fundierten Informationen unterstützt BI das Management bei Entscheidungen und Prognosen (Müller & Lenz, 2013, S. 3). Daten werden in einem [[Data Warehouse\|Data Warehouse]] gesammelt und mit Hilfe von automatisierten Cockpits, Dashboards, OLAP-Abfragen, [[Data Mining\|Data Mining]] und anderen Werkzeugen ausgewertet (Schön & Liebe, 2014, S. 244). [[Business Analytics\|Business Analytics]] ist eine Erweiterung des klassischen Business Intelligence und nutzt mathematische und statistische Verfahren zur Gewinnung neuer Erkenntnisse (Ereth & Kemper, 2016, S. 458).
	== Einführung in Business Intelligence ==		== Einführung in Business Intelligence ==
	=== Definition ===		=== Definition ===

Salis.Matteo am 28. Oktober 2020 um 10:43 Uhr

2020-10-28T10:43:39Z

← Nächstältere Version		Version vom 28. Oktober 2020, 12:43 Uhr
Zeile 1:		Zeile 1:
	{{Geprueft\|+}}		{{Geprueft\|+}}

	Unter Business Intelligence (kurz BI) fallen sämtliche Aktivitäten einer Unternehmung um interne und externe Daten mittels Integration, Transformation und Analyse in Informationen umzuwandeln. Mit diesen fundierten Informationen unterstützt BI das Management bei Entscheidungen und Prognosen (Müller & Lenz, 2013, S. 3). Daten werden in einem [[Data Warehouse\|Data Warehouse]] gesammelt und dort mit Hilfe von automatisierten Cockpits, Dashboards, OLAP-Abfragen, [[Data Mining\|Data Mining]] und anderen Werkzeugen ausgewertet (Schön & Liebe, 2014, S. 244). [[Business Analytics\|Business Analytics]] ist eine Erweiterung des klassischen Business Intelligence und nutzt mathematische und statistische Verfahren zur Gewinnung neuer Erkenntnisse (Ereth & Kemper, 2016, S. 458).		Unter Business Intelligence (kurz BI) fallen sämtliche Aktivitäten einer Unternehmung, um interne und externe Daten mittels Integration, Transformation und Analyse in Informationen umzuwandeln. Mit diesen fundierten Informationen unterstützt BI das Management bei Entscheidungen und Prognosen (Müller & Lenz, 2013, S. 3). Daten werden in einem [[Data Warehouse\|Data Warehouse]] gesammelt und dort mit Hilfe von automatisierten Cockpits, Dashboards, OLAP-Abfragen, [[Data Mining\|Data Mining]] und anderen Werkzeugen ausgewertet (Schön & Liebe, 2014, S. 244). [[Business Analytics\|Business Analytics]] ist eine Erweiterung des klassischen Business Intelligence und nutzt mathematische und statistische Verfahren zur Gewinnung neuer Erkenntnisse (Ereth & Kemper, 2016, S. 458).
	== Einführung in Business Intelligence ==		== Einführung in Business Intelligence ==
	=== Definition ===		=== Definition ===

Salis.Matteo: /* Checkliste für Einführung BI-System */

2020-10-16T11:54:25Z

Checkliste für Einführung BI-System

← Nächstältere Version		Version vom 16. Oktober 2020, 13:54 Uhr
Zeile 82:		Zeile 82:
	\| Was \|\| style="width: 44em" \| Festlegen, was für die Steuerung des Unternehmens relevante Informationen sind.		\| Was \|\| style="width: 44em" \| Festlegen, was für die Steuerung des Unternehmens relevante Informationen sind.
	\|}		\|}
	[[Datei:Gartner_Magic_Quadrant_for_Analytics_and_Business_Intelligence_Platforms_2019_(Qlik,_online).jpg\|miniatur\|400px\|Abb. 2: Gartner Magic Quadrant for Analytics and Business Intelligence Platforms 2019 (Qlik, online)]]
	== Lern- und Praxismaterialien ==		== Lern- und Praxismaterialien ==
	{\| class="wikitable"		{\| class="wikitable"

Salis.Matteo: /* Anbieter von BI-Systemen */

2020-10-16T11:54:10Z

Anbieter von BI-Systemen

@@ Zeile 83: / Zeile 83: @@
 |}
 [[Datei:Gartner_Magic_Quadrant_for_Analytics_and_Business_Intelligence_Platforms_2019_(Qlik,_online).jpg|miniatur|400px|Abb. 2: Gartner Magic Quadrant for Analytics and Business Intelligence Platforms 2019 (Qlik, online)]]
 == Lern- und Praxismaterialien ==
 {| class="wikitable"

Salis.Matteo am 11. Februar 2020 um 12:40 Uhr

2020-02-11T12:40:44Z

← Nächstältere Version		Version vom 11. Februar 2020, 14:40 Uhr
Zeile 3:		Zeile 3:
	Unter Business Intelligence (kurz BI) fallen sämtliche Aktivitäten einer Unternehmung um interne und externe Daten mittels Integration, Transformation und Analyse in Informationen umzuwandeln. Mit diesen fundierten Informationen unterstützt BI das Management bei Entscheidungen und Prognosen (Müller & Lenz, 2013, S. 3). Daten werden in einem [[Data Warehouse\|Data Warehouse]] gesammelt und dort mit Hilfe von automatisierten Cockpits, Dashboards, OLAP-Abfragen, [[Data Mining\|Data Mining]] und anderen Werkzeugen ausgewertet (Schön & Liebe, 2014, S. 244). [[Business Analytics\|Business Analytics]] ist eine Erweiterung des klassischen Business Intelligence und nutzt mathematische und statistische Verfahren zur Gewinnung neuer Erkenntnisse (Ereth & Kemper, 2016, S. 458).		Unter Business Intelligence (kurz BI) fallen sämtliche Aktivitäten einer Unternehmung um interne und externe Daten mittels Integration, Transformation und Analyse in Informationen umzuwandeln. Mit diesen fundierten Informationen unterstützt BI das Management bei Entscheidungen und Prognosen (Müller & Lenz, 2013, S. 3). Daten werden in einem [[Data Warehouse\|Data Warehouse]] gesammelt und dort mit Hilfe von automatisierten Cockpits, Dashboards, OLAP-Abfragen, [[Data Mining\|Data Mining]] und anderen Werkzeugen ausgewertet (Schön & Liebe, 2014, S. 244). [[Business Analytics\|Business Analytics]] ist eine Erweiterung des klassischen Business Intelligence und nutzt mathematische und statistische Verfahren zur Gewinnung neuer Erkenntnisse (Ereth & Kemper, 2016, S. 458).
	== Einführung in Business Intelligence ==		== Einführung in Business Intelligence ==
	=== ~~Begriffs-~~Definition ===		=== Definition ===
	Für den Begriff Business Intelligence (kurz BI) gibt es eine Vielzahl von Definitionen. Die wörtliche Übersetzung in die deutsche Sprache mit Geschäftsintelligenz ist jedoch nicht zielführend. Business Intelligence ist nicht als Intelligenz an sich zu verstehen, sondern als Verfahren und Prozesse zur systematischen Analyse von Daten mit dem Ziel der Wissensgenerierung. Vergleichen lässt sich diese Verwendung mit dem amerikanischen Geheimdienst CIA (Central Intelligence Agency), welcher den Begriff mit der gleichen Bedeutung verwendet (Bundi, 2012, S. 428).		Für den Begriff Business Intelligence (kurz BI) gibt es eine Vielzahl von Definitionen. Die wörtliche Übersetzung in die deutsche Sprache mit Geschäftsintelligenz ist jedoch nicht zielführend. Business Intelligence ist nicht als Intelligenz an sich zu verstehen, sondern als Verfahren und Prozesse zur systematischen Analyse von Daten mit dem Ziel der Wissensgenerierung. Vergleichen lässt sich diese Verwendung mit dem amerikanischen Geheimdienst CIA (Central Intelligence Agency), welcher den Begriff mit der gleichen Bedeutung verwendet (Bundi, 2012, S. 428).

Salis.Matteo: Schützte „Business Intelligence“ ([Bearbeiten=Nur Administratoren erlauben] (unbeschränkt) [Verschieben=Nur Administratoren erlauben] (unbeschränkt))

2020-02-11T09:32:05Z

Schützte „Business Intelligence“ ([Bearbeiten=Nur Administratoren erlauben] (unbeschränkt) [Verschieben=Nur Administratoren erlauben] (unbeschränkt))

← Nächstältere Version	Version vom 11. Februar 2020, 11:32 Uhr
(kein Unterschied)

Salis.Matteo am 11. Februar 2020 um 09:31 Uhr

2020-02-11T09:31:59Z

← Nächstältere Version		Version vom 11. Februar 2020, 11:31 Uhr
Zeile 1:		Zeile 1:
			{{Geprueft\|+}}

	Unter Business Intelligence (kurz BI) fallen sämtliche Aktivitäten einer Unternehmung um interne und externe Daten mittels Integration, Transformation und Analyse in Informationen umzuwandeln. Mit diesen fundierten Informationen unterstützt BI das Management bei Entscheidungen und Prognosen (Müller & Lenz, 2013, S. 3). Daten werden in einem [[Data Warehouse\|Data Warehouse]] gesammelt und dort mit Hilfe von automatisierten Cockpits, Dashboards, OLAP-Abfragen, [[Data Mining\|Data Mining]] und anderen Werkzeugen ausgewertet (Schön & Liebe, 2014, S. 244). [[Business Analytics\|Business Analytics]] ist eine Erweiterung des klassischen Business Intelligence und nutzt mathematische und statistische Verfahren zur Gewinnung neuer Erkenntnisse (Ereth & Kemper, 2016, S. 458).		Unter Business Intelligence (kurz BI) fallen sämtliche Aktivitäten einer Unternehmung um interne und externe Daten mittels Integration, Transformation und Analyse in Informationen umzuwandeln. Mit diesen fundierten Informationen unterstützt BI das Management bei Entscheidungen und Prognosen (Müller & Lenz, 2013, S. 3). Daten werden in einem [[Data Warehouse\|Data Warehouse]] gesammelt und dort mit Hilfe von automatisierten Cockpits, Dashboards, OLAP-Abfragen, [[Data Mining\|Data Mining]] und anderen Werkzeugen ausgewertet (Schön & Liebe, 2014, S. 244). [[Business Analytics\|Business Analytics]] ist eine Erweiterung des klassischen Business Intelligence und nutzt mathematische und statistische Verfahren zur Gewinnung neuer Erkenntnisse (Ereth & Kemper, 2016, S. 458).
	== Einführung in Business Intelligence ==		== Einführung in Business Intelligence ==

Alain.Birrer am 7. Dezember 2019 um 16:31 Uhr

2019-12-07T16:31:38Z

← Nächstältere Version		Version vom 7. Dezember 2019, 18:31 Uhr
Zeile 9:		Zeile 9:
	Wie in Abbildung 1 zu sehen ist, operiert BI an der Schnittstelle zwischen Betriebswirtschaft und IT. BI ist somit eine Disziplin der Wirtschaftsinformatik. In der IT sind die technologischen Bestandteile von BI anzusiedeln, allen voran die Technologie des [[Data Warehouse\|Data Warehouse]]. Die betriebswirtschaftliche Sicht beschäftigt sich hingegen vor allem mit der Nutzung der gewonnenen Informationen zur Entscheidungsunterstützung für das Management (Schön, 2018, S. 411).		Wie in Abbildung 1 zu sehen ist, operiert BI an der Schnittstelle zwischen Betriebswirtschaft und IT. BI ist somit eine Disziplin der Wirtschaftsinformatik. In der IT sind die technologischen Bestandteile von BI anzusiedeln, allen voran die Technologie des [[Data Warehouse\|Data Warehouse]]. Die betriebswirtschaftliche Sicht beschäftigt sich hingegen vor allem mit der Nutzung der gewonnenen Informationen zur Entscheidungsunterstützung für das Management (Schön, 2018, S. 411).

	Die enge BI-Definition beinhaltet ausschliesslich die Datenauswertung und -nutzung innerhalb der IT-Sicht. Die weite BI-Definition hingegen vereint die Data-Warehouse-Ebenen sowie die Big-Data-Technologie der IT-Sicht mit den Management-Unterstützungs-Instrumenten der betriebswirtschaftlichen Sicht (Schön, 2018, S. 411).		Die enge BI-Definition beinhaltet ausschliesslich die Datenauswertung und -nutzung innerhalb der IT-Sicht. Die weite BI-Definition hingegen vereint die [[Data Warehouse\|Data-Warehouse-Ebenen]] sowie die [[Big Data\|Big-Data-Technologie]] der IT-Sicht mit den Management-Unterstützungs-Instrumenten der betriebswirtschaftlichen Sicht (Schön, 2018, S. 411).
	=== Gründe für Business Intelligence ===		=== Gründe für Business Intelligence ===
	Die zunehmende Digitalisierung bringt in Verbindung mit dem Internet und besseren Mess- und Sensortechniken '''exponentiell steigende Datenvolumen''' ([[Big Data\|Big Data]]) mit sich (Müller & Lenz, 2013, S. 1–2). Um diese immensen und zunehmend heterogenen Datenbestände sinnvoll nutzen zu können, reichen simple Tabellenkalkulations-Programme und ERP-Systeme längst nicht mehr aus. Die Datenanalyse ist mit diesen Werkzeugen zu zeit- und kostenaufwändig (Schön, 2018, S. 1).		Die zunehmende Digitalisierung bringt in Verbindung mit dem Internet und besseren Mess- und Sensortechniken '''exponentiell steigende Datenvolumen''' ([[Big Data\|Big Data]]) mit sich (Müller & Lenz, 2013, S. 1–2). Um diese immensen und zunehmend heterogenen Datenbestände sinnvoll nutzen zu können, reichen simple Tabellenkalkulations-Programme und ERP-Systeme längst nicht mehr aus. Die Datenanalyse ist mit diesen Werkzeugen zu zeit- und kostenaufwändig (Schön, 2018, S. 1).
Zeile 45:		Zeile 45:
	=== Herausforderungen ===		=== Herausforderungen ===
	Die Transformation vom klassischen Controlling in BI-gestütztes Controlling bringt neben vielversprechenden Chancen auch einige Herausforderungen mit sich:		Die Transformation vom klassischen Controlling in BI-gestütztes Controlling bringt neben vielversprechenden Chancen auch einige Herausforderungen mit sich:
	* '''Steigende Datenmenge und Erwartungen bei sinkender Analysezeit:''' Die vorhandene Datenmenge sowie das Informationsbedürfnis der ~~Reportempfänger~~ steigen stetig. Gleichzeitig fordern ~~Reportempfänger~~ immer aktuellere Informationen, was die Zeit verkürzt, die den Controllerinnen und Controllern zur Analyse der Daten zur Verfügung steht (Bundi, 2012, S. 434). Es muss ein Kompromiss zwischen Aktualität und Aussagekraft der Informationen gefunden werden.		* '''Steigende Datenmenge und Erwartungen bei sinkender Analysezeit:''' Die vorhandene Datenmenge sowie das Informationsbedürfnis der Reportempfangenden steigen stetig. Gleichzeitig fordern Reportempfangende immer aktuellere Informationen, was die Zeit verkürzt, die den Controllerinnen und Controllern zur Analyse der Daten zur Verfügung steht (Bundi, 2012, S. 434). Es muss ein Kompromiss zwischen Aktualität und Aussagekraft der Informationen gefunden werden.

	* '''Steigende Komplexität:''' Ein steigender Funktionsumfang und steigende Datenmengen bringen immer komplexere BI-Systeme und Datenstrukturen im [[Data Warehouse\|Data Warehouse]] mit sich (Bundi, 2012, S. 434). Eine durchdachte Konzeption der Datenstruktur sowie die detaillierte Übersetzung der fachlichen Anforderungen in technologische Anforderungen sind deshalb sehr wichtig (Schön & Liebe, 2014, S. 251).		* '''Steigende Komplexität:''' Ein steigender Funktionsumfang und steigende Datenmengen bringen immer komplexere BI-Systeme und Datenstrukturen im [[Data Warehouse\|Data Warehouse]] mit sich (Bundi, 2012, S. 434). Eine durchdachte Konzeption der Datenstruktur sowie die detaillierte Übersetzung der fachlichen Anforderungen in technologische Anforderungen sind deshalb sehr wichtig (Schön & Liebe, 2014, S. 251).
Zeile 104:		Zeile 104:
	\|}		\|}
	== Quellen ==		== Quellen ==
			=== Literaturverzeichnis ===
	* Bundi M. (2012). [https://elearning.hslu.ch/ilias/goto.php?target=file_2992999_download&client_id=hslu Return on Business Intelligence (RoB).] In C. Lengwiler, L. Nadig & M. Pedergnana (Hrsg.). Management in der Finanzbranche – Finanzmanagement im Unternehmen (S. 427–442). Zug: IFZ – Hochschule Luzern.		* Bundi M. (2012). [https://elearning.hslu.ch/ilias/goto.php?target=file_2992999_download&client_id=hslu Return on Business Intelligence (RoB).] In C. Lengwiler, L. Nadig & M. Pedergnana (Hrsg.). Management in der Finanzbranche – Finanzmanagement im Unternehmen (S. 427–442). Zug: IFZ – Hochschule Luzern.
	* Ereth, J. & Kemper, H.-G. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939261_download&client_id=hslu Business Analytics und Business Intelligence.] Controlling, 28 (8-9), 458–464.		* Ereth, J. & Kemper, H.-G. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939261_download&client_id=hslu Business Analytics und Business Intelligence.] Controlling, 28 (8-9), 458–464.
Zeile 113:		Zeile 114:
	* Schön, D. & Liebe, M. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939260_download&client_id=hslu Integrierte Planung und Reporting mit Business-Intelligence-gestütztem Controlling.] Controlling, 26 (4–5), 244–251.		* Schön, D. & Liebe, M. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939260_download&client_id=hslu Integrierte Planung und Reporting mit Business-Intelligence-gestütztem Controlling.] Controlling, 26 (4–5), 244–251.
	* Seufert, A., & Oehler, K. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4246378_download&client_id=hslu Einsatzpotenziale von Business Intelligence am Beispiel der Ergebnisrechnung. In R. Gleich, U. Michel, W. Stegmüller, & A. Kämmler-Burrak (Hrsg.). Moderne Kosten- und Ergebnissteuerung. Grundlagen, Praxis und Perspektiven (S. 443–464).] München: Haufe Mediengruppe.		* Seufert, A., & Oehler, K. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4246378_download&client_id=hslu Einsatzpotenziale von Business Intelligence am Beispiel der Ergebnisrechnung. In R. Gleich, U. Michel, W. Stegmüller, & A. Kämmler-Burrak (Hrsg.). Moderne Kosten- und Ergebnissteuerung. Grundlagen, Praxis und Perspektiven (S. 443–464).] München: Haufe Mediengruppe.
			=== Weiterführende Literatur ===
			* Egle, U. & Keimer, I. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_3931325_download&client_id=hslu Digitaler Wandel im Controlling.] Schriften aus dem Institut für Finanzdienstleistungen Zug IFZ, Band 37. Zug: IFZ – Hochschule Luzern.
	== Autoren ==		== Autoren ==
	Alain Birrer, Marlena Bösch, Jasmin Erzer, Céline Geissbühler		Alain Birrer, Marlena Bösch, Jasmin Erzer, Céline Geissbühler
	[[Kategorie:Data Analytics]]		[[Kategorie:Data Analytics]]