Detailansicht

Data integration and cleansing for Enterprise Architecture Analytics
Christoph Moser
Art der Arbeit
Dissertation
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Dr.-Studium d.Sozial- u.Wirtschaftswiss. Wirtschaftsinformatik
Betreuer*in
Dimitris Karagiannis
Volltext herunterladen
Volltext in Browser öffnen
Alle Rechte vorbehalten / All rights reserved
DOI
10.25365/thesis.47935
URN
urn:nbn:at:at-ubw:1-13155.85607.736061-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract
(Deutsch)
Unternehmensarchitekturmanagement ist ein ganzheitlicher Managementansatz und verfolgt das Ziel, Unternehmen bei der Definition und Umsetzung ihrer Strategien zu unterstützen. Die Unternehmensarchitektur bildet dabei den konzeptionellen Blueprint, welcher die wesentlichen Gestaltungselemente des Unternehmens sowie deren Abhängigkeiten beschreibt. Diese Blueprints werden typischerweise in Form von Architekturmodellen beschrieben. Die Architekturmodelle unterstützen sowohl bei der Entscheidungsfindung zur strategischen Ausrichtung des Unternehmens, also auch bei taktischen und teilweise auch operativen Entscheidungen. Aktualität und Qualität dieser Modelle ist ein entscheidender Erfolgsfaktor für jede Architekturinitiative. Um die Modelle in strukturierter und auswertbarer Form bereitstellen zu können, empfehlen Architekturrahmenwerke wie beispielsweise TOGAF die einheitliche Nutzung eines Metamodells – einer Art Ordnungsrahmen für die zu beschreibenden Konstrukte. Des Weiteren wird empfohlen, die Modelle in einem Architektur-Repository zu verwalten und aktuell zu halten. In der Realität ist dies allerdings schwer durchzuhalten. In der Regel entstehen zahlreiche weitere Dokumentationen und Architektur-relevante Inhalte, welche nicht in einem derartigen Repository eingepflegt werden und oftmals nicht dem vereinbarten Metamodell entsprechen. Darüber hinaus werden bei diesem eher klassischen Ansatz zum Architekturmanagement operative Unternehmensdaten, welche bei der Entscheidungsfindung über die zukünftige Unternehmensarchitektur dienlich sein können bzw. Architekturentscheidungen untermauern können, oftmals gänzlich vernachlässigt. Business Analytics ist die Managementdomäne, welche auf die Analyse operativer Daten fokussiert. Zielsetzung ist es, neue Erkenntnisse basierend auf operativen Unternehmens- und Marktdaten zu gewinnen, um das Unternehmen besser steuern zu können. Die Kombination von Unternehmensarchitekturmanagement und Business Analytics verspricht das Beste aus beiden Welten: Unternehmensarchitekturmodelle können mit operativen Daten plausibilisiert werden und Business Analytics Daten werden entlang der wichtigsten Gestaltungselemente des Unternehmens strukturiert, sodass weitreichendere Zusammenhänge über alle Ebenen des der Organisation hinweg abgeleitet werden können. Dieser kombinierte Ansatz wird neuerdings als Enterprise Architecture Analytics bezeichnet. Mit der Methode DICE (Data Integration and Cleansing Environment) trägt die vorliegende Dissertation dazu bei, Unternehmensarchitekturmodelle und operative Daten integrieren zu können. DICE ist als situative Methode konzipiert, d.h. die Methode kann einfach an projektspezifische Gegebenheiten ausgerichtet werden. Zu diesem Zweck basiert DICE auf einem metamodellierungsgetriebenen Ansatz. Die Methode unterstützt alle typischen Datentransformationen wie z.B. Datenintegration, Datenselektion, Datenimputation und Datenbereinigung. Herzstück der Methode sind Mechanismen und Algorithmen, die diese Datentransformationen nicht nur auf Datenebene, sondern auch auf Metadatenebene ermöglichen. Parallel zu den Datentransformationen werden Metadaten errechnet und mitgeschrieben, sodass die durchgeführten Transformationsschritte vom Endergebnis bis hin zur Datenquelle nachvollziehbar bleiben. Durch das integrierte Qualitätsrahmenwerk, werden zugleich auch die Auswirkungen von Transformationen auf die Datenqualität errechnet und dem Methodennutzer als Instrument zur Entscheidungsfindung zur Verfügung gestellt. Im Kontext von Unternehmensarchitekturmanagement wird DICE zur Integration von traditionellen Architekturmodellen mit operativen Unternehmensdaten eingesetzt. DICE wird zu diesem Zweck erweitert, sodass spezialisierte Transformationen auf den oftmals graphenbasierten Unternehmensarchitekturmodellen möglich werden. Zur Evaluierung wurde die Methode basierend auf dem Metamodellierungswerkzeug ADOxx und der Statistikplattform R umgesetzt. Der Nutzen der Methode wird demonstriert, indem aufgezeigt wird, wie typische Architekturmodelle mit operativen Unternehmensdaten integriert werden.
Abstract
(Englisch)
Enterprise architecture management (EAM) is a holistic management approach supporting organizations in effectively achieving their current and future objectives. The enterprise architecture (EA) is a conceptual blueprint of an organization or an entire business ecosystem composed of organizations. It defines the organization’s main structural elements and their dependencies on each other. These blueprints are typically represented in the form of architectural descriptions. Taken together, these architectural descriptions form a valuable foundation for driving management decisions. An often mentioned problem is the data quality of the EA descriptions. Often, self-contained descriptions on varying levels of detail are created by domain experts. A concise overview and comprehensive analysis of the EA is not possible on that basis. EA Frameworks such as TOGAF plead for architecture repositories that hold EA models instantiated from standardized metamodels. However, in practice much additional EA relevant documentation is created and not fed back into these repositories. Typically, even thoroughly curated repositories are not fully up to date and concise. Moreover, in many cases additional information about current and future business performance is required to underpin EA models and to make EA analysis possible. Business Analytics is the management domain focusing on the provision of knowledge extracted from operational data. The amalgamation of EA models and operational data offers the best of both worlds: EA models are substantiated by findings extracted from operative business data and BA data can be structured along the most important design objects of the organization. This approach is referred to as Enterprise Architecture Analytics in recent scientific publications. With DICE (Data Integration and Cleansing Environment) this doctoral thesis introduces a method for integrating and streamlining EA descriptions for further analysis and for extraction and integration of operational data. DICE is a general purpose method for the support of data preparation in BA endeavors. It is conceptualized as a situational method; it can thus be refined to support domain specifics where needed. To this end, DICE builds heavily on a metamodeling approach, which makes possible the specialization of DICE to support Enterprise Architecture Analytics. Besides metamodeling, DICE is built on concepts from the fields of statistical metadata management, workflow management and data mining. It supports all typical transformation tasks, such as data integration, data selection, data imputation and data cleansing. Thereby, it makes possible the concurrent transformation of data and metadata. In this way, the impact on the data quality through the transformations becomes computable. Moreover, the conducted transformations are accurately documented so that resulting data can be traced back to its sources. In the context of EAA it is used for cleansing and integration of architecture descriptions as well as for enriching the architecture descriptions with operational data for subsequent analysis and decision making. To this end, DICE is specialized by deriving and assembling new transformation task types, i.e. reusable method chunks able to cope with peculiarities of EA data. Evaluation of existing EA analysis techniques and a concise analysis of the nature of EA data lay the groundwork from which EAA-specific requirements are derived. From these requirements the EAA method chunks are conceptualized. For evaluation purposes, DICE and the situational method DICE for EAA are prototypically implemented based on a metamodeling platform. The utility of the method is proven by presenting a use case where typical EA models and EA-relevant datasets are integrated with operational business data.

Schlagwörter

Schlagwörter
(Englisch)
Enterprise Architecture Enterprise Architecture Management Business Analytics Business Intelligence Data Integration Data Cleansing Metadata Management
Schlagwörter
(Deutsch)
Unternehmensarchitektur Unternehmensarchitekturmanagement Business Analytics Business Intelligence Data Integration Data Cleansing Metadatenmanagement
Autor*innen
Christoph Moser
Haupttitel (Englisch)
Data integration and cleansing for Enterprise Architecture Analytics
Paralleltitel (Deutsch)
Datenintegration und Cleansing für Enterprise Architecture Analytics
Publikationsjahr
2017
Umfangsangabe
270 Seiten : Diagramme
Sprache
Englisch
Beurteiler*innen
Dimitris Karagiannis ,
Wilfried Grossmann
Klassifikationen
06 Information und Dokumentation > 06.35 Informationsmanagement ,
06 Information und Dokumentation > 06.74 Informationssysteme
AC Nummer
AC13789294
Utheses ID
42353
Studienkennzahl
UA | 084 | 175 | |
Universität Wien, Universitätsbibliothek, 1010 Wien, Universitätsring 1