3D-Modelle sagen mehr als Worte

Feature | 21. Februar 2007 von admin 0

Innovativ zusammengestellte Lösungspakete setzen das Versprechen von SOA – interoperable Systeme zu schaffen – um, und geben Einblick in die Geschäfte, die sich über Unternehmensgrenzen hinweg erstrecken. Ein Mash-up ist eine Web-Seite oder Web-Anwendung, die Inhalte aus unterschiedlichen Quellen neu kombiniert. So ermöglichen diese Lösungen unternehmensweite Geschäftsszenarien und anschauliche Prognosen. Mithilfe von Web-Services lassen sich beispielsweise Wetter- oder Verkehrsdaten mit Informationen aus SAP NetWeaver Business Intelligence (SAP NetWeaver BI) oder mySAP Customer Relationship Management (mySAP CRM) sowie mit Daten anderer Serviceanbieter, etwa Marktforschungsunternehmen, verknüpfen. Sämtliche Informationen werden dann auf Satellitenbilder übereinander gelagert. Das daraus entstandene „Gemisch“ liefert häufig eindrucksvolle 3D-Einblicke in das Geschäftsumfeld von Unternehmen.

Wirklichkeitsnahe Visualisierung

Der Einsatz von SOA hat sich besonders in der Welt der geografischen Informationssysteme (GIS) bewährt. Ob nach dem nächstgelegenen Einkaufszentrum gesucht oder ob die Auslieferung eines Pakets nachvollzogen werden soll – mit GIS-Web-Services erhalten Unternehmen ein realistischeres Bild von ihrem Geschäftsumfeld. Die Plattform dazu bietet Google Earth. Mit ihr lassen sich Raum- und Geoinformationsdaten anzeigen und analysieren. Die Software Google Earth arbeitet dabei mit zahlreichen GIS-Systemen zusammen. Beispielsweise stellen Web-Services vom Environmental Systems Research Institute (ESRI) Informationen zu Längen- und Breitengraden zur Verfügung. Und Yahoo bietet Web-Services an, die kartographische Daten zum Verkehrsfluss liefern. Kombiniert man beide miteinander, lässt sich in Google Earth der Verkehrsfluss sichtbar machen. Mit diesem einfachen Prinzip können auch komplexe Geschäftsprozesse geografisch dargestellt werden. Das Ergebnis ist eine geodatenbezogene SOA, dank derer Unternehmen beispielsweise eine transparente CRM-Strategie entwickeln können. Die folgenden drei Schritte machen deutlich, wie sich das realisieren lässt.

Schritt 1: Informationen über Kunden einholen

Für eine erfolgreiche CRM-Strategie sind Informationen über die Kunden unverzichtbar. Als Bestandteil des Mash-ups ermöglicht beispielsweise die GIS-Lösung von ESRI die geografischen Verteilung von potenziellen Kunden in einer bestimmten Region darzustellen. Möchte ein Einzelhandelsunternehmen in einer Stadt einen neuen Laden eröffnen, so liefert der entsprechende Web-Service von ESRI Informationen zum Kaufverhalten der Einwohner, demografische Daten oder Angaben zur Größe des Einzugsgebiets. Die Auswertung dieser Informationen lassen Prognosen auf die Rentabilität des neuen Ladens am vorgesehenen Standort zu.
Mit Hilfe der Business Process Execution Language (BPEL) lassen sich Daten verschiedener SOA-Serviceanbieter wie Yahoo, Google, Amazon oder Datenbanken von SAP auslesen. So verwendet zur Visualisierung des Geschäftsumfelds die Lösung Magma Ecosystems von Enterprise Horizons die XML-basierte Sprache, um einen reibungslosen Datenstrom an Informationen auf einer geografischen Plattform bereitzustellen. Der Magma-Server, der die Anfragen von außen abwickelt und die Ergebnisse im binären Format zurückgibt, ist in Java programmiert und läuft auf mehreren Hardwareplattformen. Als Teil des Mash-ups ruft er zuerst einen Web-Service in der Demografie-Engine von ESRI auf.
In der Demografie-Engine können Unternehmen auf enorme Mengen an Geodaten zugreifen und sie verwalten etwa Daten zu Kundenstandorten oder Flurstücken. Auf diese Weise sind Unternehmen in der Lage, Informationen zum typischen Kundenverhalten, etwa in einer bestimmten Region oder Postleitzahlengebiet, für ihre Zwecke zu nutzen. Diese mit Hilfe der SOA gesammelten Informationen werden im Google-Earth-Client visuell übertragen, so dass sich die Kundenverteilung in einer bestimmten Region grafisch darstellen lässt. Ein Beispiel hierzu: Tendenziell treffen auf Menschen, die in der Nähe einer Universität leben, die demografischen Merkmale junger Menschen zu, deren Kaufgewohnheiten sich stark von der Nachkriegsgeneration unterscheiden. Mit BPEL lassen sich daher über den Magma-Server Web-Services aufrufen, um Zugriff auf Daten, wie jährliches Einkommen, Gehalt oder Kaufmuster, zu erhalten. Die Web-Services liefern somit die demografischen Daten, die der Server verwendet, um sie im Google Earth Client graphisch abzubilden.
Als weiterer Bestandteil der Mash-up-Lösung erzeugt der KML-Server (Keyhole Markup Language) aus den Daten ein digitales Diagramm, die dann auf die Satellitenbilder von Google Earth gelegt werden. KML ist ein Dateiformat auf XML-Basis, das ursprünglich für Anwender von Google Earth entwickelt wurde, um ihnen den Austausch von Notizen und Anmerkungen zu Karten zu erleichtern. ESRI hat diesen ursprünglichen Zweck um die Übertragung von herkömmlichen GIS-Daten in das KML-Format erweitert.

Schritt 2: Den Markt verstehen

Position der Vertriebskanäle

Position der Vertriebskanäle

Verbraucher und Kunden verhalten sich sehr unterschiedlich. Teilt ein Unternehmen Kunden jedoch in Zielgruppen ein, können Marketing und Vertrieb zielgerichteter arbeiten. Damit steigt die Produktivität der einzelnen Vertriebskanäle. Wichtiger Parameter bei der Kundensegmentierung ist der geografische Aspekt. Will ein Unternehmen das Kundenverhalten in verschiedenen Regionen analysieren und eine an die Zielgruppe angepasste Vertriebsstrategie entwickeln, benötigt es die entsprechenden Daten. Doch aussagefähige Analysen lassen sich oft nur schwer durchführen, da die erforderlichen Informationen, wie die Historie von Kundeneinkäufen, die Preise von Wettbewerbern oder die Verteilung von Einkaufszentren, häufig über mehrere, sehr unterschiedliche Datenquellen verteilt sind. Mithilfe der Sprache BPEL und der BPEL-Engine können diese verschiedenen Datenquellen, wie Produktbewertungen aus Yahoo, Preisangaben aus Amazon und demografische Daten aus ESRI, zusammengeführt werden.

Community Tapestry

Community Tapestry

ESRI stellt beispielsweise mit Community Tapestry eine umfassende Liste von Kundensegmenten zur Verfügung, die für ein typisches Unternehmen der Konsumgüterindustrie identifiziert wurden. Dank dieser Segmentierung anhand geografischer Daten sind Einzelhändler und Hersteller von Konsumgütern in der Lage, zielgerichtete Werbeaktionen, Kampagnen, Verkaufs- oder Sonderaktionen sowie andere verkaufsfördernde Maßnahmen durchzuführen. Darüber hinaus liefern Daten aus Backend-Systemen oder aus Lösungen wie SAP NetWeaver BI Informationen zu Wettbewerbern, Marktprofilen und Vertriebskanälen.

Schritt 3: Verbraucherverhalten simulieren

Standortermittlung von Einkaufszentren

Standortermittlung von Einkaufszentren

Verschiedene Werbeaktionen tragen dazu bei, das Produkt bekannt zu machen. Dazu gehören Werbeanzeigen in Zeitungen, TV-Werbung oder Werbeplakate. Von diversen Serviceanbietern im Bereich der Außenwerbung erhalten Unternehmen Angaben zu den Standorten von Werbeflächen in unterschiedlichen Postleitzahlenbereichen. Und mithilfe eines Mash-ups auf SOA-Basis lassen sich Informationen abrufen wie die durchschnittliche Geschwindigkeit auf einer Autobahn in einem bestimmten Postleitzahlengebiet, welche Personen üblicherweise auf eine Werbefläche achten, oder wie lange Verbraucher insgesamt darauf blicken. Diese Verbraucherdaten können nach Region ermittelt und anschließend die Kosten-Nutzen-Analyse für die Investition in eine Werbekampagne ausgewertet werden, etwa die Anmietung einer Werbefläche bei einem Handballturnier.
Eine optimale Produktplatzierung sichert Unternehmen eine möglichst effektive Absatzförderung. Die BPEL-Lösung nutzt beispielsweise die SOA-Struktur ein, um mikrogeografische Daten mit der gleichen Effektivität wie regionale Analysen zu visualisieren. Verbinden Unternehmen Informationen aus Point-of-Sales-Systemen (POS) mit Daten aus ERP-Backend-Systemen, können sie Informationen zum Kundenverkehr in einem Supermarkt visuell darstellen. Außerdem liefern POS-Systeme Informationen darüber, was Kunden einkaufen. Diese Daten werden über Kreditkarten, Einkaufswägen oder RFID-Tags erfasst. Sensoren geben Aufschluss über den Kundenstrom. Einige Supermärkte testen bereits in Pilotprojekten entsprechende Technologien, um aussagekräftige Daten über das Verbraucherverhalten zu bekommen.
Dank SOA ist jedes Unternehmen in der Lage, in einer virtuellen Realität demografische oder statistische Bevölkerungsdaten, den Verlauf von Stromleitungen oder die Standorte von Einkaufszentren zu ermitteln. Daten zum Straßenverkehr einer Vorstadt geben beispielsweise Aufschluss über die Verbraucherdichte. Damit lässt sich wiederum die Kaufkraft der dort lebenden Menschen simulieren und untersuchen. 3D-Modelle liefern somit wichtige Informationen zu Kunden, Produkten und Standorten schon bevor Verkaufstrategien umgesetzt werden etwa, ob sich der Bau eines neuen Einkaufszentrums für das Unternehmen überhaupt lohnt. Auf diese Weise helfen Mash-ups und SOA das Geschäftsergebnis zu verbessern.

Krishna Kumar

Krishna Kumar

Tags:

Leave a Reply