Methoden sind Werkzeuge, Konzepte und Hilfsmittel die zur Bewältigung von organisatorischen Aufgaben in der Informationstechnologie eingesetzt werden. Beispielsweise werden Grundsatzentscheidungen über Software-Architekturen, Hardware oder  Betriebssysteme analytisch vorbereitet.                                                       

Wirtschaftsbetriebe, die aufgrund ihrer spezialisierten Produktionsvorgänge keine Standardsoftware nutzen können, müssen oft kostenintensive Individualsoftware einsetzen.  Diese Individualsoftware wird genau auf die Anforderungen des Betriebes zugeschnitten. Dadurch können alle Arbeitsabläufe optimal ohne Umstellung der Arbeitsweisen unterstützt werden.  Zur Entwicklung von zum Beispiel betriebswirtschaftlichen SAP-R/3-Anwendungen wird die  Programmiersprache Advanced Business Application Programming (Fortgeschrittene Programmierung für Geschäftsanwendungen) verwendet. 

Meist werden Module von bereits vorhandenen Standard-Softwarelösungen mit individuellen Softwarelösungen kombiniert und auf das Unternehmen zugeschnitten (z. B. Data-Warehouse-Lösung). 
Die ursprüngliche Bezeichnung von ABAP ist: Allgemeiner Berichts-Anwendungs-Prozessor. ABAP wurde von Klaus Tschira, einem der SAP-Gründerväter, entwickelt.  Mit ABAP wurden Makros erstellt, welche als Berichtsgeneratoren automatisierte Auswertungen von Unternehmensdaten ermöglichten. Dynpros ermöglichen die Kommunikation zwischen Mensch und Maschine  durch sog. Bildschirmmasken.  Heute ist ABAP/4 eine 4GL-Entwicklersprache (4th Generation Language) mit der das System R/3 auch entwickelt wird.                                         

In der SAP Software bezeichnet RFC den Remote Function Call. Damit werden Funktionsbausteine innerhalb von SAP R/3 aufgerufen. Dadurch wird es externen Subsystemen ermöglicht, Daten in ein SAP-System hinein oder aus einem SAP-System  hinaus zu transportieren. Aus technischer Sicht handelt es sich um einen Remote Procedure Call.

RFC-Schnittstellen 
Wenn die reine Übertragung von Daten nicht ausreicht, sondern z.B. ganze Funktionen auf einem anderen Rechner ausgeführt werden sollen,  stellt die SAP-Welt für diesen Zweck RFC-Schnittstellen zur Verfügung, die in speziellen RFC-Funktionsbausteinen realisiert werden.  Diese Technik spielt heute immer noch eine wesentliche Rolle und könnte sich erst in den nächsten Jahren ändern, wenn sich die Webservice-Technologie  auch im SAP-Umfeld durchsetzen sollte.                                               

Customer Relationship Management. Bezeichnet die Handhabung der Beziehung zum Kunden. Es gibt spezielle Software (CRM-System), die dieses wichtige Unterfangen unterstützt. Es werden Marketingmassnahmen unterstützt, Kontakte in Datenbanken mit  wichtigen Kundeninformationen gepflegt und die Kommunikation mit der Kundschaft unterstützt und gepflegt.  Besonders häufig werden diese für die erwähnte Kundendatengewinnung eingesetzt. Wichtige Kundendaten werden zunächst in einem Data-Warehouse gesammelt.  Später sind diese mit einer CRM-Software jederzeit nach ganz bestimmten Sachverhalten abrufbar. Dazu wird die CRM Lösung mit dem Marketing- und Vertriebsbereich  verknüpft. Ziel ist es, zu den Kunden eine persönliche Beziehung aufzubauen, die es erlaubt, auch auf individuelle Kundenwünsche einzugehen  und entsprechend den Umsatz zu steigern. Damit findet die Nutzung verschiedener Kommunikationsmittel auch in der Wirtschaft einen festen Platz.  Neben der Kundenakquisition werden das Key-Account-Management, die Kundenbindung und die Kundenrückgewinnung unterstützt. Manche CRM-Systeme bieten auch die Möglichkeit der Leadgenerierung. 

Komponenten eines CRM-Systemes sind: 

Analyse:
Kunden- und Transaktionsdatenanalyse durch Multivariate Analysen, Business-Intelligence und Data-Mining. 

Operative Umsetzung:
Kundenbewertungen, Marktsegmentierung, Cross-Selling 

Kundenkommunikation:
Bereitstellung zu der Situation und dem Anliegen passenden Infomaterials. 

Wege zur Kundenkommunikation:
E-Mail, Telefon, SMS, E-Business, Call-Center, persönlicher Besuch, Einladung zur Firma oder zum Firmenevent, Versand von Infomaterial 

Integration der Massnahmen innerhalb eines Konzerns:
gemeinsames Pricing, Rabatte, Optimierung der Vertriebskanäle, Zielgruppenfokussierung 

In Verbindung mit Software as a Service bietet z.B. Salesforce.com CRM-Lösungen an, speziell für gemeinnützige Organisationen sind diese sogar kostenlos.
                               

Zur Abbildung der Warenströme innerhalb eines Betriebes gibt es Standard-Softwarelösungen für die Warenwirtschaft, wie beispielsweise Enterprise Resource Planning, über die die gesamte  Ressourcenplanung eines Unternehmens abgewickelt werden kann. Diese Warenwirtschaftssysteme und andere Software-Lösungen können mit individuellen Modulen erweitert werden,  um die interne Disposition und Logistik, die automatisierte Buchhaltung, Factoring und Rechnungsschreibung zeit- und kostenoptimiert zu gestalten.  All diese Systeme benötigen stets eine gut  gepflegte Datenbank, die alle Stammdaten (Warenartikel) und Bewegungsdaten (An- und Verkäufe) in ihrer Gesamtheit beinhalten.     
Bei Enterprise Resource Planning handelt es sich im Speziellen um eine Software, die die gesamte Ressourcenplanung eines Unternehmens bewerkstelligt. Dies gelingt mit Workflowmanagement. ERP-Systeme bilden weitesgehend die Geschäftsprozesse ab.  Die Idee der ERP-Systeme geht auf das Material Requirement Planning und Manufacturing Ressource Planning zurück. Dabei werden die Produktion, die Finanzen und das Rechnungswesen, die Personalwirtschaft, der Vertrieb, die Beschaffung,  die Bestellwirtschaft, Forschung und Entwicklung, das Controlling, die Lagerhaltung und Logistik sowie die Stammdatenverwaltung miteinander verbunden. Unterschiede bei ERP-Systemen gibt es in der Ausrichtung auf die Grösse des  Unternehmens, der Skalierbarkeit, der Ausrichtung auf eine Branche und den eingesetzten Technologien (Datenbanken, Programmiersprachen, unterstützte Betriebssysteme). Im Aufkommen sind auch webbasierte Systeme.  ERP-II Systeme gehen über die unternehmensinternen Grenzen hinweg und beinhalten den Kerngedanken der Serviceorientierten Architekturen (SOA). Grössere ERP-Systeme sind in der Lage, einen ganzen Konzern mit seinen Tochterunternehmen oder  verbundenen Unternehmen abzubilden. Dies wird erreicht durch die Einrichtung von Mandanten. Standardsoftware ist darauf ausgerichtet, branchenspezifische Gegebenheiten realitätstreu abzubilden. Durch das Customizing (Einstellen von Parametern) können  individuelle Einstellungen vorgenommen werden. Kommerzielle ERP-Systeme werden angeboten von SAP (System R/3), ORACLE (E-Business Suite), J.D. Edwards, Navision  (Dynamics NAV, gekauft von Microsoft), Microsoft (MS Dynamics AX), PeopleSoft (von ORACLE übernommen), Sage, Baan (wurde von Infor Global Solution übernommen) u.a. SAP ist Marktführer gefolgt von ORACLE,  PeopleSoft, Sage und Microsoft.  Freie ERP-Systeme sind teilweise Open Source. Die Anbieter erbringen dafür kostenpflichtige Dienste. Freie ERP-Software ist technisch durchaus konkurrenzfähig und kommt mit einem viel niedrigerem Investitionsvolumen aus.  Weiterhin kann sie sehr gut an die individuellen Unternehmensbedürfnisse angepasst werden. Anbieter sind: Compiere, IntarS, AvERP, ERP5, LxOffice, Openbravo, SQL-Ledger, project-open oder webERP, ein webbasiertes ERP-System.                       

Das Data Warehouse umfasst alle Informationen einer Organisation. Alle Datenbanken und verfügbares Wissen werden in einem Data-Warehouse-System zusammengefasst. 

Management Informationssystem
Durch ein Management Informationssystem können diese Daten auf verschiedenen  Verwaltungsebenen verarbeitet werden. Durch das Data-Warehouse-System sollen die vorhandenen Informationen, welche oft in unstrukturierter Form vorliegen, aufbereitet werden, so dass neues Wissen entsteht. 

Integration und Separation
Im Data Warehouse Konzept werden Daten zentral gehalten, meist in einer Datenbank und unter den zentralen Motiven Integration und Separation aufbereitet.  Durch die Integration soll eine unternehmensumfassende, einheitliche Sicht auf alle Quelldaten ermöglicht werden.  Diese Quelldaten sind physisch in verteilten Datenbanken, auf unterschiedlichen Datenträgern und in unterschiedlicher Strukturierung vorhanden. 

Bei der Datenseparation sollen Daten, welche für das operative Geschäft benötigt werden, separiert und nach betriebswirtschaftlichen Kriterien ausgewertet werden (Decision Support, Controlling, Finanz- und Marketing-Analysen).  Das Data Warehouse Konzept wird auch in den Bereich der Führungsinformationssysteme (Executive Information System (EIS) und der Entscheidungsunterstützungssysteme (Decision Support System (DSS)) eingeordnet. 

ETL-Prozess, Data Warehouse System und Real-Time-Data-Warehousing
Das Data Warehouse ist ein zentraler Bestandteil des Data Warehouse Systems: im Data Warehouse werden  Daten durch den ETL-Prozess (Extract, Transform, Load) aus verschiedenen Quellen gewonnen, bereinigt bzw. nach ihrem Verwendungszweck hin aufbereitet, in das Format und Schema der Zieldatenbank  transformiert und standardisiert sowie in die Zieldatenbank eingefügt. Dieser ETL-Prozess kann periodisch durchgeführt werden, und erlaubt somit eine Analyse über einen längeren  Vergangenheitszeitraum, oder in Real-Time: ein Trend der sich in verschiedenen Branchen abzeichnet: Real-Time-Data-Warehousing. 

Grundlage für OLAP und OLAP Cube
Die Datenbestände im Data Warehouse können als Grundlage für OLAP (Online Analytical Processing) und OLAP Würfel herangezogen werden. Mit OLAP Würfeln (OLAP Cube)  wird eine Zusammenfassung der Daten für betriebswirtschaftliche Analysen erstellt, indem die Daten in mehrdimensionalen Würfeln bzw. Matrizen angeordnet werden. Die Dimensionen des Würfels werden mit den Datenausprägungen besetzt. 

Data Mart
Durch die Data Marts werden Kopien der Teilansichten der Daten erstellt: diese umfassen einen Teilbereich der Daten welche als Input für eine bestimmte  weiterverarbeitende Anwendung dient oder als Sicht für einen bestimmten Unternehmensbereich verwendet wird. Durch das Arbeiten mit Kopien anstatt Sichten  ergeben sich mehrere Vorteile: bessere Performance, Unabhängigkeit, eigene und spezielle OLAP-Analysen sind möglich und ein gewisser Zugriffsschutz. 

Bill Inmon
Als Begründer des Data Warehouse Konzepts gilt Bill Inmon, 1992 bei IBM.                       

Online Analytical Processing. Es handelt sich um ein analytisches Informationssystem. OLAP Systeme leisten durch eine mehrdimensionale Speicherung etwas, was mit herkömmlichen relationalen Datenbanken nicht möglich ist. Eine multidimensionale,  konzeptionelle Sicht auf die Daten ermöglicht es beispielsweise, Produktumsätze von mehreren Produkten in allen Quartalen miteinander zu vergleichen. Die Daten bezieht OLAP aus den operationalen Datenbeständen  eines Unternehmens oder aus dem Data-Warehouse.

Die zugrundeliegende Struktur ist ein OLAP Cube, ein mehrdimensionaler Würfel, welcher die Daten beschreibt  und den Zugriff auf diese ermöglicht. Dieser Cube wird aus der operationalen Datenbank erstellt. Er ist nach dem Star Schema aufgebaut,  eine sternförmige Tabelle mit einer Faktentabelle im Zentrum, um die sich mehrere Dimensionstabellen anordnen. Neben OLAP gibt es noch weitere analytische Informationssysteme: Data-Mining, Text-Mining und Web-Mining.                                                 

Mit Hilfe des Data Mining kann man versteckte Zusammenhänge in Datenbanken systematisch entdecken und extrahieren.  Data Mining ist ein Werkzeug um aus vorhandenen Daten anwendungsspezifisches Wissen zu generieren indem die Daten aus unterschiedlichen Blickwinkeln analysiert und nach geeigneten Kriterien zusammengefasst werden. 

Dabei kann es sich um betriebswirtschaftliche, allgemeinwissenschaftliche oder selbstdefinierte Kriterien handeln.  Häufig werden Kostensenkungspotentiale, Gewinn- und Einnahmensteigerung, Return on Investment (ROI) Kenndaten oder andere allgemeine Zielerreichungsgrade als Kriterien verwendet.  Eine Data-Mining-Software leistet die Analyse von Daten aus verschiedenen Betrachtungswinkeln mit spezifischen Zielerreichungskriterien.  Die Daten werden anwendungsbezogen eingeordnet und die sich daraus ergebenden Beziehungen und Zusammenhänge aggregiert dargestellt, z.B. als 2 oder mehrdimensionale Matrix oder Grafik.  Mit Hilfe eines Softwareanalysewerkzeuges zum Data Mining werden Korrelationen und Muster in den Rohdaten aufgespürt. Diese können in Datenbanken als Felder oder Werte gespeichert, sortiert und ausgewertet werden. 

Bei großen Informations- und Kommunikationssystemen verbindet Data Mining die Daten der Transaktionssysteme mit denen der Analysesysteme. Es werden Korrelationen und Muster in den Transaktionsdaten  analysiert mit Hilfe von festgelegten oder selbstdefinierten Benutzerabfragen. Dabei stehen mehrere Methoden der softwaregestützten Analyse zur Verfügung:  Statistisch-stochastische Methoden, KI-Systeme wie selbstlernende Algorithmen und neuronale Netze. 

Zusammenhänge in den Daten werden auf verschiedene Weise gesucht und erzeugt:  Zusammenfassung der Daten nach Klassen und Suche von Kriterien in vordefinierten Gruppen.  Bildung von Clustern indem die Daten nach logischen Beziehungen oder Zielgruppenpräferenzen gruppiert werden.  Identifizierung von Verbindungen indem Daten zueinander in vordefinierte Bezüge gebracht werden.  Bestimmung und Extrapolation sequentieller Muster zur Trendforschung und Verhaltensvorhersage von Zielgruppen. 

Die Durchführung des Data Mining erfolgt über den ETL-Prozess (Extract, Transform, Load) in Data-Warehousesystemen.  Dabei werden die auszuwertenden Daten in einer multidimensionalen, relationalen, semi-relationalen oder Key-Value Datenbank gespeichert und verarbeitet. Weiterhin werden die Daten den Fachexperten zugänglich gemacht und von spezieller  Anwendungssoftware ausgewertet.

Die Analyse erfolgt beispielsweise mit Hilfe von KI-Systemen wie neuronale Netze, Entscheidungsbäume, Expertensysteme oder Predictive Analytics Systeme. 

Entscheidungsbäume (Decision Tree) haben eine baumförmige Datenstruktur welche in ihren Ästen jeweils einen Satz (Set) von Entscheidungen beherbergen. Diese Entscheidungen definieren Regeln für die Klassifikation eines DataSet.  Zu den anwendungsspezifischen Methoden der Entscheidungsbäume zählt die CART-Methode (Classification and Regression Trees) und die CHAID-Methode (Chi Square Automatic Interaction Detection). Die CART und CHAID  Methoden sind Techniken mit deren Hilfe man bei Entscheidungsbäumen ein DataSet klassifizieren kann.  Sie stellen Regelsätze zur Verfügung, welche dazu dienen, die Einträge bei einem neuen, noch nicht klassifizierten DataSet intern zu bewerten, um vorhersagen zu können, welche Werte sie in der Zukunft annehmen könnten.   

Die Nächster Nachbar Methode ist eine Technik welche jeden Eintrag k in einem DataSet klassifiziert basierend auf den Daten des nächst ähnlichen, k+1ten DataSet aus einem historischen DataSet. 

Bei der Regelinduktion werden Wenn-Dann Regeln identifiziert und angewendet.