Business Intelligence (BI)

Was bedeutet "Business Intelligence (BI)"?

Bei Business Intelligence (BI) handelt es sich um einen Sammelbegriff für technologiegestützte Prozesse, mit denen Daten analysiert und daraus verwertbare Informationen dargestellt werden. Das soll die Entscheidungsträger im Unternehmen unterstützen, schnelle und fundierte Geschäftsentscheidungen zu treffen. Diese können sich positiv auf die Produktivität, den Umsatz und das Wachstum des Unternehmens auswirken.

Business Intelligence Tools und Technologien

Im Rahmen von Business Intelligence gibt es eine Reihe von Anwendungen, die eine Rolle spielen können. So sind unter anderem das Data Warehouse, Online Analytical Processing (OLAP) und Data Mining relevant.

Data Warehouse

Ein Data Warehouse ist eine zentrale Unternehmensdatenbank, durch die Daten gesammelt und gesichert werden, um sie für nachgelagerte Systeme zu Analysezwecken einsetzbar zu machen. Das Data Warehouse wird dazu mit Daten aus unterschiedlichen Bereichen wie der Buchhaltung, dem Personalwesen, dem CRM oder dem Enterprise Resource Planning (ERP) gespeist, die mittels eines ETL-Prozesses in die Datenbank implementiert werden. ETL steht für: Extract, Transform, Load. Die Daten werden aus den Datenquellen extrahiert, in das Format der Zieldatenbank umgewandelt und dort schließlich hochgeladen.

Online Analytical Processing (OLAP)

Bei OLAP beziehungsweise OLAP-Datenbanken handelt es sich um eine Technologie, durch die große Datenmengen beschleunigt abgerufen, mehrdimensional analysiert und visuell aufbereitet werden können. Die Daten werden dabei auf hierarchische Weise strukturiert. Um diese Methode zu veranschaulichen, wird häufig ein OLAP-Würfel genutzt, der die Daten kategorisiert in unterschiedlichen Dimensionen abbildet, beispielsweise Produkt, Ort und Zeit. Diese lassen sich je nach Schwerpunkt präziser ausrichten, wobei folgende Prozesse unterstützen:

• Slicing: Dabei kann eine Dimension auf einen bestimmten Wert gesetzt werden, sodass entsprechende Schnittstellen der anderen Dimensionen gesammelt werden.
• Dicing: Eine oder mehrere Dimensionen können segmentiert werden, wodurch sich das Volumen des Würfels verringert.
• Drill-down: Durch Drill-Down können bereits segmentierte Ausschnitte des Würfels detaillierter betrachtet werden.
• Drill-Up/Roll-up: Im Gegensatz zum Drill-Down erfolgt ein zusammenfassender Blick auf die Dimensionen. Statt Wochen werden so beispielsweise Monate betrachtet.
• Pivoting: Der Würfel wird gedreht, um eine andere Dimension zu fokussieren.

Data Mining

Data Mining versucht, in großen Datensätzen relevante Muster oder Zusammenhänge zu identifizieren. Dadurch soll eine präzise Entscheidungsfindung und Planung innerhalb des Unternehmens ermöglicht werden. Data Mining bedient sich dabei verschiedener Techniken, um Datenzusammenhänge zu entdecken, wie zum Beispiel der Assoziation oder dem Clustering. Neben aktuellen Erkenntnissen lassen sich dadurch auch zukünftige Entwicklungen prognostizieren, auf die das Unternehmen somit reagieren kann.

Chancen und Herausforderungen durch Business Intelligence

Business Intelligence spielt in immer mehr Unternehmen eine wichtige Rolle in der Verarbeitung, Analyse und Auswertung von Daten. Dadurch ergeben sich zahlreiche Chancen und Vorteile. Jedoch gilt es auch gewisse Herausforderungen zu meistern.

Chancen durch Business Intelligence

• Datenstrukturierung und -sichtbarkeit: In einem Unternehmen können eine Vielzahl von Daten aus verschiedenen Bereichen und Quellen zusammenkommen, deren Aussagekraft unstrukturiert vergleichsweise gering ist. Durch Business Intelligence können diese Informationen strukturiert werden.
• Reporting-Qualität: Eine optimierte Strukturierung von Informationen ermöglicht ein präzises Reporting sowohl für interne als auch externe Stakeholder.
• Produktivität: Durch Business Intelligence müssen Daten nicht mehr manuell erfasst und analysiert werden. Das spart sowohl Zeit als auch Personal, sodass dieses sich auf andere Aufgaben fokussieren kann.
• Kosteneinsparungen: Dadurch, dass Prozesse automatisiert und selbstständig ausgewertet werden, können die dazugehörigen Personalkosten eingespart werden.
• Prozessoptimierung: Die klare Strukturierung von Daten und präzises Reporting ermöglichen einen genauen Überblick über die Prozesse im Unternehmen. Dadurch lassen sich potenzielle Faktoren ermitteln, die in diesen Prozessen zu Ineffizienz führen, sodass sie optimiert oder behoben werden können.
• Entscheidungsfindung: Die genannten Faktoren haben einen positiven Einfluss auf die Entscheidungsfindung. Entscheidungen im Unternehmen können durch Business Intelligence zum einen schneller und zum anderen präziser als bisher getroffen werden, sodass eine höhere Sicherheit gegeben ist.

Herausforderungen von Business Intelligence

• Investitionskosten: Die Implementierung entsprechender Business Intelligence Tools im Unternehmen kann zu erheblichen Kosten führen, die für einige nur schwer zu tragen sind. Bis sich der Einsatz von BI wirklich auszahlt, kann zudem oft einige Zeit vergehen.
• Zeit- und Personalaufwand: Die vollständige Implementierung von BI-Werkzeugen kann sehr zeitaufwendig und komplex sein, sodass sowohl die entsprechende Zeit als auch Arbeitskraft einkalkuliert werden müssen.
• Mitarbeiterkompetenz: Die Einführung von BI-Tools erfordert, dass sich die Mitarbeiter mit diesen vertraut machen und zu nutzen lernen. Häufig begegnen sie dem jedoch mit einer gewissen Skepsis oder benötigen lange, um sich in die neuen Prozesse einzufinden.
• Datenqualität: Wenn ein Unternehmen sich dafür entscheidet, BI-Tools einzusetzen, so muss eine hohe Güte der Daten gegeben sein. Andernfalls sind diese unbrauchbar und erschweren letztlich die präzise Entscheidungsfindung.
• Regulierungen: Gesetzliche Vorschriften hinsichtlich Business Intelligence und Datenschutz können Einfluss auf den Einsatz von BI im Unternehmen haben. Entsprechend ist eine gewisse Flexibilität notwendig, um gegebenenfalls auf Änderungen reagieren zu können.

Berufe im Bereich Business Intelligence

BI führt zwar zu gewissen personellen und zeitlichen Einsparungen, jedoch ist ein gewisses Knowhow gefragt, um Prozesse in ein Unternehmen zu implementieren und späteren Output nachzuvollziehen und auszuwerten. Entsprechend sind im Bereich Business Intelligence verschiedene Spezialisten gefragt:

BI Architects sind für die Konzeptionierung der Prozesse und die Realisierung einer Data Warehouse Architektur verantwortlich, durch die die gegebenen Daten strukturiert und verwertet werden können. Dazu benötigen BI Architects ein weitgehendes Verständnis der Anforderungen aus den verschiedenen Unternehmensbereichen, um diese in den Prozessen zu implementieren.

BI Analysten erfassen und pflegen die Daten und Systeme. Daran anknüpfend sind sie in der Lage, diese schnell und präzise zu analysieren, um gegebenenfalls Handlungsempfehlungen auszusprechen.

BI Developer sind dafür verantwortlich, Datenbestände zu entwickeln, bereitzustellen und zu warten. Sie analysieren die Daten im Hinblick auf bestimmte Fragestellungen, um die Resultate den Entscheidungsträgern in Form von Grafiken, Berichten, Diagrammen oder ähnlichem zu präsentieren.

Business Intelligence vs. Business Analytics

Häufig wird im Rahmen von Business Intelligence ebenfalls der Begriff Business Analytics (BA) angeführt oder sogar synonym verwendet. Jedoch gibt es gewisse Unterschiede, die dabei zu beachten sind.

Was ist Business Intelligence?

Business Intelligence hilft dabei, Daten aus den geschäftlichen Aktivitäten zu sammeln, zu speichern und zu analysieren, um somit umfassende und aktuelle Einblicke in das Unternehmen zu erhalten und damit die Entscheidungsfindung zu unterstützen. Dabei stützt sich Business Intelligence auf die deskriptive Analytik, sprich die Auswertung vergangener und aktueller Daten, die zeigen, was im Unternehmen passiert oder passiert ist.

Was ist Business Analytics?

Im Rahmen von Business Analytics werden die Daten zu nützlichen Informationen geformt, die zum Beispiel dazu dienen, Trends zu identifizieren oder Resultate vorherzusagen. Dazu nutzt Business Analytics vorwiegend prädiktive Analytik durch Data Mining oder Predictive Modeling (zu deutsch: prädiktive Modellierung). So lassen sich Entwicklungen antizipieren und daran anknüpfend Änderungen vornehmen, um diese zu meistern.

Enterprise Resource Planning (ERP)

Im Zusammenhang mit Business Intelligence und Business Analytics besitzt Enterprise Resource Planning, kurz ERP, einen hohen Stellenwert. ERP-Software dient dazu, die Ressourcenplanung eines Unternehmens zu optimieren und somit Kosten einzusparen. Zu den Ressourcen zählen beispielsweise Kapital, Mitarbeiter oder Betriebsmittel.

ERP-Systeme decken einen großen Teil der Geschäftsprozesse ab. So finden sie Anwendung in Kernprozessen wie der Beschaffung, Produktion oder im Vertrieb als auch in Unternehmensbereichen wie dem Personal- und Rechnungswesen, Marketing oder Controlling.

Die Verknüpfung von ERP-Systemen mit entsprechenden BI-Tools kann einem Unternehmen somit einen umfassenden Überblick relevanter Informationen gewährleisten, die analysiert werden und zur präzisen Entscheidungsfindung beitragen können.