Warum ist Business Intelligence für ein Unternehmen wichtig?

Ilse und Rudolf Wolf

Das Problem ist: Zu viele Daten - zu wenig Informationen. Business Intelligence (BI) schafft hier Abhilfe und ist ein Oberbegriff den Howard Dresner (Gartner Group) 1989 für die Verdichtung und Analyse von einer Vielzahl von Informationen zu nutzbarem Wissen auswählte.

Der Ausdruck "Business Intelligence" ist eine begriffliche Klammer für ein breites Spektrum von Anwendungen und Technologien zur entscheidungsorientierten Sammlung, Aufbereitung und Darstellung geschäftsrelevanter Informationen in handlungsgerichtetes Wissen.

BI-Lösungen unterscheiden sich von herkömmlichen operativen Systemen. Drei Punkte sind dabei wesentlich:

• Daten werden aus operativen Systemen in einem Data-Warehouse erfasst, bereinigt und zusammengestellt.
• Daten werden meist in einem mehrdimensionalen Würfelformat (OLAP-Cube) gespeichert. So ist die aufbereitete Information schnell verfügbar.
• Personalisierte, relevante Datenansichten sowie Abfrage-, Reporting- und Analysefunktionen werden verfügbar. Dies vermittelt einen tieferen Einblick in Geschäftsabläufe und ermöglicht die Optimierung von Entscheidungen.

BI-Phasen

Business-Intelligence lässt sich in drei Phasen einteilen: In der ersten Phase erfolgt die Datenerfassung . Diese erfolgt entweder über ein "operatives" System (OLTP) oder in einem Data-Warehouse. In der zweiten Phase werden die Daten in Zusammenhang miteinander gebracht, um eine Verknüpfung von Informationen zu ermöglichen.

In der dritten Phase sollen die Daten in einem Informationsmodell zur Verfügung stehen. Dort müssen Analysewerkzeuge intuitiv bedienbar sein und kurze Antwortzeiten auch bei komplizierten Anfragen bieten.

Probleme bei der Einführung von Business Intelligence

Bei der Einführung von BI-Lösungen gilt es eine Reihe von Fallstricken zu beachten. Die meisten davon sind in der Planungsphase versteckt.

Wenn die Ziele nicht konkret genug beschrieben werden, kann es zu einer so genannten Insellösung kommen. BI kann daher nie Teil der Unternehmensstrategie werden, da die Strategie auf den Zieldefinitionen aufbaut.

Ein weiteres Problem kann die Unterschätzung der Komplexität der Systeme sein. Das Zusammenspiel der verschiedenen Systemkomponenten ist hierbei sehr wichtig.

Business Intelligence Technologien

Vollständige BI-Lösungen vereinen das gesamte Feld der Business Intelligence in einer Plattform und bieten unternehmensweit und abteilungsübergreifend die Möglichkeit, sämtliche zur Verfügung stehende Daten zu analysieren und zu strukturieren. Nur wenn BI diese Fähigkeiten bietet und gleichzeitig in der Lage ist, Datenmengen in annähernd jeder Größenordnung plattformunabhängig in Echtzeit zur Verfügung zu stellen, wird Business Intelligence zu einem nürtzlichen Werkzeug.

Die klassische BI-Plattform besteht in der Regel aus mehreren integrierten Komponenten:

• Ein Data Warehouse oder Datamart steht im Mittelpunkt fast jeder Business Intelligence-Lösung. Damit können unterschiedliche Informationsquellen zusammengefasst werden.
• Eine Lösung für die Informationsversorgung, die einen Zugriff auf alle verfügbaren Datenquellen ermöglicht.
• Eine unternehmensweit skalierbare, Server-basierende Architektur, deren Kernmodule für Adhoc-Reporting, OLAP (Online Analytical Processing)-Analyse, Visualisierung und Data Mining das gesamte Spektrum an BI-Funktionen umfassen.
• Eine Oberfläche für das Verwalten der Metadaten des Data Warehouse.
• Ein vorkonfiguriertes BI-Frontend, das den Endanwendern eine Benutzeroberfläche zur Verfügung stellt, die beliebig auf den jeweiligen Informationsbedarf angepasst werden kann.
• Eine über alle Komponenten hinweg durchgehende Lösung für die Informationssicherheit.

Das Data Warehouse und die Business-Intelligence-Tools

Durch ein Data Warehouse wird die Datenbasis einer Analyse bereitgestellt. Der Aufbau eines Data Warehouse dient nur einem Zweck: Informationen entscheidungsorientiert zu analysieren und den Anwendern zu präsentieren. Das Data Warehouse ist im Prinzip ein "Daten-Lagerhaus". Es stellt die zentrale Sammelstelle für Unternehmensdaten dar. Es ist eine Datenbank, die alle Informationen und Daten eines Unternehmens in eine sinnvolle Struktur bringt, da es sonst so gut wie unmöglich wäre, aus allen unternehmensweiten Daten wertvolles Wissen zu extrahieren.

Diese Datenstruktur bietet eine hervorragende Datengrundlage für BI-Tools wie OLAP (Online Analytical Processing) oder Data Mining.

OLAP (OnLine Analytical Processing) dient der Entscheidungsunterstützung, indem damit relevante Daten für die Analyse aufbereitet werden. Die Hauptfunktionen von OLAP sind die Aggregation, Verdichtung, Visualisierung und Analyse von Daten entlang einer oder mehrerer Dimensionen. Dabei ist das Hauptmerkmal von OLAP von entscheidender Bedeutung: die multidimensionale Sichtweise auf die für die Analyse relevanten Daten.

Die Grundelemente der multidimensionalen OLAP-Navigation sind Daten-Würfel (OLAP-Cubes). Diese bilden eine multidimensionale Welt ab, in der navigiert werden kann.

Die Bestandteile einer Dimension werden als Element bezeichnet. In der mehrdimensionale Struktur einer OLAP-Datenbank ist die so genannte Zelle der Schnittpunkt beliebiger Dimensionen. Abhängig von den definierten Dimensionen und Elementen könnte beispielsweise eine Zelle den Ist-Wert des Umsatzes für einen Monat des laufenden Geschäftsjahres in der Region X bei Kunde Y Produkt Z beinhalten (siehe Abbildung).

Während OLAP die Antwort auf gezielte Fragen gibt, schürfen Data Mining-Tools nach unbekannten Zusammenhängen innerhalb der Unternehmensdaten.

Mit wachsender Bedeutung der Pflege der Kundenbeziehungen, auch Customer Relationship Management (CRM) genannt, ist Data Mining eine wichtige Technologie. Mit Data Mining lassen sich beispielsweise Kundenprofile erstellen, Korrelationen zwischen Produktverkäufen aufdecken und Markttrends identifizieren. Dazu gehört auch die Warenkorbanalyse, also die Analyse über das Kaufverhalten im Produktmix, d.h. welche Käufergruppen sind die profitabelsten Kunden, um so diese Bereiche auszubauen.

Fazit

Nur wenn sich eine BI-Lösung an der Strategie und dem Geschäft des Unternehmens ständig orientiert erbringt sie konkreten Nutzen. Für den Erfolg von Business Intelligence spielt auch die Kosten-Nutzen-Analyse der Systeme eine wichtige Rolle. Einerseits ist der geldliche Nutzen komplexer BI-Lösungen nur schwer nachzuweisen. Andererseits erfordert die Einführung spezialisiertes Know-how.

Laut einer Studie der Gartner Group nimmt die Komplexität von BI-Projekten weiter zu. Durch neue wirtschaftliche Herausforderungen suchen Unternehmen daher vermehrt nach Anbietern, die über ausgewiesene Kompetenz und Erfahrung verfügen.