Business Intelligence (BI) – Trends und Lösungen

Daten, Daten, Daten - durch Digitalisierung und Trends wie das Internet of Things (IoT) wächst die Menge der verfügbaren Daten in Unternehmen geradezu exponentiell. Die Kunst liegt darin, diesen Datenschatz zu heben, dieses Meer an Informationen intelligent zu analysieren und anschließend die richtigen Entscheidungen zu treffen - oder im besten Fall sogar neue, datenbasierte Geschäftsmodelle zu ent­wickeln.

Eines ist klar: Das Bauchgefühl hilft bei derart komplexen Zusammenhängen nicht mehr weiter. Gefragt sind datenbasierte, strategische Entscheidungen, gefragt ist Business Intelligence, besser bekannt unter dem Kürzel BI.

„Bei Business Intelligence ist derzeit viel Bewegung am Markt. Es geht inzwischen bei BI um weit mehr als nur um ein neues Reporting-Tool, das etwa die Entwicklung von Geschäftsdaten wie Umsätzen oder Ergebnisbeiträgen aus einem ERP-System besser veranschaulicht. BI-Konzepte sind heute vielmehr ganzheitliche, integrierte Managementsys­teme zur Leistungssteigerung. Im Vordergrund stehen nun Leistungsziele, -versprechen und -garantien“, erläutert Dirk Böckmann, Vorstand der avantum consult, einem Unternehmen der All for One Steeb AG.

Auch die Anforderungen an BI steigen mit datenbasierten As-a-Service-Geschäftsmodellen, wenn etwa ein Hersteller von Verpackungsmaschinen seine Anlagen nicht mehr verkauft, sondern nutzungsabhängig als Service nach der Anzahl der verpackten Einheiten abrechnet.

Doch was ist Business Intelligence konkret? Wie bei vielen anderen IT-Buzzwords gibt es auch hier unterschiedliche Definitionen. Laut Frank Termer, Bereichsleiter Software beim Digitalverband Bitkom, ziehen Unternehmen mit Hilfe von BI-Lösungen meist automatisiert Informationen aus geschäftlichen Daten und können dank dieser Einsichten bessere Entscheidungen treffen. „Der Begriff BI fällt häufig im Kontext mit Big Data Analytics. Beide Bereiche werden langfristig zusammenwachsen, es gibt aber derzeit noch Unterschiede beim Datenvolumen, bei der Vielfalt der Datentypen und -quellen sowie vor allem bei der Geschwindigkeit der Datenauswertung. BI-Lösungen werten Daten derzeit noch selten in Echtzeit aus.“

Das Marktforschungsunternehmen IDC verwendet keine klare BI-Definition, sondern bindet Business Intelligence in das breite Framework „Markt für Big-Data- und Analytics- Software“ ein. Dieses besteht aus drei Blöcken: Erstens Analytics und Performance Management Application etwa zum Messen der Leistung der einzelnen Fachbereiche, zweitens Tools und Plattformen für Business Intelligence und Analytics mit Themen wie Advanced und Predictive Analytics oder KI-Plattformen, drittens Plattformen für Analytics Data Management und Integration. Dazu gehören beispielsweise Data Warehouses oder Tools zur Integration von Daten aus verschiedenen Quellen.

„BI-Lösungen sind in den vergangenen Jahren technologisch gereift, aber der Markt ist noch lange nicht gesättigt. Die Grenzen zu anderen analytischen Disziplinen werden unscharf. Für Unternehmen ist es entscheidend, dass ihnen die Lösungen dabei helfen, ihre Fragen und Prognosen so gut wie möglich zu beantworten“, betont Matthias Zacher, Manager Research & Consulting bei IDC. Er sieht zudem eine historische Entwicklung von Business Intelligence, die sich in vier Schritten vollzog oder vollzieht: „Datenanalysen respektive BI startete mit der einfachen Aufbereitung von Daten als Hilfe für Entscheidungen, wurde mit Online Analytical Processing und Data Mining verbessert und entwickelt sich aktuell über Predictive Analytics hin in Richtung Cognitive BI auf Basis Künstlicher Intelligenz.“

Für Nathan Jagoda wiederum, Country Manager Deutschland beim BI-Anbieter Information Builders, umfasst Business Intelligence die Komponenten Selfservice und Enterprise BI, die im Unternehmen auf einer gemeinsamen Architektur, angebundenen Datenquellen und einer rollenbasierten Zugriffssteuerung aufbauen sollten. „In Weiterführung der BI-Evolution sprechen wir heute von Business oder Smart Analytics“, so Jagoda. „Die reine Geschäftsanalyse als traditionelle BI wird heute um eine - manchmal schon automatisierte - Event-getriebene Prozess-Steuerung und die prognostische Analytik erweitert, eine auf historischen Daten beruhende Trendanalyse.“

Mit dem Stichwort „Prognostische Analytik“ spricht Jagoda einen wichtigen BI-Trend an. Aktuelle Business-Cases für Business Intelligence werden zunehmend von Fragestellungen bestimmt, die wesentlich stärker in Richtung Zukunft reichen. Wie verhalten sich meine Kunden künftig? Wie dynamisch sollte ich daher meine Preise anpassen? Welchen Einfluss hat das auf meine Marge und mein Jahresergebnis?

„Solche Fragen allein mit Bauchgefühl und langjähriger Erfahrung absichern zu wollen, kann für unangenehme Überraschungen sorgen. Um Entwicklungen möglichst zutreffend zu prognostizieren und Risiken deutlich zu reduzieren, setzen Firmen im Rahmen von BI-Projekten vermehrt auf Predictive Analytics“, erklärt Dirk Böckmann von avantum. „Die Erfolgsquoten konkreter Projekte sind hoch, auch dank Künstlicher Intelligenz, da hier schnell Muster in Daten erkannt werden.“

Mit Hilfe von KI lassen sich laut Böckmann nicht nur stupide Prozesse wie die Zuordnung von Eingangsrechnungen zu den korrespondierenden Kostenstellen intelligent automatisieren, sondern auch mehr Ressourcen für anspruchsvolle Lenkungsaufgaben freischaufeln.

Wichtig dabei ist: Den jeweiligen Mitarbeitern müssen zur richtigen Zeit die richtigen Daten zur Verfügung stehen, damit sie diese Entscheidungen treffen können. Hier kommt Selfservice-BI ins Spiel. Damit können Mitarbeiter aus den Fachabteilungen ohne Hilfe der IT auf die Unternehmens­daten zugreifen, diese analysieren und visualisieren. Da die Fachanwender nicht immer über das passende technische Know-how verfügen, müssen die Selfservice-Oberflächen einfach zu bedienen sein. Sie können damit unterschiedliche Datenquellen nutzen, bündeln und aufbereiten.

Grundlegende Voraussetzung für die effiziente Datenanalyse ist ein leistungsfähiges Data Warehouse beziehungsweise eine Infrastruktur, die auch große Datenmengen schnell auswertet. Es ist unerlässlich, Daten aus unterschiedlichsten Quellen zu aggregieren und zu analysieren. Sämtliche Datenquellen wie Maschinen, Prozesse, Social Media, Produkte oder Wetterdaten und Systeme wie ERP, CRM oder BI müssen miteinander integriert werden. Die Daten sollten natürlich alle Kriterien für hohe Qualität erfüllen wie Korrektheit, Konsistenz, Vollständigkeit, Aktualität oder Einheitlichkeit.

Wie wichtig Datenqualität und Datenmanagement sind, zeigt der „BI Trend Monitor 2018“ von BARC, der eine Übersicht der weltweit wichtigsten BI-Trends gibt. Für die Studie wurden rund 2800 Anwender, Berater und Software-Hersteller weltweit befragt. Zum ersten Mal nennen die Teilnehmer Master Data Management und Data Quality Management als aktuell führenden Trend in der BI-Branche mit der größten Relevanz für ihre tägliche Arbeit. Dieses Thema stieg von Platz drei im vergangenen Jahr zum Spitzenreiter auf und liegt nun vor Data Discovery/Data Visualization und Selfservice BI, die in den beiden Jahren zuvor das Feld anführten.

„Trotz des enormen Hypes um Themen wie Data Discovery, Visualisierung und Selfservice-BI, die sehr attraktiv für Fachanwender sind, geht nichts ohne eine solide Datenbasis. Ein mit ausreichenden Ressourcen ausgestattetes, gut organisiertes und kontinuierliches Programm zur Datenintegra­tion und Datenqualität ist unerlässlich für jede datengesteuerte Organisation“, kommentiert Carsten Bange, Gründer von BARC, die Ergebnisse. „Fehlt in einem Unternehmen das Vertrauen in die zugrunde liegenden Daten, stehen die Business-Intelligence-Systeme – und damit letztendlich die Entscheidungsfindung – auf wackeligen Beinen.“

Zu den Trends, die zuletzt an Relevanz gewonnen haben, zählen Data Governance, Realtime Analytics, Collaboration und die Nutzung von externen Daten/Open Data. Beim Thema Cloud-BI zögern laut BARC insbesondere die Firmen in Europa noch. Hauptgrund sind Bedenken hinsichtlich rechtlicher Aspekte, Sicherheit und Datenschutz, oder die Firmen verfügen noch über zu wenig Fachwissen in puncto Implementierung und Betrieb von Cloud-BI-Lösungen.

Anfangs waren BI-Projekte primär eine Domäne der Finanzabteilung. Doch mittlerweile werten auch Abteilungen wie Einkauf, Logistik, Personal, Vertrieb, Marketing oder Produktion Daten aus, um Entscheidungen zu treffen, auch mit Hilfe von Predictive Analytics. Wer zum Beispiel in der Lage ist, vorherzusagen, wann technisch und wirtschaftlich der beste Zeitpunkt ist, eine Maschine so zu warten, dass sie nicht ausfällt, kann die so gewonnenen Erkenntnisse in die Entwicklung neuer Maschinen miteinfließen lassen.

Welche Funktionen sollte also eine BI-Lösung umfassen? Grundlegend ist der Umgang mit Datenquellen und Formaten. „Eine smarte BI-Lösung muss in der Lage sein, Daten aus verschiedenen Quellen aufzunehmen, zu transformieren, zu bereinigen, zu speichern und es dem Anwender ermöglichen, sie jederzeit abzufragen“, betont Dieter Jakob, Solution Architect beim BI-Anbieter Teradata.Weitere wichtige Funktionen sind Selfservice, Visualisierung für schnellere Erkenntnisse, Responsive Design für mobile Geräte, unterschiedliche Analyseformen inklusive Predictive Analytics mit KI oder die Wahl zwischen Cloud und On-Premise bei der Bereitstellung.

Firmen müssen sich auf die Einführung einer BI-Lösung vorbereiten. Neben der technischen Infrastruktur für die effiziente Analyse von Daten geht es zunächst darum, die eigenen Anforderungen zu klären mit Fragen wie: Was will ich erreichen? Welche Daten, welche Prozesse sind betroffen? Welche Datenquellen müssen wir integrieren? Wie soll die Architektur aussehen? Mit welchen (finanziellen) Leistungsparametern lässt sich das Geschäft zukünftig am wirkungsvollsten steuern? Wie agil müssen die Prozesse werden, um schneller nachjustieren zu können? Ab welchen Schwellenwerten würden Zielabweichungen bestandsgefährdend? Welche BI-Selfservice-Optionen sollen die Mitarbeiter erhalten?

„Die BI-Lösung sollte diese Anforderungen abbilden, am besten mit vorgefertigten Szenarien für Marketing, Vertrieb oder Produktion, die der Mitarbeiter dann nur noch anzupassen braucht. Um die Akzeptanz bei den Mitarbeitern zu erhöhen, sollten Firmen sie bei der Einführung einer Enterprise-BI-Lösung bereits frühzeitig einbinden“, stellt Matthias Zacher von IDC heraus. Er gibt aber zu bedenken, dass viele ERP- oder CRM-Lösungen bereits BI-Funktionen enthielten. „Daher sollten Unternehmen ihre Anforderungen genau prüfen, um zu klären, ob und wann sie überhaupt eine eigenständige BI-Lösung be­nötigen.“

Schließlich hat Business Intelligence auch Grenzen. Dazu Dieter Jakob von Teradata: „BI verarbeitet nur Daten, die relational in Tabellen abgelegt werden. So ist traditionelles BI nicht dafür angelegt, zum Beispiel E-Mails zu analysieren. Denn dazu müssten die Algorithmen in der Lage sein, Text zu ,verstehen‘ und nicht nur Schlagworte zu suchen. Ein anderes Beispiel sind Bilder und Videos sowie Streaming-Daten etwa aus dem IoT, die sich zeit­-lich verändern. Das kann klassisches BI noch nicht.“

Nichtsdestoweniger sind BI-Technologien ein wesentlicher Teil der digitalen Transformation. Die Darstellung und Analyse von Daten ist eine wichtige Voraussetzung, um digitale Geschäftsmodelle zu etablieren sowie bestehende Prozesse zu verbessern. Deshalb wächst laut IDC auch der Markt für Big-Data- und Analytics-Software in Deutschland zwischen 2017 und 2022 jährlich um etwa 10 Prozent.

Der Markt für BI und Analytics ist in Bewegung. Laut BARC sind allein auf dem deutschen Markt über 300 Anbieter für BI- und Daten­management-Werkzeuge in unterschiedlichen Segmenten aktiv. Mit den Anbieter- und Produktbewertungen „BARC Scores“ will das Beratungs- und Analystenhaus Firmen eine Entscheidungshilfe bieten. In den Marktsegmenten „Enterprise BI and Analytics Platforms“ und „Data Discovery“ gehören demnach Allrounder und Anbieter von umfassenden BI-Plattformen wie SAP, IBM, Microsoft oder Ora­cle und „Spezialisten“ wie SAS, Tableau, Qlik, Tibco, Information Builders und MicroStrate­gy zu den führenden Anbietern. Auch Open-Source-Lösungen wie Rapid Miner oder Knime sowie auf das Management von Daten fokussierte Firmen wie Teradata oder Informatica spielen auf dem BI-Markt eine Rolle für Themen wie Advanced Analytics und Datenmanagement.

Aufschluss über wichtige Hersteller gibt auch der „Magic Quadrant for Analytics and Business Intelligence Platforms“ von Gartner.

IBM: IBM Cognos Analytics unterstützt eine Vielzahl von Datenquellen und erstellt eine einheitliche  Sicht  auf alle unternehmensrelevanten  Daten, seien es relationale Datenbanken wie Oracle, Sybase, MS SQL Server und DB2 (LUW, i5/OS, z/OS), OLAP-Systeme, Hadoop-Distributionen oder Appliances. Die BI-Plattform ist sowohl in der Cloud als auch On-Premise verfügbar. Sie bietet Funktionen wie Selfservice Dashboarding und Reporting sowie Data Governance durch ein zen­trales Meta­daten-Modell und eine Data-Lineage-Funktion zur Nachverfolgung der Herkunft der Daten.

Laut IBM deckt Cognos Analytics den kompletten Analytics Lifecycle ab, da es in ein Portfolio mit Lösungen zur Unterstützung von Planungsprozessen, Vorhersage von Geschäftsentwicklungen und Optimierung von Geschäftsprozessen integriert ist. Berichte und Dashboards lassen sich zudem vollständig visuell im Webbrowser entwickeln, die Anwender benötigen keine Kenntnisse in Programmier- oder Skriptsprachen wie SQL oder JavaScript.

Information Builders: Mit WebFOCUS bietet Information Builders eine strategische BI- und Analyseplattform, die zentralisierte und dezentralisierte Architekturen, Datenverwaltung, das visuelle Entdecken von Inhalten, prognostische Analytik und operative Informationen in einer einzigen Plattform vereint. Mit dem letzten Update sind weitere Funktionen hinzugekommen: Data Science, Content Reusability, Data Management, Intelligent Search und Visual Storytelling.

Die modular einsetzbare Plattform kann Daten aus unterschiedlichen und beliebig vielen Quellen abrufen. Web­FOCUS prüft die Daten mit Hilfe eines Datenqualitätsmoduls auf Plausibilität und stellt sie anschließend in aufbereiteter Form Anwendern und Führungskräften aus allen Abteilungen in einem Cockpit zur Verfügung. Eigenen Angaben zufolge bietet WebFOCUS sowohl ein hochskalierbares Backend als auch ein benutzerfreundliches Frontend. Ein rollenbasiertes Sicherheitssystem und Berichte mit vielen Parameter-Optionen erlauben es, mit geringem Administrationsaufwand eine Vielzahl verschiedener Benutzergruppen innerhalb und außerhalb des Unternehmens mit Informationen zu versorgen.

Microsoft: Microsoft Power BI ist eine Suite aus Business-Analytics-Tools zur Analyse und Auswertung von Unternehmensdaten. Mit dem cloudbasierten Service lassen sich Daten in Echtzeit und im Selfservice-Verfahren auswerten und visualisieren.

Jeder Benutzer kann personalisierte Dashboards mit einer 360-Grad-Sicht auf das Business erstellen, da die Oberfläche durch die Integration in Excel und SharePoint sehr intuitiv zu bedienen ist. Die Dashboards lassen sich unternehmensweit skalieren und bieten integrierte Kontrolle und Sicherheit.

Microsoft Power BI analysiert Daten aus beliebigen Quellen, in der Cloud, lokal oder aus Big-Data-Systemen wie Hadoop und Spark. Dies erfolgt direkt in einer integrierten Plattform für Datenanbindung, -aufbereitung und -transforma­tion, Modellierung, Datenhaltung und Visualisierung für das anschließende Berichtswesen.

Power-BI-Funktionen wie Quickmeasures, Gruppierung, Prognosen und Clustering ermöglichen darüber hinaus eine genauere Auswertung von Daten und das Ermitteln von Mustern. Anwender können außerdem ihre Analysen, Berichte und Dashboards personalisieren und für eine bessere Zusammenarbeit der einzelnen Fachabteilungen gemeinsam nutzen.

MicroStrategy: Mit MicroStrategy Analytics erhalten Unternehmen das volle Spektrum an Business Intelligence, von Selfservice-Funktionalitäten, visueller Data Discovery bis hin zu komplexen Big-Data-Anforderungen. Die Skalierbarkeit gilt als eine der zentralen Eigenschaften der Plattform. Alle BI-Funktionen sind nativ integriert. Dies gilt auch für die mobile Datenanalyse. Daten können über eine native Mobile-App für iOS und Android auch offline analysiert werden. Dank vielfältiger Konnektoren, beispielsweise zu anderen BI-Herstellern wie Splunk, SAP, Qlik, Power BI und Tableau, lässt sich die MicroStrategy-Plattform auch als zentrale Analyseplattform im Unternehmen einsetzen.

Da MicroStrategy alle Objekte in einem zentralen Meta­daten-Repository speichert, lassen sich einmal erstellte Objekte wie Kennzahlen oder Berichte jederzeit wiederverwenden. Dank transaktionaler Eingabeformulare können Anwender Informationen über das Mobilgerät in die Unternehmenssysteme zurückschreiben. Auch von unterwegs lassen sich Daten ändern, neue Informationen einfügen und aktualisierte Berichte und Dashboards anzeigen. BI-Einsteiger können ihre Daten dank umfangreicher Visualisierungs-Bibliotheken intuitiv per Drag and Drop visualisieren und analysieren.

MicroStrategy ist für die automatisierte Bereitstellung von Berichten und Dashboards in großen Mengen konzipiert. Berichte und Dashboards lassen sich zeit-, ereignis- und schwellenbasiert automatisiert planen und bereitstellen. Sicherheitsfilter und Zugriffssteuerungslisten werden auf Anwenderebene festgelegt. Auch Predictive Analytics und Data Mining sind möglich. Hierfür steht eine native Funktionsbibliothek mit rund 350 Funktionen mit statistischen und mathematischen Modellen zur Verfügung.

Qlik: Qlik Sense bietet Funktionen wie Reporting, Selfservice Visual Analytics oder Guided und Embedded Analytics für kundenspezifische Analysen – auf Desktop, Tablet und Smartphone. Hinter Guided Analytics verbergen sich intuitive, interaktive Dashboards, mit denen jeder Mitarbeiter Daten auswerten kann. Mit Embedded Analytics können Firmen über offene APIs und umfassende Entwickler-Tools Analysefunktionen integrieren, maßgeschneiderte Analyse-Apps entwerfen und neue Visualisierungen erstellen.

Im Mittelpunkt von Qlik Sense steht die Associative En­gine. Sie vereint lokale und Cloud-Datenquellen unabhängig von der Größe in einer Ansicht und indiziert alle möglichen Zusammenhänge. Im Unterschied zu abfragebasierten Tools sind Firmen dabei nicht auf vorab aggregierte, bereinigte oder modellierte Daten und vordefinierte Abfragen beschränkt.

Dahinter liegt eine Verbindung von Künstlicher Intelligenz und kognitiven Technologien in der User Experience und der Qlik Associative Engine. Die Lösung schlägt Kombinationen von Datenquellen vor, vereinfacht das Laden von Daten und das Aufsetzen von Analysen, generiert automatisch Grafiken auf Basis der Daten und empfiehlt zusätzliche Grafiken und Visualisierungen. Qlik Sense lässt sich direkt in einer oder mehreren Clouds der Kunden veröffentlichen, ist aber auch On-Premise lauffähig. Laut Qlik bildet ein Governance-Framework die Basis für Sicherheit, Skalierbarkeit und Performance im unternehmensweiten Einsatz. Flexible, regelbasierte Sicherheitseinstellungen und dynamische Datenverdichtung bieten eine detaillierte Kontrolle, die Firmen zur Einhaltung von Datenschutzvorschriften wie der Datenschutz-Grundverordnung der EU und HIPAA benötigen.

SAP: SAP stellt zusätzlich zur BI-Plattform SAP Business­Objects die Lösung SAP Analytics Cloud mit allen üblichen BI-Funktionen bereit, darunter Selfservice, Tools für die Visualisierung von Daten und umfangreiche Reporting-Funktionen. SAP HANA fungiert dabei als BI-System-Repository und Audit-Datenbank. BusinessObjects ermöglicht den Zugriff auf mehr als 40 Datenquellen über eine semantische Schicht sowie mehrdimensionale Analysen in einer intuitiven, webbasierten Umgebung.

Dank der flexiblen Architektur können Firmen mehrere Server auf einem oder mehreren Hosts und/oder Clustern einsetzen und so höhere Performance, bessere Lastverteilung und hohe Verfügbarkeit erreichen. Die BI-Lösung integriert Single Sign-On (SSO) mit LDAP, Kerberos, eTrust SiteMinder und Windows AD. Die Funktionen von SAP Analytics Cloud bauen auf der SAP Cloud Platform auf. Highlights sind die In-Memory-Technologie von SAP HANA und geführtes maschinelles Lernen für Prognosen und die Bewertung von Ergebnissen in Echtzeit, Dashboards und Visualisierungen im Selfservice, Data-Governance-Tools und integrierte Funktionen für die Organisationsplanung. Nützlich sind zudem Features wie Smart Transformations für die automatisierte Aufbereitung von Daten, Smart Grouping etwa zum Identifizieren von Kundengruppen, Kategorisieren von Beständen und Bilden von Verhaltenssegmenten sowie die Event-Konsole für das Festlegen von Aufgaben, die Zuordnung von Mitarbeitern zu Genehmigungsprozessen und das Anlegen von Erinnerungen und Warnmeldungen für Teammitglieder.

Teradata: Die Teradata Analytics Platform bietet eine Vielzahl an Analytics-Tools, Sprachen, Features sowie Engines und unterstützt zahlreiche Datentypen in Verbindung mit Collaboration- und Lifecycle-Management.

Sie liefert eine hohe Skalierbarkeit (Massively Parallel Processing Architecture) auch für die Analyse großer Datenmengen, unterstützt analytische Programmiersprachen wie Python, R, Scala und SQL und erlaubt es Data Scientists, mit Hilfe des Teradata App Center ihre analytischen Anwendungen mit Kollegen zu teilen, indem die Plattform wiederverwendbare Modelle über ein webbasiertes Interface bereitstellt und damit Business-Anwendern Selfservice-Zugriff gibt.

Teradata bringt seine Analytics-Plattform derzeit in Stufen mit steigendem Funktionsumfang auf den Markt. Dabei spielen Werkzeuge für DevOps wie Docker, Jenkins und Kubernetes eine große Rolle. Komponenten sind eine SQL-Engine mit Embedded-Analytics-Funktionen und Hochgeschwindigkeitsanalysen, die für die Operationalisierung von Analytics erforderlich sind, eine Machine-Learning-Engine mit über 100 vorkonfigurierten Analysefunktionen für Pfad-, Muster-, Statistik- und Textanalysen und eine Graph-Engine mit Funktionen, die Beziehungen zwischen Personen, Produkten und Prozessen innerhalb eines Netzwerks aufdecken.

Mit dem Modul Graph Analytics lassen sich komplexe Probleme wie Social Network Analysis, Influencer Analysis, Fraud Detection, Network Analysis und Threat Detection lösen. Die laut Teradata branchenweit erste 4D-Analytics-Funktion kombiniert Zeitreihenanalysen mit Zeit-, Geo-, Betriebs- und Kundendatenanalysen. 4D Analytics ist ins­be­sonders für Edge-Computing-Anwendungen relevant, die ständig wechselnde Zeit- und Ortsvariablen verwalten.

Carsten Bange, Gründer des Analystenhauses BARC, beschreibt im Interview wichtige Trends bei Lösungen für Business Intelligence und gibt Tipps zur Implementierung.

Carsten Bange: Für mich ist BI ein übergeordneter Begriff. Weit gefasst verstehe ich darunter die Integration, Aufbereitung und Darstellung von Daten mit dem Ziel, Firmen bei Geschäftsentscheidungen zu unterstützen. Hierzulande ist Analytics eine Untermenge von Business Intelligence, legt den Fokus auf die fortgeschrittene Datenanalyse, also Advanced Analytics, und beinhaltet Themen wie Mustererkennung durch maschinelles Lernen, Predictive Analytics oder Clustering zur Segmentierung. Am besten ist das Begriffspaar BI und Analytics, da es neben Analyse auch Reporting und Visualisierung umfasst.

Bange: Selfservice-BI ist ein alter Trend, fungiert aber immer noch als BI-Treiber. Hier können Fachanwender selbst Daten auswerten oder Dashboards aus Komponenten zusammenstellen und inzwischen auch Advanced und Predictive Analytics betreiben. Zur Selfservice-BI gehört Data Preparation, das Sammeln, Bereinigen, Aufbereiten und Bereitstellen von Daten.

com! professional: Wie wichtig sind neue Analysemethoden?

Bange: BI bewegt sich immer mehr in Richtung Advanced Analytics mit Themen wie Mustererkennung, Segmentierung mit Datengruppen, Klassifikation von Daten, Assoziation von Daten oder Vorhersagen. Es entstehen neue Use-Cases. Firmen bauen dafür zum Teil auch Data Labs als organisatorisch getrennte Einheiten auf, auch im Mittelstand. Sie gehen dabei anders vor als bei der klassischen BI, sprich eher wissenschaftlich. Sie testen Verfahren oder Variablen und vergleichen die Ergebnisse. Daher passt ja das Wort Data Scientist als eine neue gefragte Rolle zur Durchführung von Advanced Analytics sehr gut.

com! professional: Gibt es weitere Trends?

Bange: Ja, den Trend zur Operationalisierung der BI und zu Data Governance. Firmen integrieren zunehmend BI-Funktionen wie Dashboards, Berichte und Analytics in ihre operativen Prozesse, etwa das ERP- und CRM-System. Sie können dann Echtzeitdaten aus laufenden Prozessen heraus analysieren. Die klassische BI betrachtet eher die Prozessergebnisse, was natürlich auch weiterhin benötigt wird.

Data Governance ist mehr ein organisatorisches als ein technisches Thema. Daten und Datenquellen werden immer heterogener, hinzu kommen IoT-Daten und externe Quellen. Daher sollten Firmen Organisationsstrukturen und Regelwerke aufbauen, die den Umgang mit diesen Daten regeln. Auch hier werden neue Rollen ausgeprägt, etwa die des Data Stewards, der sich um die Pflege und Qualität all dieser Daten kümmert. Zudem sehen wir einen Trend zu BI-Lösungen aus der Cloud. Auch deutsche Firmen zögern hier immer weniger.

com! professional: Worauf sollten Firmen bei BI-Lösungen achten?

Bange: Auf die Architektur, Funktionalität und Anwenderfreundlichkeit. Die Leistung hängt von der Architektur der Lösung ab.Welche Datenbanken sind angebunden? Welche Server-Komponenten unterstützen das Dashboard? Wie sieht es mit der Skalierbarkeit aus?

Weiterhin lohnt sich eine Evaluierung der möglichen Einsatzszenarien einer Lösung im Unternehmen, um kurzsichtige Einzellösungen zu vermeiden. Letztlich akzeptieren Anwender immer weniger Lösungen, die nicht ihren Erwartungen hinsichtlich Bedienfreundlichkeit entsprechen – doch die können sich deutlich unterscheiden zwischen Entwicklern, Data Scientists, Business-Analysten oder Gelegenheitsnutzern. Ich rate Firmen daher, zunächst einen Proof of Concept aufzusetzen und die BI-Lösungen vor dem Kauf ausgiebig zu testen.

Bange: Die Unternehmen sollten Use-Case-orientiert vorgehen. Welche Anwendungsfälle für Businesse Intelligence gibt es in welchen Abteilungen? Welche Datenanalysen  bringen wirklich Nutzen für Anwender und Firma? Wofür werden die Funktionen konkret eingesetzt? In welchem Umfang werden Entscheidungen BI-gestützt getroffen? Sind auch sehr wichtige Entscheidungen darunter?

Ich kenne Firmen, die 80 Prozent ihrer vorhandenen Daten gar nicht nutzen. Das wird bei vielen absehbar zu konkreten Wettbewerbsnachteilen führen. Daten werden immer wichtiger, sowohl zur Erhöhung der Prozesseffizienz als auch in Richtung neuer, datenbasierter Geschäftsmodelle. Sie müssen diese vielen vorhandenen Daten aber verarbeiten und analysieren, sonst sind sie wertlos. BI und Analytics gewinnen so an Bedeutung als strategisch wichtige Initiativen für Unternehmen.