Ständig verwendet, jedoch selten wirklich verstanden: der Begriff „Business Intelligence“ (abgekürzt: „BI“). Wer sich darüber informieren möchte, erhält die verschiedensten – meist floskelhaften – Erklärungen, was BI bedeutet und was eine BI-Plattform leisten kann, und wird mit einer Vielzahl von vorgeblich optimalen Anwendungen konfrontiert. Aber was genau ist Business Intelligence eigentlich?
Kurz gesagt: Business Intelligence ist die Sammlung, Auswertung und Darstellung aller in einem Unternehmen vorhandenen Geschäftsdaten. Das Ziel dabei: Dem Management sollen Informationen bereit gestellt werden, die unternehmenswichtige Entscheidungen erleichtern. Informationen etwa, die Entscheidungsträgern darüber Auskunft geben, ob sich das schon lange auf dem Markt befindliche Auto in Osteurope noch gut verkauft. Oder ob die Niederlassung in Österreich effizient arbeitet.
Betriebswirtschaftlich gesehen ist BI nichts Neues: seit jeher ziehen Unternehmen aus ihren Geschäftsprozessen Rückschlüsse auf ihr Geschäft. BI hat also zunächst gar nichts mit IT zu tun. So ist auch ein handgeschriebener Zettel aus dem Werk mit den Zahlen der Tagesproduktion im Grunde genommen nichts anderes als Business Intelligence: die Informationen zur Produktivität des Unternehmens gelangen auch auf diese Weise zu den Entscheidern.
Immer mehr Daten
Explosionsartig steigende Datenmengen erfordern heutzutage jedoch umfangreichere und verfeinerte Reportingmöglichkeiten – der handgeschriebene Zettel genügt oft einfach nicht mehr, um das eigene Geschäft und die zugrunde liegenden Zusammenhänge zu verstehen.
Deshalb haben sich in den vergangenen Jahren branchenweit IT-gestützte BI-Systeme in Unternehmen etabliert. Die heutigen BI-Plattformen führen die relevanten Daten aus allen Unternehmensbereichen sowie weiterer wichtiger Datenquellen - wie zum Beispiel Marktdaten - automatisch zusammen und stellen sie strukturiert, anwenderorientiert und nach Wunsch auch graphisch aufbereitet zur Verfügung.
Durch die Verzahnung der unterschiedlichen Daten entstehen wertvolle Informationen für das Unternehmen, indem beispielsweise aktuellste Reports erstellt werden. Und: Die neu gewonnenen Informationen stehen auf einen Blick zur Verfügung – ohne dass die Daten manuell aus den unterschiedlichen Datenquellen zusammengesucht und aufbereitet werden müssen.
BI in Handarbeit
Zunächst ein Blick in das gleiche Verfahren ohne automatisierte BI-Plattform: Will sich zum Beispiel die Unternehmensspitze einen vollständigen Überblick verschaffen, inwieweit die Geschäftsziele in einem bestimmten Zeitraum erreicht wurden, setzt sich ein gigantisches Räderwerk in Gang.
Jeder Unternehmensbereich mit all seinen Untergliederungen muss nun Zahlen und Fakten liefern; diese sind allerdings teilweise unterschiedlich aktuell. Hinzu kommt, dass die Daten „per Hand“ aus den verschiedenen IT-Systemen – CRM (Customer Relationship Management), Warenwirtschaft, Finanzbuchhaltung etc – zusammengetragen werden müssen.
Diese werden nach der Hierarchie der Mitarbeiter dann immer weiter nach oben gereicht, jedes Mal erneut zusammengeführt und vergleichbar gemacht. Eine kolossale Verschwendung von Zeit und Personal, bis die endgültigen, oft auch noch fehlerhaften, Daten schließlich auf dem Schreibtisch des Vorstands oder der Geschäftsführung landen. Und das zumeist in Form eines gewaltigen Konvoluts von Excel-Listen, das in etwa so lesefreundlich ist wie das Telefonbuch von Tokyo.
IT-gestützte BI
Eine IT-gestützte BI läuft anders ab. Dabei ist es wichtig, verschiedene Schritte im BI-Prozess zu unterscheiden. Die folgende Grafik kann als Orientierungsrahmen für moderne IT-gestützte BI dienen.
Zunächst werden die Geschäftsdaten und -zahlen eines Unternehmens aus den vielen verschiedenen Datenbeständen der einzelnen IT-Systeme und Unternehmensbereiche gesammelt. Diese Daten werden nun nach oben, an BI-spezifische Datenlager, Auswertungs- und Analysesysteme weitergereicht.
Die Daten werden direkt in einem typischerweise als „Data Warehouse“ bezeichneten Datenlager zusammengezogen und gespeichert. Data Warehouses sind große Datenlager, die bis zu mehreren Terabyte umfassen können. Bevor die Daten aus den Unternehmensanwendungen dort abgelegt werden, werden sie bereinigt und thematisch sortiert.
Auf Data Warehouses haben alle Unternehmensteile selektiv Zugriff – von der Produktion über die Beschaffung und den Vertrieb bis hin zur Geschäftsleitung. Die im Warehouse enthaltenen Daten können individuell nach dem jeweiligen Informationsbedarf in der für sie gewünschten Präsentationsform abgerufen werden - seien es die Vertriebs- und Absatzzahlen, Produktionsdaten oder die Marketingausgaben – oder alle zusammen. Die Daten stehen auch sofort für eine Auswertung zur Verfügung, indem sie automatisch strukturiert, graphisch aufbereitet und somit vergleichbar gemacht werden.
Datenanalyse – Beispiel Data Mining
Die nächste Stufe im BI-Prozess ist die Generierung, Speicherung und Verteilung der Informationen. Sie erfolgt zunächst über die Analyse der Daten im Data Warehouse mit bestimmten Verfahren.
Ein bekanntes Analyseverfahren ist „Data Mining“, eine Methode, die oft im Handel benutzt wird. Dabei werden die ausgewählten Daten nach nicht offensichtlich erkennbaren Zusammenhängen durchforstet. So hat zum Beispiel eine amerikanische Supermarktkette herausgefunden, dass sich Bier sehr gut neben Windeln positioniert verkauft!
Das Data Mining offenbarte, dass berufstätige Familienväter häufig auf dem Heimweg noch kleine, gegebenenfalls dringende, Einkäufe für ihre Frauen erledigen. Aus dieser Erkenntnis heraus wurde fortan das männertypische Produkt Bier neben Babywaren ausgestellt – der Erfolg, steigende Verkaufszahlen, sprach für sich.
Schließlich sollten die Ergebnisse der BI-Analysen auch berichtet und allgemein verständlich bestimmten Mitarbeitern zur Verfügung gestellt werden. Der Aufbau einer gut strukturierten Business-Intelligence-Plattform, die speziell den Bedürfnissen des Kunden angepasst ist, verbessert die Qualität und Aktualität der Reportingprozesse, beispielsweise in Form von aktuellen Tages-, Monats- oder Jahresberichten.
Berichten und Präsentieren
Als ein Beispiel sei die Finanzbranche genannt: So erwarten die Akteure im internationalen Kapitalmarkt aktuellste und zuverlässige Informationen. Wer diese zuerst liefert, hat die Nase vorn. Oder bei Investment-Fonds. Wer seinen Kunden schnell aktuelle und verständlich aufbereitete Informationen liefert, steigert die Kundenzufriedenheit beachtlich.
Zur Erstellung und Gestaltung von Berichten sind viele verschiedene Software Lösungen erhältlich. Die Werkzeuge, welche mit graphischer Oberfläche und Drag-and Drop Techniken dem Benutzer Hilfe bei der Berichtserstellung bieten, sind besonders für EDV-unerfahrene Mitarbeitern gedacht, die ihre Anfragen nicht an IT Spezialisten weiterleiten müssen, sondern selbst auswerten können.
Neben reinen Berichtssystemen unterstützen den BI-Prozess auch Wissensmanagement-Systeme. Solche Systeme stellen die fertig erstellten Analysen allen oder bestimmten Unternehmensbereichen zur Verfügung. Sie erlauben es, Analyseergebnisse mehr oder weniger automatisiert bestimmten Nutzergruppen zu präsentieren.
Eine besonders effektive und komfortable Variante, BI-Analysen zu präsentieren, sind Portale. Über diese lassen sich sämtliche Ergebnisse in einer einheitlichen Nutzeroberfläche zugänglich machen. Portale bieten zudem die Möglichkeit, Resultate personalisiert, also zugeschnitten auf individuelle Bedürfnisse, anzubieten. So erhalten Vertrieb und Entwicklungsabteilung etwa nur jeweils die für sie relevanten BI-Ergebnisse.
BI-Interpretationen
BI ist ein Kind der 90er Jahre. Der Begriff wurde ursprünglich von Howard Dresner, einem Analysten des Gartner-Konzerns, geprägt. Seitdem wird er in vielschichtiger Bedeutung verwendet. Einige verstehen BI als Oberbegriff für verschiedene Methoden und Werkzeuge, wie etwa Data Warehouses, Management Information Systems, Data Mining oder Balanced Scorecards. Andere setzen BI gleich mit einzelnen Analysesystemen wie Data Warehouses oder Management Information Systems oder verstehen BI ganz anders als Frühwarnsystem.
Sinnvoll erscheint es, drei Sichtweisen zu unterscheiden (siehe Grafik).
Ein enges BI-Verständnis umfasst nur wenige Kernapplikationen, die eine Entscheidungsfindung unmittelbar unterstützen. Hierzu zählen OLAP, Management-Information-Systems (MIS), Executive Information-Systems (EIS) und Decision Support Systems (DSS).
Ein analyseorientiertes BI-Verständnis umfasst alle Werkzeuge, mit denen Daten bereit gestellt, ausgewertet und berichtet werden. Neben den erwähnten Tools gehören dazu zusätzlich etwa Data Mining und Reporting Programme.
BI in einem weiten Sinn verstanden beinhaltet alle direkt oder indirekt für die Entscheidungsunterstützung eingesetzten Anwendungen. Neben den Auswertungs- und Präsentations-Werkzeugen gehören dazu auch Datenaufbereitung und –speicherung. Dieser Artikelserie unterliegt die Perspektive von BI in einem weiteren Sinn.
Fazit
Die Geschäftsdaten eines Unternehmens dienen der Steuerung des Tagesgeschäfts, können gleichzeitig aber auch die Basis für strategische Planungen bilden. Für letzteres ist eine Aufbereitung und Analyse der Daten unerlässlich – was für jedes Unternehmen einen echten Mehrwert bietet. Zum Beispiel erkennen Manager dabei auf einen Blick, ob die Erträge den definierten Unternehmenszielen entsprechen oder wo Schwächen in den Geschäftsprozessen liegen.
Diese Aufbereitung und Analyse der Unternehmensdaten und die Präsentation der Ergebnisse leisten BI-Werkzeuge. Eine gute BI-Plattform versorgt alle Unternehmensteile schnell, zuverlässig und übersichtlich mit den für sie entscheidungsrelevanten Daten. BI-Systeme liefern die nötigen Informationen komprimiert in Sekundenschnelle, wo andere Unternehmen erst begonnen haben, die Daten zusammen zu fassen. Nur wer seine Daten gut kennt und fehlerlos zur Verfügung hat, kann die Optimierung der eigenen Organisation steuern und erfolgreiche Strategien entwickeln und umsetzen.
„Das Berichtswesen ist ein entscheidendes Differenzierungskriterium “, hebt Mark Zimmermann hervor. Als ein Beispiel sei die Finanzbranche genannt: So erwarten die Akteure im internationalen Kapitalmarkt aktuellste und zuverlässige Informationen. Wer diese zuerst liefert, hat die Nase vorn. Oder bei Investment-Fonds. Wer seinen Kunden schnell aktuelle und verständlich aufbereitete Informationen liefert, steigert die Kundenzufriedenheit beachtlich. „Kunden wünschen ein maßgeschneidertes Angebot“, erklärt Zimmermann. „Andernfalls entscheiden sie sich für einen Konkurrenten, und dem Unternehmen läuft der Wettbewerb davon.“ (mha/ala)
Über Infomotion
Die Infomotion GmbH mit Hauptsitz in Frankfurt am Main ist ein junges IT-Beratungsunternehmen für Business-Intelligence-Lösungen. Infomotion wurde 2004 gegründet und hat weitere Niederlassungen in München, Köln und Stuttgart. Rund 60 Berater und Entwickler planen, konzipieren und realisieren Lösungen im Bereich Business Intelligence, Corporate Performance Management, Data Warehouse und Reporting. Kunden sind unter anderem. Kapitalanlage-Gesellschaften wie DekaBank, DIT und Union Investment, Retail-Banken wie Dresdner Bank und ING DiBa oder auch die Deutsche Post und Adidas. Partnerschaften bestehen mit Oracle, Business Objects, Aquin und Noad.
BI-Lexikon
„Business Intelligence“ zieht jede Menge Fachbegriffe und Anglizismen mit sich. Aber was verbirgt sich tatsächlich hinter dem Begriff „BI“ und all seinen Schlagworten im Schlepptau? Dieses Glossar gibt einen kurzen Überblick:
Balanced Scorecard (BSC)
Ein Analyseinstrument, das eine bereichsübergreifende Kontrolle und Steuerung von Unternehmenszielen ermöglicht. Die BSC geht auf Arbeiten von Robert S. Kaplan und David P. Norton Anfang der 1990er Jahre zurück und basiert auf einer Ursache-Wirkungs-Analyse.
Das BSC-System ermittelt demnach kennzahlenbasiert die Abhängigkeit der finanziellen Ergebnisse von den drei so genannten Perspektiven „Kundenbeziehungen“, „interne Prozesse“ und „Lern- und Entwicklungsperspektiven der Mitarbeiter“ als zukunftsorientierte Indikatoren und Leistungstreiber.
Business Intelligence (BI)
Der Begriff und das Konzept wurden von der Gartner Group geprägt. Als Business Intelligence wird demnach der Prozess bezeichnet, durch den Daten in Informationen und weiter in Wissen umgewandelt werden. Praktisch gilt er heute als Oberbegriff für Data Warehousing, Data Mining und OLAP.
Corporate Performance Management (CPM)
Eine Methode zur Darstellung und Verbesserung der Leistungsfähigkeit und Profitabilität von Unternehmen. CPM gilt als Add on von Business Intelligence. Neben den auf die Historie und die Gegenwart bezogenen Analysen, die im Fokus von Business Intelligence stehen, deckt CPM auch zukunftsbezogene Analysen wie Planung, Prognosen und Aktionen ab. Synonyme Begriffe: Business Performance Management (BPM) und Enterprise Performance Management (EPM).
Data Marts
Data Marts sind kleinere, spezielle Data Warehouses (Datenlager) für bestimmte Organisationsbereiche oder bestimmte Anwendungen. Sie ermöglichen eine Teilsicht auf das gesamte Data Warehouse. Einzelne Abteilungen bzw. Anwender haben damit Zugriff auf spezifische Datenbestände, welche speziell für diesen Zugriff optimiert sind.
Data Mining
Durch verschiedene Methoden wie beispielsweise Cluster-Analysen werden große Datenbestände, die im Data Warehouse gespeichert sind, automatisiert nach relevanten Informationen durchforstet und in nicht offensichtlich erkennbaren Bezug zueinander gestellt.
Data Warehouse
Ein zentrales Datenlager von Informationen zur Entscheidungsunterstützung des Managements. Alle relevanten Geschäftsdaten werden darin eingespielt, strukturiert und harmonisiert, so dass für die weitere Analyse eine einheitliche und breite Grundlage zur Verfügung steht. Die verschiedenen Anwendergruppen haben schnellen und unkomplizierten Zugriff auf die Informationen.
Online Analytical Processing (OLAP)
Eine Ergänzung des Data-Warehouse-Konzepts zur analytischen Datenauswertung, wobei es bei den beiden Konzepten zu inhaltlichen Überschneidungen kommen kann. OLAP zählt zu den „hypothesengestützten Analysemethoden“: Der Anwender muss vor der eigentlichen Analyse wissen, welche Anfragen er an das OLAP-System stellen möchte. Seine Hypothese wird dann durch das Analyseergebnis bestätigt oder abgelehnt.