BI - Auswirkungen der Digitalisierung

Business Intelligence - Welche Trends setzen sich durch?

Ingo Diekmann ist Leiter Kooperationen/Business Development und Mitglied der Geschäftsleitung bei der IDL GmbH Mitte. Der Diplom-Kaufmann bringt umfassende Erfahrung aus den Bereichen Business Intelligence, Partner Business und Geschäftsfeldentwicklung mit.
Die rasante Digitalisierung hat in den letzten Jahren auch im Bereich Business Intelligence zahlreiche neue Entwicklungen gebracht. Welche davon etablieren sich dauerhaft in Unternehmen, welche sollte man im Auge behalten? Eine Bestandsaufnahme heutiger Installationen und ihrer Potenziale gibt Orientierung für anstehende BI-Entscheidungen.

Big Data, Smart Data, Predictive Analytics, In-Memory, Self-Service, Mobile BI - mit dem enormen Tempo der digitalen Transformation wurden auch im BI-Sektor zahlreiche neue Schlagworte in den Raum geworfen. Beim Blick in die Unternehmenspraxis zeigt sich, dass einige Entwicklungen schnell adaptiert wurden und daher heute schon nicht mehr als Trendbegriff auftauchen. Stichworte wie "Mobile BI" oder "In-memory" beispielsweise sind keine spannenden Neuerungen mehr, sondern Selbstverständlichkeiten. Ebenso wie von privaten Medien erwarten wir auch von BI-Systemen, dass sie mit schnellen Anwortzeiten und unbeschränktem Zugriff über alle Endgeräte verfügbar sind - wie das funktioniert, ist für die Nutzer uninteressant.

Business Ingelligence macht Analyseergebnisse aus Big Data sichtbar und liefert Ergebnisse, mit denen in der Praxis gearbeitet werden kann.
Business Ingelligence macht Analyseergebnisse aus Big Data sichtbar und liefert Ergebnisse, mit denen in der Praxis gearbeitet werden kann.
Foto: Sergey Nivens - shutterstock.com

Als eigenständige BI-Disziplinen, die sich über ihre Anwendungsbereiche definieren und bis in die IT-Architektur manifestieren, haben sich dagegen die Bereiche Operative BI und Self-Service-BI herauskristallisiert. Sie etablierten sich zunehmend neben der klassischen BI, die mit ihrem Fokus auf die Controlling-Themen Reporting, Planung und Analyse natürlich auch künftig ihren festen Platz im Unternehmen haben wird. Diese drei aussichtsreichen BI-Disziplinen sollte man im Blick haben, wenn BI-Entscheidungen anstehen.

Klassische BI für Controlling und CPM

Finanzanalysen und Berichterstattung im Rahmen standardisierter betriebswirtschaftlicher Steuerungsgrößen als originäre BI-Anwendung werden auch künftig Kernprozesse im Unternehmen sein. Angesichts volatiler Märkte gewinnen dabei vorausschauende Analysen noch weiter an Bedeutung; die rückwärtsgewandte Analyse historischer Werte reicht für die geforderte zeitnahe, proaktive Unternehmenssteuerung nicht mehr aus. Vor allem im Rahmen von Planung und Forecasting entwickeln sich daher mathematisch-statistische Prognosen, Trendfortschreibungen auf Basis von Vergangenheitswerten und Szenarien-Simulation zunehmend zu Standardfunktionen von BI-Applikationen.

Viele Unternehmen verfolgen derzeit aber auch bodenständige Ziele wie die Integration ihrer gesamten Berichtslandschaft. Reporting, Planung und Konsolidierung sollen mit einheitlichem Zahlenwerk in einer durchgängigen IT-Plattform laufen. Systemgestützte Prozesse, automatisierte Datenströme und ein konstistenter Datenpool sollen Berichtsprozesse effizienter machen und aktuelle, valide Ergebnisse liefern. Dazu sind vor allem Funktionalitäten für eine durchgängige Prozesssteuerung mit detaillierter Zugriffsrechte-Regelung, Workflows mit modernem Rollenkonzept sowie leistungsfähige ETL-Werkzeuge nötig. Auch Compliance-Aspekte nehmen immer mehr Raum ein; die Infomationsverarbeitung im Finanzbereich muss jederzeit zuverlässig, regelkonform und revisionssicher dokumentiert verlaufen.

Die traditionelle Data-Warehouse-Architektur - das heißt Vorsysteme, relationales DWH und der darauf aufbauende multidimensionale Data Mart mit vordefinierten betriebswirtschaftlichen Analysen und Aggregationen samt entsprechender ETL-Prozesse - hat sich für Controlling- und CPM-Anwendungen vielfach bewährt. Sie bietet den benötigten konstistenten Datenpool für performante, valide Analysen im Rahmen betriebswirtschaftlicher Standards und wird daher wohl auch künftig die am besten geeignete Lösung der Wahl bleiben.

Operative BI: Trends in Massendaten aufspüren

Vor allem im Bereich operative BI manifestieren sich zahlreiche neue Technologien und Methoden, die sich unter dem gemeinsamen Ziel "Vorausschauende Analyse von Massendaten" zusammenfassen lassen. Neben den Schlagworten "Big Data" und "Smart Data" gehören dazu Begriffe wie IoT, Industrie 4.0, Social Web, Sensor Intelligence, Telemetrie, Predictive Analytics, Statistische Analysen und Data Mining. Grundsätzlich geht es darum, riesige Datenmengen aus zum Teil neuen und heterogenen Datenquellen zu verschiedensten Zwecken auszuwerten - also aus Big Data wertvolle Informationen zu generieren, Zusammenhänge aufzudecken, Prozesse zu optimieren und frühzeitig Trends abzuleiten.

Als betriebswirtschaftliche Ziele stehen derzeit optimierte Wertschöpfungsketten von Produkten im Fokus - von der Entwicklung über die Fertigung, Logistik und gezielte Vermarktung bis zu damit verbundenen Dienstleistungen. Die bearbeiteten Inhalte reichen also weit über die klassischen Controlling-Aufgaben hinaus. Der zeitliche Analyse-Horizont richtet sich auf Zukunftstrends, und zwar möglichst individuell mit Blick auf einzelne Produkte, Chargen, bestimmte Zielgruppen oder den Endkunden.

Dieser Bereich steht noch ganz am Anfang, das Entwicklungspotenzial ist enorm und mit heutigem Wissen kaum absehbar. Über die letzten drei Jahre haben sich hier Standardarchitekturen und Technologien etabliert und einen ersten Reifegrad erreicht. Diese werden sich noch stetig weiterentwickeln. Die naheliegende systemtechnische Lösung ist, unverarbeitete Rohdaten aus verschiedenen Quellen auf leistungsfähigen Servern zu speichern und von dort ohne Umweg über ein Data Warehouse direkt in hoch performaten Analysesystemen auszuwerten. Nur ausgewählte Daten beziehungsweise Analyseergebnisse werden in diesem Systemkonzept zusätzlich im Enterprise Data Warehouse als Grundlage für weitere betriebswirtschaftliche Analysen abgelegt.