Suchen...
Generic filters
Exact matches only
Search in title
Search in excerpt
Search in content
Bissantz Bixel

Business Intelligence (BI)


Definition von Business Intelligence

Business Intelligence (BI) bezeichnet einen ganzheitlichen Ansatz der Unternehmensführung, der sich konsequent an Daten ausrichtet. Ziel ist es, Managemententscheidungen zu unterstützen und vorzubereiten. Dazu werden Daten aus inhaltlich und technisch verschiedenen Datenbanken der Funktionsbereiche extrahiert und verknüpft. Abhängig von ihrer Verfügbarkeit und Zugänglichkeit werden interne Quellen durch externe ergänzt. Der Begriff Business Intelligence umfasst sowohl die dafür nötigen Arbeitsweisen als auch die Software, im Fall sehr großer Datenbestände sogar die dafür nötige Hardware oder Speicherorganisation (→ Data Warehouse, → Cloud Computing)

Die erstmalige Verwendung des Begriffs wird dem Aufsatz „A Business Intelligence System“ des deutschen Informatikers und IBM-Mitarbeiters Hans Peter Luhn im IBM Journal im Oktober 1958 zugeschrieben.

Populär wurde der Begriff Business Intelligence erst sehr viel später. Vor allem Publikationen des Forschungs- und Beratungsunternehmen Gartner Group in den frühen 1990er-Jahren trugen zur Verbreitung bei.

In ganzheitlicher Definition meint Business Intelligence auch eine durchaus anspruchsvolle unternehmensweite oder sogar unternehmensübergreifende Verzahnung von Daten entlang der Supply Chain. Es sollen nach Möglichkeit Zusammenhänge zwischen allen wertschöpfenden oder erfolgskritischen Unternehmensbereichen und -funktionen erkannt werden. Wo dies mit hoher Entscheidungsqualität möglich ist, strebt man an, die aus der Datenverknüpfung resultierenden betriebswirtschaftliche Rückschlüsse sogar zu automatisieren.

Continuous Intelligence und Management Selfservice

Auf der Arbeitsebene gehörte es zu den für BI notwendigen Prozessen, relevante Daten zu sammeln, zu aggregieren, auszuwerten und darzustellen. Geeignet aufbereitet sollen sie strategische ebenso wie stark handlungsorientierte, operative Entscheidungen („operatives BI“) fundieren. Gartner propagiert dafür aktuell den Begriff des „continuous intelligence“. Wir sehen die Notwendigkeit und Gelegenheit, begrifflich stärker auf die Adressaten des Business Intelligence abzustellen, die Selbstversorgungsfähigkeit als Unterscheidungskriterium einzuführen und nutzen daher im eigenen Umfeld den Begriff des Management Selfservice.

BI im Jahr 2019 heißt: Manager haben hohen Bedarf an spontan (ad hoc) verfügbarer, hochaktueller Information im Sinne veredelter operativer Daten. Der erreichte Status im Selfservice ist eher an Fachanwendern orientiert, MIS sind noch zu kompliziert. Die Antwort ist Management Selfservice. Quelle: Bissantz.

Analyse, Planung, Reporting

Aufgrund der typischerweise großen Datenmengen und aufwändigen Transformationsprozesse (ETL), die man für BI braucht, ist Business Intelligence naturgemäß immer IT-gestützt. Für die meisten Unternehmen, die in Business Intelligence erstmalig investieren, sind gängige erste Einsatzgebiete das Finanzwesen und das Controlling. Das ist auch der Grund, warum eine begriffliche Abgrenzung zwischen BI, Controlling oder Rechnungswesen in der Praxis nicht immer trägt und etwas hölzern oder zu akademisch ist oder sogar zu falschen Erwartungen beiträgt.

Neben die Sammlung von operativen Daten aus Vorsystemen treten im Finanzwesen und Controlling üblicherweise Planung, Hochrechnung und Prognose. Zudem werden üblicherweise Schemata und Datenbestände des internen und externen Rechnungswesens, z.B. aus GuV und Bilanz, in das Business-Intelligence-Reporting integriert. Aus der ziel- und ergebnisorientierten Sicht der Praxis, die sich unabhängig von kurzlebiger Etikettierung machen will, ist Business Intelligence damit gut zu beschreiben als Regelkreis von Analyse, Planung und Reporting.

Data Warehouse, Data Mart, Cloud

Abteilungs- oder unternehmensübergreifende Datenbestände für Business Intelligence werden in einem sogenannten Data Warehouse abgelegt. Vom üblichen Begriff der Datenbank weicht man hier ab, weil es um die Bereitstellung („Lagerhaltung“) für Ad-hoc-Bedarf gehen soll und in diesem Vorrat heterogene Datenbestände („informatorische Halbfabrikate“) zum Teil nur redundant, zumeist aber mindestens strukturell oder qualitativ veredelt gespeichert werden. Der Versuch, im Sinne eines „Big Bang“ unternehmensübergreifend Ad-hoc-Bedarfe an Daten vorauszusehen und entsprechend abzulegen, hat in der Vergangenheit zu einer Reihe spektakulär gescheiterter Projekte bei namhaften Unternehmen geführt, weshalb der Begriff bei manchem IT-Leiter oder IT-Vorstand im Zusammenhang mit Investitionsentscheidungen mit Vorsicht verwendet wird.

Nicht zuletzt deswegen wurde als Teilbereich des BI der Begriff des Data Marts populär. In einem Data Marts speichert man zunächst nur die für ein abteilungsweites BI nötigen Daten. Was den Umfang der gespeicherten Daten betrifft, kann der Data Mart beispielsweise für CRM (Kundendatenmanagement) eines größeren Onlinehändlers durchaus die Größe des Data Warehouse eines mittelständischen Industriebetriebs annehmen. Die Unterscheidung zwischen Data Mart und Data Warehouse ist aus Perspektive der Entscheidungsunterstützung eher in der unterschiedlichen Anzahl der mit den Kennzahlen verknüpften Handlungsdimensionen und Merkmale zu sehen.

Datenwürfel, Data Cubes, Online Analytical Processing (OLAP)

Für die im Business Intelligence ebenso wie für Performance Management oder Dashboarding typischerweise multidimensionale Datenablage und Datenabfrage dominierten von den späten 1990er-Jahren bis in die 2010er-Jahre die sogenannten OLAP-Datenbanken (Online Analytical Processing). Man spricht in diesem Zusammenhang auch von Datenwürfeln. Heute verwischen die Grenzen zwischen relationalen und OLAP-Datenbanken.

Es treten gemischte oder hybride Datenbanksysteme hinzu. Derzeit ist ein Trend zurück zu rein relationalem Business Intelligence erkennbar. Das Konzept der Speicherung großer (ERP-)Datenbestände „in memory“, wie es etwa von SAP mit HANA verfolgt wird, hat Anteil an der Revitalisierung der relationalen Speicherung für Zwecke auch der Auswertung.

Vorteile von Business Intelligence

Mit einer weitgehend automatisierten Informationsversorgung erhöht sich die Reaktionsfähigkeit des Managements. In immer mehr Branchen werden Business-Intelligence-Systeme daher mit einer Datenversorgung in Realtime oder Neartime unterlegt. Konsequent gestaltet wird Business Intelligence naturgemäß zu einer Waffe im Wettbewerb und das umso mehr, je veränderlicher die externen Rahmenbedingungen der jeweiligen Branche sind.

Das Zusammenwirken aus bereinigten, integrierten Daten, geeigneter Visualisierung und einer durch Automation der Aufbereitung neuen Datenaktualität stellt einen Veredelungsprozess dar, der den modernen und ganzheitlichen Ansatz des Business Intelligence von eher traditionellen und rein finanzorientierten Ansätzen des Berichtswesens unterscheidet. Abhängig von der Konsequenz der Ausgestaltung des BI-Systems gewinnen die Daten auch eine langfristige und/oder strategische Deutungsqualität. Gut organisiert und implementiert unterstützt BI das Erkennen von Mängeln der Ablauforganisation und Möglichkeiten in der Geschäftsprozessoptimierung.

Dashboarding, Visualisierung

Zu BI gehört, abstrakt formuliert, von zentraler Stelle aus – die gewonnenen Informationen über eine einheitliche Oberfläche abrufen zu können. In den 1980ern stand hierfür der Begriff des „information at your fingertips“. In Analogie zum Automobil spricht man im BI heute von Dashboards, auch wenn freilich das Gaspedal für Umsätze und die Bremse für Kosten fehlen müssen, wie Kritiker anmerken.

Soll ein größerer Kreis an Führungskräften und Entscheidern bedient werden, stellen sich Fragen der effizienten Installation und Aktualisierung der eingesetzten Software. Für die reine Berichtsdarstellung, insbesondere im Rahmen der unternehmensweiten Publikation von Business-Intelligence-Berichten oder Performance Reports dominieren daher webbasierte Lösungen.

Arbeitsschritte zu Business Intelligence

Insgesamt werden mit Business-Intelligence-Anwendungen Rohdaten strukturiert, zu Informationen aufbereitet, analysiert und zu strategischen – im Sinne von: kursrelevanten – Daten veredelt. Zusammenfassend und prozessual betrachtet, gilt es in Business-Intelligence-Projekten, Kompetenzen, Kapazitäten, Software und Budgets für die nachfolgend skizzierten Arbeitsschritte bereitzustellen, abhängig vom Grad der vorhandenen Daten- und Datenstrukturqualität.

 

  • Daten werden aus den Basissystemen, z. B. ERP oder CRM, extrahiert und eingelesen.
  • Für ein Data Warehouse oder ein Data Mart werden Daten aus unterschiedlichen Quellen in einer Datenbank zusammengefasst und gespeichert und zweckorientiert aufbereitet.
  • Analyse der Daten.
  • Aufbereitung der Ergebnisse in Form von Berichten (Reporting), ausgerichtet an den Informationsbedürfnissen der Anwender.
  • Rückführung der Ergebnisse in operative Prozesse.
Zusammenfassung zu Business Intelligence

Ziel von Business Intelligence ist die Rationalisierung des Berichtswesens in Unternehmen durch größtmögliche Automation aller Prozesse der Datensammlung, Datenaufbereitung und Datenauswertung sowie die Standardisierung und Vereinfachung aller Übergabe- und Interpretationsprozesse an der Mensch-Maschine-Schnittstelle, an der sich aufgrund der begrenzten Ressource Aufmerksamkeit die Wirksamkeit datenbasierter Unternehmensführung entscheidet.

In aller Regel werden dafür Daten aus ERP-Systeme extrahiert und in einer neuen, teilredundanten „analytischen Datenbasis“ verknüpft. Das Spektrum der durch Business Intelligence zu unterstützenden Entscheidungen ist weit und reicht von einfachen, operativen und vollständig automatisierbaren Entscheidungen bis zur Vorbereitung von strategischen Gremienentscheidungen unter größter Unsicherheit. Mit Business Intelligence sollen Daten zu Signalen werden, die über Schwächen und Möglichkeiten in Geschäftsabläufen, Kunden- und Lieferantenbeziehungen aufklären, sie erklären und mindestens erste Ansätze zu ihrer Behebung bzw. Nutzung liefern. Entlang der gesamten Wertschöpfungskette sollen Kostensenkungspotenziale transparent und Risiken erkennbar werden.

Business Intelligence mit Bissantz: BI ist unser Business

Die rund 100 Mitarbeiter unseres seit 1996 bestehenden, inhabergeführten und unabhängig finanzierten Unternehmens sind handverlesen, bestens ausgebildet und werden auch dann noch gerne gerufen, wenn es schwierig wird. Wir entwerfen, entwickeln und implementieren maßgeschneiderte und dennoch hochwartbare und stetig aktualisierbare Business-Intelligence- Lösungen für Analyse, Planung, Reporting, Monitoring und Prognose. Dazu setzen wir auf allen gängigen Vorsystemen und Datenbanken von Datev, SAP, Oracle, Microsoft, Navision, Infor, Salesforce und anderen auf.

Wir sind stolz auf technische und inhaltliche Unabhängigkeit vom US-dominierten Mainstream. Klasse kommt bei uns vor Masse. Unsere Lösungen entstehen ausschließlich mit eigener, patentierter und preisgekrönter Software made in Germany, in die permanent und schnell Erkenntnisse und Wünsche aus eigener Grundlagen- und Anwendungsforschung und aus Kundenprojekten einfließen – nachdem sie abstrahiert und generalisiert wurden und damit dem Fortschritt in allen Anwendungen dienen.


Verweise/Links


Kontakt









* Pflichtangaben

Diese Website ist durch reCAPTCHA und die Datenschutzrichtlinie von Google geschützt. Es gelten die Nutzungsbedingungen.







PGJyIC8+CjxidXR0b24gY2xhc3M9ImJ1dHRvbiBidXR0b24tLWZpbGxlZCBidXR0b24tLWNvbG9yLXByaW1hcnkiIHR5cGU9InN1Ym1pdCI+QWJzZW5kZW48L2J1dHRvbj48YnIgLz4K