Was ist Business Intelligence (BI)?

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.

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.

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.

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.

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.

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.

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.