Auf dem Weg zu mehr Umsatz und Rentabilität setzen Unternehmen zunehmend auf die Analyse und Planung von Geschäftsdaten. Marktanalysten gehen davon aus, dass Unternehmen, die ihre Geschäftsprozesse mit Business Intelligence steuern und optimieren erfolgreicher im Wettbewerb bestehen werden. Die dabei gewonnenen Erkenntnisse steigern die Wertschöpfung der Unternehmen. Das unabhängige Marktforschungsinstitut Gartner Group bezeichnet dementsprechend solche Software als Business Intelligence-Lösung, die Mitarbeiter unterstützt, Informationen zu finden, zu kombinieren und zu analysieren, um optimale Entscheidungen zu treffen.
Ohne Frage befinden sich in den meisten Unternehmen Unmengen von Daten in den unterschiedlichsten Datenquellen. So banal es klingt: Teilweise wissen Mitarbeiter nicht einmal, dass notwendige Informationen überhaupt vorhanden sind oder, wo sie danach suchen müssen. Damit auch Mitarbeiter tägliche Entscheidungen optimal treffen, sollten sie aber vorhandene Informationen sinnvoll nutzen können. Mit Business Intelligence-Lösungen erhalten sie uneingeschränkten Zugriff auf die für ihre Arbeit relevanten Daten und können diese für ihre Aufgabenstellungen auch selbst aufbereiten.
Der in der IT-Welt weitgehend akzeptierte Oberbegriff Business Intelligence, vereint ein ganzes Sammelsurium an unterschiedlichsten Technologien und Applikationen. Sie reichen von Ad-hoc Query und Enterprise Reporting bis hin zu Data Mining oder Balanced Scorecard Anwendungen. Sie vereinen Analysen von relationalen Daten oder auch OLAP-Analysen (Online Analytical Processing). Die Technologien unterscheiden sich jedoch erheblich im Können, Nutzen und Einsatzgebiet und müssen, um die richtige Lösung für das jeweilige Unternehmen zu finden, differenziert betrachtet werden. Häufig werden in großen Organisationen mehrere BI-Lösungen parallel für unterschiedliche Zwecke eingesetzt.
BI – Die intelligente Lösung
Der Data Warehouse Boom ist seit Beginn der achtziger Jahre etwas zurückgegangen. Das liegt vor allem daran, dass große Investitionen in Data Warehouse-Systeme ungenutzt brach liegen und Anwender nicht wissen, was sie mit den ganzen Daten anfangen sollen, die ihr Data Warehouse täglich verwaltet. Die Business Intelligence-Industrie scheint sich daher mehr und mehr durchzusetzen. Allerdings fehlt häufig noch die Antizipation der Vorteile solcher Systeme. An diesem mangelnden Verständnis ist die Business Intelligence-Industrie zum Teil selbst Schuld. In den vergangenen Jahren lag der Schwerpunkt viel zu sehr auf technologischen Vorteilen und Funktionalitäten, ohne den eigentlichen geschäftlichen Nutzen aufzuzeigen.
Gerade in Zeiten der strengen IT-Budget-Entscheidungen muss darauf geachtet werden, dass neue Systeme einen schnellen Return on Investment ermöglichen. Die erste Frage für ein Unternehmen ist daher immer, welches Ziel mit dem Einsatz eines Business Intelligence-Systems erreicht werden soll. Häufig ist bereits die Antwort ein Indiz, ob die vom Anwender gewählte Applikation den Ansprüchen genügt und für die Realisierung der Unternehmensziele förderlich ist.
Falsche Erwartungen an Technologien wie OLAP können zu Fehlentscheidungen führen. Auch wenn eine bestimmte Lösung für ein Unternehmen absolut richtig ist, kann es sein, dass für ein anderes Unternehmen eine einfache und preiswertere Query- und Reporting-Lösung viel besser passt. Alarmierend ist, wie viele Produkte von Unternehmen nach kurzer Zeit wieder ad acta gelegt werden, da sie sich in der Praxis für die geschäftlichen Anforderungen als unbrauchbar herausgestellt haben.
Als Mitte der achtziger Jahre mit dem Design von BI-Systemen begonnen wurde, gab es ein klares Ziel: Mitarbeitern sollte der Zugang und die Analyse von Daten ermöglicht werden, um unternehmensrelevante Entscheidungen zu treffen. Schließlich konnten früher nur wenige Spezialisten aus IT oder Datenbankverwaltung eventuell noch aus Buchhaltung und Controlling Reports erstellen. Sie verfügten über die notwendigen Kenntnisse, Informationen aus Datenbanken zu ziehen. Der Zeitaufwand war enorm, Datenbestände zu durchforsten, die in unterschiedlichen Formaten gespeichert waren, und daraus Berichte zu erstellen. So mussten sich Anwender mit unzureichenden Reports begnügen oder lange darauf warten. Heute sind die Voraussetzungen gegeben, dass jeder autorisierte Mitarbeiter schnell und einfach bestehende Berichte anfordern und individuelle Auswertungen zusammenstellen kann. Will ein Unternehmen seine gespeicherten Daten analysieren, sollte es über die Anschaffung eines Data Mining Tools nachdenken.
Fischen im Datenpool – Data Warehouse und Data Mining
Data Mining Werkzeuge lassen sich mit Spürhunden vergleichen, die in den Datenbeständen nach verdeckten Abhängigkeiten stöbern. Praktisch für den Anwender: Er formuliert ein Erklärungsziel beispielsweise „Warum ist der Absatz in den letzten Monaten eingebrochen?“ und lässt das Data Mining Tool nach Zusammenhängen fahnden. Data Mining Werkzeuge erkennen Zeitreihenmuster, klassifizieren Datenelemente und fassen diese zu Clustern zusammen. Die Wirkungsbeziehung wird in Algorithmen dargestellt. Allerdings bleibt dem Anwender die Entscheidung überlassen, ob diese statistischen Abhängigkeiten auch relevant sind und er sie weiter verfolgen will. Ein weiteres Einsatzfeld von Data Mining Werkzeugen ist die Auswertung von Kundendaten. Ein bekanntes Beispiel ist der Einsatz einer Data Mining-Lösung bei der amerikanischen Supermarktkette Wal Mart. Das BI-Tool stellte fest, dass insbesondere Männer abends oft Bier und Windeln kombiniert einkaufen. Was lag näher, als die beiden Produkte nebeneinander zu platzieren.
Data Mining funktioniert aber nicht ohne ein Data Warehouse (DW). Ein Data Warehouse ist eine autonome Datenhaltung, die als Datenbasis für Data Mining dient. Notwendige Voraussetzungen für Data Mining – wie Daten sammeln, bereinigen und aggregieren – übernimmt die Data Warehouse-Technik. Das DW im weiteren Sinne ist kein Produkt, sondern ein umfassendes Konzept mit verschiedenen Bestandteilen, das auf die individuellen Bedürfnisse der Nutzer maßgeschneidert, ausbaufähig und anpassbar ist. Business Intelligence-Anwendungen können auf Infor-mationen eines DWs basieren – müssen aber nicht.
Beim Aufbau eines DW und bei der Auswahl der basierenden Data Mining- oder Analysewerkzeuge sollte man sich nicht von vornherein auf Dateninhalte und Strukturen festlegen. Das Design eines DW muss die Flexibilität bieten, andere Systeme und Daten zu einem späteren Zeitpunkt aufzunehmen. Die Entscheidung für ein DW und den Einsatz einer Auswertungssoftware hängt immer vom betriebswirtschaftlichen Anforderungsprofil der Abteilungen ab. Die Entscheidungen eines Finanz-Controllers basieren zwar auf der gleichen Datenbasis, aber auf völlig anderen Informationszuordnungen als die eines Marketing- oder Vertriebsleiters.
Data Mining und Data Warehousing sind anspruchsvolle Methoden. Ein unmittelbarer Zugriff auf Informationen für Endanwender ist nahezu unmöglich, ebenso wie das Erstellen und Ansehen von Berichten in Echtzeit. Wenn die Aktualität der Informationen oberste Priorität hat, sollte die Wahl eines Unternehmens auf eine Reporting-Lösung fallen, die einen einfachen Zugriff auf Daten in Echtzeit ermöglicht.
Antreten zum Informationsrapport
Während im Web Informationen frei verfügbar sind, sieht die Situation im Unternehmen ganz anders aus. Hier sieht sich der Anwender oft mit Geschäftsinformationen konfrontiert, die nicht rechtzeitig oder nicht effizient aufbereitet zur Verfügung stehen. Darüber hinaus sind unstrukturierte Daten wie Blueprints, Handbücher oder Online-Video-Präsentationen nicht in Data Warehouses vorhanden. Mit Web-basierten unternehmensweiten Query- und Reporting-Tools greifen Endanwender in Echtzeit auf strukturierte oder unstrukturierte Daten zu. Auch kann der User eine Abfrage von einer zentralen Datenquelle starten und aus jeder Datenquelle einen Bericht generieren – vom Data Warehouse bis hin zur Enterprise Resource Planning-Applikation.
Mit Reporting-Lösungen muss weder der Geschäftsführer noch die Vertriebsassistenten zum Experten für Datenanalyse werden. IT-Mitarbeiter in einem Unternehmen können sich auf IT-Probleme konzentrieren und müssen nicht jedes Mal den Informationsbroker spielen, wenn die Vertriebsabteilung einen Bericht mit der Umsatzaufteilung nach Region, Produkt, Kunden und Mitarbeitern benötigt.
Unterschiedliche Anforderungen ergeben sich an Query- und Reporting-Lösungen: Um das Potenzial der Datenquellen auszuschöpfen, sollte die Lösung auf einer verteilten Multi-Tier-Architektur aufbauen. Zusätzlich gewährleistet die Skalierbarkeit, dass eine beliebig große Anzahl von Usern mit der BI-Lösung arbeiten kann. Der Datenbestand von Unternehmen wächst unaufhaltsam, unzählige Reports werden generiert. Unter diesen Umständen muss die Lösung auch wachsende Anfragen bewältigen, ohne dabei die Verfügbarkeit oder Reaktionszeit zu beeinträchtigen.
Für den Geschäftsalltag sollte die Anwendung eine Vielzahl von Anwendern und Plattformen, Mainframe Hosts, UNIX und NT Servern bis zu Desktops und Laptops und mobilen PCs unterstützen. Enthält ein Bericht über Verkaufszahlen Links, die auf Word-Dokumente mit detaillierten Verkaufsstrategien für das ganze Jahr verweisen oder auf Excel-Sheets mit Kalkulationen für die nächsten drei Monate ist es wichtig, dass Hyperlinks innerhalb von Dokumenten eingebunden werden. Weiterhin sind Funktionalitäten wie eine Suchmaschine für die Textsuche und ein Index-System sinnvoll.
BI-Lösungen unterstützen jede erdenkliche Applikation – sei es ein Supply Chain Management-, ein Enterprise Resource Planning-System oder ein Bestandteil für eine Wissensmanagement-Lösung. Entscheidet sich ein Unternehmen für den Einsatz von einem BI-System sollte es sich im Klaren sein, welche Funktion es erfüllen soll: ein einfaches für alle leicht zu bedienendes Berichtswerkzeug oder ein Detektiv für die versteckten Zusammenhänge. Letztendlich bleibt die Technologie immer Mittel zum Zweck. Sie kann zwar Daten zur Verfügung stellen, die Suche erleichtern und Informationen verteilen. Es liegt jedoch an den Mitarbeitern und Verantwortlichen ihre Schlüsse zu ziehen und Entscheidungen zu treffen.
Autor: Jürgen Bauer, Business Consultant, Crystal Decisions (Deutschland) GmbH, Eschborn
eingestellt am 6. November 2002