Was ist Business Intelligence?

Grundsätzlich geht es immer um die systematische Sammlung, Auswertung, Aufbereitung und Darstellung von Daten.

Das kurze Erklärvideo zeigt, wie Business Intelligence funktioniert:

Das Ziel ist, fundierte Geschäftsentscheidungen auf der Grundlage von aktuellen bzw. historischen und exakten Informationen treffen zu können. Ausschlaggebend ist vor allem die Verzahnung von Daten unterschiedlicher Unternehmensbereiche und aus unterschiedlichen Quellsystemen, um Zusammenhänge besser erkennen und Unternehmensprozesse steuern und kontrollieren zu können.

Analysiert wird die Entwicklung des eigenen Unternehmens, der Konkurrenz und des Marktes, um daraus operative und strategische Maßnahmen abzuleiten, die die Unternehmensziele erfüllen. Diese Maßnahmen sollen unter anderem:

• Kosten senken
• Risiken minimieren
• Kunden- und Lieferantenbeziehungen profitabler machen
• Geschäftsprozesse und Produkte verbessern und
• die Wertschöpfung vergrößern.

Zur Sammlung, Aufbereitung und Auswertung der Daten nutzen Unternehmen entsprechende Software oder IT-Systeme.

Weil BI abhängig von bestimmten Anforderungen eines Unternehmens ist, reicht es nicht, ein oder mehrere IT-Tools zu kaufen. Eine Business-Intelligence-Strategie sollte immer mit Blick auf die Anforderungen und Fragestellungen, benötigten Kennzahlen, die gewünschte Häufigkeit der Aktualisierung und die Art der Darstellung geplant und implementiert werden.

Hans Peter Luhn verwendete den Begriff zum ersten Mal 1958 in seinem Beitrag „A Business Intelligence System“ im IBM-Journal. Ab 1989 machte Howard Dresner, ein Analyst der Gartner Group, den Begriff bekannt.

Am häufigsten zu finden sind BI-Systeme vor allem im Controlling. Die vorhandenen Unternehmensdaten werden durch Planung, Analyse und Prognose in einem graphisch aufbereiteten Reporting zu relevanten Informationen verarbeitet – und das sollte automatisch erfolgen. Das verbessert die Reaktionsfähigkeit der Entscheidungsträger und bedeutet letztlich einen Wettbewerbsvorteil.

Weitere Beispiele für Fachabteilungen, in denen die Entscheidungsfindung für Abteilungsleitern durch BI-Systeme vereinfacht werden, sind:

• Controlling: Analyse von Umsatz, Kosten, Erlösen
• Vertrieb: Analyse von Kundenpotenzialen, Vertriebskanälen, Produkten, Klassifizierung von Kunden
• Marketing: Analyse des Verbraucherverhaltens, Sortiments- und Marktanalysen, Kampagnenmanagement und Wettbewerberanalysen
• Personal: Analyse der Personalkosten, Personalplanung, Recruitingprozess, Überstundenanalysen
• Produktion: Analyse der Kapazitätsauslastung, Fehleranalyse
• Qualitätsmanagement: Analyse der Reklamationen, des Prozesses und der Produktqualität
• Lagerhaltung: Bestandsanalysen und Umschlagsanalysen
• Einkauf: Lieferanten- und Beschaffungsmanagement, Lieferantentermintreue

Business Intelligence ist ein mehrstufiger Prozess:

• Zu Beginn werden Rohdaten gesammelt, harmonisiert, gespeichert und zur Weiterverarbeitung aufbereitet.
• Am Ende erhalten Entscheidungsträger und Mitarbeiter der Fachabteilungen aufbereitete Daten und Kennzahlen, die in Tabellen, Reports oder Grafiken visualisiert werden. Mit Hilfe dieser Informationen können sie Entscheidungen treffen.

Die Herausforderung ist, die relevanten Daten zusammenzuführen, zu bereinigen und zu standardisieren. Denn die benötigten Daten finden sich in verschiedenen Anwendungen und in unterschiedlichen Formaten. Sie müssen aus Excel-Tabellen, Datenbanken, OLTP-Systemen (Online Transaction Processing), gescannten Dokumenten oder archivierten Dateien zusammengeführt werden.

Beispiel Umsatzübersicht:
Um eine Übersicht über den Umsatz zu erhalten, müssen Controlling-Mitarbeiter zum Beispiel die Umsätze der Vertriebsmitarbeiter aus einer Excel-Tabelle, die relevanten Kunden- und Umsatzdaten aus den operativen Systemen und Produktbeschreibungen aus einer Produktdatenbank zusammentragen.

Prozessablauf:

1. Extraktion der Daten aus unterschiedlichen Quellen (Excel, Datenbanken, ERP-System)
2. Transformation der Daten in ein Zielformat (z.B. einheitliches Datumsformat, Umrechnung von Währungen oder Maßangaben, unternehmensweite Kostenstellennummern oder zentrale Produktnummern)
   Laden der Daten in die Zieldatenbank (Data-Warehouse), um sie dann zielgerichtet aufarbeiten zu können
   Eine ETL-Anwendung (Extraction, Transformation, Load) ermöglicht die Automatisierung dieser Prozessschritte.
3. Analyse der Daten im Data-Warehouse
   Wie die Ergebnisse analysiert und aufbereitet werden, hängt von der Unternehmensstruktur und den Anforderungen der Endanwender ab.
   Für die Umsatzübersicht aus unserem Beispiel können die Umsatzzahlen beispielsweise konsolidiert (zusammengefasst) nach Vertriebsmitarbeiter, Regionen, Kunden, Produkten oder nach Datum angezeigt werden. Die Daten können in Zusammenhang miteinander gebracht werden, so dass Muster sichtbar werden und mit vorher aufgestellten Hypothesen verglichen werden können. Dazu werden multidimensionale Analysen oder Data-Mining verwendet. Einfache Aggregationen fassen Umsatzzahlen einzelner Artikel in den letzten Tagen, Wochen, Monaten zusammen, komplizierten Analysen ermitteln mittels Data-Mining beispielsweise Trendanalysen von Kundenverhalten.
   Die Integration von geografischen Aspekte mit Hilfe von Geoinformationssystemen kann räumliche Zusammenhänge zwischen Standorten und Kunden- oder Potenzialdaten aufdecken.
4. Aufbereitung der Ergebnisse in Form von Berichten (Reporting)
   Jedes BI-System enthält Reporting-Tools, um die ermittelten Kennzahlen und Informationen in Form Graphiken und Tabellen in Berichten darzustellen. Die Ausgabe der Berichte kann über Excel, HTML-Seiten, PDF, Dashboards und andere Formate erfolgen. Intranets und Portale ermöglichen, die Personalisierung und Verteilung der Berichte zu automatisieren und zu beschleunigen.

Abb. 1: Business Intelligence als mehrstufiger Prozess

Ein Data Warehouse ist eine Datenbank, in der Daten aus unterschiedlichen Systemen in einem definierten, einheitlichen Format gespeichert werden. Das ermöglicht einen einheitlichen Zugriff auf Daten, um sie für Analysen zu nutzen.

Die Gründe, warum die Analyse der Daten nicht in den Quellsystemen, sondern in einer davon getrennten Datenbasis, dem Data-Warehouse (DWH) erfolgt, können sein:

• ungeeignete Strukturierung der Daten im ERP-System
• keine Auswertungsmöglichkeit über mehrere Quellsysteme, zum Beispiel bei der Aggregation für einen Vorstandsbericht, für die auch die Harmonisierung der Stammdaten notwendig ist.
• keine Möglichkeit, fremde Daten einzubeziehen, beispielsweise Marktdaten von Wettbewerbern oder Studienergebnisse von Forschungsinstituten
• Belastung des Quellsystems durch analytische Auswertungen
• laufende Änderung der Daten im Quellsystem

Die Ergebnisse von Analysen können nur so gut sein, wie die Daten, die aus den Vorsystemen kommen. Je mehr Systeme ein Unternehmen zu pflegen hat, oder je mehr Gesellschaften, Abteilungen und Fachbereiche Stammdaten verwenden, umso größer ist die Gefahr, dass es zur Verwechslung von Daten kommt.
Hans-Günther Müller, H.G. Müller oder Herr Hans Müller können Schreibweisen für den gleichen Kunden sein. Wird bei seinem Umzug die neue Adresse in allen Bereichen eingepflegt? Auch die anderen Bereiche, wie Mitarbeiter, Lieferanten und Produkte müssen mit der gleichen Sorgfalt gepflegt werden.