Definition Business Analytics versus Business Intelligence

An Definitionen zu Business Analytics (BA) lassen sich unter anderem folgende finden:

• Gartner: Oberbegriff für „solutions used to build analysis models and simulations to create scenarios, understand realities and predict future states. Business analytics includes data mining, predictive analytics, applied analytics and statistics, and is delivered as an application suitable for a business user“.
  https://www.gartner.com/en/information-technology/glossary/business-analytics
• Wikipedia: „Business Analytics refers to the skills, technologies, practices for continuous iterative exploration and investigation of past business performance to gain insight … Business analytics focuses on developing new insights and understanding of business performance based on data and statistical methods. Business analytics makes extensive use of analytical modeling and numerical analysis, including explanatory and predictive modeling, and fact-based management to drive decision making. It is therefore closely related to management science. Analytics may be used as input for human decisions or may drive fully automated decisions.“
  https://en.wikipedia.org/wiki/Business_analytics
• Prof. Dr. Mischa Seiter: „Aus der Perspektive von Führungskräften ist Business Analytics ein auf Daten und Algorithmen basierender Prozess zur Gewinnung von Evidenzen mit dem Ziel, betriebswirtschaftliche Probleme im gesamten Managementzyklus von Planung, Steuerung und Kontrolle evidenzbasiert zu lösen.“ (Seiter 2019, S. 19)

Fazit:

• Business Analytics sammelt und analysiert Daten wie Business Intelligence,
• erkennt Datenkorrelationen und Muster bei zunehmenden Datenmengen (Big Data) mit Hilfe von Algorithmen und
• führt vor allem prädiktive Analysen durch, um die Wahrscheinlichkeit künftiger Ergebnisse zu ermitteln.
• Wie bei Business Intelligence werden diese Berichte in benutzerdefinierten Dashboards visualisiert.

Das Ziel und der Nutzen beider Ansätze ist vergleichbar – Entscheidungen fundiert zu unterstützen und zu optimieren. Auch wenn die Grenzen mittlerweile fließend sind, eine Unterscheidung oder Abgrenzung kann getroffen werden hinsichtlich:

• der Herangehensweise,
• dem Blick auf die Daten,
• den gestellten Fragen und
• den zu Grunde liegenden Analysemodellen.

BI betrachtet historische und aktuelle Daten und analysiert mit Hilfe von descriptiver Analyse, was passiert ist und was aktuell passiert. BI arbeitet heraus, was gut funktioniert und was geändert werden sollte, um bessere Ergebnisse zu erzielen.

Die gestellten Fragen lauten:

• „Was ist in der Vergangenheit passiert?“ (Descriptive Analytics) und
• „Warum ist es dazu gekommen?“ (Diagnostic Analytics)

BA unterstützt Prognosen zu Geschäftsszenarien und nutzt dazu Data-Mining, Modellierung und Machine Learning.
Die gestellten Fragen lauten:

• „Was wird in Zukunft wahrscheinlich passieren?“ (Predictive Analytics) und
• „Welche Schritte sind für die Erreichung der Zielvorgaben notwendig?“ (Prescriptive Analytics).

Der Begriff Business Intelligence steht oft auch für die korrespondierende IT-Lösung. Business Intelligence-Lösungen erfordern meist Unterstützung von geschulten IT-Fachleuten.

Bei BA steht die Nutzung und Auswertung durch den Fachanwender im Fokus, ohne Unterstützung der IT oder besondere Programmierkenntnisse.

Da aber mittlerweile auch BI-Lösungen unter dem Schlagwort „Self-Service BI“ Visualisierungs- und Analysetools für Fachanwender anbieten, eignet sich dieser Aspekt kaum noch zur Unterscheidung.

• Sollen Schwachstellen in Arbeitsabläufen entdeckt werden? Sind Sie auf der Suche nach Möglichkeiten, Ihre Geschäftsabläufe besser zu verstehen?
  Müssen große Datensätze analysiert werden, um wertvolle Erkenntnisse zu gewinnen?
  Müssen Daten aus mehreren Quellen gezogen werden, von internen Datenbanken bis hin zu komplexeren großen Datenzentren und wird eine analytische Online-Verarbeitung (OLAP) benötigt, um anspruchsvolle, mehrdimensionale Drilldown-Analysen durchzuführen?
  Dann ist eine BI-Lösung die Antwort.
• Sollen Veränderungen vorbereitet werden? Wollen Sie Geschäftsprozesse oder das Geschäftsmodell ändern?  Ist es wichtig, Geschäftstrends vorhersagen zu können? Müssen Analysen spezifizierter Daten in Echtzeit durchgeführt werden, um gezielte Fragen zu beantworten und so schnellere Geschäftsentscheidungen zu treffen?
  Dann ist eine BA-Lösung die Antwort.

Eine Zusammenfassung der Unterschiede findet sich in dieser Abbildung:

Abb. 1: Unterschied von Business Intelligence und Business Analytics, Infocient Consulting

Die „Traditionelle Analyse“ (Mitte 1950er bis 2000) zeichnete sich durch deskriptive Analysen bzw. durch „klassisches“ Reporting aus.

Die zweite Entwicklungsphase „Big Data“ (2000 bis heute) begann mit der Verwertung von Daten aus dem Internet. Zunehmend werden unstrukturierte Daten analysiert und unternehmensexterne Daten gewinnen an Bedeutung.

Die dritte Entwicklungsphase beschreibt eine datengetriebene Wirtschaft.

Data-Mining, Modellierung und Machine Learning sind neue Möglichkeiten, um mit Hilfe von prädikativer Analyse die Wahrscheinlichkeit künftiger Ergebnisse zu ermitteln.

BA fokussiert sich auf diese zielgerichtete Analyse von Daten und leitet wettbewerbsoptimierte Erkenntnisse ab.

Interessanterweise nutzt Gartner die beiden Begriffe gemeinsam im Überbegriff „Analytics and Business Intelligence (ABI)“. ABI ist ein Überbegriff, der

• die Anwendungen, die Infrastruktur und die Tools sowie die Best Practices umfasst,
• die den Zugriff auf und die Analyse von Informationen ermöglichen,
• um Entscheidungen und Leistung zu verbessern und zu optimieren.

Dabei geht es bei Gartner um einfach zu bedienende Werkzeuge, die den gesamten analytischen Workflow unterstützen – von der Datenaufbereitung und -aufnahme bis hin zur visuellen Exploration und der Generierung von Erkenntnissen.

Der Unterschied zu traditionellen BI-Plattformen liegt darin, dass dabei keine nennenswerte Beteiligung des IT-Personals erforderlich ist, um Datenmodelle vorzubereiten oder Daten in traditionellen Data Warehouses zu speichern. Der Schwerpunkt der ABI-Lösungen liegt auf Self-Service und Agilität.

Unter dem Begriff „SAP Analytics“ fasst SAP sein Portfolio zusammen, das aus SAP Analytics Cloud, Business Intelligence, Planungs- und Predictive-Lösungen besteht. SAP Analytics umfasst „Moderne Analyselösungen für digitale Unternehmen“.

Business Intelligence-Lösungen bilden hier eine Unterkategorie von „Analytics“, s. Abb.:

Abb. 2: SAP Analytics Portfolio von SAP
https://www.sap.com/germany/products/analytics.html

Doch betont SAP den Unterschied zwischen BI und BA:

“Some people consider Business Intelligence and Business Analysis to be synonyms of each other but in actual they differ greatly. BI centers on gathering data from multiple sources and processing it for analyzation while BA is the inspection of all the information delivered by BI to promote data-driven decisions.”
https://blogs.sap.com/2019/01/02/business-analytics-its-tools-application/

Das heißt, bei BI geht es darum, Daten aus verschiedenen Quellen zu sammeln und für die Analyse aufzubereiten, während BA die Prüfung aller von BI gelieferten Informationen ist, um mit Hilfe von Prognosen datengetriebene Entscheidungen zu fördern.

Einen weiteren Ansatz verfolgt Prof. Dr. Mischa Seiter, der Business Analytics als Gesamtprozess versteht. Dieser Prozess besteht aus vier Teilschritten: Framing, Allocation, Analytics und Preparation.

„Business Analytics als komplexe Kompetenz erfordert eine Vielzahl von Teilkompetenzen von Datenakquise und Datenaufbereitung bis Datenanalyse und Datenvisualisierung.“
(Seiter 2019, S. 14)

Führungskräfte sollten diesen Gesamtprozess überblicken und steuern können. Im Kern geht es nicht um einen ungerichteten Prozess der Mustererkennung innerhalb von Daten, sondern um Mustererkennung mit klarer Verwendungsidee.

• Beim Framing geht es um die Identifikation des betriebswirtschaftlichen Problems und die Ableitung des entsprechenden Analytics Problems, das für Algorithmen zugänglich ist.
  Beispiel: Für das betriebswirtschaftliche Problem „wie kann die Kundenzufriedenheit gesteigert werden?“ lautet das Analytics Problem: „Welche Faktoren beeinflussen die Kundenzufriedenheit?“
• Im Teilschritt Allocation sollen die notwendigen Ressourcen (Daten, IT und Personal) bereitgestellt werden, um das Analytics Problem lösen zu können. Die Anforderungen an Menge und Qualität der Daten leiten sich aus den anzuwendenden Algorithmen ab.
• Im Teilprozess Analytics geht es um Datenaufbereitung, Datenanalyse und Evaluation der Ergebnisse. Auch der Umfang der Datenaufbereitung wird durch die Wahl des Algorithmus bestimmt.
  (Bei deskriptive Analytics sind es u.a. Clusteranalyse, Ausreißeranalyse, bei predictive Analytics die Regressions-, Klassifikations- und Zeitreihenanalyse) und bei prescriptive Analytics die Akumulation)
• Im Teilprozess Preparation werden die gewonnenen Erkenntnisse aufbereitet und visualisiert, damit sie ideal eingesetzt werden können.

Seiter vermeidet eine klare Abgrenzung von Business Intelligence und Business Analytics, da sich beide Begriffe im Wandel befänden. Sein Abgrenzungsvorschlag bezieht sich auf das Einsatzgebiet:

• Das traditionelle Einsatzgebiet von Business Intelligence bezieht sich auf
  o Deskriptive Analyse („Was ist passiert?“) und
  o Diagnostische Analyse („Warum ist es passiert?“)
• Das Einsatzgebiet von Business Analytics ist:
  o Prädikative Analyse („Was wird passieren?“) und
  o Präskriptive Analyse („Was ist zu tun“?)

Data Science umfasst “die generalisierbare Extraktion von Wissen aus Daten“ (Dhar 2013, S. 64).

Seiter versteht Business Analytics als angewandte Data Science in der Domäne Betriebswirtschaft (Seiter 2019, S. 21).