com!-Academy-Banner

Business Intelligence (BI) – Trends und Lösungen

Ein Gewinn für viele Abteilungen

von - 18.10.2018
Helpdesk Management
Transparenz am Helpdesk: Führungskräfte erhalten eine Übersicht der Support-Fälle nach Priorität, Themengebieten und Dauer der Bearbeitung.
(Quelle: Qlik)
Anfangs waren BI-Projekte primär eine Domäne der Finanzabteilung. Doch mittlerweile werten auch Abteilungen wie Einkauf, Logistik, Personal, Vertrieb, Marketing oder Produktion Daten aus, um Entscheidungen zu treffen, auch mit Hilfe von Predictive Analytics. Wer zum Beispiel in der Lage ist, vorherzusagen, wann technisch und wirtschaftlich der beste Zeitpunkt ist, eine Maschine so zu warten, dass sie nicht ausfällt, kann die so gewonnenen Erkenntnisse in die Entwicklung neuer Maschinen miteinfließen lassen.
Welche Funktionen sollte also eine BI-Lösung umfassen? Grundlegend ist der Umgang mit Datenquellen und Formaten. „Eine smarte BI-Lösung muss in der Lage sein, Daten aus verschiedenen Quellen aufzunehmen, zu transformieren, zu bereinigen, zu speichern und es dem Anwender ermöglichen, sie jederzeit abzufragen“, betont Dieter Jakob, Solution Architect beim BI-Anbieter Teradata.Weitere wichtige Funktionen sind Selfservice, Visualisierung für schnellere Erkenntnisse, Responsive Design für mobile Geräte, unterschiedliche Analyseformen inklusive Predictive Analytics mit KI oder die Wahl zwischen Cloud und On-Premise bei der Bereitstellung.
Dieter Jakob
Dieter Jakob
Solution Architect
bei Teradata
www.teradata.de
Foto: Teradata
„Eine smarte BI-Lösung muss in der Lage sein, Daten aus verschiedenen Quellen aufzunehmen, zu transformieren, zu bereinigen, zu speichern und es dem Anwender ermöglichen, sie jederzeit abzufragen.“

Auf BI vorbereiten

Firmen müssen sich auf die Einführung einer BI-Lösung vorbereiten. Neben der technischen Infrastruktur für die effiziente Analyse von Daten geht es zunächst darum, die eigenen Anforderungen zu klären mit Fragen wie: Was will ich erreichen? Welche Daten, welche Prozesse sind betroffen? Welche Datenquellen müssen wir integrieren? Wie soll die Architektur aussehen? Mit welchen (finanziellen) Leistungsparametern lässt sich das Geschäft zukünftig am wirkungsvollsten steuern? Wie agil müssen die Prozesse werden, um schneller nachjustieren zu können? Ab welchen Schwellenwerten würden Zielabweichungen bestandsgefährdend? Welche BI-Selfservice-Optionen sollen die Mitarbeiter erhalten?
„Die BI-Lösung sollte diese Anforderungen abbilden, am besten mit vorgefertigten Szenarien für Marketing, Vertrieb oder Produktion, die der Mitarbeiter dann nur noch anzupassen braucht. Um die Akzeptanz bei den Mitarbeitern zu erhöhen, sollten Firmen sie bei der Einführung einer Enterprise-BI-Lösung bereits frühzeitig einbinden“, stellt Matthias Zacher von IDC heraus. Er gibt aber zu bedenken, dass viele ERP- oder CRM-Lösungen bereits BI-Funktionen enthielten. „Daher sollten Unternehmen ihre Anforderungen genau prüfen, um zu klären, ob und wann sie überhaupt eine eigenständige BI-Lösung be­nötigen.“
Schließlich hat Business Intelligence auch Grenzen. Dazu Dieter Jakob von Teradata: „BI verarbeitet nur Daten, die relational in Tabellen abgelegt werden. So ist traditionelles BI nicht dafür angelegt, zum Beispiel E-Mails zu analysieren. Denn dazu müssten die Algorithmen in der Lage sein, Text zu ,verstehen‘ und nicht nur Schlagworte zu suchen. Ein anderes Beispiel sind Bilder und Videos sowie Streaming-Daten etwa aus dem IoT, die sich zeit­-lich verändern. Das kann klassisches BI noch nicht.“
Anbieter für BI-Plattformen (Auswahl)

Anbieter / Produkt

Zentrale Funktionen

Besonderheiten

IBM / Cognos Analytics

Unterstützt eine Vielzahl von Datenquellen (relationale Datenbanken, OLAP-Systeme, Hadoop-Distributionen et cetera); Selfservice Dashboarding und Reporting; Data Governance durch zentrales Metadaten-Modell

Deckt den kompletten Analytics Lifecycle ab (integriert in ein Portfolio mit Lösungen zur Unterstützung von Planungsprozessen, Vorhersage von Geschäftsentwicklungen und Optimierung von Geschäftsprozessen)

Information Builders / WebFOCUS

Unterstützt viele Datenquellen, prognostische Analytik, Selfservice, Data Science, Content Reusability, Data Management, Intelligent Search und Visual Storytelling

Prüfung der Daten mit Hilfe eines Datenqualitäts-Moduls auf Plausibilität; hochskalierbares Backend; rollenbasiertes Sicherheitssystem und Berichte mit vielen Parameter-Optionen

Microsoft / Power BI

Analysiert Daten aus beliebigen Quellen, in der Cloud, lokal oder aus Big-Data-Systemen wie Hadoop und Spark in Echtzeit; Selfservice,
personalisierte Dashboards mit integrierter Kontrolle und Sicherheit

Integrierte Plattform für Datenanbindung, -aufbereitung und -transformation, Modellierung, Datenhaltung und Visualisierung für das anschließende Berichtswesen

MicroStrategy / MicroStrategy Analytics

Selfservice, mobile Datenanalyse, umfangreiche Visualisierungs-Bibliotheken, Predictive Analytics und Data Mining über Funktionsbibliothek mit statistischen und mathematischen Modellen, Sicherheitsfilter

Vielfältige Konnektoren zu anderen BI-Herstellern; hohe Skalierbarkeit; zentrales Metadaten-Repository ermöglicht Wiederverwendung von einmal erstellten Objekten (Kennzahlen, Berichte et cetera)

Qlik / Qlik Sense

Reporting, Selfservice Visual Analytics, Guided Analytics (interaktive Dashboards), Embedded Analytics (offene APIs und Entwickler-Tools zur Integration von eigenen Analysefunktionen); Governance-Framework mit flexiblen, regelbasierten Sicherheitseinstellungen

Associative Engine vereint lokale und Cloud-Datenquellen unabhängig von der Größe in einer Ansicht und indiziert alle möglichen Zusammenhänge; Daten brauchen vorher nicht aggregiert, bereinigt oder modelliert zu werden; Verbindung von Künstlicher Intelligenz und kognitiven Technologien

SAP / SAP Analytics Cloud und SAP BusinessObjects

Selfservice, Tools für die Visualisierung von Daten, umfangreiche Reporting-Funktionen; SAP HANA als BI-System-Repository und Audit-Datenbank; Zugriff auf mehr als 40 Datenquellen über eine semantische Schicht; mehrdimensionale Analysen, maschinelles Lernen für Prognosen; Funktionen von SAP Analytics Cloud bauen auf der SAP Cloud Platform auf

Flexible Architektur (mehrere Server auf einem oder mehreren Hosts und/oder Clustern möglich); Single Sign-on (SSO) mit LDAP, Kerberos, eTrust SiteMinder und Windows AD; Bewertung von Ergebnissen in Echtzeit, Data-Governance-Tools; Smart Transformations für die automatisierte Aufbereitung von Daten; Event-Konsole für das Festlegen von Aufgaben

Teradata / Teradata Analytics Platform

Unterstützt zahlreiche Datentypen und die Analyse großer Datenmengen, Teradata App Center für Selfservice; SQL-Engine mit Embedded-Analytics-Funktionen, Machine-Learning-Engine mit über 100 vorkonfigurierten Analysefunktionen

Hohe Skalierbarkeit (Massively Parallel Processing Architecture), Open-Source-Tool; 4D-Analytics-Funktion kombiniert Zeitreihen-Analysen mit Zeit-, Geo-, Betriebs- und Kundendaten-Analysen; Graph-Engine deckt Beziehungen zwischen Personen, Produkten und Prozessen innerhalb eines Netzwerks auf

Verwandte Themen