Warenwirtschaft » Business Intelligence

Business Intelligence


Business Intelligence (BI) bedeutet übersetzt nicht unbedingt geschäftliche Intelligenz, sondern eher Geschäftsaufklärung oder Gewerbeerkundung. Seit den 1990er Jahren ist der Begriff populär, er bezeichnet alle Verfahren, mit denen Business-Daten elektronisch erfasst, analysiert und archiviert werden.

Zielstellung der Business Intelligence

Das Ziel von BI sind Erkenntnisse für strategische und operative Unternehmensentscheidungen. Hierzu müssen analytische Konzepte mit IT-Systemen zusammengeführt werden, in denen sämtliche relevanten Daten über den Markt, das eigene Unternehmen und Wettbewerber erfasst und ausgewertet werden. CRM- und ERP-Systemen gehören zweifellos zur Business Intelligence beziehungsweise nutzen teilweise deren Konzept.

Die gewonnenen Erkenntnisse dienen der Planung von Geschäftsabläufen und der Gewinnoptimierung innerhalb von Kunden- und Lieferantenbeziehungen. Gewinnspannen werden erhöht und gleichzeitig Kosten gesenkt, Risiken minimiert und die Wertschöpfung vergrößert. Hinsichtlich der fachlichen Einordnung bildet Business Intelligence eine Symbiose zwischen Wirtschaftsinformatik und Wirtschaftswissenschaften.

Praktische Anwendung von Business Intelligence

Praktisch übernimmt jede innerhalb der Business Intelligence eingesetzte Software die Datenanalyse und -archivierung sowie das Reporting. Bei CRM- und ERP-Systemen geschieht das zumindest in größeren IT-Architekturen im Data Warehouse. Hier werden Daten aus verschiedenen Informationssystemen zusammengefasst und für das Berichtswesen aggregiert, wobei es sich um eigene, Fremd- und Marktdaten handeln kann.

Da diese Daten in unterschiedlichsten Formaten vorliegen, werden sie innerhalb des OLAP (Online Analytical Processing) zunächst auf einheitliche Standards transformiert, um so eine Analysemöglichkeit zu schaffen. Im besten Fall schafft Business Intelligence Closing Loops, also geschlossene Kreisläufe, in denen die Ergebnisse der Analysen sofort wieder zu den Schnittstellen im CRM- und ERP-Prozess geschickt werden. Die Extraktion der Daten aus den peripheren (CRM- und ERP-) Systemen, das Laden und ihre Transformation im Data Warehouse nennt man den ETL-Prozess (Extraction, Transformation, Loading). Der zweite Schritt ist die Analyse, in welcher Muster erkennbar werden. Diese werden mit zuvor erhobenen Hypothesen abgeglichen. Das Ergebnis der Analyse gelangt zu den Schnittstellen der Produktion und Warenwirtschaft (ERP) oder des Kundenbeziehungsprozesses (CRM) und wird gleichzeitig im Unternehmen kommuniziert.

Werkzeuge und Methoden der BI

Grundlegende Werkzeuge von Business Intelligence sind analytische Informationssysteme. Für die Einspeisung des Datenbestands aus Analysen des Data Warehouses werden Data-Marts genutzt, das sind Teilauszüge (Kopien) der Analysevorgänge. Zu den Methoden gehören OLAP, Text- und Data-Mining (das Erheben der Daten aus dem Data Warehouse), Web Mining (Erhebung aus öffentlichen Internetquellen) und Case-Based-Reasoning (fallbasierte Schlussfolgerungen per Computer). Des Weiteren integriert BI geografische Aspekte in die Analysetätigkeit, wozu Geoinformationssysteme zu Hilfe genommen werden. Hiermit werden relevante geografische Fakten in den Analyseprozess mit einbezogen, beispielsweise die Entfernungen innerhalb von Distributionskanälen oder zu Lieferanten. Mithilfe von Business oder Advanced Analytics werden aus den erhobenen Daten und deren Analysen Prognosen für die Zukunft erstellt. Ein Teilbereich dessen sind die Predictive Analytics, welche über verschiedene Tools aus vorhandenen Daten weiterführende Erkenntnisse und neue Hypothesen generieren.

Data Discovery als neue Generation von BI

Die jüngste Generation der BI-Werkzeuge ist noch wesentlich flexibler und benutzerfreundlicher als Vorgängerversionen. Hier hat sich auf Anbieter- wie Kundenseite der Begriff der Data Discovery (seit etwa 2008) durchgesetzt. Anwender erlangen eine viel höhere Autonomie und können Daten verstärkt visualisieren. Die Bereiche der reinen Analyse aktueller Prozesse und der Prognose verschmelzen zusehends, auch kann die Datenanalyse vertiefter vorgenommen werden. Voraussetzung hierfür war eine technologische Weiterentwicklung hin zu In-Memory-Technologien. Diese speichern Daten in einem speziellen Lager, dem sogenannten Dedicated Repository, wo sie nicht mehr aufwendig wie vorher im Data Warehouse modelliert werden müssen, sondern am Arbeitsplatz Einzelanalysen ermöglichen. Die Zugriffsmöglichkeiten auf die Analysen verschlanken und beschleunigen sich dadurch. Das ist bei großen Unternehmen ein Fortschritt, weil nicht jede Abteilung ständig das Gesamtbild vor Augen haben muss, es genügt häufig der Überblick über den eigenen Teilbereich, der gleichzeitig vertiefter analysiert wird.

Inhaltsübersicht im Bereich Business Intelligence


Kommentare:

Anregungen und Fragen zum Artikel?







Bitte den Spam-Schutz lösen: