Business Intelligence als erster Schritt zu Big Data – Teil 1

Nutzen und Einsatzbereiche von BI-Lösungen. Doch womit fängt man an? Beispiele zur Einführung von BI

Big Data ist in aller Munde. Doch vor dem Sprung in die Welt der ganz großen Daten steht vielen Unternehmen oder Abteilungen überhaupt noch der Einstieg in die klassische Business Intelligence (BI) bevor. Knapp 20 Prozent der deutschen Mittelständler setzten bis 2012 überhaupt noch keine BI-Lösung ein [1].

Dabei sind bereits durch den Einsatz klassischer BI große Produktivitäts-Fortschritte erzielbar durch

• Höhere Datenqualität und einfachere Wartung bei Einführung eines Data Warehouse
• Automatisierung des Reporting
• Dashboard-Funktionen und Online-Analysen
• Integration der Systemlandschaft in vereinheitlichten Portalen

Wieso BI?
Die Einführung einer integrierten BI-Lösung kann aus vielen Gründen sinnvoll sein. Die meisten BI-Projekte haben zum Ziel, die Fachabteilungen regelmäßig mit Daten hoher Qualität und Aktualität zu versorgen. So können Entscheidungen schneller und auf einer validen Basis getroffen werden. Fehlentscheidungen werden vermieden. Ein netter Nebeneffekt der BI ist die Kostenersparnis durch die damit einhergehende Automatisierung. Gleichzeitig ist eine BI-Infrastruktur Vorläufer für den Einstieg in Big Data.

Beispiel 1: Data-Warehouse und Automatisiertes Reporting
Häufig ist die Realität in deutschen Unternehmen immer noch von der guten alten Excel-Tabelle beherrscht. Keine Woche vergeht, wo es nicht zu nervigen Versionsinkompatibilitäten oder defekten Dateien kommt. Der Austausch und die Zusammenarbeit sind mühsam. Jeder Report muss manuell erstellt werden, und bis alle Daten aus den Unmengen von Einzel-Dokumenten gefischt sind, ist der Tag schon wieder vorbei. Dabei war Ihre ursprüngliche Fragestellung möglicherweise gar nicht so kompliziert.

So geht es auch Frau Grosse-Torsion, der Geschäftsführerin eines mittelständischen Schraubenproduzenten. Sie beschließt, die alten Lösungen abzulösen und ein BI-Projekt zu starten. Ihr erstes Problem liegt zunächst darin, dass ihre Daten kreuz und quer verteilt sind. Teils sind die Daten aus dem laufenden Geschäft bereits in einer relationalen Datenbank erfasst, aber die meisten Daten bekommt sie von Geschäftspartnern regelmäßig als CSV-Datei zugeschickt.

Abhilfe schafft dabei die Einführung eines Data Warehouse als SPOT (Single Point of Truth). Dafür ist es zunächst gar nicht so wichtig, ob die Daten aus einer automatisch befüllten Datenbank kommen oder zunächst noch in Excel-Tabellen oder CSV-Dateien vorliegen. Durch ETL-Prozesse wird der Datenbestand eingelesen und in optimierter Struktur im Data Warehouse gespeichert. Dort stehen die Daten dann für weitere Analysen zur Verfügung.

Frau Grosse-Torsion hat nun bereits die Möglichkeit, einfache Analysen selber durchzuführen, ohne ihren diversen Fachabteilungen bezüglich der Zahlen hinterhertelefonieren zu müssen, die sie interessieren. Welche Kosten sind im letzten Monat in welcher Abteilung angefallen? Welche Umsätze sind erzielt worden? Wie hat sich die Produktion entwickelt? Alles ist direkt verfügbar. Umgekehrt können sich die Fachabteilungen ebenfalls auf eine vernünftige Datenbasis verlassen und haben mehr Zeit, ihrer eigentlichen Arbeit nachzugehen.

Herr Wendelbruch zum Beispiel hatte als Qualitäts-Manager immer mit dem Problem zu kämpfen, dass er die Ausschussquoten der verschiedenen Produktionsstraßen in einzelnen Dateien zugeschickt bekam und erst umständlich zusammenfügen musste, während die Maschinen ihre Daten jeweils in einer eigenen Datenbank speicherten. Wenn er diese Daten dann noch mit Kundenreklamationen abgleichen sollte, kam es regelmäßig zum Desaster. Nun hat er alle Daten an einem Ort gesammelt.

Der nächste Schritt ist nur konsequent: Das bisherige manuelle Reporting wird durch standardisierte Reports ersetzt. Ohne weiteren Arbeitsaufwand kann so beispielsweise der Verkaufsleiter Herr Seller zum Wochenanfang eine Übersicht der aktuellen Umsatzzahlen – gruppiert nach Kunden, Produktgruppen, Regionen usw. – per E-Mail zugeschickt bekommen oder jederzeit online abrufen. Diese Reports können selbstverständlich auch in archivierbarer Form, zum Beispiel als PDF, erzeugt und abgelegt werden. Herr Wendelbruch kann nun erstmals einen Vergleich über die Rohmaterial-Qualität aller Zulieferer erstellen, aufgeschlüsselt bis hinunter zu einzelnen Liefer-Chargen. Auch die Corporate Identity-Beauftragte Frau Lukaleik ist glücklich, denn die Reports folgen alle dem Corporate Design und sind jederzeit von vorzeigbarer Qualität. Vor dem Wechsel des Corporate Design im kommenden Frühjahr hat sie nun keine Angst mehr, denn alle Änderungen können zentral in der Report Engine umgesetzt werden. Die Übergangsphase, in der ständig noch Vorlagen im alten Design im Umlauf sind und sich mit dem neuen Design mischen, entfällt.

Frau Grosse-Torsion ist nun bereits einen guten Schritt weiter. Allein mit der Einführung dieser BI-Basiswerkzeuge hat sie die Produktivität in ihrem Unternehmen erheblich gesteigert. Als findige Geschäftsfrau kann Frau Grosse-Torsion sogar einen Vertrag mit ihren Zulieferern aushandeln, die für die regelmäßigen hochwertigen Qualitäts-Analysen von Herrn Wendelbruch gutes Geld bezahlen. So profitiert sie doppelt.

Beispiel 2: Cruise Control mit Dashboards
Für Frau Grosse-Torsion als vorausschauende Managerin ist mit einem automatisierten Reporting noch lange nicht das Ende der Fahnenstange erreicht. Sie möchte jeden Tag wissen, wie ihre Firma läuft und wo sie unterstützend eingreifen sollte. Sie entscheidet sich folglich als nächsten Schritt für die Umsetzung einer Dashboard-Lösung. Wie in einem Cockpit bekommt sie ab sofort angezeigt, wie sich die relevanten Kennzahlen entwickelt haben. Eine Übersicht mit Ampelfarben zeigt ihr auf einen Blick den Zustand aller Geschäftsbereiche. Sie muss keine zusätzliche Zeit mehr für solche Fragestellungen aufwenden, sondern ist jederzeit informiert.

Herr Wendelbruch verwendet das System ebenfalls und kann nun sogar im laufenden Betrieb Qualitäts-Probleme erkennen und darauf reagieren. Herr Seller freut sich unterdessen über die tagesaktuellen Absatzdaten. So weiß er akut, welchen Zwischenhändler er heute kontaktieren sollte und erfährt sofort, weshalb die Zahl der Bestellungen dort gefallen, die Kreuzschlitz-Schraube plötzlich wieder so gefragt ist, und was er dafür tun kann, die Bedürfnisse seiner Kunden noch besser zu erfüllen.

Ausblick auf Teil 2:
Im nächsten Teil lesen Sie, wie Frau Grosse-Torsion ihre BI-Projekte systematisch weiterentwickelt. Ihr Ziel wird es sein, mit Online-Analyse-Werkzeugen selbstständig schwierige Fragestellungen bearbeiten zu können. Was bisher zu aufwändig war, ist nun mit ein paar Klicks möglich. Schließlich wird sie einen zentralen Anlaufpunkt für ihr gesamtes Unternehmen schaffen, indem sie ihre IT-Komponenten in ein Unternehmensportal integriert. Spätestens dann ist sie bereit durchzustarten in die Welt von Data Mining und Big Data. Sie wird neue Datenquellen erschließen und mit ausgefeilten Analysewerkzeugen mehr aus Ihren Daten herausholen, als auf den ersten Blick zu sehen ist.

Hier geht´s zum zweiten Teil von Business Intelligence als erster Schritt zu Big Data

Quelle [1] „Business Intelligence im Mittelstand 2011/2012 – Status quo, Ausblick und Empfehlungen“, Studie des BARC (Business Application Research Center) Würzburg.

Kontakt: Dipl.-Phys. Johannes Knauf, Consultant BI, Ancud IT-Beratung GmbH, business-intelligence@ancud.de

www.ancud.de/de/Leistungen/BusinessIntelligence.html

www.ancud.de