Software > Software-Tipps > Fachspezifische Kriterien > Betriebliche Anwendungsbereiche > Verwaltung > Business Intelligence - Definition
10.2.3.23.

Business Intelligence - Definition


Grundlagen, typische Funktionen und Tipps zur Auswahl von Business Intelligence Software

Definition Business Intelligence (BI):

Business Intelligence (BI) ist die Erhebung und Sammlung der meist auf unterschiedlichen Systemen im Betrieb anfallenden Rohdaten in einer zentralen Datenbank, die Aufbereitung und Analyse dieser Daten und das Reporting. Der Nutzen von BI-Systemen zur Geschäftsanalytik liegt darin, über die Verzahnung von möglichst vielen Daten des Unternehmens die Zusammenhänge besser erkennen zu können und daraus betriebswirtschaftliche Rückschlüsse zu ziehen.

Beachten Sie bitte auch die aktuelle Marktübersicht der Softwarelösungen und Erklärungen zum Thema Business Intelligence (BI)

Typische Funktionen von BI Software sowie Auswahlkriterien und Frage-Anregungen finden Sie weiter unten auf dieser Seite.

Bedeutung von Business Intelligence

Die Bedeutung von Business Intelligence Systemen steigt nicht nur in großen Unternehmen, sondern auch in mittelständischen und sogar kleineren Unternehmen an. Eine effiziente Datenaufbereitung und -analyse sowie die daraus resultierenden Erkenntnisse sichern den Geschäftserfolg. Auch für KMUs geht es darum möglichst frühzeitig beispielsweise Marktentwicklungen zu erkennen und darauf reagieren zu können.

Business Intelligence System
Business Intelligence Aufbau

Business Intelligence Aufbau

Grundbaustein des Business Intelligence Prozesses sind die Rohdaten (Data Sources), die innerhalb aber auch außerhalb des Unternehmens anfallen. Zu den innerhalb des Unternehmens anfallenden Daten zählen Produktionsdaten, Verkaufszahlen, alle Daten aus Supply Chain Management (SCM), Electronic Procurement (E-Proc.), Enterprise Ressource Planning (ERP), Customer Relationship Managment (CRM) usw..

Zu den außerhalb des Unternehmens anfallenden Daten zählen zum Beispiel Nutzerdaten aus dem Internet, Statistikdaten der Wirtschaftsverbände etc.. Auf diesen Daten baut die Datenextraktion (Extract-Transform-Load), Transformierung und das Laden dieser Daten ins Data Warehouse auf. Diese Daten wiederum werden mittels Data Mining und OLAP analysiert.

Aus diesen Analysen (Data Analysis) werden Reportings erstellt die ihrerseits dann die Entscheidungsgrundlage (Decision making) der Manager darstellen.

BI-Tools

Business Intelligence Anwendungen sollten in der Regel folgende Werkzeuge und Funktionen umfassen: Rohdaten extrahieren und transformieren, transformierte Daten laden können (ETL), OLAP (mit Drill-Down, Drill-Up etc.), Data Mining (inkl. Web Mining), Dashboard und Berichtswesen (ad-hoc Berichtswesen).

Die Einsatzbereiche von BI-Tools sind vielfältig. In der Industrie können mittels Business Intelligence die Fertigungsprozesse analysiert und effizienter gestaltet werden und die Logistik beispielsweise optimiert werden. Das Marketing kann aus dem Reporting ebenfalls entscheidende Vorteile ziehen, um die Entwicklung von Trends und Kundenbedürfnissen und -zufriedenheit abzuleiten.

Begriffe im Zusammenhang mit Business Intelligence:

Quellsysteme:

Man unterscheidet zwischen internen und externen Datenquellen. Als interne Datenquellen werden vor allem operative Vorsysteme wie ERP-Systeme, Warenwirtschaftssysteme oder CRM-Systeme, die die Durchführung von Geschäftsprozessen unterstützen, bezeichnet. Die hierbei generierten Daten sind zu meist transaktions- orientiert und haben den Detaillierungsgrad, der typischerweise für die operative Tätigkeit des Unternehmens notwendig ist. Zu den externe Datenquellen können zum Beispiel Online-Datenbanken für Aktienkurse, Währungen, Geoinformationssysteme, DVDs oder Adressdatenbanken gezählt werden.

ETL (Extraction, Transformation, Load):

ETL ist ein Prozess bei dem Unternehmensdaten aus den verschiedenen Systeme entnommen (Extraction) werden und in ein vorgegebenes Format und in die Struktur der Datenbank (in diesem Fall dem Data Warehouse) transformiert (Transformation) und geladen werden (Load). Dies ist bei kompletten BI-Lösungen ein Teil der eingesetzten BI-Plattform. Dieser Prozess läuft automatisiert für die unternehmensrelevanten Daten ab. Während dieses sog. ETL Prozesses (Extraktion, Transformation und Laden) findet eine Homogenisierung der Daten aus den unterschiedlichen Systemen statt, bei der besonders auf die Datenqualität geachtet werden sollte.

DETL (Extraction, Transformation, Load)
ETL Prozess

Für das Extrahieren der Daten und ggfs. für die Korrektur gibt es sog. Konnektoren. Über diese Konnektoren werden die einzelnen Systeme (ERP, CRM, etc.) an das ETL-Tool angebunden. Die Konnektoren werden normalerweise von den ETL-Tools bereitgestellt und unterstützen die üblichen Formate und Systeme wie relationale Datenbanken, XML-Formate, CSV-Dateien usw..

Data Warehouse (DWH):

Ein Daten-Supermarkt bzw. eine Datenbank in der Daten aus den unterschiedlichen Unternehmensbereichen in einem vorgegebenen, einheitlichen Format gespeichert werden. Die Speicherung der Daten im Data Warehouse erfolgt dauerhaft, wobei aus Sicherheits und Performancegründen nicht direkt auf die Produktionsdaten zugegriffen wird, sondern eine redundante Speicherung erfolgt. Das Data Warehouse ist das grundlegende Fundament der Business Intelligence Software. In einem Unternehmen kann es durchaus mehrere solcher Data Warehouses geben. Je nach Größe der Datenbanken wird gelegentlich die Datenmenge je nach Themengebiet, Abteilung oder Gruppe unterteilt. Diese Teilmengen werden Data Marts genannt.

Data Warehouse
Data Warehouse (DWH)

In der Regel setzt man für ein Data Warehouse eine relationale Datenbank ein. Die Daten werden häufig in einem Sternschema abgespeichert. Im Sternschema können zwei unterschiedliche Typen von Tabellen differenziert werden. Zum einen die Faktentabelle, die der Speicherung von Kennzahlen wie beispielsweise Umsatz oder Kosten dient, und zum anderen die Dimensionstabellen.

Die Dimensionstabellen beinhalten die unternehmerische Sichtweise auf die Daten. Somit kann man beispielsweise ein Umsatz nach Produkt, Region und Zeit analysiert werden. Dimensionen geben einen die Möglichkeit eine multidimensionale Sichtweise auf die vorhandenen Fakten zu erhalten.

Die Übereinstimmung der Daten zwischen Tagesgeschäft und den daraus resultierenden Analysen und Reporting wird durch das Data Warehouse sichergestellt. In einem Unternehmen kann es durchaus mehrere solcher Data Warehouses geben. Je nach Größe der Datenbanken wird gelegentlich die Datenmenge je nach Themengebiet, Abteilung oder Gruppe unterteilt. Diese Teilmengen werden Data Marts genannt.


OLAP (Online Analytical Processing):

Dimensionswürfel
OLAP Würfeln

OLAP wird oft als BI im enger gefassten Sinn bezeichnet. Es ist ein Datenverarbeitungsprozess bei dem auf verschiedene Dimensionen von Daten zugegriffen wird. Oft wird von OLAP-Cubes oder dt. OLAP Würfeln gesprochen. Die mathematischen Dimensionen des OLAP-Würfels beschreiben die Daten. Daten können über eine oder mehrere Achsen des Würfels ausgewählt und flexibel betrachtet werden.

Für die Abfrage der zugrundeliegenden Daten gibt es bestimmte OLAP-Operatoren. Diese gestatten das Navigieren (Drill-Down, Drill-Up etc.), Auswählen und Rotieren der Daten. Beim Rotieren können Kennzahlen aus unterschiedlichen Blickwinkeln betrachtet werden.


Drill-Down bzw. Drill-Up:

Für die Abfrage der zugrundeliegenden Daten gibt es bestimmte OLAP-Operatoren. Diese gestatten das Navigieren (Drill-Down, Drill-Up etc.), Auswählen und Rotieren der Daten. Beim Rotieren können Kennzahlen aus unterschiedlichen Blickwinkeln betrachtet werden. Dies sind Filteroperationen in hierarchischen Strukturen, bei denen entweder Ergebnisse auf der nächstniedrigeren (Drill-Down) oder nächsthöheren Ebene betrachtet werden.

Data Mining:

Das Data Mining ist die umfassende Datenanalyse zur Trend- oder Mustererkennung bei großem Datenumfang. Hier lassen sich z.B. Beziehungen innerhalb von Datenmengen erkennen. Dabei bilden die Gruppierung von Clustern (Objekten), deren Klassifikation sowie die Assoziationsanalyse wesentliche Aufgaben des Data Minings. Die einzelnen Auswertungsverfahren werden je nach Aufgabenstellung ausgewählt. Unter Umständen kann auch eine Kombination von verschiedenen Analyseverfahren je nach Fragestellung nützlich sein.

Web Mining:

Eine Teildisziplin des Data Minings, die sich auf Internetinhalte einschließlich des Nutzerverhaltens und die Beziehungen zwischen Internetseiten beschränkt. Ziel des Web Minings ist ebenfall aus den unstrukturierten Daten (z.B. Branchennachrichten, Pressemitteilungen, Social Media Kanälen) mittels Analyse wertvolle Informationen zu gewinnen.

Dashboard:

Ein Dashboard ist vergleichbar mit einem Cockpit. Hier werden in einer Übersicht alle wichtigen Informationen angezeigt und Kennzahlen eines Betriebes in grafischer Form dargestellt. Vielfach werden dabei Darstellungsformen wie Ampeln oder Zeigerdiagramme gewählt. Ein wichtiges Merkmal des Dashboards ist es, die Daten aus den unterschiedlichsten Quellen in Echtzeit darstellen zu können.

ad-hoc Berichtswesen:

In Echtzeit kann sich ein Nutzer selbst, die für ihn wesentlichen Informationen anzeigen lassen (ad-hoc Reporting bzw. Self-Service Analyse). Über Filtereinstellungen lassen sich dabei bis ins Detail Unternehmensdaten erschließen. Dem Nutzer wird auf diese Weise ermöglicht, Antworten auf eigene Fragen in Bezug auf die Daten des Unternehmens zu bekommen, ohne die IT mit dieser Aufgabe zu belasten. So gelangen wichtige Informationen zur richtigen Zeit an die entscheidenden Personen.

Data Profiling:

In der Regel ist das Data Profiling eine automatisiert ablaufende Analyse von substantiellen Eigenschaften der Datenbestände. Wobei diese automatisierte Analyse ein sich ständig wiederholender (iterativer) Prozess ist und die Daten zunächst integriert dann analysiert, die Ergebnisse dargestellt und anschließend fachlich bewertet werden. Data Profiling Tools kommen beispielsweise bei Compliance-Initiativen zum Einsatz. Sie werden u.a. dazu benutzt Datenqualitätsprobleme zu dokumentieren bzw. zu verfolgen.

Lesetipps:

Für einen ersten Überblick über Business Intelligence eignet sich dieser Leitfaden des eBusiness-Lotsen Oberschwaben-Ulm . Der Leitfaden gibt eine kurze Einführung in das Thema, es werden Einsatzmöglichkeiten und Vorteile von BI aufgezeigt und verschiedene BI-Systeme für den Einsatz in KMUs vorgestellt.

Vertiefende Einblicke bietet der Leitfaden über die Architektur von BI-Systemen des eBusiness-Lotsen erläutert. An Business Intelligence Interessierte können hier mehr über die Einordnung spezieller Tools sowie technischer Details einer Business Intelligence Architektur erfahren.

Typische Funktionen für Business Intelligence Software


Weitere spezifische Kriterien und Frage­-Anregungen für die Beurteilung von Business Intelligence (BI) Software


1 vgl. auch 2.7 Mandantenfähigkeit
10.2.3.22. Knowledge Managementsoftware10.2.3. Verwaltung10.2.3.24. Absatzplanung