Tagtäglich werden in Unternehmen und ihrem Umfeld große Mengen verschiedener Daten generiert. Wer diese erfasst und in unternehmerisch nutzbare Erkenntnisse umwandelt, schafft einen erheblichen Mehrwert. Um das zu erreichen, kommen Lösungen wie Business Analytics und Business Intelligence zum Einsatz. Doch was verbirgt sich hinter diesen Begriffen und worin unterscheiden sich die beiden Ansätze?
Was ist Business Analytics?
Business Analytics (BA), auf Deutsch Geschäftsanalytik oder Geschäftsanalyse, ist ein digitaler Prozess, in dem Massendaten (Big Data) gesammelt, durch statistische und maschinelle Methoden angereichert, aufbereitet und analysiert werden. Eingesetzt wird Business Analytics, um datengetriebene Entscheidungen im Unternehmen zu ermöglichen.
Als die betriebswirtschaftliche Form von Data Analytics folgt BA nachstehendem Ablauf, um entscheidungsrelevanten Informationen bereitzustellen:
- Daten aus verschiedenen Quellen und Geschäftssysteme extrahieren
- Daten bereinigen
- Daten in ein zentrales Repository (z. B. Data Warehouse oder Data Mart) integrieren
- Daten mithilfe von Analyse-Tools (z. B. Data-Mining-Anwendungen, Anwendungen für die Prognosemodellierung) auf Muster und Beziehungen untersuchen
- Erstellung von Prognosen mithilfe von Vorhersagemodellen (optional)
Was ist Business Intelligence?
Business Intelligence (BI) ist ein technologiegestützter Prozess zur Analyse von Daten in Unternehmen. Zudem hat BI die Aufgabe, Informationen so zu visualisieren, dass Manager, Führungskräfte und Fachanwender fundierte unternehmerische Entscheidungen treffen können.
Business Intelligence setzt sich aus mehreren Anwendungen, Methoden und Tools zusammen. Diese zielen darauf ab, interne und externe Daten zu sammeln, sie für Analysen aufzubereiten, sie zu aggregieren, Abfragen durchzuführen sowie Datenvisualisierungen, Berichte und Dashboards zu erstellen.
Business Analytics vs. Business Intelligence: Wo liegen die Unterschiede?
Oft werden die Begriffe Business Analytics und Intelligence synonym verwendet. Dies ist jedoch nicht korrekt, da es wichtige Unterschiede zwischen beiden Ansätzen gibt. So nutzt Business Intelligence deskriptive (beschreibende) Analyseverfahren, um historische und aktuelle Daten zusammengefasst darzustellen. BI beantwortet somit folgende Fragestellungen:
- Was ist geschehen oder was geschieht im Moment?
- Was hat gut funktioniert und was muss verändert werden?
Im Gegensatz dazu ist Business Analytics auf prädiktive (vorhersagende) Analytik und Erkenntnisgewinnung ausgerichtet. Anders als Business Intelligence fasst Business Analytics also nicht nur historische Daten zusammen. BA zielt auch darauf ab, Muster in Datenbeständen zu erkennen, Trends zu identifizieren und zukünftige Entwicklung vorherzusagen. Im Wesentlichen beantwortet Business Analytics somit folgende Fragen:
- Was wird zukünftig geschehen?
- Warum wird es geschehen?
Business Intelligence und Business Analytics haben also jeweils eine andere Blickrichtung (rückwärts vs. vorwärts). In der Praxis ist es zielführend, diese beiden Blickrichtungen zu kombinieren, da hierdurch ein noch besseres Gesamtbild entsteht. Meist beginnen Unternehmen mit Business Intelligence, um den vergangenen und gegenwärtigen Status ihres Geschäfts beurteilen zu können. Im zweiten Schritt ergänzen sie dann Business Analytics, um auf Basis vorhandener Daten neue (bislang verborgene) Erkenntnisse zu gewinnen und mithilfe von Prognosen noch bessere Geschäftsentscheidungen zu treffen.
Warum ist Business Intelligence wichtig und welchen Nutzen hat es?
Anfangs wurden BI-Tools hauptsächlich von IT-Experten genutzt, um Analysen und Berichte für Fachabteilungen zu erstellen. Dies galt vor allem für die Bereiche Finanzwesen und Controlling. Im Laufe der Zeit entwickelte sich BI-Software jedoch weiter. Sie wurde immer benutzerfreundlicher und intuitiver, sodass sie schließlich auch von Fachanwendern ohne spezifische IT-Kenntnisse genutzt werden konnten. Heute nennt sich dieser Ansatz auch Self-Service-BI. Er bietet den großen Vorteil, dass Berichte und Visualisierungen durch Führungskräfte und Mitarbeiter in Eigenregie erstellt oder verändert werden können. So ist es möglich, betriebswirtschaftliche Fragestellungen direkt selbst zu beantworten, ohne auf IT-Unterstützung angewiesen zu sein.
Einst basierten BI-Berichte im Wesentlichen auf einer einzelnen Datenquelle, der vorhandenen Unternehmenssoftware (meist ein ERP-System). Heute sind BI-Lösungen hingegen in der Lage, Big Data – also große Mengen verschiedenartiger Daten aus unterschiedlichen Quellen, gemeinsam zu analysieren. Somit können noch wesentlich mehr Aspekte in die Analysen und Berichte einfließen. Dies wiederum ermöglicht einen Wandel von Bauchentscheidungen hin zu sehr fundierten, datengetriebenen Entscheidungen.
Zusammengefasst hat eine professionelle Business Intelligence Strategie folgenden Nutzen:
- Beschleunigung und Verbesserung von Entscheidungsprozessen
- Identifikation von Optimierungspotenzialen zur Effizienzsteigerung
- Identifikation von Maßnahmen die Wettbewerbsvorteile generieren können
- Identifikation von Möglichkeiten zur Kostensenkung
- Identifikation von Maßnahmen zur Umsatzsteigerung
Anwendungsfälle für Business Intelligence: Beispiele
Für BI-Software existieren mittlerweile zahlreiche Anwendungsfälle in diversen Fachbereichen. Ein Beispiel ist der Vertrieb. Er nutzt BI-Lösungen unter anderem, um Verkaufsdaten in Echtzeit anzuzeigen und schnell auf Veränderungen zu reagieren. Ebenso unterstützt BI im Vertrieb bei der Überwachung der SALES-Pipelines, der Verteilung und Performance von Verkaufsgebieten, der Rentabilitätsanalyse oder der Überwachung von Kompensationen.
Auch in der Beschaffung und im Supply-Chain-Management gibt es mehrere Use Cases. Einige Beispiele sind:
- Verzögerungen im Versand identifizieren
- Störungen von Lieferketten feststellen
- Materialbeschaffung analysieren und optimieren
- Einhaltung von Vorschriften überwachen
Häufig wird Business Intelligence außerdem im Marketing verwendet. Hier gibt es unter anderem diese Anwendungsfälle:
- Wirksamkeit von Kampagnen (in verschiedenen Zielsegmenten) verfolgen und analysieren
- Kundenpräferenzen identifizieren
- Kundenwert (Customer Lifetime Value) berechnen
- Rentabilität von Maßnahmen überwachen
Welche Schlüsselkomponenten hat BI-Software?
Aus technischer Sicht basieren BI-Systeme auf unterschiedlichen Komponenten, beispielsweise einem ETL-Prozess, Datamarts, OLTP und OLAP.
ETL steht für Extract, Transform, Load. Der ETL-Prozess ist also ein Verfahren, um Daten aus mehreren Quellen zu extrahieren, in ein einheitliches Format zu transformieren und sie schließlich in ein Zielsystem (z. B. Data-Warehouse) zu laden.
Data-Warehouses und Datamarts sind ein zentraler Ort, an dem vorbereitete und aggregierte Daten für Geschäftsanalysen und Reports vorgehalten werden.
OLAP (Online Analytical Processing) ist eine Technologie, die Big Data aus relationalen Tabellen extrahiert und in ein mehrdimensionales Format umwandelt. Hierdurch lassen sich große Datenmengen schnell verarbeiten und analysieren.
Neben diesen Basiskomponenten besitzt BI-Software noch diverse Funktionen zur Präsentation der Daten. Gängige Formen der Datenvisualisierung sind Dashboards, Tabellen und Diagramme.
Welche Einsatzszenarien gibt es für Business Analytics?
Business Analytics kann in nachstehende Kategorien eingeteilt werden, die jeweils unterschiedliche Einsatzszenarien unterstützen:
- Deskriptive Analysen (Descriptive Analytics)
- Prädiktive Analyse (Predictive Analytics)
- Präskriptive Analyse (Prescriptive Analytics)
Descriptive Analytics ist ein Verfahren zur vergangenheitsbezogenen Auswertung von Daten. Dieser klassische Business-Intelligence-Ansatz wird beispielsweise zur Erstellung und Auswertung von Kennzahlen sowie für die Ausgabe von Reports verwendet.
Predictive Analytics ist ein Prognoseverfahren, welches verschiedene mathematische Methoden und Künstliche Intelligenz nutzt. Unternehmen können mit seiner Hilfe herausfinden, was in Zukunft mit einer gewissen Wahrscheinlichkeit passieren wird und warum. Hierfür nutzt das Verfahren sowohl historische als auch aktuelle Daten aus internen und externen Quellen. Ein Anwendungsbeispiel ist die Vorhersage der Nachfrage nach bestimmten Produkten.
Prescriptive Analytics hat das Ziel, umfangreiche Informationen und/oder Handlungsalternativen für Geschäftsentscheidungen bereitzustellen. Hierbei stehen vor allem externe Daten im Fokus, welche die Prozesse oder Entscheidungen im Unternehmen beeinflussen. Diese Daten lässt Prescriptive Analytics in Simulationen und Optimierungsverfahren einfließen.
Zukunftsausblick: Wie wird sich Business Intelligence entwickeln?
Schon heute befinden sich viele Anwendungen aus den Bereichen Business Analytics und Intelligence in der Cloud. Dieser Trend wird sich weiter fortsetzen und die (Echtzeit-)Analyse noch größerer Datenmengen ermöglichen. Funktional betrachtet ist davon auszugehen, dass BI-Tools weiterhin kollaborativer und intuitiver werden. Besonders hohe Relevanz wird im BI-Bereich zudem die Künstliche Intelligenz haben. Dies gilt vor allem in Big-Data-Szenarien, in denen es manuell schlicht unmöglich ist, Muster, Zusammenhänge und Trends zu erkennen.
Kurz: In einer Geschäftswelt, in der Entscheidungen zunehmend datenbasiert getroffen und in einer weiteren Ausbaustufe sogar automatisiert werden, sind Business Analytics und Intelligence künftig essenzielle Werkzeuge. Unternehmen, die bislang keine Tools dieser Art einsetzen, sollten sich daher näher mit der Einführung von BI- und BA-Lösungen auseinandersetzen.
