Business Intelligence (BI): Einfach erklärt

Definition und Grundlagen
Definitorische Ansätze zur Business Intelligence und ihrer Grundlagen sind vielseitig, da die Auffassungen über Methoden und Umsetzung nicht einheitlich sind. Erstmals taucht der Begriff im Jahr 1958 in dem Buch "A Business Intelligence System" von Hans-Peter Luhn auf.
Ersten Einsatz im Management fanden IT-Systeme bereits in den 1960er Jahren in Form von Management-Informations-Systemen (MIS). Ähnlich wie die moderne BI hatten diese Systeme den automatisierten Umgang mit größeren Datenmengen zum Ziel. Betriebliche Entscheidungsträger fanden eine große Unterstützung in den Auswertungsergebnissen der MIS, sowohl im Hinblick auf operative als auch auf strategische Planungen. Die zunächst begrenzten technischen Möglichkeiten zur Zusammenführung großer Datenmengen in einem einzigen Modell erweiterten sich zunächst nur langsam in den folgenden Jahrzehnten zu leistungsstärkeren Systemen.
Business Intelligence lässt sich im modernen Unternehmen verstehen als eine Reihe von Methoden, aus großen Datenmengen und ihrer Verzahnung Zusammenhänge zu identifizieren und diese für geschäftsrelevante Entscheidungen nutzbar zu machen. Zur Erreichung dieses Ziels arbeiten BI-Systeme mit Big Data. Diese Daten gilt es zu sammeln, zu erfassen und auszuwerten. Zu diesem Zweck sind immer weiter verfeinerte BI-Systeme erforderlich, die Big Data durch Planung, Analyse, Reporting und Prognose nutzbar machen.
Ziele und Einsatzbereiche in Unternehmen
Business Intelligence und ihre Methoden finden sowohl in großen als auch in kleinen und mittelständischen Unternehmen (KMU) Anwendung. Die Verbreitung einfach anzuwendender BI-Systeme auf Open-Source-Basis trägt besonders zur flächendeckenden Verbreitung der Systeme bei. Besonders einfach zu nutzen sind Self-Service-BI-Systeme, die auch ohne vorherige Kenntnisse oder Schulungen die kompetente Nutzung und Auswertung der Daten ermöglichen.
Als analytische Informationssysteme basieren Business Intelligence-Systeme auf vorhandenen operativen Systemen des Unternehmens. Sie kommen zur Zielerreichung in mehreren Unternehmensebenen und Managementstufen zum Einsatz. In vielen Firmen baut die Unterstützung durch BI auf dem Online-Analytical-Processing (OLAP) auf. Hierbei lassen sich die Daten zu Analysezwecken miteinander verknüpfen, da ein OLAP-Cube die Möglichkeit hat, mehrere Dimensionen zur gleichen Zeit darzustellen. Die Erkenntnisse aus dieser Analyse dienen als Grundlagen, um die Daten im Anschluss für Berichtswesen und Reporting aufzubereiten.
Besonders die Unternehmensbereiche des Marketings und des Vertriebs verfolgen einige Ziele, die besonders von der Auswertung großer Datenmengen profitieren. Zu den wesentlichen Marketing-Herausforderungen, in denen BI-Systeme zum Einsatz kommen, gehören CRM (Customer-Relationship-Management). Rechnungen, Angebote und Kundenanfragen. Kundengewinnung und Kundenbindung profitieren von einer geschickten Zentralisierung und Auswertung der großen Datenmengen. Je besser der Umgang mit diesen Daten funktioniert, desto besser lernen Firmen ihre Kunden kennen. BI-Systeme ermöglichen es Marketing-Verantwortlichen, schnell und effizient Auswertungen der wichtigsten Kundendaten vorzunehmen. Dies stellt hohe Anforderungen an die BI-Systeme im Hinblick auf Leistung und Bedienbarkeit. Früher waren Informationen für das Marketing bei der IT-Abteilung einzuholen, während moderne BI-Systeme so ausgereift und einfach zu bedienen sind, dass Entscheidungsträger im Marketing diese auch ohne vorherige Schulung bedienen können.
Vorteile und Chancen der Business Intelligence in Unternehmen
Smarte BI-Systeme unterstützen sämtliche Unternehmensbereiche beim durchdachten Umgang mit großen Datenmengen. Insbesondere profitiert die Reaktionsfähigkeit des Unternehmens auf die sich schnell ändernden Verhältnisse. Insbesondere in Anbetracht dynamischer Wachstumsmärkte stellt eine besonders schnelle Reaktionsfähigkeit einen zentralen Wettbewerbsfaktor dar. Informationen, die BI-Systeme aus verschiedenen Daten gewinnen, sind über meist einfach strukturierte Oberflächen abzurufen. Die Bedienung erklärt sich auch einem größeren Kreis von Anwendern meist intuitiv.
Ohne spezielle Abteilungen konsultieren zu müssen oder kostspielige Schulungen durchzuführen, lassen sich die Geschäftsprozesse auf diese Weise optimieren, Daten aufbereiten und reporten. In Marketing und Vertrieb birgt Business Intelligence die Vorteile eines umfassenden Bildes des Kunden durch den optimierten Umgang mit seinen vielseitigen Daten.
Business Intelligence (BI), Business Analytics und Predictives Analytics: eine Abgrenzung
Eng miteinander verwoben sind die Begriffe Business Intelligence, Business Analytics sowie Predictive Analytics. Mitunter werden diese Termini auch synonym angewandt, weshalb sich die Frage stellt, inwiefern ihr Verhältnis zueinander einfach erklärt werden kann. Grundsätzlich stellen Business Analytics eine Art Erweiterung der BI und Predictive Analytics eine Teildisziplin der Business Analytics dar. Business Intelligence dient grundsätzlich dazu, dass Unternehmen Fragen zur gegenwärtigen
wirtschaftlichen Situation beantworten können.
Kennzahlen zum Ende des Quartals oder Geschäftsjahres unterstützen Firmen dabei, operativ und strategische bessere Entscheidungen zu
treffen. Business Analytics erweitert diesen Anspruch um einen Blick in die Zukunft. Hierbei kommen in erster Linie statistische Methoden zur Analyse von Unternehmensdaten hinzu. Hierbei wird Business Analytics
zur Beantwortung der Fragen nach Gründen, Wechselwirkungen und Resultaten bestimmter Ereignisse eingesetzt. Ebenso bietet sich die Möglichkeit, bestimmte Szenarien zu zeichnen und auf dieser Basis Handlungsalternativen aufzuzeigen.
Hierbei kommen bestimmte Analyse-Werkzeuge zum Einsatz.
- Dazu gehören Testverfahren wie A/B-Tests und multivariate Tests zur Prüfung von Entscheidungen.
- Ebenso kommen statistische und quantitative Verfahren zum Einsatz, mittels derer Erklärungen für das Eintreten bestimmter Ereignisse gesucht werden.
- Mittels Data-Mining-Verfahren lassen sich neue Muster und Zusammenhänge entschlüsseln.
Hierbei handelt es sich im Gegensatz zu OLAP um eine induktive Analyse-Methode. Ausgehend von Datensätzen erklärt sie ohne theoretische Vorüberlegungen besondere Auffälligkeiten oder Mustern, bevor Hypothesen aufgestellt und auf diesen Grundlagen die Auffälligkeiten erklärt werden.
Predictive Analytics stellen in diesem Zusammenhang eine Teildisziplin der Business Analytics da. Ihre Methoden beginnen dort, wo das Reporting oder OLAP aufhören. Predictive Analytics geht über die Analyse der gegenwärtigen Situation hinaus und versucht, auf Basis von Datenmodellen Vorhersagen über potentiell mögliche Ereignisse in der Zukunft zu treffen.
Kommentare (0)
Noch keine Kommentare zu diesem Artikel. Machen Sie gerne den Anfang!
Um unsere Kommentarfunktion nutzen zu können müssen Sie sich anmelden.
Anmelden