Business Intelligence
Was ist Business Intelligence?
Business Intelligence (kurz BI, deutsch Geschäftsanalytik) befasst sich mit der Analyse von Daten, die das eigene Unternehmen betreffen. Die relevanten Informationen werden hierbei mit geeigneter Software gesammelt, ausgewertet und visualisiert, um Geschäftsentscheidungen zu unterstützen
Business Intelligence Definition
Der Begriff Business Intelligence (BI) geht vermutlich auf einen Artikel von Hans Peter Luhn zurück, der 1958 im IBM-Journal erschien. Streng genommen ist BI ausschließlich eine Methode der Datenerfassung. Weiter gefasst beinhaltet der Begriff jedoch mehrere Grundlagen aus dem Bereich Management.
Eine weitere gängige Definition stammt vom Institut für Business Intelligence. Sie besagt grob, dass es sich bei Business Intelligence um Strategien, Prozesse und Tools handelt, um aus verschiedenartigen und verteilten Informationen erfolgsrelevantes Wissen zu generieren.
Warum ist Business Intelligence wichtig für Unternehmen?
Entscheidungen eines Unternehmens sollten niemals ausschließlich auf Grundlage von Intuition getroffen werden. Vielmehr müssen sie auf belastbaren Daten basieren. Exakt dies ist die Kernaufgabe von Business Intelligence. Entsprechende Systeme und Methoden stellen dem Management, Führungskräften und auch Fachanwendern hierfür die passenden Informationen bereit.
In den Anfängen wurde Business Intelligence Software überwiegend von IT-Experten und Datenanalysten genutzt. Diese führten die Analysen durch und stellten die Ergebnisse anschließend den Business-Anwendern zur Verfügung. In jüngerer Vergangenheit ist jedoch ein klarer Trend zu „Selfservice BI“ zu beobachten. Hierbei erstellen die Nutzer ihre Analysen und Dashboards für ihren Bereich des Unternehmens selbst. Individuelle Fragestellungen lassen sich somit wesentlich schneller und flexibler beantworten.
Wie funktioniert Business Intelligence?
BI-Technologien lassen sich in die folgenden drei Phasen einteilen:
| Phase | Bezeichnung | Aktivität |
|---|---|---|
| 1 | Data delivery | Festlegung der Rahmenbedingungen, Erfassung der Daten über operative Systeme (OLTP) oder Bereitstellung in einem Data Warehouse |
| 2 | Discovery of relations, patterns, and principles | Daten in Beziehung setzen, sodass Abfolgen und Muster sichtbar werden (häufig mit Advanced-Analytics-Verfahren wie Data Mining oder Big Data Analytics) |
| 3 | Knowledge sharing | Aufbereitung der Informationen, Kommunikation der Ergebnisse im Unternehmen |
Warum ein Data Warehouse?
Daten stammen heute aus zahlreichen internen und externen Quellen. Sie liegen in großer Zahl und unterschiedlichsten Formaten vor. Die Rede ist auch von Big Data. Um diese Datenmengen zentral zu sammeln, zu sichern und für BI-Analysen im Unternehmen zur Verfügung zu stellen, ist ein Data Warehouse (Datenlager) unerlässlich. Zudem dienen Data Warehouses auch als Grundlage für das sogenannte Data Mining (Systeme für die Erkennung von Korrelationen und Trends in großen Datenbeständen).
Was ist Advanced Analytics?
Klassische Software für Business Intelligence befasst sich mit der Untersuchung historischer Daten. Dem gegenüber fokussieren sich Advanced Analytics Tools (Software für „fortgeschrittene Analytik“) auf die Vorhersage zukünftiger Entwicklungen. Beispielsweise sind hierdurch folgende Analysen realisierbar:
- Was-wäre-wenn-Analysen
- Simulation der Auswirkung von geänderten Strategien
- Predictive Analytics (vorausschauende Analysen, z. B. Vorhersage von Bedarfen)
Auch das Data Mining ist eine Form der fortgeschrittenen Analyse.
Was ist Datenanalyse?
Datenanalyse ist ein Sammelbegriff für mehrere statistische Methoden, mit denen sich aus vorliegenden Daten Informationen gewinnen lassen. Business Intelligence ist in diesem Zusammenhang eines von mehreren Tools, mit dem diese Aufgabe bewerkstelligt werden kann. Der Datenanalyseprozess besteht im Wesentlichen aus folgenden Schritten:
- Definition der benötigten Informationen
- Erschließen geeigneter Datenquellen (Datenbanken)
- Bereinigen der Daten
- Zusammenführen und Harmonisieren der Daten
- Analyse der Daten mit geeigneten mathematischen Modellen
- Visualisierung der Ergebnisse (z. B. Grafiken, Dashboards)
- Vertiefung der Analyse
Spannende Beiträge rund um Unternehmertum, ERP, Buchhaltung, CRM und Software:
| © 2024 weclapp |