Die firmeneigene Goldmine ausbeuten

Fredi Rank ist Marketing Manager Consulting und Business Intelligence bei IBM Deutschland, Östereich und Schweiz

Business Intelligence wird populärer und rückt als Teildisziplin des übergreifenden E-Business auch bei kleinen und mittelständischen Unternehmen ins Bewusstsein. Was genau verbirgt sich hinter dem englischen Terminus? Business Intelligence, abgekürzt BI, lässt sich mit „Unternehmens-Intelligenz“ übersetzen. Aber das ist noch keine Erklärung.

BI-Lösungen sollen den Unternehmern helfen, ihre Daten in Taten umzusetzen. Ein fundiertes, auf Analysen beruhendes Know-how über das eigene Unternehmen soll gezielt nutzbar gemacht werden, um beispielsweise strategische Entscheidungen besser treffen zu können. Das Wissen soll auch der operativen Unternehmensführung und -planung dienen und somit einen Wettbewerbsvorteil verschaffen.

Das ist einfacher gesagt als getan, denn im Zuge von E-Business kommt es gegenwärtig zu einer nie dagewesenen Informationsflut. Diese stellt gerade mittelständische Unternehmen vor die schwere Aufgabe, die für sie wichtigen Dinge auszuwählen. Zudem verschwimmen mit der wachsenden Digitalisierung von Geschäftsprozessen die einst klaren Grenzen zwischen unternehmensinterner und -externer Welt.

Von Daten zu Taten – so einfach das klingt, so kompliziert ist es gleichzeitig. Das fängt bereits bei der Definition von BI an. Denn Business Intelligence steht einerseits für ein komplexes Lösungs-Konzept aus Hardware- und Software-Komponenten. Andrerseits ist BI ein Prozess, der fragmentierte Informationen über das Unternehmen und das Marktumfeld sammelt, systematisiert und in anwendbares Wissen verwandelt. Die gewonnenen Daten geben Auskunft über die eigene Marktposition, die Effizienz im Unternehmen oder über das Verhalten von Marktteilnehmern.

Das erlangte Wissen ist jedoch nie statisch und endgültig, sondern lebendig. Eine BI-Lösung, beispielsweise von IBM und Geschäftspartnern, fühlt ständig den Puls des Unternehmens und hält sämtliche Daten immer auf dem aktuellen Stand. Denn nur lebendiges Wissen liefert eine fundierte Grundlage, mit der sich Prozesse und Produkte optimieren lassen. Erst mit diesem Wissen ist eine intelligente Unternehmensführung möglich. Damit das Wissen jederzeit abrufbar bleibt, muss als Server eine leistungsfähige, hochverfügbare Hardwareplattform zur Verfügung stehen – beispielsweise die neue AS/400e von IBM.

Unternehmensdaten fallen überall an. Sie verbergen sich in IT-Anwendungen für Buchhaltung, Marketing, Einkauf oder Vertrieb. Sie entstehen mit jeder Kaufaktion und jeder Bestellung über das Internet. All diese Daten sind nicht nur Nebenpodukte der täglichen Geschäftsprozesse, sondern eine unternehmenseigene Goldmine, die es richtig auszubeuten gilt.

Auf den ersten Blick wirkt die Masse aller Unternehmensdaten wie ein Dschungel aus durcheinander gewürfelten, unterschiedlichen Informationen. Einige davon stehen bereits in Bezug zueinander wie beispielsweise Artikelpreise und Verkaufszahlen. Andere Daten haben auf den ersten Blick gar nichts miteinander zu tun. Doch der erste Blick trügt. Es gibt keine Daten, die nichts miteinander zu tun haben. Und eine BI-Lösung soll die fehlenden Zusammenhänge herstellen. Denn alle Daten stammen aus einem Unternehmen oder wurden im Zusammenhang mit der Firma generiert. Deshalb lassen sich alle Informationen in Bezug zueinander setzen und ergeben ein ganzheitliches Bild. Dazu müssen sämtliche Anwendungen unternehmensweit auf eine zentrale Serverplattform integriert werden. Nur so erhalten Unternehmen eine sinnvolle BI-Lösung, die leistungsfähiger ist als die Summe ihrer Bestandteile.

So vielfältig wie der Daten-Dschungel zeigen sich auch die einzelnen Werkzeuge, die ihn nutzbar machen. Unter dem Dach einer BI-Lösung lassen sich softwaretechnisch unterschiedliche Anwendungen vereinen, die ineinander greifen. Zu diesen Anwendungen zählt auch das klassische Data Warehouse mit einem eigenen Gesamt-Datenbestand. Dieser wiederum ist die Basis für weitere Applikationen wie

– Data Mining. Mit dieser Technik lassen sich wiederkehrende Muster, Trends und Korrelationen im Data Warehouse automatisch identifizieren

– Decision Support System (DSS). Dies sind unternehmensweite Informationsmanagement-Anwendungen, die zur Entscheidungsfindung dienen

– Executive Information System (EIS). Hierbei werden externe Marktanalysen wie der Dow Jones News Service oder Gartner-Group-Ergebnisse via Internet einbezogen.

Die Datenbasis besteht aus so genannten operationalen und informellen Daten. Die operationalen Daten verbergen sich in sämtlichen Unternehmensanwendungen wie Buchhaltung und Personal bis hin zu Anwendungen im Einkauf-, Verkauf-, Supply Chain Management (SCM) oder Customer Relationship Management (CRM). Diese Informationen enthalten beispielsweise alle Details sämtlicher Kaufaktionen der Filialstellen eines Unternehmens – von der Artikelnummer über den Preis bis hin zur gekauften Menge und dem Kaufdatum. Kein Produkt bleibt außen vor.

Die Quintessenz aus der Gesamtheit der operationalen Daten wird benötigt, um das Unternehmen zu führen. Üblicherweise sind die Daten in einer relationalen Datenbank gespeichert und werden durch das Online Transactional Processing(OLTP)-System jeweils auf dem neuesten Stand gehalten.

Operationale Daten sind einfache Daten ohne Bezug zueinander. Dagegen sind die informellen Daten Kombinationsprodukte aus der Fülle der operationalen Informationen. Diese bilden das Data Warehouse. Und hier findet sich eine Schlüsselfunktion von Business Intelligence: Das Umwandeln von operationalen in informelle Daten.

Wenn beispielsweise die Profitentwicklung zwischen den Regionen A und B in den letzten fünf Jahren verglichen werden soll, ermitteln so genannte Transformations- oder Propagations-Werkzeuge aus der Gesamtmenge der operationalen Daten diejenigen Informationen, welche für diese Analyse geografisch, zeitlich und finanziell relevant sind. Diese Daten werden gezielt aufbereitet – beispielsweise in Form von Reports, Entscheidungsunterstützungen oder Führungskräfteinformationen. Gleichzeitig wird das Management auf dem neuesten Stand gehalten. In lokalen Netzwerken sammeln die Software-Tools die benötigten Daten von mehreren, möglicherweise heterogenen Plattformen ein und ziehen sie auf einem BI-Server zusammen.

Wichtiger Bestandteil einer leistungsfähigen BI-Lösung ist die Datenbank, denn das Data Warehouse kann leicht 100 Gigabyte und mehr umfassen. Relationale Datenbanken können Informationen nur zweidimensional in Tabellen ausgeben. Das reicht für Analysen wie beispielsweise Region versus Verkaufszahlen. Mit multidimensionale Datenbanken wie die IBM DB2 werden Informationen in mehreren Dimensionen verfügbar – beispielsweise für Produktverkaufszahlen versus Jahr und zusätzlich versus Verkaufsregion. Dateneinheiten wie Produkte, geografische Lage, Zeiträume und Absatzkanäle können jeweils als eigene Dimension einbezogen werden. Dadurch erhält der Nutzer ein detaillierteres und umfassenderes Bild.

Schematisch werden multidimensionale Datenbanken daher oft als Kubus dargestellt, obwohl sie natürlich mehr als nur drei Dimensionen gegenüberstellen können. Der Nutzer kann beliebig in den Datendimensionen stöbern und sie sich unter verschiedenen Gesichtspunkten verknüpft anzeigen lassen. Multidimensionale Datenbanken lassen sich auf verschiedene Art realisieren. Die erste basiert auf einer relationalen Datenbank mit mehrfachen Verknüpfungs- und Anzeigefunktionen. Leistungsfähiger und schneller ist die Variante mit einem Online-Analytical-Processing (OLAP)-Produkt, bei dem mathematische und statistische Funktionen integriert sind. Nach diesem Prinzip funktioniert beispielsweise der DB2 OLAP-Server von IBM.