Was ist Business Intelligence?

Bei Teradata wird Business Intelligence (BI) als eine Möglichkeit für Unternehmen angesehen, die wenig hilfreichen Ergebnisse einer ungenauen, unzureichenden Datenanalyse zu vermeiden. Dafür kommt eine verfahrenstechnische und technische Infrastruktur zum Einsatz, die Daten sammelt, speichert und analysiert. BI ist ein breiter Begriff, der Data Mining, Prozessanalyse, Performance-Benchmarking und deskriptive Analysen umfasst. BI analysiert alle von einem Unternehmen generierten Daten und präsentiert leicht verdauliche Berichte, Leistungskennzahlen und Trends, die Managemententscheidungen beeinflussen. BI adressiert die Bedürfnisse von Gelegenheitsnutzern, einschließlich Führungskräften, Managern, Mitarbeitern an vorderster Front, Kunden und Lieferanten. Es liefert Berichte, Dashboards und Scorecards, die auf die Rolle jedes Benutzers zugeschnitten sind und mit Metriken gefüllt sind, die auf strategische Ziele abgestimmt sind. Dieser Top Down-Stil basiert auf einer klassischen Data Warehousing-Struktur, die Unternehmensdaten konsolidiert und Informationskonsistenz erzwingt, indem freigegebene Daten in ein gemeinsames Datenmodell (Schema) und eine BI-Semantikschicht (Metadaten) umgewandelt werden.

Zum Vergleich: Gartner definiert BI als "... einen Oberbegriff, der die Anwendungen, Infrastruktur und Tools sowie Best Practices umfasst, die den Zugriff auf und die Analyse von Informationen ermöglichen, um Entscheidungen und Leistung zu verbessern und zu optimieren." In ähnlicher Weise weist CIO.com darauf hin, dass "Unternehmen BI nutzen, um die Entscheidungsfindung zu verbessern, Kosten zu senken und neue Geschäftsmöglichkeiten zu identifizieren. BI ist mehr als nur Unternehmensberichterstattung und mehr als eine Reihe von Tools, um Daten aus Unternehmenssystemen zu entlocken. CIOs nutzen BI, um ineffiziente Geschäftsprozesse zu identifizieren, die reif für ein Re-Engineering sind."

Business Intelligence-Herausforderungen

Seit Jahrzehnten versuchen BI-Profis, verschiedene Arten von Geschäftsanwendern, Workloads und Daten in dieselbe Architektur zu integrieren, oft mit enttäuschenden Ergebnissen. Das Problem ist, dass BI breit aufgestellt ist: Strategisch geht es darum, Informationen zu nutzen, um intelligentere Entscheidungen zu treffen. Taktisch geht es darum, Anwendungen für Reporting und Analyse zu erstellen. Um in der neuen Welt der Daten erfolgreich zu sein, müssen BI-Profis neue Denkweisen und Ansätze übernehmen. Sie sollten sich von dem Einheitsrahmen der Vergangenheit lösen. Um neue Geschäftsanforderungen zu erfüllen, müssen sie mehrere BI-Domänen und die zugehörigen Architekturen verwalten, von denen jede für verschiedene Klassen von Benutzern und Workloads optimiert ist.

Bessere Entscheidungen erfordern bessere Informationen, und genau darum geht es bei BI: Analysieren Sie aktuelle Daten, die auf einer Metrik präsentiert werden, die für bessere Entscheidungen entwickelt wurde. BI tut dies, indem es die Datengenauigkeit, das Timing und das Volumen verbessert. Für maximale Rendite muss BI die Genauigkeit, Aktualität und Datenmenge erhöhen. Das bedeutet, dass mehr Möglichkeiten gefunden werden müssen, neue Informationen zu erfassen, auf Fehler zu überprüfen und so zu strukturieren, dass eine umfassende Analyse möglich ist.

In der realen Welt besitzen viele, vielleicht sogar die meisten Unternehmen Daten, die unstrukturiert oder in mehreren Formaten vorliegen, was die Erfassung und Analyse erschwert. Dies führt dazu, dass Softwareentwickler BI-Lösungen bereitstellen müssen, die die aus den verfügbaren Daten abgerufenen Informationen optimieren. Diese Softwareanwendungen auf Unternehmensebene wurden entwickelt, um das Daten- und Analyse-Ecosystem eines Unternehmens zu vereinheitlichen.

Softwarelösungen wachsen und entwickeln sich stetig weiter, aber Datenwissenschaftler stehen vor der Notwendigkeit, das Tauziehen zwischen Berichtsgeschwindigkeit und -tiefe auszubalancieren. Das schiere Volumen, mit dem ein Unternehmen dank des Internet of Things umgehen muss, erfordert, dass Datenanalysten die Ergebnisse sortieren und ausgewählte Datenpunkte lokalisieren, die die Stärke eines gesamten Geschäftsbereichs oder eines bestimmten Prozesses darstellen. Dies reduziert die Notwendigkeit, Zeit für die Erfassung und Neuformatierung von Daten für die Analyse aufwenden zu müssen, was anschließend Zeit spart und die Geschwindigkeit der Berichterstellung erhöht.

Damit ein Unternehmen effektiv mit Analysen umgehen kann, muss es Mitarbeitern BI- und Analyseanwendungen zur Verfügung stellen. Diese sollten sich nicht nur durch ausgewählte, gut verstandene Anforderungen für die gesamte Bandbreite der Bedürfnisse moderner Benutzer auszeichnen. Designer und Entwickler müssen vielmehr über traditionelle Methoden der Anforderungserfassung hinausgehen und mit Anwendern zusammenarbeiten und ihre Bedürfnisse verstehen. Ein Unternehmen muss die interne Benutzererfahrung genauso ernst nehmen wie die Verbesserung externer Kundenerlebnisse.