Business Intelligence Analytics: Welche Trends beherrschen den Markt?

0

In der letzten Dekade haben sich die Business Intelligence Analytics ebenso rasant weiterentwickelt wie sich die Datenmenge erhöht hat. Im Kontext mit Industrie 4.0 stürmen auf die Unternehmen massenweise Daten aus verschieden strukturierten Quellen ein. Eine Software für Tabellenkalkulation ist nicht ausreichend, um diese Datenflut adäquat zu managen.

Die Anbieter moderner Business Intelligence Analytics wie SAP haben sich darauf eingestellt und innovative Anwendungen entwickelt, mit denen die Datenanalyse und das Reporting perfektioniert werden. Open Source Anwendungen und cloud-basierte Lösungen verringern den Investitionsaufwand. Im Folgenden werden die aktuellen BI-Trends aufgezeigt.

Business Intelligence Analytics: Diese Trends weisen den Weg in die Zukunft der Datenanalyse

Weltweit wird die Datenmenge laut Expertenschätzung bis zum Jahr 2025 auf unvorstellbare 163 Zettabyte (eine Zahl mit 21 Nullen) steigen. Jährlich wird mit Wachstumsraten von 30 Prozent gerechnet. Außerdem wird der Großteil aller Daten nicht mehr von Privatleuten, sondern von den Firmen generiert. Zum Vergleich: 2015 lag der Anteil der von den Firmen generierten Datensätzen bei lediglich 30 Prozent. Streamingdienste wie Netflix oder Spotify haben derzeit den größten Anteil am weltweiten Datentransfer. Der Unternehmensanteil wird jedoch auf mindestens 60 Prozent steigen, denn im Zeitalter der Digitalisierung werden nur die Firmen am Markt bestehen, denen es gelingt, die Massendaten effizient zu nutzen.

In den Unternehmen sind es vor allem die Sensordaten im Zusammenhang mit dem Internet of Things (IoT), die die Datenmengen enorm anwachsen lassen. Alltägliche Geräte werden zu „smarten devices“, die mit Sensoren ausgestattet und möglichst umfassend vernetzt werden. Außerdem verwenden die Firmen zunehmend die Interaktionsdaten aus den Social Media, um Kundenbedürfnisse zu identifizieren und eine optimale Marktsegmentierung zu erreichen. Die Datenflut konstruktiv zu nutzen, ist somit eine der wesentlichen Herausforderungen, denen sich das Management stellen muss.

Moderne Business Intelligence Analytics helfen dabei, aus den Massendaten Informationen zu extrahieren und das Reporting zu verbessern. Die Datensätze selbst sind eigentlich wertlos und zudem müssen die Datenbestände vom Datenmüll befreit werden, bevor mit ihnen gearbeitet werden kann. Erst durch ein professionelles Datenmanagement wird es möglich, die in den Datenbeständen verborgenen Muster, Zusammenhänge und Auffälligkeiten zu erkennen und diese Informationen zur Verbesserung der unternehmerischen Entscheidungen zu berücksichtigen. In den letzten Jahren wurden die BI-Tools immer weiter perfektioniert. Dabei wird besonderer Wert darauf gelegt, die Anforderungen im Hinblick auf eine möglichst optimale Benutzerfreundlichkeit zu erfüllen.

Es lassen sich folgende Trends benennen, mit denen eine weitere Verbreitung der Business Intelligence Analytics unterstützt wird:

  • Predictive und Prescriptive Analytics Tools
  • Künstliche Intelligenz (KI)
  • Business Intelligence Kompetenzzentrum
  • Kollaborative Business Intelligence
  • Cloud-Anwendungen
  • Integrierte Business Intelligence
  • Sicherheit
  • Data-Governance
  • Digitalisierung
  • Visuelle Data Discovery
  • Data Storytelling

Video: Was ist eigentlich Business Intelligence?

Predictive und Prescriptive Analytics Tools

Business Intelligence Analytics hat sich weit über das vergangenheitsorientierte Berichtswesen hinaus entwickelt. Ziel der innovativen BI-Tools ist eine möglichst präzise Vorschau auf künftige Entwicklungen. Der Fokus liegt somit auf der Zukunft. Es sollen Chancen rechtzeitig erkannt werden, damit die Firma diese möglichst umfassend nutzen und daraus Wettbewerbsvorteile generieren kann. Mindestens ebenso wichtig ist das Erkennen von Risiken, um diesen antizipativ zu begegnen. Aus diesem Grund sind die Predictive und Prescriptive Analytics Tools, die sich mit dem datenbasierten Blick in die Zukunft beschäftigen, der meistdiskutierte Trend.

Mit der prädiktiven Analyse sollen aus den Datensätzen Wahrscheinlichkeiten für zukünftige Ereignisse abgeleitet werden. Diese Methoden sind eine Erweiterung des Data-Mining, das sich vornehmlich auf Vergangenheitswerte bezieht. Es wird gezeigt, was in Zukunft geschehen könnte, wobei ein akzeptabler Grad an Zuverlässigkeit toleriert wird. Dabei werden auch Alternativszenarien betrachtet und eine Risikobewertung vorgenommen. Die präskriptive Analyse geht noch einen Schritt weiter in die Zukunft.

Die Datensätze werden unter dem Aspekt künftiger Entscheidungen analysiert. Diese Methode verwendet Techniken wie die Graphen-Analyse, Simulationen, neuronale Netze, Heuristiken oder maschinelles Lernen. Es wird versucht zu simulieren, welche Auswirkungen eine Entscheidung haben könnte und diese Erkenntnisse fließen dann in die eigentliche Entscheidungsfindung ein. Auf diese Weise werden die Entscheidungen wesentlich verbessert und die Unternehmensplanung auf allen Ebenen und in allen Fachbereichen optimiert.

Künstliche Intelligenz soll Maschinen dazu befähigen, Leistungen zu erbringen, die ansonsten nur mit komplexer menschlicher Intelligenz möglich sind. (#02)

Künstliche Intelligenz soll Maschinen dazu befähigen, Leistungen zu erbringen, die ansonsten nur mit komplexer menschlicher Intelligenz möglich sind. (#02)

Künstliche Intelligenz (KI)

Künstliche Intelligenz soll Maschinen dazu befähigen, Leistungen zu erbringen, die ansonsten nur mit komplexer menschlicher Intelligenz möglich sind. KI und maschinelles Lernen revolutionieren die Art und Weise der Interaktion mit dem Datenmanagement. Es erfolgt eine Entwicklung weg von statischen, passiven Berichten und hin zu proaktiven Analyse und Echtzeit-Dashboards, mit denen die Entscheider jederzeit alle nötigen Informationen auf einen Blick zur Hand haben. Warnfunktionen fordern sofort zu Handlungen auf, wenn unerwünschte Entwicklungen zu beobachten sind. Die Anwendungen basieren auf innovativen neuronalen Netzen, die aus historischen Trends und Mustern lernen und Anomalien auf dieser Basis exakt erkennen. Das Management erhält über jedes unerwartete Ereignis sofort eine Meldung.

Mit KI können Technologien entwickelt werden, die das Verständnis der Daten und der in ihnen verborgenen Informationen erheblich verbessern und sogar Vorhersagen ermöglichen. Die weitere Entwicklung wird dazu führen, dass Maschinen durch das Lernen autonom arbeiten und demzufolge auch eigene Entscheidungen treffen werden. Das würde die Entscheidungsfindung nochmals fundamental verändern. Das Management benötigt in einem derartigen Szenario die Fähigkeit, die Schlussfolgerungen der Maschinen nachzuvollziehen und gegebenenfalls korrigierend einzugreifen. Außerdem muss entschieden werden, für welche Bereiche automatische oder halb-automatische Entscheidungen in Frage kommen.

Business Intelligence Kompetenzzentrum

Die Komplexität des Datenmanagements in den Unternehmen nimmt parallel zur Menge der Datensätze zu, sodass eine Bündelung von Kompetenzen in einem BI-Kompetenzzentrum für viele Firmen derzeit ganz oben auf der Agenda steht. Damit soll die Verbreitung und Integration der BI-Technologien in den Firmen gefördert werden. Besonders die Akzeptanz für Self Service Anwendungen wird gesteigert. Die Zentren dienen der Implementierung einer datenorientierten Unternehmenskultur, die das Ziel hat, den Nutzen der BI-Technologien zu maximieren.

In diesen Kompetenzzentren sorgen BI-Tools wie Online-Foren oder Einzelunterricht dafür, dass auch Mitarbeiter, die nicht über eine fundierte Ausbildung im Bereich der Informatik verfügen, Datenanalysen durchführen können. Ein BI-Kompetenzzentrum ist eine hervorragende Möglichkeit, strukturiert Mitarbeiter, Prozesse und Technologien in Einklang zu bringen. Damit nimmt ein derartiges Kompetenzzentrum eine wichtige Rolle im Rahmen des Change Management ein und erleichtert die Interaktionen innerhalb der Firma. Es wird möglich, den Workflow über die gesamte Organisation und die Strategieformulierung zu informieren und die Ressourcenorganisation zu optimieren.

Video: Optimierung von Entscheidungsprozessen mit Collaborative BI

Kollaborative Business Intelligence

Die Interaktionen zwischen den Mitarbeitern wird immer wichtiger, um die Wettbewerbsfähigkeit in einem dynamischen Umfeld zu erhöhen. Kollaborative Business Intelligence greift diesen Trend auf und kombiniert die Business-Intelligence-Software mit Anwendungen, die eine Zusammenarbeit stärken und auch die Social Media einbeziehen. In diesem Zusammenhang sind die Self Service Lösungen zu nennen, die es jedem Mitarbeiter nach kurzer Einarbeitungszeit ermöglichen, eigene Datenanalysen durchzuführen, ohne den zeitaufwendigen Umweg über die IT-Abteilung gehen zu müssen.

Derartige BI-Tools vereinfachen die gemeinsame Nutzung von automatisiert erstellten Reports, die zu einer bestimmten Zeit für bestimmte Adressaten geplant werden. Es ist möglich, intelligente Warnmeldungen zu integrieren und öffentliche oder eingebettete Dashboards flexibel interaktiv zu nutzen. Die Anwendungen sind auf allen Geräten zugänglich, wodurch wiederum die Entscheidungsfindung erleichtert und die Entscheidungsqualität verbessert wird.

Neue Möglichkeiten, die Zusammenarbeit effektiver zu gestalten, stehen deshalb im Mittelpunkt moderner IT-Anwendungen. Dabei wird nicht nur auf den gemeinsamen Zugriff auf Dokumente und rechtzeitige Updates gesetzt, sondern darüber hinaus sollen Besprechungen, Telefonate, der Austausch von E-Mails sowie die Sammlung von Ideen unter dem Aspekt der Kollaboration gestaltet und optimiert werden.

Die Cloud Technologie ist mittlerweile allgegenwärtig und eröffnet völlig neue Möglichkeiten, mit geringem Investitionsaufwand BI-Tools einzusetzen. (#02)

Die Cloud Technologie ist mittlerweile allgegenwärtig und eröffnet völlig neue Möglichkeiten, mit geringem Investitionsaufwand BI-Tools einzusetzen. (#02)

Cloud-Anwendungen

Die Cloud Technologie ist mittlerweile allgegenwärtig und eröffnet völlig neue Möglichkeiten, mit geringem Investitionsaufwand BI-Tools einzusetzen. Immer mehr Anbieter setzen deshalb auch auf die Entwicklung cloud- basierter Tools. Die Firmen werden ihren Umgang mit der Cloud perfektionieren und somit lernen, möglichst umfassende Vorteile aus der Cloud Technologie zu realisieren. Die meisten Elemente wie Datenquellen, Datengenerierung und -modellierung sowie Datenanalyse oder -speicherung werden komplett in die Cloud ausgelagert und die Firmen können diese Dienstleistungen zu günstigen monatlichen Tarifen buchen.

Embedded Business Intelligence

Dieser Trend bezieht sich auf die Integration eines BI-Tools in eine andere Geschäftsanwendung. Ziel ist es, die Lücken in der Analyse- oder Berichtsfunktionalität der entsprechenden Anwendung zu schließen. Die eingebettete BI-Technologie ermöglicht die Verwandlung von Rohdaten in interaktive Dashboards und die Verbesserung der Benutzererfahrungen durch Echtzeitanalysen sowie innovative Datenvisualisierungen. Anwender können dadurch schneller und selbstständiger datengestützte Entscheidungen treffen.

Die Funktionen können sich außerhalb der Anwendung befinden, müssen aber von der App aus leicht zugänglich sein. Es ist hilfreich, wenn der Benutzer nicht zwischen verschiedenen Systemen wechseln muss. Funktionen werden zur BI Anwendung hinzugefügt und die Arbeit für den User erleichtert, der außerdem kein weiteres Tool installieren oder anpassen muss. Daten können sofort analysiert und die Ergebnisse als Entscheidungsgrundlagen zur Verfügung gestellt werden.

Das eigentliche Sammeln von Datensätzen ist heutzutage einfacher als je zuvor. Oft ist es jedoch dann, wenn die Entscheider Berichte und Dashboards erhalten, bereits zu spät, um nötige Aktionen anzustoßen. Hier genau setzt die Embedded Business Intelligence an, denn sie ermöglicht eine Verlagerung von reaktiven hin zu proaktiven Analysen.

Video: Business Intelligence Vorlesung Kapitel 1 (Teil 1)

Sicherheit

Sicherheit bildet zweifellos einen der größten Trends im Bereich Business Intelligence Analytics. Berichte über Probleme mit der Datensicherheit und Skandale verunsichern Unternehmen und führen dazu, dass neue Maßnahmen zur Verbesserung der Sicherheit gefordert werden. Riesige Datenverluste großer Konzerne wie AOL, Apple oder JP Morgan Chase wirken alarmierend und lassen auch kleinere und mittelständische Firmen über die Datensicherheit in der eigenen Organisation nachdenken.

Besonders die Sicherheit der Datenbanken steht im Fokus der Betrachtungen. Firmen suchen vermehrt nach den sichersten Lösungen, um Datenverluste zu verhindern und Sicherheitslücken zu schließen. In diesem Zusammenhang wird häufig diskutiert, ob eine lokale einer cloud-basierten Anwendung vorzuziehen ist. Beide Optionen können auch unter dem Aspekt der Sicherheit zufriedenstellende Ergebnisse erreichen.

Wichtig ist dabei, potentielle Sicherheitslücken im Auge zu behalten. Die nachfolgende Tabelle zeigt, worin sich die Möglichkeiten unterscheiden:

Aspekte Cloud BI lokal installierte BI
Zeitdauer der Implementierung kurz signifikant länger
Vorab-Investition niedrig hoch
Kosten für zusätzliche Hardware nein ja
Gesamtkosten vorhersagbar nicht vorhersagbar
Grad der Anpassung weniger anpassbar mehr Möglichkeiten der Anpassung
Kontrolle der Datensicherheitsstandards Verkäufer Unternehmen

Video: Business Intelligence Vorlesung Kapitel 2.1 (Teil 1)


Data-Governance kontrolliert jede Dateneingabe, welche gemäß bestimmten Standards vorgenommen werden muss. Probleme mit der Datensicherheit oder dem Zugriff resultieren nicht unbedingt aus Datenverletzungen. Deshalb werden sich die Firmen vermehrt auf Data-Governance und Datenqualität konzentrieren. Datensätze sind nur dann nützlich, wenn sie auch zugänglich sind und aus diesem Grund versuchen die Organisationen, die optimale Balance zwischen Datenzugriff und Sicherheit zu finden. Dabei muss immer gewährleistet sein, dass das System agil und anpassbar bleibt, um auf Veränderungen zu reagieren.

Innovative Tools werden dazu beitragen, einen Ausgleich zwischen diesen konfliktären Zielen zu erreichen und die immer noch bestehende kulturelle Kluft zwischen der Technologie und der Firma zu schließen. Data-Governance trägt dazu bei, eine Kultur der Analytik zu etablieren. Außerdem ist es für die Mitarbeiter einfacher, Datenanalysen durchzuführen, wenn die dafür nötigen Quellen zentralisiert, sauber und schnell verfügbar sind. Nur gut verwaltete Datensätze eignen sich als Basis für Business Intelligence Analytics.

Digitalisierung

Bei der Digitalisierung wird jedes analoge Signal (beispielsweise Bilder, Töne oder Videos) in ein digitales Format umgewandelt, welches von Computern und elektronischen Geräten verstanden wird. Ein wesentlicher Vorteil dieser Informationen ist, dass sie einfacher zu speichern, zu öffnen und zu teilen sind als das Originalformat. Übertragen auf die unternehmerische Ebene bedeutet dies, dass manuelle oder Offline Geschäftsprozesse in Online-Netzwerke oder computergestützte Prozesse umgewandelt werden.

Die Vorteile der Digitalisierung informationsintensiver Prozesse sind überzeugend: Es werden Kostensenkungen von bis zu 90 Prozent erreicht und die Durchlaufzeiten werden ebenfalls enorm beschleunigt. Mit innovativen Lösungen können die Firmen Daten in Echtzeit erfassen, analysieren und überwachen. Das versetzt wiederum das Management in die Lage, Probleme zu erkennen und zu beheben, bevor sie kritisch werden. Die Digitalisierung trägt zu einem besseren Verständnis der Prozess-Performance sowie zur Identifikation von Kostentreibern und Risikoursachen bei.

Intelligente Datenbestände werden der wichtigste Rohstoff der Zukunft sein. Diese Datenbestände müssen mit adäquaten Werkzeugen bearbeitet werden, um den maximalen Informationsgehalt zu extrahieren. Für die Firmen bedeutet dies, mit der Entwicklung Schritt halten zu müssen und neue Datenquellen mit in die Betrachtung einzubeziehen. Sensordaten von mit dem Internet vernetzten Geräten und die Interaktionsdaten aus den Sozialen Netzwerken sind Beispiele für neue Informationsquellen, mit denen Firmen Wettbewerbsvorteile erreichen. Des Weiteren sollte durch die Entwicklung neuer Modelle eine Digitalisierung von Geschäftsprozessen vorangetrieben werden.

Video: Qlik Sense Produktvideo

Visuelle Data Discovery

Aufgrund des riesigen Datenvolumens beginnt die Datenanalyse zunächst mit einer visuellen Datenerkennung, um in den Datenbeständen verborgene Muster und Auffälligkeiten zu erkennen. Datenvisualisierungstools decken Beziehungen zwischen Datenelementen über verschiedene Datensätze hinweg auf. Mit Hilfe der visuellen Data Discovery werden neue Einsichten ermöglicht. Die Datenerkenntnisse werden in Echtzeit generiert und erlauben ein sofortiges Einschreiten. Auf diese Weise können Gewinne maximiert und kurzfristige Geschäftsmöglichkeiten optimal genutzt werden.

Mit explorativen visuellen Analysetools werden Datensätze im Zusammenhang mit Big Data analysiert. Ein derartiges Tool unterstützt Business-Agilität sowie Self Service BI. Eine explorative Datenanalyse basiert auf Experimenten, Kreativität und vordefinierten Fragen. Mit ad hoc erstellten Visualisierungen werden verschiedene Alternativen überprüft.

Data Storytelling

In den vergangenen Jahren hat sich ein Wandel von der schriftlichen hin zur visuellen Kommunikation vollzogen. Das Volumen der zu berücksichtigenden Informationen steigt, wohingegen die Aufmerksamkeitsspanne tendenziell eher sinkt. Aus diesem Grund werden vermehrt Infografiken genutzt, um Informationen weiterzugeben. Komplexe Datensätze können anschaulich dargestellt werden. Grafische Darstellungsformen erleichtern darüber hinaus das Verständnis der Inhalte und sorgen dafür, dass die Informationen besser behalten werden. Business Intelligence Analytics dienen nicht allein der Generierung von entscheidungsrelevanten Informationen, sondern auch der ansprechenden Präsentation. Bilder und Grafiken verdeutlichen Zusammenhänge besser als unübersichtliche Tabellen und Zahlenreihen.

Business Intelligence Analytics: Unterstützung von Entscheidungsprozessen

Die digitale Transformation setzt sich auf allen Ebenen durch und verlangt auch nach datenbasierten Entscheidungsprozessen. Entscheidungen, die nicht allein auf Intuition, sondern auf Informationen basieren, sind zuverlässiger und berücksichtigen außerdem wesentlich mehr Fakten. Moderne Business Intelligence Analytics Anwendungen verarbeiten problemlos Massendaten unterschiedlichster Quellen. Firmen können aus einer Vielzahl von Software Anwendungen wählen. Neben den mächtigen Lösungen großer Anbieter wie SAP, Microsoft, IBM oder Oracle gibt es zahlreiche BI-Tools, die speziell auf die Bedürfnisse mittelständischer Firmen abgestimmt sind. Außerdem ermöglichen Open Source Lösungen und die Cloud-Technologie kleineren Unternehmen den kostengünstigen Einstieg in die moderne Informationstechnologie.


Bildnachweis:©Shutterstock-Titelbild: NicoElNino-#01: Whitemocca-#02: Blackboard

Über 

Marius Beilhammer, Jahrgang 1969, studierte Journalismus in Bamberg. Er schreibt bereits viele Jahre für technische Fachmagazine, außerdem als freier Autor zu verschiedensten Markt- und Businessthemen. Als fränkische Frohnatur findet er bei seiner Arbeit stets die Balance zwischen Leichtigkeit und umfassendem Know-how durch seine ausgeprägte Affinität zur Technik.

Share.

Leave A Reply