Big Data, Data Governance und Analytics

Der Nutzen von Business Intelligence

Big Data, Business Intelligence, Data Governance – diese Themen beschäftigen derzeit die Unternehmen. Doch welche Anforderungen sind bei der Erfassung und Auswertung großer Datenmengen zu erfüllen, um konkreten Nutzen daraus zu ziehen?

Thinkstock/iStock

Wie können Unternehmen aus Big Data, Business Intelligence und Data Governance konkreten Nutzen ziehen?

Ständig steigende Datenmengen fordern die Unternehmen immer stärker heraus. Dabei erhöht sich auch die Anzahl der eingesetzten Business-Intelligence-Lösungen (BI). Gleichzeitig stellen Anwender und Top-Management immer anspruchsvollere Erwartungen an die Applikationen. Gleichbleibende IT-Budgets sowie veraltete und unflexible Lösungen führen jedoch zu suboptimalen Prozessen in der BI-Landschaft.
Entsprechend beschäftigen sich die Verantwortlichen mit Big Data, In-Memory-Datenbanken, Predictive und Advanced Analytics. Doch existiert im ersten Schritt eine gewisse Unsicherheit bezüglich des konkreten Nutzens sowie des gewinnbringenden Einsatzes dieser Innovationen. So müssen sie einen geeigneten Anwendungsfall für den Einsatz und zur Differenzierung am Markt finden. Um die aktuellen Herausforderungen zu adressieren, ist zudem das Thema Konsolidierung der zahlreich eingesetzten BI-Lösungen wichtig. Dieses lässt sich aus verschiedenen Gesichtspunkten angehen:

  • Beschränkung auf wenige Anbieter: Heute lässt sich ein Großteil der BI-Funktionen mit dem Portfolio eines der großen Hersteller abdecken, daher ist kein Best-of-Breed-Ansatz mehr nötig.
  • Optimierung der Kennzahlen und Key Performance Indicators: In den verschiedenen Bereichen und Systemen entstandene Kennzahlen werden aktuell häufig durch Kennzahlensysteme ersetzt, die eng am Kerngeschäftsprozess ausgerichtet sind.
  • Verschlankung von Organisation und Prozessen: Unternehmen gründen zentrale BI-Organisationen, zudem werden Entwicklungs- und Betriebsprozesse standardisiert sowie deren Effizienz erhöht.
  • Sourcing: Im IT-Bereich werden inzwischen auch für BI-Dienstleistungen verschiedenste Sourcing-Modelle evaluiert oder optimiert.
  • Virtuelle Architekturen: Derzeit arbeiten Unternehmen an Architekturen, die für den Anwender transparent verschiedene BI-Lösungen zusammenfassen und nach außen wie eine Lösung wirken lassen.


Die Anwender möchten dabei Lösungen mit einer hohen Usability, die auf ihre Bedürfnisse zugeschnitten sind und mit kurzen Reaktionszeiten für ihre Auswertungen zur Verfügung stehen. Entsprechend beschäftigen sich die meisten Unternehmen mit den Themen Self Service und Agile BI. Nicht zu unterschätzen ist dabei allerdings, dass dies einige grundlegende Veränderungen im Zusammenarbeitsmodell zwischen IT und Fachbereichen mit sich bringt, um die nötige Effizienz zu gewährleisten.

Diese Entwicklungen führen wiederum dazu, dass Unternehmen neue Anforderungen an die Beratung stellen. So müssen die Dienstleister aktuelle Innovationen und Trends hinsichtlich des praktischen Nutzens und nicht der theoretischen Vorteile einschätzen können. Einerseits haben sie immer stärkeres Spezialisten-Know-how bereitzuhalten, andererseits auch die gesamte Bandbreite der Services von der BI-Strategieberatung über die Implementierung bis hin zum Betrieb anzubieten. In der Beratung ist vor allem bei größeren Kunden das komplette Sourcing-Portfolio anzubieten. Dabei ist intern bei Kunden heute schon ein hohes Niveau an „Standard-BI-Know-how“ vorhanden, so dass extern hauptsächlich Spezialisten gesucht werden.

Data Governance im Fokus

Bei der Entwicklung einer BI-Strategie sowie der zugehörigen Data Governance stehen meist folgende Ziele im Vordergrund:

  • Kosten reduzieren durch Konsolidierung und Sourcing-Strategien
  • Nutzen steigern durch Self Service, Agile BI, optimierte Kennzahlensysteme sowie optimierte Organisationsstrukturen und Prozesse
  • Chancen identifizieren und umsetzen durch konsequente Bewertung von Innovationen in Pilotprojekten und Unterstützung durch Beratungsunternehmen
  • Risiken reduzieren durch Datenschutz im Kontext der analytischen Systeme sowie hohe Datenqualität zur Vermeidung von Fehlentscheidungen

Die bisherigen BI-Lösungen konnten größtenteils nur interne strukturierte Daten zu einem angemessenen Aufwand verarbeiten. Durch die sich verändernden Datenangebote, aber auch aus Wettbewerbssicht, setzen sich immer mehr Unternehmen mit den Möglichkeiten externer und unstrukturierter Daten auseinander. Für eine optimale Verarbeitung der unterschiedlichen Datenformate und -mengen im Kontext verschiedener BI-Funktionen wie Self-Service-Reporting oder Predictive Analytics werden jedoch spezialisierte Datenbanken benötigt.

Inzwischen existiert eine große Vielfalt an Systemen – In Memory, spaltenbasiert, hierarchisch und weitere – inklusive Mischformen. Fast alle größeren BI-Hersteller bieten heute zahlreiche Varianten sowie Schnittstellen oder Integrationen zu Hadoop-Systemen, die vor allem im Kontext von Big-Data-Lösungen relevant sind. Unternehmen finden heute praktisch für jeden BI-Spezialfall eine optimierte Datenbanklösung. Dabei werden sich die Systeme in eine logische BI-Architektur mit definiertem Layer zur Datenvirtualisierung weiterentwickeln, in der verschiedene Datenbanktypen transparent kombiniert sind.

*Der Autor, Markus Enderlein, ist Leiter Marketing und Produktmanagement bei Infomotion

Bildquelle: Thinkstock/iStock

©2021Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok