25.01.2018 Drei Fragen an ...

Business Intelligence ist mehr als schöne Berichte

Von: Berthold Wesseler

Die Experten Ralf Pichl, Vice President Sales & Services bei der Cubeware GmbH und Harald Frühwacht, Geschäftsführer der IDL GmbH Mitte erklären im Interview wie „Big Data“ oder „Cognitive Computing“ im Mittelstand lohnenswert eingesetzt werden können.

  • Zeitalter der Digitalisierung

    Big Data - doch nur Datenfriedhöfe, die keine neuen Erkenntnisse bringen werden?

  • Ralf Pichl, Vice President Sales & Services bei der Cubeware GmbH

    „Business Intelligence, Data Analytics, Big Data oder Cognitive Computing sind nicht nur etwas für die ganz Großen.“ Ralf Pichl

  • Harald Frühwacht, Geschäftsführer der IDL GmbH Mitte

    „An der Datenqualität kann und muss man arbeiten, nicht nur einmalig, sondern im Sinne eines permanenten Verbesserungsprozesses.“ Harald Frühwacht

Im Zeitalter der Digitalisierung gewinnt „Big Data“ neue Relevanz. Intelligente Analysen der unzähligen Daten, die Konsumenten im Internet hinterlassen oder die Sensoren aus Produktionen liefern, sind nur zwei exemplarische Ansatzpunkte für eifrige Datensammler, die schnell riesige „Data Lakes“ aufbauen, die dann die Basis für „Cognitive Computing“ bilden sollen. Kritiker sprechen dagegen von „Datenfriedhöfen“, die keine neuen Erkenntnisse bringen werden. Jedenfalls nicht für Unternehmer, die ihre Kunden und Lieferanten gut kennen.

ITM: Wo sehen Sie lohnenswerte Einsatzfelder für Technologien wie „Big Data“ oder „Cognitive Computing“ im Mittelstand? Oder handelt es sich doch eher um ein Thema für Großkonzerne und Behörden?
Harald Frühwacht: Datenmengen in unterschiedlicher Struktur sind nicht Großkonzernen oder Behörden vorbehalten. Auch die relevanten Themenfelder definieren sich nicht per se über die Unternehmensgröße. Ganz abgesehen davon gibt es unter Mittelständlern vergleichsweise große Organisationseinheiten, die als Hidden Champions weltweit erfolgreich tätig sind. Entgegen der landläufigen Meinung ist es zudem ja vor allem der Mittelstand, der sich immer wieder innovativ und offen für neue Technologien zeigt. Insofern sind beide Technologien hier definitiv von Bedeutung, eröffnen sie doch ein breites Spektrum an Wertschöpfungspotentialen gerade dort, wo es um Prozesse oder Kunden geht. Schließlich fallen auch im Mittelstand immense Datenmengen in den Geschäftsprozessen an. Diese gilt es zu analysieren, um zu fundierten produktivitätssteigernden Entscheidungen zu gelangen.

Ähnlich sieht es im Bereich der Kunden aus, etwa in puncto Kundenzufriedenheit und -verhalten oder Retouren. So kann das In-Relation-Bringen externer Daten mit den Geschäftsprozessen zu wertvollem Informationsgewinn führen. Beispiele dafür wären die Verknüpfung von Wetterdaten mit der Umsatzplanung, von Sensordaten mit der Wartungsplanung oder auch von Branchen- mit Kundendaten.

Ralf Pichl: Um gleich die Antwort auf die Teilfrage vorwegzunehmen: Business Intelligence, Data Analytics, Big Data oder Cognitive Computing ist nicht nur etwas für die ganz Großen. Diese Themen haben per se nichts mit der Unternehmensgröße zu tun. Der Wert dieser Technologien bemisst sich ausschließlich an dem zugrunde liegenden Erkenntnisinteresse. Auch sind wir kein Freund von der Aufsplittung der Themen BI und Data Analytics in immer weitere Unterbegriffe. Denn dies bewirkt genau das, was Sie in Ihrer Frage andeuten: Der Blick auf den tatsächlichen Lösungsansatz wird verstellt und suggeriert kleinen und mittleren Unternehmen: „Diese Themen sind nichts für uns; dafür sind wir viel zu klein.“

Doch das ist ein Trugschluss. Diese Begriffe beschreiben eine der Datenanalyse zugrunde liegende Technologie oder Methodik, um eine konkrete Frage sinnvoll beantworten zu können. Sie sind kein Selbstzweck. Nur wenn man die technischen, methodischen Vorteile auch gewinnbringend einsetzen kann, entsteht der viel bemühte Geschäftsnutzen. Ansonsten sind es nur Vorteile auf dem Blatt Papier. Ein Beispiel, das wir auf unserer letzten Anwenderkonferenz präsentiert haben: die vorausschauende Stromkostenoptimierung bei Bahngesellschaften. Der Erfolg eines solchen Projekts hängt  – wie gesagt – weniger von der Unternehmensgröße als vielmehr von der Fragestellung und der verfügbaren Datenmenge ab.

ITM: Schon heute haben viele Mittelständler beim Sichten der Daten mit der Datenqualität zu kämpfen – Stichwort Stammdaten. Wie lässt es sich vermeiden, dass moderne BI-Software – statt zu helfen – unsinnige Informationen liefert, getreu dem Motto: „Garbage in, garbage out“?
Pichl:
BI wird leider viel zu oft nur auf die Datenvisualisierung und -analyse beschränkt. Wir sagen Unternehmern immer: „Business Intelligence ist mehr als schöne Berichte.“ Das heißt: Eine BI-Lösung darf sich nicht nur auf die Erzeugung von Analysen und Berichten aus vorhandenem Datenmaterial beschränken. Sie muss vor allem auch die komplette Wegstrecke von der Anbindung operativer Quellsysteme – wie ERP, CRM, Fibu etc. – über den Aufbau analysefähiger Daten- und Planungsmodelle bis hin zur Informationsverteilung und der Berechtigungsvergabe auf Nutzer- und Rollenebene abdecken. Nur wenn dieser Prozess integral von einem BI-System abgedeckt wird, lassen sich Qualitätsprobleme auf der Datenebene erkennen, Fehler beheben und valide Informationen als Basis für Entscheidungen zusammenstellen.

Die meisten BI-Initiativen scheitern oder bringen nicht den gewünschten Erfolg, weil entweder das Datenmanagement, die Modellierung oder die Data Governance im Projekt zu kurz kommt. Wichtig ist es deshalb, bereits früh im Evaluierungsprozess die Funktionen einer Lösung hierfür abzuklopfen. Das spart Zeit, Geld und Nerven beim Rollout.

Frühwacht: So viel ist klar: An der Datenqualität kann und muss man arbeiten, nicht nur einmalig, sondern im Sinne eines permanenten Verbesserungsprozesses. Wenn man über den Einsatz von BI nachdenkt, sollte Software natürlich immer nur als ein Teil der Lösung angesehen werden. Rund wird es erst, wenn auch die fachlichen und organisatorischen Aspekte mit einbezogen und sauber abgebildet werden. Für den Erfolg entscheidend ist, eine belastbare Datengrundlage zu schaffen, da sonst die Analyse nur eingeschränkten Erkenntnisgewinn liefern kann.

Hier empfiehlt sich der Entwurf einer dezidierten Datenstrategie von der Datengewinnung bis hin zur Auswertung und Verankerung entlang der Wertschöpfungskette der gesamten Organisation. Dafür sollten unbedingt alle Geschäftsbereiche sensibilisiert und in den Projekten von Beginn an mitgenommen werden.

ITM: Im Mittelstand gibt es kaum Mitarbeiter, die wie etwa Informatiker, „Data Scientists“ oder Statistiker über das Know-how darüber verfügen, wie man datengetrieben arbeitet. Dann kann für Nutzer der Sprung in die BI-Welt zu groß sein. Wie können Mittelständler Dienstleister einbinden, ohne das an dieser Stelle gebündelte Know-how an Fremde abzugeben und wichtige Entscheidungen Außenstehenden zu überlassen?
Pichl:
Da muss ich widersprechen. BI ist ja an sich nichts Neues. Jedes erfolgreiche Unternehmen analysiert, plant und optimiert andauernd seine Erfolge und Misserfolge. Ob das nun software-gestützt passiert oder nicht, ist per se erst einmal unerheblich. Und ob ich das BI, Controlling oder Geschäftssteuerung nenne, ist reine Wortklauberei. Entscheidend ist das Wissen um die Funktionsweisen des eigenen Unternehmens, um die Branchenbesonderheiten und die Marktsituation. Mit anderen Worten: Die DNA des eigenen Geschäfts kennen Mittelständler genauso gut wie Konzerne.

Was eine gute BI-Lösung leistet, ist zum einen das Automatisieren von fehleranfälligen Prozessen beim Zusammentragen von Daten aus den unterschiedlichen IT-Systemen, die unternehmensweite Standardisierung von Kennzahlen und Erkenntnisinteressen und das flächige Verfügbarmachen von Daten und Informationen für die relevanten Stakeholder. Und zum anderen dann natürlich das Abtauchen in die Informationen, das Analysieren und das Planen der nächsten Schritte.

Das ist kein zu großer Sprung, sondern ein Wettbewerbsvorteil für Unternehmen jeder Größe und der erste Schritt hin zur datengetriebenen Unternehmenskultur. Aufbauend auf diesem Prozess können dann Technologien und Methoden aus den Bereichen Predictive und Advanced Analytics hinzukommen. Unternehmen haben es also mit einem stetigen Lernprozess zu tun, den wir als BI-Anbieter auf Wunsch aktiv begleiten und dafür Sorge tragen, dass das technologische Wissen mit den Initiativen mitwächst. So wird der Ausverkauf von Kompetenzen klar verhindert – vor allem da ja das fachliche, prozessuale Wissen eh schon immer im Unternehmen vorhanden war.

Frühwacht: Es wäre ein Fehler, den Mittelstand kleinzureden. Know-how und Erfahrungen in Bezug auf die Geschäftsdaten und -prozesse sind schließlich bei den Mitarbeitern heute schon gut ausgeprägt. Vorhanden ist ebenso die Bereitschaft, sich inhaltlich weiterzuentwickeln. Wenn ein mittelständisches Unternehmen auch weiterhin Herr über seine Daten und Entscheidungen bleiben will, ist es unumgänglich, sich mit BI zu beschäftigen und entsprechendes Know-how aufzubauen. Die Frage lautet also nicht, ob man es macht, sondern ob man es rechtzeitig macht.

Für den Aufbau von Fachkenntnissen bietet sich der Coaching-Ansatz an. Am Ende des Tages steht hier nämlich die Befähigung, alles eigenständig handhaben und weiterentwickeln zu können. Außerdem bleiben so die erworbenen Kernkompetenzen grundsätzlich auch auf lange Sicht im Unternehmen. Technologisch gesehen lautet der Rat, bei der Auswahl einer BI-Lösung proprietäre Ansätze zu vermeiden und stattdessen auf Standard-Software-Produkte und generell auf Industriestandards zu setzen.

Bildquelle: Thinkstock/Cubeware GmbH/IDL GmbH Mitte

©2018 Alle Rechte bei MEDIENHAUS Verlag GmbH