Definition

Was ist Business Intelligence – BI?

| Autor / Redakteur: il1411 / Nico Litzel

(© aga7ta - Fotolia)

In der heutigen Zeit stehen Unternehmen Herausforderungen gegenüber, die rasches Handeln erfordern. Hier setzt die Business Intelligence (BI) an, die das Ziel hat, die Entscheidungsfindung in Unternehmen zu unterstützen.

Zwar hat sich die Business Intelligence (BI) mittlerweile auf dem Markt etabliert, jedoch gibt es noch immer unterschiedliche Auffassungen darüber, wie der Begriff zu interpretieren ist. Eine erste Definition geht auf den Analysten Howard Gardner zurück. Dieser definierte die BI als einen Prozess, der Daten in Informationen transformiert und diese wiederum durch die Anwendung von Erfahrungen in Wissen. Dieser klassische Ansatz umfasst folglich alle Prozesse und Systeme, mit denen sich Markt-, Wettbewerbs- und Unternehmensdaten systematisch analysieren lassen.

Eine weitere Definition beschreibt die BI aus einer IT-basierten und unternehmensspezifischen Sicht. Nach dieser Definition versteht man unter BI das entscheidungsorientierte Sammeln, Aufbereiten und Darstellen von geschäftsrelevanten Informationen. Für die Datenvisualisierung wird im Allgemeinen ein Dashboard verwendet. In dieser Definition sind also die folgenden Aspekte enthalten:

  • Entscheidungsorientierung
  • Sammlung von Daten mittels Data-Mining-Methoden
  • Aufbereitung von Daten
  • Darstellung von geschäftsrelevanten Informationen (Datenvisualisierung mittels Dashboard)

Das Ziel der Business Intelligence ist das Erzeugen erfolgswirtschaftlichen Wissens über den gegenwärtigen Status und die zukünftigen Perspektiven sowohl des eigenen Unternehmens als auch des jeweiligen geschäftlichen Umfeldes.

Die Entwicklung der BI

Schon in den 1960er-Jahren nahm die IT-basierte Management-Unterstützung ihren Anfang. Zu dieser Zeit entwickelten sich die ersten Management-Informations-Systeme (MIS). Diese hatten die Aufgabe, große Datenmengen automatisch zu verwalten und auszuwerten. Das Ergebnis der Auswertung wurde anschließend den Entscheidungsträgern zur Verfügung gestellt. Mit diesem Ansatz wurde also schon damals versucht, alle wichtigen Daten aus dem operativen Geschäft zu einem einzigen Datenmodell zusammenzuführen und zu verdichten. Da die damaligen technischen Möglichkeiten zur Umsetzung dieses Ansatzes jedoch zu begrenzt waren, erfuhren die Management-Informations-Systeme große Ablehnung.

Mit den Decision-Support-Systemen (DSS) erhielten die MIS ein Jahrzehnt später einen Nachfolger. Die Decision-Support-Systeme lieferten nicht – wie die MIS – starre Berichte, sondern zeichneten sich durch eine interaktive Entscheidungsunterstützung aus. Die Erzeugung interaktiver Berichte und untersuchbarer Daten wird inzwischen als Data Discovery bezeichnet. Da die Nutzung des Systems jedoch hoch kompliziert und nur von Spezialisten zu bewerkstelligen war, erfuhren auch diese Systeme nur wenig Akzeptanz.

In den Achtzigern wurden die MIS zu den sogenannten Executive Informations Systems (EIS) weiterentwickelt. Obwohl sich diese Systeme durch eine leicht zu bedienende Benutzeroberfläche auszeichneten, konnten sie sich nicht durchsetzen. In den 1990er-Jahren wurde schließlich das Konzept des Data Warehouse entwickelt. Bei einem Data Warehouse erfolgt die Datenhaltung in einer zentralen Datenbank. Diese unternehmensweite Datenspeicherung ermöglicht das interaktive Analysieren aller gesammelten Daten. Die Ergebnisse der Analyse kann das Unternehmen anschließend zur Entscheidungsfindung heranziehen. Als zentrale Datenverwaltung bildet das Data Warehouse noch immer die Grundlage für die Business Intelligence.

Business Intelligence in Unternehmen

Mittlerweile wird die BI nicht nur von großen Firmen, sondern zunehmend auch von mittelständischen Unternehmen genutzt. Erleichtert wird die Anwendung von BI durch entsprechende Open-Source-BI-Software-Pakete, wie sie beispielsweise das Software-Unternehmen Pentaho zur Verfügung stellt. Auch Ansätze wie die Self-Service BI vereinfachen die Anwendung deutlich. Die Self-Service BI ermöglicht auch Nutzern ohne Kenntnisse in Statistik, die gewonnenen Daten zu analysieren. Bei der Self-Service BI genügen zur Durchführung von Analysen einfache Anfragen.

Als analytisches Informationssystem setzt die BI auf den operativen Unternehmenssystemen auf. Der Einsatzbereich eines BI-Systems erstreckt sich über die gesamte Führungsebene und erreicht das obere, mittlere und untere Management. Im Allgemeinen basiert die Unterstützung durch das BI-System auf dem Online Analytical Processing (OLAP). Dadurch werden die Daten für das Berichtswesen sofort verfügbar gemacht. Außerdem können sowohl individuelle als auch Ad-hoc-Berichte erstellt werden. Da mittels eines OLAP-Cube mehrere Dimensionen gleichzeitig dargestellt werden, lassen sich diese zur Analyse auch miteinander kombinieren.

Der Einsatz von Business Intelligence zur Entscheidungsunterstützung ist kein einmaliges Projekt, sondern ein fortlaufender Zyklus, der aus mehreren Phasen besteht. Während der ersten Phase werden die gesammelten Daten quantifiziert und qualifiziert. Dies bedeutet, dass die Data Quality der Daten erhoben wird und die Daten anschließend mittels mathematischer Verfahren analysiert werden.

Anschließend werden aus den Ergebnissen der Analyse Erkenntnisse abgeleitet, die die Geschäftsvorgänge unterstützen. Die nächste Phase befasst sich mit der Bewertung dieser Erkenntnisse. Grundlage der Bewertung sind die Zielsetzungen des Unternehmens. In der letzten Phase werden die Erkenntnisse in konkrete Maßnahmen umgesetzt. Diese Umsetzungen wiederum stellen die Eingangsinformationen für den nächsten BI-Zyklus zur Verfügung.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Digitaler Wandel im Mittelstand

Anwenderbericht GermanPersonnel

Digitaler Wandel im Mittelstand

GermanPersonnel ist ein mittelständisches Tech-Unternehmen, das sich mitten in der digitalen Transformation befindet. Dabei lässt sich feststellen, dass der Weg zur Data Driven Company meist kein gerader ist. Gefragt ist ein agiles Vorgehen, bei dem Ziele umpriorisiert werden können und sich die Verantwortlichen von Misserfolgen nicht aus der Bahn werfen lassen. lesen

Die digitalen Kollegen kommen

Umfrage von IDC und Abbyy

Die digitalen Kollegen kommen

Die von IDC durchgeführte Studie zum Arbeitsplatz der Zukunft zeigt, dass Roboter bereits jetzt einen wachsenden Anteil an der globalen Belegschaft ausmachen, und innerhalb der nächsten zwei Jahre um 50 Prozent ansteigen sollen. lesen

Datenqualität ist der größte Erfolgsfaktor

BARC-Studie zu BI-Trends

Datenqualität ist der größte Erfolgsfaktor

Das Business Application Research Center (BARC) hat sich im Rahmen des „BI Trend Monitors 2020“ mit der Frage befasst, welche Trends im Bereich Business Intelligence aktuell sind. Dabei zeigte sich auch, dass Datenqualität ein wesentlicher Erfolgsfaktor ist. lesen

Qlik setzt auf Augmented Intelligence und die Multi-Cloud

Nachbericht Qlik Data Revolution Tour 2019

Qlik setzt auf Augmented Intelligence und die Multi-Cloud

Auf der Kundenveranstaltung „Data Revolution Tour 2019“ zeigte der BI-Anbieter Qlik die breite Palette seiner Angebote in einer Multi-Cloud-Plattform. Sie werden u. a. bei Porsche AG genutzt. An Neuheiten stellte die Forschungsleitern Elif Tutuk „Qlik Insight Bot“ und „Qlik Insight Advisor“ mit Sprachunterstützung vor. lesen

Cubeware positioniert sich mit KI und Cloud

Strategie erneuert

Cubeware positioniert sich mit KI und Cloud

Im Rahmen des Kundentags stellte Cubeware-Geschäftsführer Peter Küssner vor etwa 210 Teilnehmern die aktuellen Pläne des BI-Spezialisten vor. Dazu zählen auch eine neue Produktstrategie und erste Ergebnisse aus dem C-Lab für BI-Forschung. lesen

So funktioniert Process Mining mit Microsoft Power BI

Kommentar von Nils Reger, AppSphere

So funktioniert Process Mining mit Microsoft Power BI

Die Analyse von Daten und insbesondere Prozessdaten wird zunehmend wichtiger. Der Begriff des sogenannten „Process Minings“ wurde unter anderem von Wil van der Aalst als Brücke zwischen der traditionellen, modellbasierten Prozessanalyse und datenzentrierten Analyseverfahren wie Machine Learning und Data-Mining-Techniken definiert. Das Ziel: prozessrelevante Informationen zu extrahieren, zu visualisieren und so Optimierungspotenziale in Prozessen aufzudecken. lesen

Datenintegration ist entscheidend für die Data-Warehouse-Modernisierung

BARC-Studie

Datenintegration ist entscheidend für die Data-Warehouse-Modernisierung

Das Business Application Research Center (BARC) hat mit „The Data Management Survey 19“ eine weltweite durchgeführte Studie veröffentlicht, bei der 782 Nutzer von Datenmanagementsoftware befragt wurden. Die Studie soll Einblicke in aktuelle Ansätze zur Modernisierung des Data Warehouses geben. lesen

Universelle Analytik für alle Daten in Echtzeit

Nachbericht Splunk .conf19 Las Vegas

Universelle Analytik für alle Daten in Echtzeit

Splunk, ein Spezialist für IT-Betriebs-Analytik und Security, hat in Las Vegas auf seiner zehnten Anwenderkonferenz .conf19 vor rund 11.000 Besuchern eine Reihe von neuen und aktualisierten Analytik- und KI-Werkzeugen vorgestellt: „Data to everything“. Neben neuen Angeboten für IT-, AI- und DevOps stieß vor allem die Erweiterung des Preismodells auf großes Interesse. lesen

Data Science für den Mittelstand am Beispiel einer Umsatzprognose

Kommentar von Dr. Bernd Wiech und Dr. David Bauder, Cellent – a Wipro Company

Data Science für den Mittelstand am Beispiel einer Umsatzprognose

Daten stehen nicht erst seit gestern im Fokus unternehmerischer Analysen. Wie entwickelt sich der Umsatz? Wo liegt das größte Optimierungspotenzial? Das sind nur einige der Frage, denen mit Zahlen und Fakten zu Leibe gerückt wird. Wie sich auch Mittelständler mit relativ einfachen Mitteln aussagekräftige Data Science zunutze machen können, zeigt das folgende Beispiel. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 44402888 / Definitionen)