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

Das war die Hannover Messe 2019

Rückblick

Das war die Hannover Messe 2019

Vom 1. bis 5. April 2019 fand unter dem Leitthema „Integrated Industry – Industrial Intelligence“ die jährliche Hannover Messe statt. Aussteller und Besucher aus über 70 Ländern fanden den Weg in die Niedersächsische Landeshauptstadt. lesen

Digitale Transformation – 10 Punkte, die Unternehmen beachten sollten

Kommentar von Markus Enderlein, Infomotion

Digitale Transformation – 10 Punkte, die Unternehmen beachten sollten

Komplexere Datenwelten, neue Möglichkeiten der Vernetzung und der Wandel etablierter Technologien – die digitale Transformation schreitet in einer Geschwindigkeit voran, die selbst so manchen Branchenexperten verblüfft. Neue Herstellungsprozesse, Services und Märkte entstehen und die Nutzungsmuster und Erwartungen der Konsumenten verändern sich. lesen

Die Grundlage von allem ist Datenintegration

Nachbericht 6. Pentaho User Meeting

Die Grundlage von allem ist Datenintegration

Die Wetter-App zeigt für Frankfurt Regen an. Der Blick aus dem Fenster sagt jedoch: Sonne und zwölf Grad. Die Datenbasis des Wetterdienstes scheint nicht besonders gut zu sein. Oder nur nicht ausreichend integriert? Gute Tipps für Datenintegration hätten die Frankfurter Wetterfrösche direkt vor Ort bekommen können: Mit acht Vorträgen und 80 Teilnehmern fand das Pentaho User Meeting zum 6. Mal in der Mainmetropole statt. lesen

SAP erweitert Analytics Cloud

Mehr Funktionen und Workflows

SAP erweitert Analytics Cloud

Der Walldorfer Softwarekonzern SAP hat einige Erweiterungen für seine Analytics Cloud vorgestellt. Dazu zählen neue Analyse-, BI- und Datenintegrationsfunktionen sowie Workflows für die Unternehmensplanung. lesen

BI und Data Analytics unternehmensweit bereitstellen

Kommentar von Peter Walker, Information Builders

BI und Data Analytics unternehmensweit bereitstellen

Eine modulare und zentral verwaltete Enterprise-BI-Plattform nutzt Daten aus unterschiedlichen internen und externen Quellen. Nach einem erfolgreichen Qualitäts-Check stehen die Informationen in aufbereiteter Form Anwendern und Führungskräften in allen Abteilungen als Basis für bessere Entscheidungen zur Verfügung. lesen

Datenaufbereitung ist ein unterschätzter Prozess

Data Preparation

Datenaufbereitung ist ein unterschätzter Prozess

Der Prozess der Datenaufbereitung umfasst die Reinigung, Formung und Mischung von Daten, damit sie für analytische und andere Aufgaben in optimaler Qualität bereitstehen. Nur mit erstklassigen Daten lassen sich beispielsweise Lösungen für Machine Learning und Künstliche Intelligenz effizient, sicher und zuverlässig versorgen. lesen

Darauf kommt es bei der Wahl der richtigen BI-Lösung an

Kommentar von Robert Schmitz, Qlik

Darauf kommt es bei der Wahl der richtigen BI-Lösung an

Es spricht viel für die datengetriebene Neuaufstellung von Geschäftsprozessen, die Vertiefung von Kunden- und Lieferantenbeziehungen auf der Basis valider Datenauswertungen oder für ein ausgewogenes Risiko/Rendite-Verhältnis, das sich an profunden Analytics-Ergebnissen statt am Bauchgefühl orientiert. Damit Analytics-Projekte auch wirklich verwertbare Entscheidungsgrundlagen liefern, gilt es, die passende Business-Intelligence-Lösung für die gesetzten Ziele zu finden. lesen

Exasol ist jetzt auch für Amazon Web Services verfügbar

Cloud-Data-Warehouse

Exasol ist jetzt auch für Amazon Web Services verfügbar

Die Exasol AG bietet ab sofort ihre Datenanalyse-Plattform für Amazon Web Services (AWS) auf Enterprise-Ebene an. Unternehmen erhalten damit die Möglichkeit, ein flexibles Data Warehouse in der Cloud bzw. eine Datenanalyse-Lösung über AWS bereitzustellen. lesen

Effektivität durch Data Analytics? Fehlanzeige!

McKinsey attestiert gravierende Schwachpunkte

Effektivität durch Data Analytics? Fehlanzeige!

Beim Einsatz von Data Analytics kommen die Berater von McKinsey zu einem vernichtenden Urteil: Nur acht Prozent der Unternehmen können ihre Lösungen wirksam skalieren. Laut dem Befund der Berater liegen die Probleme nicht nur im technologischen, sondern auch im organisatorischen Bereich. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44402888 / Definitionen)