Startseite
Themen
Business Intelligence
Business Intelligence (BI) ist eine Reihe von technologischen Prozessen zur Erfassung, Verwaltung und Analyse von Unternehmensdaten, um Erkenntnisse zu gewinnen, die Geschäftsstrategien und -abläufe unterstützen.
Business-Intelligence-Analysten verwandeln Rohdaten in aussagekräftige Erkenntnisse, die die strategische Entscheidungsfindung innerhalb eines Unternehmens vorantreiben. BI-Tools ermöglichen Geschäftsanwendern den Zugriff auf verschiedene Arten von Daten – historische und aktuelle Daten, Daten von Drittanbietern und unternehmensintern sowie halbstrukturierte Daten und unstrukturierte Daten wie soziale Medien. Die Benutzer können diese Informationen analysieren, um Einblicke in die Leistung des Unternehmens zu erhalten, und zu erfahren, was als nächstes getan werden sollte.
CIO Magazine schrieb: „Obwohl Business Intelligence den Geschäftsanwendern nicht sagt, was sie tun sollen oder was passieren wird, wenn sie einen bestimmten Kurs einschlagen, geht es bei BI auch nicht nur um die Erstellung von Berichten. Vielmehr bietet BI den Menschen die Möglichkeit, Daten zu untersuchen, um Trends zu verstehen und Erkenntnisse abzuleiten.“1
Unternehmen können die durch BI und Datenanalyse gewonnenen Erkenntnisse nutzen, um Geschäftsentscheidungen zu verbessern, Probleme oder Schwierigkeiten zu identifizieren, Markttrends zu erkennen und neue Umsatz- oder Geschäftsmöglichkeiten zu finden.
IBM Planning Analytics bietet Unternehmen präzisere Berichte, Analysen und Planungen.
Business Intelligence (BI) ist beschreibend und ermöglicht bessere Geschäftsentscheidungen, die auf der Grundlage aktueller Geschäftsdaten basieren. Business Analytics (BA) ist dann eine Teilmenge von BI, wobei Business Analytics die präskriptive, zukunftsorientierte Analyse liefert. Es ist das Dach der BI-Infrastruktur, das die Tools zur Identifizierung und Speicherung der Daten für die Entscheidungsfindung umfasst.
BI kann ein Unternehmen darüber informieren, wie viele neue Kunden im letzten Monat gewonnen wurden und ob das Auftragsvolumen in diesem Monat gestiegen oder gesunken ist. Im Gegensatz dazu könnte die Geschäftsanalyse vorhersagen, welche Strategien auf der Grundlage dieser Daten für das Unternehmen am vorteilhaftesten wären. Zum Beispiel: Was passiert, wenn wir die Werbeausgaben erhöhen, um Neukunden ein besonderes Angebot zu machen?
BI-Plattformen verlassen sich traditionell für ihre Basisinformationen auf Data Warehouses. Die Stärke eines Data Warehouse besteht darin, dass es Daten aus mehreren Datenquellen in einem zentralen System aggregiert, um die Analyse von Geschäftsdaten und die Berichterstellung zu unterstützen. BI präsentiert dem Benutzer die Ergebnisse in Form von Berichten, Diagrammen und Karten, die über ein Dashboard angezeigt werden können.
Data Warehouses können eine OLAP-Engine (Online Analytical Processing) zur Unterstützung mehrdimensionaler Abfragen enthalten. Zum Beispiel: „Wie hoch sind die Umsätze für unsere östliche Region im Vergleich zu unserer westlichen Region in diesem Jahr im Vergleich zum Vorjahr?“
OLAP bietet eine leistungsstarke Technologie für die Datenerkennung, die BI, komplexe analytische Berechnungen und vorausschauende Analysen erleichtert. Einer der Hauptvorteile von OLAP ist die Konsistenz seiner Berechnungen, die die Produktqualität, die Kundeninteraktionen und Geschäftsprozesse verbessern können.
Data Lakehouses werden mittlerweile auch für BI eingesetzt. Der Vorteil eines Data Lakehouse besteht darin, dass es versucht, die zentralen Herausforderungen von Data Warehouses und Data Lakes zu lösen, um eine idealere Datenverwaltungslösung für Unternehmen zu entwickeln. Ein Lakehouse stellt die nächste Entwicklungsstufe von Datenverwaltungslösungen dar.
Die Schritte im BI verlaufen normalerweise in dieser Reihenfolge:
Einige neuere BI-Produkte können Rohdaten direkt mit Hilfe von Technologien wie Hadoop extrahieren und laden, aber Data Warehouses bleiben oft die Datenquelle der Wahl.
Schnelle Antworten mit KI-gestützter Business Intelligence im gesamten Unternehmen
Der Begriff „Business Intelligence“ (BI) wurde erstmals 1865 von dem Autor Richard Millar Devens verwendet, als er einen Bankier zitierte, der Informationen über den Markt sammelte, bevor es seine Konkurrenten taten. 1958 erforschte ein IBM-Computerwissenschaftler namens Hans Peter Luhn das Potenzial der Nutzung von Technologie zur Erfassung von BI. Seine Forschung trug dazu bei, Methoden für die Entwicklung einiger der frühen Analyseplattformen von IBM zu etablieren.
In den 1960er und 70er Jahren begannen die ersten Datenmanagementsysteme und Entscheidungsunterstützungssysteme (Decision Support Systems, DSS) mit der Speicherung und Organisation der wachsenden Datenmengen. „Viele Historiker gehen davon aus, dass die moderne Version von BI aus der DSS-Datenbank hervorgegangen ist“, heißt es auf der IT-Bildungsseite Dataversity. „In dieser Zeit wurde eine Reihe von Tools entwickelt, die den Zugriff auf Daten und deren Organisation vereinfachen. OLAP, Executive Information Systems und Data Warehouses waren einige der Tools, die für die Arbeit mit DSS entwickelt wurden.“2
In den 1990er Jahren wurde BI immer beliebter, aber die Technologie war immer noch komplex. In der Regel war dafür IT-Unterstützung erforderlich, was häufig zu Rückständen und verzögerten Berichten führte. Selbst ohne IT brauchten BI-Analysten und Benutzer umfassende Schulungen, um ihre Daten erfolgreich abfragen und analysieren zu können.3
Business Intelligence ist eine Denkweise, die aus Hardware und Software besteht. Durch die Einführung einer datengesteuerten Kultur, die auf einem vollständigen Satz von Ansätzen, Prozessen, digitaler Technologie und Datenanalyse basiert, kann ein Unternehmen neue Erkenntnisse gewinnen, um bessere Geschäftsentscheidungen zu treffen und neue Vorteile zu generieren. Die Installation eines neuen BI-Softwarepakets allein führt nicht zu diesem Kulturwandel.
Vorteile von BI:
Herausforderungen von BI
Daten sind das Lebenselixier erfolgreicher Unternehmen. Neben den traditionellen Datenrollen – Dateningenieure, Data Scientists, Analysten und Architekten – benötigen Entscheidungsträger im gesamten Unternehmen einen flexiblen Self-Service-Zugriff auf datengestützte Erkenntnisse, der durch künstliche Intelligenz (KI) beschleunigt wird. Von Marketing über Personalwesen und Finanzen bis hin zur Lieferkette können Entscheidungsträger diese Erkenntnisse nutzen, um die Entscheidungsfindung und Produktivität im gesamten Unternehmen zu verbessern.
Unternehmen profitieren davon, wenn sie Abläufe und Prozesse vollständig bewerten, ihre Kunden verstehen, den Markt einschätzen und Verbesserungen vorantreiben können. Sie benötigen die richtigen Tools, um Geschäftsinformationen von überall aus zu aggregieren, zu analysieren, Muster zu erkennen und Lösungen zu finden. Um ein BI-System bereitzustellen, das all dies ermöglicht, sollten Unternehmen:
Business Intelligence schafft in fast jeder Branche einen Mehrwert für verschiedene Funktionen. Beispiel:
Kundenservice: Da sowohl Kundeninformationen als auch Produktdetails über eine einheitliche Datenquelle verfügbar sind, können Kundenservice-Agenten schnell auf Kundenfragen antworten oder mit der Lösung von Kundenanliegen beginnen.
Finanzen und Bankwesen: Finanzunternehmen können den aktuellen Zustand und die Risiken ihres Unternehmens ermitteln und den zukünftigen Erfolg vorhersagen, indem sie die Kombination aus Kundenhistorie und Marktbedingungen betrachten. Die Daten können über eine einzige Schnittstelle für jede einzelne Filiale überprüft werden, um Verbesserungsmöglichkeiten oder weitere Investitionen zu identifizieren.
Gesundheitswesen: Patienten können schnell Antworten auf viele dringende Gesundheitsfragen erhalten, ohne zeitraubende Fragen an das Personal oder das medizinische Personal zu stellen. Interne Abläufe, einschließlich Bestand, lassen sich leichter minutengenau nachverfolgen.
Einzelhandel: Einzelhändler können Kosteneinsparungen erzielen, indem sie die Leistung und die Benchmarks der einzelnen Geschäfte, Kanäle und Regionen vergleichen. Und mit der Transparenz des Anspruchsprozesses können Versicherer sehen, wo ihnen Serviceziele fehlen, und diese Informationen nutzen, um die Ergebnisse zu verbessern.
Vertrieb und Marketing: Durch die Vereinheitlichung von Daten zu Werbeaktionen, Preisgestaltung, Umsatz, Kundenaktionen und Marktbedingungen können Marketing- und Vertriebsteams zukünftige Werbeaktionen und Kampagnen besser planen. Eine detaillierte Zielgruppenansprache oder Segmentierung kann den Umsatz steigern.
Sicherheit und Compliance: Zentralisierte Daten und ein einheitliches Dashboard können die Genauigkeit verbessern und helfen, die Ursachen von Sicherheitsproblemen zu ermitteln. Die Einhaltung von Vorschriften kann mit einem einzigen System zur Erfassung von Berichtsdaten vereinfacht werden.
Statistische Analysen: Mithilfe deskriptiver Analysen können Unternehmen Statistiken überprüfen, um neue Trends zu erkennen und herauszufinden, warum diese Trends entstehen.
Lieferkette: Weltweite Daten auf einer zentralen Oberfläche (Single Pane Of Glass, SPOG) können den Warenverkehr und die Identifizierung von Ineffizienzen und Engpässen in der Lieferkette beschleunigen.
Die jüngsten Entwicklungen im Bereich Business Intelligence konzentrieren sich auf Self-Service-BI-Anwendungen, die es technisch nicht versierten Benutzern ermöglichen, automatische Analysen und Berichte zu nutzen. Das IT-Team ist weiterhin für die Verwaltung der Unternehmensdaten verantwortlich – einschließlich der Genauigkeit und Sicherheit –, aber mehrere Teams können nun direkt auf die Daten zugreifen und sind für ihre eigene Analyse verantwortlich, anstatt den Auftrag in einer Warteschlange auf Ausführung durch die IT-Abteilung warten zu lassen.
Es wird erwartet, dass die laufenden Fortschritte bei modernen Business Intelligence- und Analysesystemen maschinelle Lernalgorithmen und KI integrieren, um komplizierte Aufgaben zu rationalisieren. Mit dem neuen Schwerpunkt auf Self-Service können diese Funktionen auch die Fähigkeit des Unternehmens beschleunigen, Daten zu analysieren und Erkenntnisse auf einer tieferen Ebene zu gewinnen. KI-gestützte Systeme können automatisch aus mehreren Quellen lesen und dabei die relevantesten Informationen für die Entscheidungsfindung herausfiltern.
Betrachten Sie zum Beispiel, wie IBM Cognos® Analytics Datenanalyse und visuelle Tools zusammenführt, um die Erstellung von Karten für Berichte zu unterstützen. Das System nutzt KI, um geografische Informationen automatisch zu erkennen. Sie kann dann die Visualisierungen verfeinern, indem sie geospatiale Karten des gesamten Globus, eines einzelnen Viertels oder irgendetwas dazwischen hinzufügt.
Moderne BI-Lösungen arbeiten auf cloudbasierten Plattformen, um die Reichweite von BI weltweit zu erhöhen. Aus Big Data können Erkenntnisse über die Verbraucher gewonnen werden, wobei Informationen entstehen, die von beschreibend bis hin zu vorhersagend reichen. Viele BI-Lösungen bieten jetzt Echtzeitverarbeitung und ermöglichen eine sofortige Entscheidungsfindung.
Zu den weiteren Fortschritten bei BI-Systemen für Unternehmen gehören Abfragen in natürlicher Sprache, die für Benutzer, die keine SQL-Experten sind, einfacher sind. Low-Code- oder No-Code-Entwicklungsfunktionen sind in einigen BI-Systemen verfügbar, so dass Benutzer ihre eigenen Tools, Anwendungen und Berichtsschnittstellen erstellen können, um die Antworten und die Markteinführung weiter zu beschleunigen.
Ihr KI-gestützter Business-Analyst und Berater beantwortet Ihre geschäftlichen Fragen in Sekundenschnelle und leitet Sie zu den wichtigsten Entscheidungen an.
Automatisieren Sie Planungs-, Budgetierungs-, Prognose- und Analyseprozesse. Gehen Sie über Tabellenkalkulationen hinaus, um Effizienz zu schaffen und manuelle Schritte zu vermeiden. Mick Ferguson, Finance Manager, Hunter Industries, bestätigt die Vorteile: „Wir sind sehr zufrieden mit IBM Planning Analytics on Cloud; es ist zu einer zentralen Anlaufstelle für alle unsere Finanz- und Buchhaltungsanforderungen geworden.“
Nutzen Sie die Vorteile dieser einzigen Analyselösung für Ihr gesamtes Unternehmen, um Daten zuverlässig zu überwachen, zu untersuchen und Erkenntnisse aus ihnen auszutauschen. Stefanie Nicholson, Head of Operations, Go Health Clubs, unterstreicht diese Wirkung: „Wir haben viel mehr Vertrauen in unsere Metriken — tatsächlich herrscht in der Branche inzwischen die Einstellung, dass „es nicht zählt, wenn es nicht von Cognos kommt.“
Nutzen Sie prädiktive Analysen, um Datenmuster aufzudecken, genaue Erkenntnisse zu gewinnen und die Entscheidungsfindung zu verbessern. Mark Lack, Strategy Analytics and Business Intelligence Manager bei Mueller, Inc. bestätigt diesen Vorteil: „Umfassende Analysen. Einfach Daten hinzufügen.“
Lesen Sie, warum Unternehmen erfolgreich sind, die mithilfe von erweiterten Analysen schnelle, datengesteuerte Entscheidungen treffen.
Erfahren Sie, wie Unternehmen künstliche Intelligenz einsetzen, erfahren Sie mehr über ihre Vorteile und vieles mehr.
Informieren Sie sich über die Bedeutung eines reaktionsschnellen Lieferkettenplans und wie Sie ihn erreichen.
Erfahren Sie, wie dieser Kunde dazu beiträgt, die Qualität der Pflege sicherzustellen, indem er tägliche Leistungsmetriken berechnet, Trends erkennt und seine Prozesse optimiert.
Alle Links befinden sich außerhalb von ibm.com
1 CIO Magazine: https://www.cio.com/article/272364/business-intelligence-definition-and-solutions.html
2 Dataversity Digital: https://www.dataversity.net/brief-history-business-intelligence/
3 Better Buys: https://www.betterbuys.com/bi/history-of-business-intelligence/
4 Bericht von Seagage und IDC: https://www.seagate.com/files/www-content/our-story/rethink-data/files/Rethink_Data_Report_2020.pdf