Business Intelligence / Data Warehouse
Business Intelligence (BI) und Data Warehousing (DWH) ist kein Projekt, das definiert, realisiert und abgeschlossen wird. Es ist ein andauernder Prozess, der tief in der Unternehmenskultur verankert sein und sich im Einklang mit anderen Unternehmensprozessen befinden muss. Wer diesen obersten Grundsatz beherzigt, wird bei der Einführung von BI/DWH erfolgreich sein.
Business Intelligence steht dabei stellvertretend für die verschiedenen Ausprägungen von Auswertungswerkzeugen und Auswertungsmethoden sowie Business Analytics, Advanced Analytics, Data Mining oder auch Self-Service-BI. Der Begriff umfasst alle Methoden für Analyse und Berichtswesen im Unternehmen, mit dem primären Zweck der Beantwortung betriebswirtschaftlicher Fragestellungen, vom Standardbericht im Controlling bis zur Mustererkennung aus Weblogs im Bereich Customer Journey.
Data Warehouse als Datenbasis für Auswertungen umfasst die Datenhaltung, die Datenaufbereitung und das Datenqualitätsmanagement, erweitert um eine zusätzliche Datenbasis für die Sammlung strukturierter und unstrukturierter Daten unterschiedlichster Formate, den
Data Lake. Der Data Lake ist die Basis für explorative Analyseverfahren. Strukturierte Erkenntnisse aus den Analyseverfahren dienen dann wiederum als Quelle für ein Data Warehouse.
Klassische DWH/BI-Architektur:
Das eine bedingt das andere (BI ↔ DWH)
Der Gesamtprozess kann durchaus mit einem Eisberg verglichen werden. Was für Fachanwender mit Werkzeugen für Business Intelligence und Business Analytics sichtbar ist, ist nur ein Bruchteil des Gesamtgebildes und entspricht in der Realisierung etwa 10-20 Prozent des Aufwands. Der größere Rest (DWH) umfasst die Quellanbindungen, die Harmonisierung, die schichtenweise Datenverarbeitung und die Umsetzung von Themen wie Datenqualität, Compliance und Stammdatenmanagement. Somit entsteht der größte Aufwand der Realisierung in diesem Bereich, für den Benutzer unsichtbar, unter der Wasseroberfläche.
Der Ansatz des Self-Service-BI versucht dieses Prinzip zu durchbrechen, um dem versierten Fachanwender mehr Flexibilität in der Anbindung und Verknüpfung beliebiger Quellen zu ermöglichen. Diese Flexibilität mittels Self-Service-Tools und analytischer Werkzeuge erlaubt es, neue Erkenntnisse zu gewinnen und ggf. in ein Data Warehouse zu überführen. Die Informationsbasis des Unternehmens als „single source of truth“ sollte jedoch qualitätsgesichert in einem Data Warehouse vorliegen.
Die Automation in der Verarbeitung mit standardisierten ETL-Prozessen über alle Schichten eines DWH hinweg ermöglicht dem Fachanwender den Zugriff auf aufbereitete und strukturierte Informationen, die periodisch vergleichbar, strukturell harmonisiert und fachlich geprüft sind. Dies reicht von einheitlichen Kennzahlensystemen (KPIs) bis hin zu regelbasiertem Data Mining in DWH und Data Lake.
Wird dieser Prozess methodisch, fachlich, inhaltlich und ausführungstechnisch richtig gestaltet, erreicht man die wichtigste Voraussetzung für die Akzeptanz und damit den Erfolg des BI/DWH-Systems: richtige Daten und Informationen.