Bei den täglichen Prozessen in unserem Umfeld fallen durch die zunehmende Digitalisierung immer größere Mengen an Daten an. Diese Daten zu nutzen, um daraus wichtige Schlussfolgerungen zu ziehen, ist das Ziel von Business-Intelligence-Verfahren. Dabei können diese Daten noch so unwichtig erscheinen, eine clevere Auswertung kann zu überraschenden Ergebnissen führen – mit Konsequenzen für Sie und Ihr Unternehmen. In diesem Beitrag können Sie sich einen Überblick zum Thema Business Intelligence – Begriffsklärung, Methoden, Beispiele – verschaffen.

Wieviel Umsatz macht Ihr Vertrieb im nächsten Monat? Finden Sie es mit dieser  Vorlage für Vertriebsprognosen heraus.

Business Intelligence ist ein relativ loser Begriff, der meistens das Auswerten großer Mengen an Daten beinhaltet, aus denen sich nützliche Informationen ziehen lassen.

Zum Beispiel könnte ein bestimmtes Business-Intelligence-Verfahren bei der Datenauswertung aus einem Onlineshop die Generierung von drei Kundentypen vornehmen, um später das Marketing auf genau diese Zielgruppen auszurichten. Ein anderes BI-Verfahren könnte aus den gleichen Daten etwa die durchschnittliche Verweildauer von Kunden auf bestimmten Produktseiten herausfiltern.

Business Intelligence: Phasen und Methoden

Business-Intelligence-Prozesse beinhalten drei Phasen:

  • Die erste Phase besteht aus der Festlegung darüber, welche Daten für die Analyse relevant sind und dem eigentlichen Sammeln der Daten. Für die Datenerfassung sind dabei sogenannte OLTP-Systeme (OLTP = Online Transaction Processing) zuständig. Diese sind oft Teil des Tagesgeschäfts und tracken einzelne Daten wie etwa den Klick eines Users auf eine bestimmte Website.

  • Die zweite Phase besteht aus intensivem Data Mining, um Beziehungen (wie positive oder negative Korrelationen) zwischen verschiedenen Datensätzen zu finden. Beispielsweise könnten Sie feststellen, dass Kunden aus einer bestimmten Altersgruppe ein Produkt außergewöhnlich häufig kaufen.

  • In der dritten Phase des Business-Intelligence-Prozesses findet die Interpretation der Daten statt. Wer sich mit Data Mining auskennt, der weiß, dass dabei durchaus kuriose und schwer zu interpretierende Zusammenhänge auftreten. Hier lohnt sich vor allem ein Blick auf die Daten, die man vorher noch gar nicht beachtet hatte. Dabei können überraschende Effekte zutage treten, die sich durch die richtigen Managemententscheidungen ausnutzen lassen.

Welche Daten werden gebraucht?

Die Festlegung der Daten für die Analyse legt den Grundstein für das BI-Verfahren und sollte daher gut überlegt sein. Außerdem müssen diese Daten in irgendeiner Art und Weise zugänglich sein. Wenn Ihr Unternehmen bereits CRM- oder ERP-Software nutzt, kann das ein großer Vorteil sein. Solche Software verfügt oft bereits über große Sammlungen verschiedener Daten oder führt sogar selbst BI-Analysen durch.

Methoden zur Datenanalyse

Online Analytical Processing (OLAP) eignet sich zur Analyse und Auswertung von Daten und bereitet sie direkt so auf, dass sie von den Geschäftsführern und Managern von Unternehmen interpretiert werden können. OLAP speichert Daten subjektbezogen und komprimiert diese unter Berücksichtigung anderer Faktoren. So vermeidet es das Speichern von unwichtigen Daten, sodass die Datensammlung insgesamt übersichtlicher wird, ohne an Aussagekraft einzubüßen. Datenaktualisierungen finden nur in bestimmten zeitlichen Abständen statt.

Als ETL (Extract, Transform, Load) bezeichnet man Methoden, die nach einem bestimmen Schema agieren. Zunächst zieht eine ETL-Methode die Daten aus den verfügbaren, operierenden Datenbanken eines Unternehmens (extract). Anschließend nimmt die Methode Anpassungen am Datenset, wie etwa die Umrechnung von Einheiten oder das Entfernen von Ausreißern, vor (transform). Zum Abschluss speichert ETL die so aufbereiteten Daten in einem sogenannten „Data Warehouse“, also der Datensammlung des Unternehmens (load).

OLAP und ETL sind folglich Methoden, die eine Vorauswahl und Aufarbeitung der Rohdaten anbieten, um sie auswertungsfreundlicher zu gestalten. Natürlich können Sie auch auf manuelles Data Mining setzen, um möglichst wenige Informationen zu verlieren. Dies ist jedoch auch mit einem großen Arbeitsaufwand verbunden. 

Die aus der Datenanalyse gewonnenen Zusammenhänge müssen Sie letztendlich noch in eine Form bringen, die sich von anderen nachvollziehen lässt. Dafür eignen sich je nach den verfügbaren Daten verschiedene Darstellungsformen, meist jedoch Diagramme oder Graphen. Gute Software erstellt zudem einen schriftlichen Report, der die wichtigsten Ergebnisse der Analyse zusammenfasst.

Warum ist Business Intelligence wichtig für Unternehmen?

Durch den Einsatz von Business-Intelligence-Software profitieren Unternehmen zum einem von der regelmäßigen Analyse aktueller Daten. Dadurch können Manager mittel- und langfristige Geschäftsprozesse besser abstimmen. Die Software kann langwierige manuelle Analysen deutlich beschleunigen und weitere Aufgaben im täglichen Betrieb übernehmen. Allerdings benötigt der richtige Umgang mit dieser Business-Intelligence-Software ein gewisses Maß an Know-how, am besten sind einige Vorkenntnisse in Informatik und Statistik.

Business-Intelligence-Tools: Beispiele

  • Tableau hilft seinen Nutzern dabei, ihre Daten sichtbar und verständlich zu machen. Tableau bietet Software für verschiedene Ausstattungen an – vom Tablet bis zum Server.

  • Als Teil des Marketing-Analytics-Pakets hat übrigens auch HubSpot einige BI-Funktionen zu bieten. 

  • Looker ist ein speziell für Skalierung entwickeltes BI-Tool und bietet Funktionen zur Vertriebsanalytik, Webanalytik und zum digitalen Marketing.

  • Clear Analytics arbeitet auf der Grundlage von Excel. Daher können sich neue Nutzer besonders schnell mit diesem Tool zurechtfinden. Es kann aber auch Daten aus vielen weiteren Datenspeichern aufnehmen.

  • SAP verfügt ebenso über einige Werkzeuge, die BI-Methoden unterstützen. So können Nutzer durch SAP Analytics Cloud von überall auf ihre Daten zugreifen und diese analysieren.

  • Domo eignet sich für die Cloud-Datenspeicherung und ist in der Lage, Daten aus verschiedenen Quellen zusammenzuführen. Es bietet eine hohe Geschwindigkeit bei großen Datenmengen und nutzt KI, um akkurate Voraussagen über zukünftige Entwicklungen zu treffen.

  • MicroStrategy ist ein BI-Tool mit Funktionen für Data Discovery, Datenvisualisierung, Daten-Wrangling und erweiterte Data Analytics. Es eignet sich zudem für Anwender mit geringen technischen Vorkenntnissen. 

Business-Intelligence-Systeme können wichtige Erkenntnisse aufzeigen

BI-Systeme sind hilfreiche Tools für findige Datenanalysten, die sich detailliert in Geschäftsprozesse einarbeiten wollen. Die Auswertung und Interpretation solcher Daten sind nicht in jedem Fall einfach. Richtig angewendet führen BI-Systeme aber zu wichtigen Erkenntnissen, die sich positiv auf den Alltag vieler Unternehmen auswirken können. 

Geschäftsmann mit Geld in beiden Händen

Titelbild: monsitj /getty images 

Ursprünglich veröffentlicht am 19. Mai 2020, aktualisiert am Mai 19 2020