Über Chancen und Herausforderungen für Business Intelligence und Business Analytics berichtet Peer Schwieren von valantic.
Foto: valantic
Der Autor Peer Schwieren ist Geschäftsführer von valantic Business Applications
Wollen Unternehmen ihren „Datenschatz“ heben, lohnt es sich – um im Bild zu bleiben – zuerst in die „Goldminen“ der Organisation zu schauen, wie der Status quo ist. Ergebnis: Grundsätzlich haben mittlerweile viele Unternehmen sowohl den Bedarf an als auch die Chancen von Business Intelligence (BI) und Business Analytics (BA) erkannt. Sie „schürfen“ bereits Datennuggets und tragen zur Wertschöpfung bei. Geht es dabei um die tradierte BI-Sicht, die primär Erkenntnisse aus der Vergangenheit analysiert, sind sie in der Regel gut aufgestellt. Implementierte Data Warehouses leisten dabei gute Dienste, die entsprechend modellierten Metadaten und darauf aufbauende BI-Systeme sind up-to-date.
Nachholbedarf besteht unserer Erfahrung nach vielfach beim Einsatz von modernen BA-Strukturen. Für die wirklich wichtigen, zukunftsgerichteten prädiktiven Analysen mangelt es häufig an geeigneten Architekturen und entsprechend aufbereiteten Daten und Methoden sowie an Know-how. Aus technologischer Sicht braucht es weiterhin sauber modellierte Metadaten und Daten und, nein, man kann auch bei zunehmender Verbreitung von Cloud-Services nicht auf die Leistung von qualifizierten Data Warehouses verzichten (welche natürlich auch in der Cloud liegen können).
Darüber hinaus sollte es den Verantwortlichen im Unternehmen klar sein, dass nur der BA-basierte, belastbare Blick in die Zukunft entscheidend die Wettbewerbsfähigkeit sichert. In unserer Arbeit stellen wir in diesem Kontext aber immer wieder fest, dass nur die tiefe Integration der BA-Suiten in andere Kernsysteme wie ERP und CRM diese valide Aussicht gewährleisten kann.
Foto: Ali Pazani/Pexels
Nur der Business Analytics-basierte, belastbare Blick in die Zukunft sichert die Wettbewerbsfähigkeit
Pandemie als indirekter TreiberFakt ist, dass BA durch die Pandemie einen Push bekommen hat – dies aber indirekt. Denn Voraussetzung dafür ist eine Digitalisierung – insofern, dass Geschäftsprozesse überhaupt erst digital abgebildet sind. Und hier gibt es viele Unternehmen und Organisationen mit einem großen Nachholbedarf, der durch die Corona-Krise sichtbar wurde. Bestes Beispiel sind in diesem Kontext die Gesundheitsämter. Hier muss die Digitalisierung weiter voranschreiten, damit BA ihren Wertbeitrag leisten kann.
Im Gegensatz dazu gibt es Unternehmen, die schon einige Schätze ihres „Datengolds“ exploriert und geborgen haben. Sie widmen sich jetzt dem nächsten großen Schritt, dem Einsatz von Künstlicher Intelligenz (KI). Und ja, BI und BA sind ein idealer Nährboden für KI, da viele Daten konsistent aufbereitet vorliegen und sich auch durch weitere – häufig externe oder unstrukturierte – Daten anreichern lassen. Allerdings: Auch hier ist es wichtig, die Chancen und Grenzen von KI richtig einzuschätzen.
„Viel hilft viel“ – dieser Merksatz spielt im Zuge des KI-Einsatzes für analytische Strukturen häufig nur eine untergeordnete Rolle. Viele Daten zu besitzen, bedeutet nicht immer auch wertvolle Informationen zu besitzen. Oder, um erneut in der Metapher zu bleiben: Katzengold ersetzt kein echtes. Mustererkennung und belastbare Prognosen sind oft nicht mengenabhängig. Anders ausgedrückt: Niemand kann das Wetter in einem Jahr vorhersagen, trotzdem sind Wetterdaten gut für kurzfristige Prognosen.
Bei valantic erleben wir im Gespräch mit den Kunden oft, dass die Quantität der Daten überbewertet wird: „Wir haben so viele davon, da muss doch ein belastbares Muster drinstecken!“. Nein, für den sinnvollen Einsatz von KI bedarf es an Fachkräften und geeigneter Datenarchitekturen und Softwarelösungen. Eine Data-Enabled-Architektur ergänzt hier Marketingdaten beispielsweise, die darüber hinaus mit Informationen aus Social Media sinnvoll angereichert werden. Im Ergebnis lassen sich so aus wenigen, aber angereicherten Daten bessere Daten machen. Wir sehen indes immer wieder, dass hier die Hersteller versuchen, mit Einzellösungen zum Ziel zu kommen, aber der große Wurf misslingt auf diese Art und Weise. Skalierbarkeit lässt sich derart nicht erzielen.
Darüber hinaus ist es Zeit für einen technologischen Paradigmenwechsel, um das volle Potenzial der Goldmine auszuschöpfen. BA wird noch allzu häufig aus der Sicht eines BA-Frontends gedacht und entschieden. Ein einfach zu bedienendes Frontend ist zweifelsohne wichtig und macht den Mehrwert eines BA-Systems einleitend nutzbar. Aber: Hinter einem exzellenten System steckt heutzutage mehr. Dazu gehört beispielsweise die Entwicklung geeigneter Anwendungsfälle, eine Cloud-, Data-Enabled- und eine Data-Driven-Architektur, die Integration ins ERP, ein Data Warehouse, entsprechende Compliance mit Datenschutz und nicht zuletzt entsprechend ausgebildetes Personal auf allen Ebenen. Auch der Umgang mit unterschiedlicher Datenqualität und -granularität, für die sich dann der Einsatz mehrdimensionaler Datenbanken anbietet, darf nicht fehlen.
Datengold lässt sich heben, aber offensichtlich ist, dass es noch viel Arbeit vor der Bergung gibt. Die Verarbeitungsfähigkeit von sowohl strukturierten als auch unstrukturierten Daten muss in vielen Organisationen mit den geeigneten Mitteln erst einmal eingeleitet werden. Der Einsatz von KI-Methoden wird entscheidend dafür sein, und alte Tugenden aus der BI-Ära, wie sauber aufbereitete Daten, sind nach wie vor essenziell. Wir glauben, dass auch in naher Zukunft diejenigen Unternehmen und Organisationen erfolgreich sein werden, die ihre BA-Lösung nach den hier beschriebenen Prozessen aufsetzen. So kann sie dann in vielen Wertschöpfungsprozessen praxistauglich eingesetzt werden, wenn zudem die notwendige Expertise vorhanden ist, um die Chancen und Grenzen der Technologien richtig einzuschätzen und die BA-Lösung für sich selbst weiterentwickeln zu können. Kurzum: Es gilt, heute auch mit BA die Basis zu legen für die Wertschöpfung von morgen. Dazu gehören sauber aufbereitete Daten, die durch KI-Verfahren laufen oder durch solche angereichert werden und so einen sauberen Prognoseprozess leisten können. Das ist wahres Datengold.
