BI im Mittelstand

Geschrieben von: Administrator Freitag, den 13. November 2009 um 13:33 Uhr

Management - Organisation

Was ist eigentlich: Business Intelligence?

Kaum noch ein Großunternehmen verzichtet darauf und auch beim Mittelstand ist „Business Intelligence“ inzwischen stark in den Fokus gerückt. Trotzdem ist oftmals noch unklar, was genau hinter diesem Schlagwort steckt. Ein Erklärungsversuch…
Ständig verwendet, jedoch selten wirklich verstanden: der Begriff „Business Intelligence“ (abgekürzt: „BI“). Wer sich darüber informieren möchte, erhält die verschiedensten – meist floskelhaften – Erklärunsgen, was BI bedeutet und was eine BI-Plattform leisten kann, und wird mit einer Vielzahl von vorgeblich optimalen Anwendungen konfrontiert. Aber was genau ist Business Intelligence eigentlich? Und: Lohnen sich Investitionen in dieses Thema auch für mittelständische Unternehmen?

Kurz gesagt: Business Intelligence bezeichnet die Sammlung, Auswertung und Darstellung aller in einem Unternehmen vorhandenen Geschäftsdaten. Betriebswirtschaftlich gesehen ist das gar nichts Neues: seit jeher ziehen Unternehmen aus ihren Prozessen Rückschlüsse für ihr Geschäft. So ist auch ein handgeschriebener Zettel aus dem Werk mit den Zahlen der Tagesproduktion im Grunde nichts anderes als Business Intelligence: die Informationen zur Produktivität des Unternehmens gelangen auch auf diese Weise zu den Entscheidern.

Explosionsartig steigende Datenmengen erfordern heutzutage jedoch umfangreichere und zugleich verfeinerte Reportingmöglichkeiten – der handgeschriebene Zettel genügt nicht mehr, um das eigene Geschäft zu verstehen.
Deshalb haben sich in Großunternehmen bereits fast überall IT-gestützte BI-Systeme etabliert. Und diese halten nun auch ihren Einzug im Mittelstand. Denn: der Bedarf an BI ist hier genauso groß: die Datenfluten überschwemmen auch mittelständische Unternehmen und erfordern Werkzeuge, mit denen sich aussagekräftige und fehlerlose Informationen gewinnen lassen. „Eine korrekte Datenbasis ist unverzichtbar für jedes Unternehmen, das dem verstärkten Konkurrenzdruck im Wettbewerb Stand halten will“, erklärt Mark Zimmermann, Geschäftsführer der Infomotion GmbH, eines der führenden deutschen IT-Beratungshäuser für Business-Intelligence-Lösungen. „Das ist keineswegs nur eine Sache der großen Konzerne. Besonders heutzutage, da sich der Mittelstand als Wachstumsmotor Deutschlands entwickelt hat.“

Informationen auf einen Blick
Diese zunehmende wirtschaftliche Bedeutung zieht einen strukturellen Wandel in mittelständischen Unternehmen mit sich. Interne wie externe Prozesse müssen optimiert, die Produktivität gesteigert und Kosten gesenkt werden. „Die Dynamik und Komplexität der Märkte setzt den Mittelstand unter Druck“, erläutert Zimmermann. „Die Unternehmen müssen neue Strategien entwickeln, um in diesem Wettbewerb bestehen zu können.“ Dabei benötigen sie meist Unterstützung: Hilfe versprechen moderne Business-Intelligence-Systeme.

Professionelle BI-Plattformen führen die relevanten Daten aus allen Unternehmensbereichen sowie weiterer wichtiger Datenquellen (z.B. Marktdaten) automatisch zusammen und stellen sie strukturiert, anwenderorientiert und nach Wunsch graphisch aufbereitet zur Verfügung. Durch die Verzahnung der unterschiedlichen Daten entstehen wertvolle Informationen für das Unternehmen, welche die Basis für strategische Entscheidungen liefern. Beispielsweise können Reports zur Analyse der lohnintensiven Prozesse erstellt werden. Daraufhin erkennt das Unternehmen, welche Abläufe automatisiert werden sollten. Der Clou: Die neu gewonnenen Informationen stehen auf einen Blick zur Verfügung – ohne dass die Daten manuell aus den unterschiedlichen Datenquellen zusammengesucht werden müssen.

So weit, so gut. Doch gerade Entscheider in mittelständischen Unternehmen fragen kritisch nach dem Mehrwert von Konzepten, die ihnen zunächst fremd sind. Also wie funktioniert Business Intelligence konkret in der Praxis?

Zunächst ein Blick in das gleiche Verfahren ohne IT-gestützte BI-Plattform: Will sich zum Beispiel die Unternehmensspitze einen vollständigen Überblick verschaffen, inwieweit die Geschäftsziele in einem bestimmten Zeitraum erreicht wurden, setzt sich ein gigantisches Räderwerk in Gang. Jeder Unternehmensbereich mit all seinen Untergliederungen muss nun z.T. unterschiedlich aktuelle Zahlen und Fakten liefern. Die Daten werden dabei „per Hand“ aus den verschiedenen IT-Systemen – CRM, Warenwirtschaft, Finanzbuchhaltung, etc. – zusammengetragen und nach Hierarchie der Mitarbeiter immer weiter nach oben gereicht, jedes Mal erneut zusammengeführt und vergleichbar gemacht. Eine kolossale Verschwendung von Zeit und Personal, bis die endgültigen, oft auch noch fehlerhaften Daten schließlich auf dem Schreibtisch des Vorstands oder der Geschäftsführung landen. „Und das zumeist in Form eines Konvoluts von Excel-Listen, das in etwa so lesefreundlich ist wie das Telefonbuch von Tokyo“, ergänzt Mark Zimmermann.

Qualität der Kundenbeziehungen verbessern
Hingegen werden bei einer modernen IT-gestützten BI-Lösung die Geschäftsdaten und -zahlen aus den vielen verschiedenen Datenbeständen der einzelnen IT-Systeme und Unternehmensbereiche direkt in einem typischerweise als „Data Warehouse“ bezeichneten Datenlager zusammengezogen und gespeichert. Alle Unternehmensteile – von der Produktion über die Beschaffung und den Vertrieb bis hin zur Geschäftsleitung – haben selektiv Zugriff darauf und können die Daten individuell nach Informationsbedarf in der für sie gewünschten Präsentationsform abrufen. Seien es Produktionsdaten, Vertriebs- und Absatzzahlen oder Marketingausgaben – oder alle zusammen. Die Daten stehen sofort für eine Auswertung zur Verfügung, indem sie automatisch strukturiert, graphisch aufbereitet und somit vergleichbar gemacht werden.

Ein weiterer Schritt kann noch sein, die ausgewählten Daten nach nicht offensichtlich erkennbaren Zusammenhängen zu durchforsten. Dies geschieht beim so genannten „Data Mining“. Einer Methode, die häufig genutzt wird, um die Qualität der Kundenbeziehungen zu verbessern. „Dies ist ein geschäftsentscheidender Faktor für jedes Unternehmen“, betont Mark Zimmermann von Infomotion. „Lebenslange Kundentreue gehört der Vergangenheit an. Die Bereitschaft der Kunden bei besseren Konditionen zur Konkurrenz zu wechseln, ist hoch.“ Unternehmen müssen ihre Produkte also speziell an die Kundenbedürfnisse anpassen. Voraussetzung hierfür: Das Unternehmen muss seine Kunden genau kennen. Data Mining liefert an diesem Punkt Antworten auf die entscheidenden Fragen: Welche Kunden nehmen am ehesten welche Produkte an? Wann ist der Kunde bereit, ein höherwertiges Produkt zu kaufen. Oder auch: Wie haben verkaufsfördernde Maßnahmen tatsächlich gewirkt?

Praktisch läuft das so ab: Das Data-Mining-System analysiert sämtliche Kundendaten systematisch nach Zusammenhängen und klassifiziert verschiedene Kundengruppen. Anschließend werden die Daten gezielt ausgewertet und typische Verhaltensmuster aufgedeckt. Damit sind CRM-Abteilungen, Marketing und Vertrieb in der Lage, künftiges Kundenverhalten exakt zu prognostizieren. Kundenspezifischere Produkte können entwickelt und damit die Servicequalität immens gesteigert werden.

Wettbewerbsvorteil
Die Geschäftsdaten dienen der Steuerung des Tagesgeschäfts und bilden die Basis für strategische Planungen. Deshalb ist die hochaktuelle und verständliche Aufbereitung durch Business Intelligence ein echter Mehrwert für Unternehmen jeder Größe. Mark Zimmermann fasst den Wettbewerbsvorteil zusammen: „BI-Systeme liefern die nötigen Informationen komprimiert in Sekundenschnelle, wo andere Unternehmen erst begonnen haben, die Daten zusammen zu fassen. Nur wer seine Daten gut kennt und fehlerlos zur Verfügung hat, kann die Optimierung der eigenen Organisation steuern und erfolgreiche Strategien entwickeln und umsetzen.“

BI-Lexikon
„Business Intelligence“ zieht jede Menge Fachbegriffe und Anglizismen mit sich. Aber was verbirgt sich tatsächlich hinter dem Begriff „BI“ und all seinen Schlagworten im Schlepptau? Dieses Glossar gibt einen kurzen Überblick:

• Balanced Scorecard (BSC)
  Ein Analyseinstrument, das eine bereichsübergreifende Kontrolle und Steuerung von Unternehmenszielen ermöglicht. Die BSC geht auf Arbeiten von Robert S. Kaplan und David P. Norton Anfang der 1990er Jahre zurück und basiert auf einer Ursache-Wirkungs-Analyse. Das BSC-System ermittelt demnach kennzahlenbasiert die Abhängigkeit der finanziellen Ergebnisse von den drei so genannten Perspektiven „Kundenbeziehungen“, „interne Prozesse“ und „Lern- und Entwicklungsperspektiven der Mitarbeiter“ als zukunftsorientierte Indikatoren und Leistungstreiber.
• Business Intelligence (BI)
  Der Begriff und das Konzept wurden von der Gartner Group geprägt. Als Business Intelligence wird demnach der Prozess bezeichnet, durch den Daten in Informationen und weiter in Wissen umgewandelt werden. Praktisch gilt er heute als Oberbegriff für Data Warehousing, Data Mining und OLAP (s.u.).
• Corporate Performance Management (CPM)
  Eine Methode zur Darstellung und Verbesserung der Leistungsfähigkeit und Profitabilität von Unternehmen. CPM gilt als Add on von Business Intelligence. Neben den auf die Historie und die Gegenwart bezogenen Analysen, die im Fokus von Business Intelligence stehen, deckt CPM auch zukunftsbezogene Analysen wie Planung, Prognosen und Aktionen ab. Synonyme Begriffe: Business Performance Management (BPM) und Enterprise Performance Management (EPM).
• Data Marts
  Data Marts sind kleinere, spezielle Data Warehouses (Datenlager, s.u.) für bestimmte Organisationsbereiche oder bestimmte Anwendungen. Sie ermöglichen eine Teilsicht auf das gesamte Data Warehouse. Einzelne Abteilungen bzw. Anwender haben damit Zugriff auf spezifische Datenbestände, welche speziell für diesen Zugriff optimiert sind.
• Data Mining
  Durch verschiedene Methoden (z.B. Cluster-Analysen) werden große Datenbestände, die im Data Warehouse (s.u.) gespeichert sind, automatisiert nach relevanten Informationen durchforstet und in nicht offensichtlich erkennbaren Bezug zueinander gestellt.
• Data Warehouse
  Ein zentrales Datenlager von Informationen zur Entscheidungsunterstützung des Managements. Alle relevanten Geschäftsdaten werden darin eingespielt, strukturiert und harmonisiert, so dass für die weitere Analyse eine einheitliche und breite Grundlage zur Verfügung steht. Die verschiedenen Anwendergruppen haben schnellen und unkomplizierten Zugriff auf die Informationen.
• Online Analytical Processing (OLAP)
  Eine Ergänzung des Data-Warehouse-Konzepts zur analytischen Datenauswertung, wobei es bei den beiden Konzepten zu inhaltlichen Überschneidungen kommen kann. OLAP zählt zu den „hypothesengestützten Analysemethoden“: Der Anwender muss vor der eigentlichen Analyse wissen, welche Anfragen er an das OLAP-System stellen möchte. Seine Hypothese wird dann durch das Analyseergebnis bestätigt oder abgelehnt.