Business Intelligence

Da es auf der ganzen Welt immer mehr Daten gibt, und diese durch traditionelle Methoden der Datensammlung oft trotz Bemühungen veraltet bei den relevanten Personen ankommen, ist es wichtig, ein System zu benutzen, dass diesen Prozess erleichtert. Business Intelligence ist ein Sammelbegriff des IT-gestützten Zugriffes, der Analyse und der Aufbereitung von Informationen. Schließlich und letztendlich sollte dieser Prozess dabei helfen, das bereits vorhandene Wissen eines Unternehmens in neues Wissen zu verwandeln, welches relevant und handlungsorientiert ist und das Unternehmen (und vor allem das Management) bei Entscheidungen und bei der Steuerung der Firma unterstützt. (Wolf, 2021, S. 6)

Die typischen Aufgabengebiete der Business Intelligence beinhalten beispielsweise die Festlegung der Ziele des Unternehmens (Planung), die Erstellung von Abweichungsanalysen (Analyse), das entscheidungsrelevante Aufbereiten von Daten (Darstellung) und in weiterer Folge die Erkennung neuer Trends (Prognose). (Wolf, 2021, S.7)

Historisch hat sich Business Intelligence ab Mitte der 90er Jahre entwickelt. In den 1960er Jahren gab es das Management Information System (MIS), ab 1970 dann das Decision Support System (DSS). Ab 1980 wurde das Executive Information System (EIS) verwendet, und ab 1990 das Data Warehouse System.

Aus diesem Grund ist das Data Warehouse System das Fundament des Business Intelligence Systems. (Wolf, 2021, S.10)

BI-Architektur

Die Architektur eines Business Intelligence System sieht grundsätzlich folgendermaßen aus: Zuerst braucht das Unternehmen Datenquellen. Das können operative und externe Quellen sein.

Als nächstes beginnt der Ladevorgang in das Datawarehouse. Dafür wird der ETL Prozess verwendet (siehe 1.3).

Als nächstes werden die Daten im Datawarehouse periodisch und nach einem gewissen Schema abgelegt. (siehe 1.2)

Zuletzt werden die Daten bereitgestellt. Dafür wird entweder eine multidimensionale Form (siehe OLAP 1.4), oder eine relationale Form (Tabelle) verwendet. (Wolf, 2021, S.12)

Data Warehouse

Das Datawarehouse ist eine Datenbank, in der vereinheitlichte und unternehmensspezifische Daten archiviert werden. Auf das Datawarehouse besteht nur Lesezugriff, da die Daten historisch, und daher unveränderlich sind. (Wolf, 2021, S.19)

Der Unterschied zwischen einer Datenbank und einem Datawarehouse, ist dass das Datawarehouse für Analysezwecke optimiert wurde. (Wolf, 2021, S.20)

ETL

Der ETL Prozess beschreibt die 3 wesentlichen Schritte bei der Beschaffung von Daten, sowie deren Transformation.

E steht für „Extract“ – damit ist der Prozess der Beschaffung relevanter Daten aus verschiedenen Quellsystemen gemeint

T steht für „Transform“ – in diesem Schritt werden die Quelldaten in das Schema und Format der Zieldatenbank verwandelt

L steht für „Load“ – hierbei werden die Daten in die Zieldatenbank (also das Datawarehouse) geladen. (Wolf, 2021, S.25)

OLAP-Technologie

Mit der OLAP-Technologie werden relevante Daten aus dem Datawarehouse verdichtet und dargestellt.

OLAP hilft dabei, die Daten zu aggregieren, sowie diese grafisch darzustellen. (Wolf, 2021, S.29)

Bei der OLAP-Technologie wird eine Würfelarchitektur mit unterschiedlichen Kennzahlen, Dimensionen, Hierarchien und Darstellungen verwendet. (Wolf, 2021, S.30)

Die Funktionalitäten der OLAP-Technologie sind:

Slicing: Ein Filter wird nur in einer Dimension angewendet

Dicing: Ein Filter wird in mehreren Dimensionen angewendet

Drilldown: Es kann zu detaillierten Informationen navigiert werden.

Roll-up: Die aggregierten Informationen werden angezeigt

Verschachteln: Damit können mehrere Dimensionen zueinander verschachtelt werden (Wolf, 2021, S.32)

Unterschied BI-Big Data

Big Data sind Daten, die an sich zu groß, zu komplex, zu schnelllebig oder zu schwach strukturiert sind, und daher mit Methoden wie Business Intelligence nicht ausgewertet werden können. (Wolf, 2021, S.40)

Daher werden für Big Data sogenannte Advanced Analytics benutzt. Advanced Analytics basiert ihren Erfolg auf möglichst automatisierter Erkennung (und Verwendung) von Mustern, Bedeutungen und Zusammenhängen.

Für Advanced Analytics werden Optimierungsalgorithmen, Data Mining, statistische Verfahren, Modelle zu Vorhersage und Text und Bildanalytik verwendet. (Wolf, 2021, S.42)

Berichtswesen

Das Berichtswesen, oder auch Reporting genannt, erzeugt eine Verbindung zwischen dem Entstehungs- und Anwendungsort der Daten. Unter Reporting versteht man die Gewinnung, Dokumentation, Aufbereitung und zur Verfügung Stellung der Daten. (Wolf, 2021, S.54)

Die wichtigsten Grundsätze einer erfolgreichen Berichtserstellung sind eine einheitliche Datenbasis, eine bessere Kommunikationsgrundlage, höhere Prüfungssicherheit und schnellere Analyse- und Abschlusszeiten.

Grundsätzlich sollten die Daten weniger komplex werden, um klare Ergebnisse zu erzielen. (Wolf, 2021, S.55)  

Internes Berichtswesen

Internes Berichtswesen ist ein fester Bestandteil der Strategien, die ein Unternehmen verwendet. Je größer ein Unternehmen ist, desto mehr Berichte werden erstellt.

Internes Berichtswesen bildet die Basis für Entscheidungsprozesse eines Unternehmens.

Wie bereits erwähnt, schafft Reporting die Verbindung zwischen Entstehungs- und Anwendungsort der Daten. Dabei stellt es alle benötigten Informationen der verschiedenen Führungsebenen, die für das Fällen der Entscheidungen gebraucht werden, zur Verfügung.

Dadurch wird dem Management ein Überblick der relevanten Werte und Abweichungen möglich gemacht.

Die Berichtserstattungen finden monatlich, pro Quartal, oder jährlich statt. (Reimus, von Rechenberg & Wildt, 2021)

Ziele des Berichtswesens

Die Berichte sind mehrdimensional. Die Hauptziele sind unter anderem Datenaufbereitung durch widerspruchsfreie Datensätze, Hilfe bei Entscheidungen dank einer Reduktion der Komplexität, Soll-Ist-Vergleich, da das Berichtswesen einen Überblick verschafft, und das Schaffen von mehr Transparenz. (Reimus, von Rechenberg & Wildt, 2021)

Warum ist Internes Berichtswesen so wichtig?

Für Controller ist das interne Berichtswesen ein Instrument der Planung und Koordination. Dank dem Wissen (Zahlen und Auswertungen) der Vergangenheit können sie die Entscheidungen für die Zukunft dementsprechend treffen.

Der wichtigste Aspekt der Berichtserstattung ist Transparenz der Finanzen, auf die Umsatz-, Gewinn- und Kostensituation, der Struktur des Personals, der Organisation, Logistik etc.. (Reimus, von Rechenberg & Wildt, 2021)

Wichtige Faktoren eines guten und effizienten internen Berichtswesens?

Der Adressat: Bevor ein Berichtswesen verfasst wird, sollte geklärt werden, an wen die Berichtserstattung gerichtet ist. Dabei geht es primär um die Informationsbedürfnisse, die erfüllt werden müssen.

Die Konzeption: Es sollten einheitliche Datenstandards verwendet werden, um die Komplexität der Daten zu reduzieren. (Reimus, von Rechenberg & Wildt, 2021)

Wirtschaftlichkeit

Beim Erstellen einer Berichterstattung muss darauf aufgepasst werden, die Balance zwischen Nutzen und Aufwand aufrecht zu erhalten. Zu umfangreiches oder detailliertes Dokumentieren kann sich auf Dauer negativ auswirken. Aus diesem Grund werden meistens nur Standard und Abweichungsberichte erstellt. (Reimus, von Rechenberg & Wildt, 2021)

Quellenverzeichnis

Wolf, S. (2021). Business Intelligence.

Reimus, E., von Rechenberg W., Wildt A. (2021, 07. September). Berichtswesen (Reporting). Controllingportal. https://www.controllingportal.de/Fachinfo/Grundlagen/Berichtswesen-Reporting.html