"Business Intelligence (BI) sind IT gestützte Verfahren und Prozesse zur Aufbereitung von Daten, mit dem Ziel, aus vorhandenem Wissen neues Wissen zur Unterstützung von Entscheidungen zu generieren."
Business Intelligence bildet den closed loop zwischen dispositiven und operativen Daten indem neue Erkenntnisse operativ genutzt werden - Turning Data into Action.
Der Ansatz geht auf der 1990er Jahre zurück, bei dem Daten aus unterschiedlichen Quellen gesammelt, und in Folge zusammengeführt und für multidimensionale Analysen (OLAP Online Analytical Processing) oder zur Entdeckung von unbekannten Zusammenhängen in den Daten (Data Mining) in Zusammenhang gebracht werden. Die ersten Decision Support Systeme wurden bereits in 1960 Jahren entwickelt. In den letzten Jahren wurden Methoden und Verfahren weiter entwickelt (Data Science). Einzelne oder in Kombination verwendete statistische Verfahren, konnektionistische Verfahren, numerische Verfahren, maschinelle Lernverfahren, Simulationsverfahren, Zeitreihenanalysen oder Visualisierungsvefahren werden für unterschiedliche Anwendungsfälle wie Betrugserkennung, Selbstlokalisation von Maschinen, Handschriftenerkennung, Targeting, Vorhersagen Aktienentwicklung oder Früherkennung von Produktionsfehlern eingesetzt. Der Begriff Business Intelligence wird zunehmend durch die Fokussierung auf die Analytik durch den Begriff Business Analytics abgelöst. Die Kenntnis der analytischen Methoden, Verfahren und Tools erzeugt aus den Daten noch keinen Mehrwert:
- Sinnvolle Analysen bedürfen eines Expertenteams über verschiedene fachliche Bereiche (z.B. Produktion, Beschaffung, Produkteingenschaften, Logistik), Programmierung (z.B. Scripting, SQL), Mathematik
- Einfacher aber gesicherter Zugriff auf Daten und Abbau von Datensilos (Data Gouvernace)
- Adäquate Berücksichtigung von Datenschutzanforderungen
- Verwendung von strukturierten und unstrukturierten (Quell-)Daten aus dem Unternehmen, Sozialen Netzwerken, befreundeten Unternehmen sowie sonstigen Quellen
- Qualität der verwendeten Daten und Nachvollziehbarkeit vorhergehender Datentransformationen, wenn keine Rohdaten verfügbar sind
- Daten benötigen adäquate Vorverarbeitungen, damit ausgewählte Verfahren angewendet werden können
- Verfahren und Methoden sind für die jeweilige Fragestellung zu parametrisieren, anzupassen oder zu programmieren
- Die Herkunft der Verfahren und Methoden entstammt unterschiedlichen Disziplinen und Quellen
- Kontinuierliche Prüfung genutzter analytischer Modellen, ob Erkenntnisse und Vorhersagen weiterhin Gültigkeit besitzen, denn Rahmenbedingungen sind nicht stabil
- Vertrauen in Vorhersagen durch Modelle und plausible Erläuterung der Verfahren und Methoden gegenüber Fachbereichen und Management
- Klare und transparente operative Einbindung der analytischen Modelle (Framework zum Ausführen der Modelle)
- Klare und eindeutige Trennung von produktiven und nicht-produktiven analytischen Modellen
- Rasche Verfügbarkeit von Analysefunktionen und Freiheit in der Wahl von Berichtsinhalten bei einer steigenden Anzahl von (Fachbereichs-)Nutzern und Anwendungsfällen (Self-Service BI)
- Analytische Tools und Business Intelligence Architektur als integraler Bestandteil einer IT Strategie
Unser Angebot:
Wir unterstützen Unternehmen bei der Einführung, Anpassung und Umsetzung von Business Intelligence.
Vorgehensbeispiele:
- Risikoanalyse Fertigungsprozess, Analyse und Bewertung Sensor-/Messdaten, Erstellung (halb)automatischer Modelle zur raschen Fehlererkennung oder Problembewältigung
- Analyse bestehender OLAP Cubes/Reports, Überführen OLAP-Cubes in zentralen Datawarehouse Storage, Anpassung OLAP-Berichte für geänderte Datenquelle, Test und Deployment der Berichte
- Bewertung neuer Anforderungen (z.B. Self-Service BI), Prüfung bestehende Reporting Strategie, Bewerten bestehende Reports und Reporting-Infrastruktur, Entwurf zukünftige Reporting Architektur und Misch-Architektur während der Transformation
- Transformation Reporting Infrastruktur
- Analyse existierende Berichts- und Analyse Lösungen, Abschaffung von Insellösungen und Aufbau ganzheitlicher Lösungen
- Entwurf und Aufbau eines Framework zum Ausführen von analytischen Modellen für variierende Herausforderungen: Near-Realtime, hohe Datenkomplexität, hohes Datenvolumen, Genauigkeit der Berechnung und Komplexität des Modells
- Analyse abteilungsübergreifender Analytik-Bedarf, Erheben Service-/Produktportfolio Analytik, Aufbau Data Science Competence Center oder Shared Service Center Data Science
- Professionalisierung von Business Intelligence IT Prozessen (Service Strategie, Service Design, Service Transition und Service Operation) zur Erhöhung Agilität gegenüber (Nutzer-)Anforderungen
- Aufbau/Erweiterungen von Aufbauorganisation und Infrastrukturen mit datengetriebenen Geschäftsmodellen
- Aufbau einer nachfrageorientierten Business Intelligence Architektur, die einen flexiblen Austausch von analytischen Diensten erlaubt
Wie können wir Sie unterstützen? Je nach Ausgangssituation in Form von Beratumg, Interim-Management, Coaching für Führungskräfte und Trainings.
Projektbeispiele:
- Beratung: Einführung eines Kampagnenmanagement und Anbindung an das Datawarehouse
- Beratung: Softwareauswahl mit Analyse - und Berichtskomponenten unter Nutzung eines Proof of Concept
- Beratung: Aufbau und Einführung eines BI Sicherheitskonzepte sowie Business-Layer im Datawarehouse, damit Fachanwender selbständig Berichte erstellen können
- Beratung: Aufbau von dezentralen Business Intelligence Services unter Berücksichtigung bestehender organisatorischer Strukturen
- Interim-Management: Projektmanagement zur Transformation eines Business Intelligence Frontend