CubeServ Blog
Bleiben Sie auf dem neuesten Stand, rund um das Data Driven Business mit Tools für Analytics von SAP & Co. und verpassen Sie keine

Business Analytics vs. Business Intelligence

Business Analytics vs. Business Intelligence. Teil 2 der Blog(serie) zu Business Analytics zur Diskussion. ✌ Kennen wir die Ansätze nicht schon?

Bisher veröffentlicht: Teil 1: Wie Business Analytics erfolgreich gestalten?
Dies ist Teil 2:

Analytics – ein wichtiger Baustein für den Unternehmenserfolg

Dr. Mischa Seiter fasst den Kern der Aufgaben von Analytics treffend zusammen: «Die Kompetenz, verfügbare Daten so zu analysieren, dass betriebswirtschaftliche Problemstellungen evidenzbasiert gelöst werden können, ist für Unternehmen eine zentrale Quelle von dauerhaften Wettbewerbsvorteilen … Unter Evidenzen werden begründete, objektive Einsichten in einen Sachverhalt verstanden» (aus Business Analytics: Wie Sie Daten für die Steuerung von Unternehmen nutzen, 2. Auflage). Diese Definition für Business Analytics unterscheidet sich nicht grundlegend von anderen Definitionen und Beschreibungen, die für das Umfeld Business Intelligence, Data Warehouse etc. genutzt werden. Hier den Begriff «alten Wein in neuen Schläuchen» zu verwenden, greift aus meiner Sicht allerdings zu kurz.
Business Analytics in Diskussion

Business Analytics vs. Business Intelligence

Beide Begriffe werden für ähnliche Sachverhalte verwendet. Der Unterschied in der Verwendung der beiden Begriffe liegt im Wesentlichen bei der Verantwortung für die BI-Anwendungen. Die Organisation und insbesondere der Betrieb von BI-Lösungen waren nur mit hohem speziellem Know-how zufriedenstellend möglich. 

Daraus ergab sich in vielen Unternehmen eine Verantwortung in der IT. Damit einhergehend zeichnen sich viele Lösungen, die unter Business Intelligence geführt werden, dadurch aus, dass sie für ihre Anforderung sehr effizient entwickelt sind und somit auch einen guten und sicheren Betrieb gewährleisten, sich aber in Bezug auf neue Anforderungen als sehr schwerfällig herausstellen. 

Die Verantwortung für den Betrieb von Data Analytics-Lösungen führt dazu, dass der eigentliche Eigentümer (das Business) sich nicht mehr mit dieser identifiziert und nach eigenen Lösungen strebt. Hierfür benötigt man einen neuen Begriff, um sich von den etablierten Lösungen abzugrenzen und Ressourcen für die neuen Vorhaben zu allokieren.

«Business Analytics» bietet sich hier förmlich an und zeigt auf, dass etwas Neues gebraucht wird und auch etwas Neues entsteht. Die folgende Abbildung aus M. Seiter: Business Analytics: Wie Sie Daten für die Steuerung von Unternehmen nutzen zeigt den Prozess.

Ein Blick auf den Business Analytics Prozess macht deutlich, dass es nicht um ein neues Themenfeld geht. Die Teilschritte sind uns wohl bekannt, jedoch rücken BI-Anwendungen in diesem Kontext wieder näher zum Business. Dies verändert den Blick auf Technologien und Tools stark.

Auch die Gartner Group hat sich aktiv an dem Re-Branding für Analytics beteiligt, wobei wir die Fragestellung auch schon unter dem Stichwort „Data Warehouse“ (2001) kennen. 

Wenn wir uns die Lösungsvielfalt in den Unternehmen anschauen, dann fällt auf, dass sich die meisten etablierten Lösungen im Bereich der deskriptiven Analytics befinden. Viele BI-Anwendungen zeichnen sich dadurch aus, dass sie über einen längeren Zeitraum stabil sind. Methoden, die dem Bereich von Advanced Analytics zuzuordnen sind, werden praktisch nicht eingesetzt. Ganz anders sieht es mit den Fragestellungen aus, die entweder nicht stabil existieren oder aber sehr neu sind und eine sofortige Antwort benötigen. Jeder, der schon mal für den Marketingbereich eine stabile Datenbasis oder stabile Reports bauen wollte, wird wissen, wie schnell sich Fragestellungen in diesem Bereich ändern können. Hier ist das Marketing sicherlich nicht allein, bietet jedoch ein sehr anschauliches Beispiel.

Ich empfehle beide Ansätze zu kombinieren. Wir haben auch heute noch einige Kunden, die mit dem Data Warehouse beginnen. Es gibt viele Daten, Fragestellungen und Datenaufbereitungen, die dauerhaft für das Unternehmen vom Wert sind. Für diese empfehle ich das Enterprise Data Warehouse. Hierfür werden auch weiterhin Spezialisten gebraucht. Das Enterprise Data Warehouse hat sich zu einem logischen Konstrukt weiterentwickelt. Ein monolithischer Block kann den Anforderungen nicht gerecht werden. Die Anforderungen an die Effizienz einer solchen Lösung wird regelmässig nicht geeignet sein, neue Ad-hoc-Anfragen zu beantworten. Um die Agilität auch für neue Fragestellungen zu gewährleisten, benötigen wir eine Ergänzung durch eine sehr businessnahe Organisation. Das Business muss die Möglichkeit haben, den eigenen Data-Mart zu verändern, weiterzuentwickeln und effiziente Antworten auf spontan auftretende Fragestellungen zu erhalten.

Schreibe einen Kommentar

Autor
Expert Team
Roland J. Merz
Blog abbonieren

Bleiben Sie auf dem neuesten Stand, rund um das Data Driven Business mit Tools für Analytics von SAP & Co. und verpassen Sie keine Neuigkeiten, Downloads & Veranstaltungen.