Kommentar

Darauf kommt es bei der Wahl der richtigen BI-Lösung an

| Autor / Redakteur: Robert Schmitz* / Nico Litzel

Die Anforderungen an Data-Analytics-Lösungen steigen ständig. Abhängig von Ziel, Anwender-Charakteristik und nicht zuletzt Höhe des Budgets sind unterschiedliche Lösungsansätze erfolgsversprechend.
Die Anforderungen an Data-Analytics-Lösungen steigen ständig. Abhängig von Ziel, Anwender-Charakteristik und nicht zuletzt Höhe des Budgets sind unterschiedliche Lösungsansätze erfolgsversprechend. (Bild: gemeinfrei / CC0)

Damit Analytics-Projekte auch wirklich verwertbare Entscheidungsgrundlagen liefern, gilt es, die passende Business-Intelligence-Lösung (BI) für die gesetzten Ziele zu finden. Worauf es bei der Wahl der BI-Lösung ankommt, lesen Sie hier.

Es spricht viel für die datengetriebene Neuaufstellung von Geschäftsprozessen, die Vertiefung von Kunden- und Lieferantenbeziehungen auf der Basis valider Datenauswertungen oder für ein ausgewogenes Risiko/Rendite-Verhältnis, das sich an profunden Analytics-Ergebnissen statt am Bauchgefühl orientiert.

Branchen- und unternehmensindividuelle Analytics-Szenarien, heterogene Anwender-Gruppen und eine Vielzahl von Endgeräten, auf denen Analyse-Apps ortsunabhängig zur Verfügung stehen sollen – die Anforderungen an Data-Analytics-Lösungen steigen ständig, so viel steht fest. Abhängig von Ziel, Anwender-Charakteristik und nicht zuletzt Höhe des Budgets sind jedoch unterschiedliche Lösungsansätze erfolgversprechend. Um am Ende die passende Lösung für die eigenen BI-Anforderungen zu finden, sind daher folgende Fragen unerlässlich, bevor es mit dem Auswerten und Visualisieren der Daten losgeht.

  • Was genau soll der Nutzen der Analyse sein – jetzt und später?
  • Welche Anwender und Stakeholder sollen eingebunden werden?
  • Wie hoch ist das Gesamtbudget – und könnten in Zukunft unter Umständen Erweiterungen wie zum Beispiel Geodaten-Auswertung oder automatisiertes Berichtswesen anstehen?

Plattform-Architektur, offene APIs und Konnektoren-Ökosystem

Dreh- und Angelpunkt ist zunächst der Nutzen der Analyse. Dabei legen die Entscheider möglichst exakt fest, wie sie ihre Geschäftsaktivitäten mit den neu gewonnenen Einsichten aus ihren digitalen Informationen datengetrieben transformieren und so echte Mehrwerte generieren wollen. Die Bandbreite ist hier quasi unerschöpflich – und reicht von Zielen wie besserem Kundenverständnis über optimiertes Supply-Chain-Management bis hin zu Predictive Maintenance auf der Basis von Maschinen-, Auslastungs- oder Wetterdaten. Auch die Kombination verschiedener Meilensteine ist natürlich denkbar. Um bereits zum Zeitpunkt der Ist-Analyse auch Wege in die Zukunft zu ebnen, sollten Unternehmen auf drei entscheidende Dinge bei der Wahl einer BI-Lösung achten.

Erstens eine Plattform-Architektur, die modular erweitert werden kann und sich so problemlos ausbauen lässt, wenn die Analytics-Szenarien im Lauf der Zeit umfassender werden. Zweitens offene APIs, die unternehmensindividuelle Anpassungen zulassen und der Entwickler-Community alle Möglichkeiten zur Erweiterung der BI-Lösung (oder gar der Integration der Lösung in bereits bestehende Analyseinfrastrukturen) ermöglichen – ohne feste Pfade vorzugeben. Und drittens ein breit aufgestelltes Ökosystem an Konnektoren zur direkten Datenanbindung. Wer sich in hybriden und Cloud-Umgebungen bewegt, sollte zudem auf die Cloud-, beziehungsweise Multi-Cloud-Fähigkeit der avisierten Lösung achten, damit die angedachten Analytics-Vorhaben nicht von vornherein an Infrastrukturhürden scheitern.

Unternehmensweit die Datenkompetenz fördern

Ebenso wie der Zweck der Analysen stehen natürlich die Anwender im Zentrum der Bewertung. Ausgeprägte Selfservice-Fähigkeiten sind daher ebenso gefragt wie die Möglichkeit, tief in Data Lakes einzutauchen und unter Umständen auch Advanced-Analytics-Projekte mit R- und Python-Anbindungen umzusetzen. Warum? Weil eine ganzheitliche Data-Analytics-Strategie die individuellen Kompetenzen und die intuitive Data Discovery aller Anwender bewusst einbezieht. Ob Standard-Anwender, der Analytics-Dashboards zur Verfügung gestellt bekommt und innerhalb der Governance mit seinen digitalen Informationen auf Daten-Entdeckungsreise geht.Oder ob Power-User, der selbst Apps und Dashboards erstellt – oder Data Scientist, der auch KI- und Predictive-Szenarien in das Auf- und Umsetzen von Analytics-Projekten integriert.

Unterstützt werden sollte jeder nach seinen Bedürfnissen, denn nur so steigt tatsächlich die Datenkompetenz in der ganzen Organisation – und jeder Mitarbeiter kann entsprechend seinen Kompetenzen wertvolle neue Einsichten generieren, auf die der Kollege mit seinem eigenen Erfahrungshintergrund unter Umständen gar nicht gekommen wäre. Dafür aber auf andere, die in einer datenorientierten Kultur komplementär miteinander wirken und datenbasierte Entscheidungsgrundlagen in Summe immer präziser machen.

Nicht unwesentlich sind natürlich die Kosten. Die zahlreichen Angebote auf dem Markt unterscheiden sich unter anderem durch Lizenzkosten, mögliche Implementierungs- und Trainingskosten und schließlich die Gesamtbetriebskosten (Total Cost of Ownership). Flexible Plattformen stellen sich hier breit auf und bieten sowohl für große Infrastrukturen wie auch für kleine und mittelgroße Unternehmen passende Konzepte an. Gerade für geringere Budgets kann eine Analytics-Lösung in der Cloud ideal sein, da hier in der Regel sowohl günstige Kosten wie auch unkomplizierte Skalierbarkeit gegeben sind.

* Robert Schmitz ist Area Vice President Southern Europe & Russia bei Qlik.

** Dieser Artikel erschien zuerst auf unserem Partnerportal BigData Insider.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45831291 / Data)