Business-Intelligence-gestütztes Controlling liefert deu ... / 2.2 Traditionelle und explorative Business Intelligence

Im BI-gestützten Controlling ist zwischen einem traditionellen Business-Intelligence-Ansatz und einem explorativen Business-Intelligence-Ansatz zu unterscheiden (vgl. Abb. 1).

Abb. 1: Traditionelle und explorative BI aus technischer Sicht^[1]

Bei der traditionellen Datenbewirtschaftung mit einem Data Warehouse (DWH) werden auf der ersten Ebene die Daten der internen und externen Quellen für die Unternehmenssteuerung über den sogenannten ETL-Prozess angebunden.^[2] Die Abkürzung ETL steht hierbei für Extraktion, Transformation und Laden. Als wichtige Quellen stehen vor allem interne Quellen (z. B. die ERP-Systeme, das Rechnungswesen und die Personalwirtschaft), aber auch externe Quellen (z. B. Informationen von Verbänden) zur Verfügung.

Beim Data Warehouse handelt sich um die Hauptdatenquelle des Managements, aus denen die meisten entscheidungsrelevanten Informationen für die Controllingaufgaben abgeleitet werden können. In der explorativen BI werden diese Daten um weitere Quellen mit strukturierten und unstrukturierten Daten über ELT-Prozesse und dem Einsatz von Big-Data-Technologie in einem Data Lake ergänzt. Hierbei geht es z. B. um Web-Logs und RFID-Sensordaten etc., die i. d. R. für spezielle Managemententscheidungen (z. B. das Erkennen von reparaturnotwendigen Bauteilen oder die Segmentierung von besonderen Käufergruppen für die Werbung) herangezogen werden. Die Nutzungsbereiche sind hierbei nicht trennscharf und fließen ineinander über.

Der ETL- bzw. ELT-Prozess beginnt streng genommen auf der Ebene der Datenanbindung und mündet in den Datenzielen der 2. Ebene der Datenverwaltung und -distribution. Vor allem durch die Transformation, und hier speziell durch die Datenharmonisierung, Aggregation und Anreicherung der Daten, wurden bereits zentrale qualitätssichernde Aufgaben der Datenverwaltung übernommen.

Das Core Data Warehouse bildet das Zentrum der Unternehmensinformationen. Es wird gerne auch als Single Point of Truth (SPoT) bezeichnet. Nach weiteren Transformationsprozessen stellt das Core Data Warehouse die Daten für unterschiedliche Auswertungszwecke in sogenannten Data Marts (aufbereitete kleinere Datenbestände) für unterschiedliche Benutzergruppen bereit.

Sowohl in der traditionellen als auch in der explorativen BI erfolgt auf der zweiten Ebene die Datenverwaltung und Distribution der Daten über die Abbildung physischer oder virtueller Datenziele. Hierbei kann es sinnvoll sein, die Daten z. B. aus der NoSQL- bzw. Hadoop-Datenhaltung auch für die Datenziele des traditionellen BI zur Verfügung zu stellen, um hier die Vorteile der leistungsfähigen MSQL-Abfragen für die dritte Ebene der Datenauswertung nutzen zu können.

Umgekehrt kann es aber auch sinnvoll sein, große Datenmengen der traditionellen Datenziele im Bereich der Datenhaltung der explorativen BI zur Verfügung zu stellen, um hier die Vorteile der Geschwindigkeit (u. a. In-Memory-Technik, spaltenorientierte Datenbanken) und Verfügbarkeit (u. a. Parallelverarbeitung) zu nutzen.

Unternehmen, die Cloud-Technologie bevorzugen, werden z. B. mit Software as a Service (SaaS) verstärkt auf virtuelle Datenbereitstellung über die Cloud anzubindenden Quellsysteme setzen, da dies beim Aufbau und einer selektiven Nutzung (Pay-per-Use) kostengünstiger gegenüber einer lokalen On-Premises-Installationen zu sein scheint.^[3]

Aber auch bei einer virtuellen Datenbewirtschaftung entfällt die betriebswirtschaftlich sinnvolle Datenmodellierung eines Data Warehouses nicht, sie findet nur virtuell statt. Der einstige SPoT eines Core-Data-Warehouses wird mittlerweile in der gesamten Datenbewirtschaftung als logischer SPoT aufgefasst und kann sowohl physisch als auch virtuell gebildet werden. Er drückt aus, dass es nicht eine einzig richtige DWH-Architektur geben wird, sondern verschiedene Möglichkeiten existieren.

Chancen (z. B. Skalierbarkeit) und Risiken (z. B. Beschränkung bei Datenzugriffen oder Entwicklungsbeschränkungen bei Planungsfunktionalität) einer Cloudlösung müssen abgewogen werden. Letztendlich bleibt der Aufbau eines BI-gestützten Controllingsystem sowohl betriebswirtschaftlich als auch technologisch immer eine strategische Investitionsentscheidung.

Auf der dritten Ebene der traditionellen oder der explorativen BI-Architektur kann auf die bereitgestellten Daten mithilfe unterschiedlicher Analyse-, Präsentationstools, aber auch mit Planungsanwendungen zugegriffen werden.^[4] Diese Werkzeuge werden auch unter dem Begriff BI-Frontend zusammengefasst, mit denen Cockpits bzw. Dashboards für die Datennutzung aufgebaut werden können.

[1] Entnommen aus Schön, 2022, S. 559.

[2] Vgl. Schinzer/Bange/Mertens, 2000, S. 15.

[3] Vgl. Kramer, 2018, S. 1. und Finger, 2018, S. 5 f.

[4] Vgl. Goecken, 2006, S. 26ff.