Dipl.-Kfm. Michael Kappes, Thomas Johanndeiter
Der wichtigste Unterschied professioneller Planungstools zu den dafür alternativ eingesetzten Tabellenkalkulationstools wie MS Excel besteht in einer integrierten Datenhaltung. Alle Daten, die für Planung, Forecasting und Analysen benötigt werden, werden in einer zentralen Datenbank innerhalb des Planungstools bzw. mit Integration zum Planungstool gespeichert. Konzeptionelle Basis dafür ist ein einheitliches Datenmodell, das konsistente und standardisierte Daten ermöglicht.
Bevor man sich Gedanken über ein konkretes Tool macht, sollte Klarheit über die zukünftige Daten- und Systemarchitektur bestehen. Dazu gehört neben der Frage nach der Integration der relevanten Datenquellen auch das Zusammenspiel mit dem Reporting sowie ggf. weiteren Analyse-Anwendungen, also alles, was man benötigt, um Daten in verwertbare Informationen umzuwandeln, die Unternehmen bei Entscheidungsprozessen unterstützen. Das Framework, das Standards, Best Practices und Richtlinien zur Analyse von Geschäftsdaten bereitstellt, nennt man BI-Architektur.
2.1 Überblick über die Komponenten einer BI-Architektur
Eine BI-Architektur besteht aus den in Abb. 1 dargestellten Komponenten:
- Datenquellen und Datenintegration: Extraktion der Daten aus verschiedenen Quellen wie Datenbanken und Dateien, Transformation der Daten in das benötigte Format und Laden der transformierten Daten in das Zielsystem
- Data Warehouse und / oder Data Lake: Ein zentraler Speicher für Daten, wobei – vereinfacht – Data Warehouses eine starre, strukturierte Sicht der Daten bieten, während Data Lakes eine flexible, unstrukturierte Ansicht bieten
- Datenmodellierung und -bereitstellung: Erstellen von Datenmodellen, die Geschäftskonzepte repräsentieren und effiziente Datenabfragen ermöglichen
- Reporting-, Dashboard- und Analysewerkzeuge: Werkzeuge zur Analyse und Visualisierung von Daten sowie zur Erstellung von Berichten und Dashboards
- Planungs- und Forecast-Tools: Anwendungen, die Unternehmen bei der Prognose zukünftiger Entwicklungen und bei der Zielsetzung und Gestaltung zukünftiger Handlungen unterstützen
- Data Governance und Datenmanagement: Richtlinien und Verfahren zur Verwaltung und Kontrolle von Daten einschließlich Datenschutz und Zugriffskontrolle
- Infrastruktur und Automatisierung: Sicherstellung von Skalierbarkeit und Flexibilität sowie Automatisierung von Prozessen wie etwa Datenaktualisierungen
Abb. 1: Grundsätzlicher Aufbau einer modernen BI-Architektur
BI-Architekturen bilden die IT-seitige und technologische Klammer für Planungstools als ein Teil dieser Architekturen.
2.2 Cloud-Infrastrukturen und -Lösungen als zunehmender Standard
Während traditionelle (On-Premise) Architekturen BI-Lösungen auf unternehmenseigenen Servern und Infrastrukturen bereitstellen, nutzen moderne Cloud-BI-Architekturen Cloud Services, Cloud-Datenbanken und andere Speicherlösungen von Cloud-Anbietern, die die Infrastruktur verwalten. Damit ist eine Skalierung der Architektur einfach und schnell möglich, da zusätzliche Ressourcen nach Bedarf und elastisch hinzugefügt werden können, um auf Lastspitzen oder auf sich ändernde Anforderungen zu reagieren. Auch zahlt das Unternehmen nur für die Ressourcen, die es tatsächlich nutzt. Statt hoher Anfangsinvestitionen gibt es monatliche Abrechnungen. Dies alles führt zu einer höheren Flexibilität und Kosteneffizienz von Cloud-Architekturen, so dass diese seit einigen Jahren auf dem Vormarsch sind. Möglich sind aber auch hybride Ansätze, also Kombinationen von Cloud mit On-Premise.
Vor der Entscheidung über ein Planungstool sollte die Cloud-Strategie, also die grundsätzliche Entwicklungsrichtung bezüglich einer Cloud-Architektur, festgelegt sein. Dazu gehören
- die Entscheidung für einen Cloud-Anbieter (oder alternativ mehrere im Sinne einer Multi-Cloud-Strategie),
- die Datenstrategie (welche Daten werden in welcher Form in der Cloud gespeichert) und
- die Entscheidung, ob und wenn ja in welcher Form bestehende Anwendungen in die Cloud migriert werden sollen.
Aus einer strategischen Entscheidung für eine Cloud-Datenstrategie mit Cloud Data Warehouse oder Cloud Data Lake als Komponente für die Datenhaltung in der BI Architektur folgt typischerweise auch eine Cloud-Lösung für das Planungstool.
2.3 Neue Formen der Organisation und Verwaltung von Daten
Im Zuge der Digitalisierung nimmt die Datenarchitektur zunehmend eine zentrale Rolle ein. Während bei der Entwicklung von Datenarchitekturen über viele Jahre das Data Warehouse (DWH) den Kern bildete, sind zuletzt weitere Konzepte hinzugekommen, die dabei helfen, Daten effizient zu organisieren, zu verwalten und zu nutzen, wie in Abb. 2 dargestellt:
1. Data Warehouse und Data Lakehouse bieten strukturierte Umgebungen für die Speicherung und Analyse von Daten.
Ein Data Warehouse ist eine zentrale Datenbank, die Daten aus verschiedenen Quellen sammelt, bereinigt und speichert. Damit bietet es eine strukturierte und konsistente Sicht auf die Unternehmensdaten. Ein Data Lakehouse erweitert das Data Warehouse und ermöglicht es, auch unstrukturierte Daten in einem zentralen Repository zu speichern und für die Verwendung in Echtzeit zur Verfügung zu stellen.
2. Data Hub ermöglicht die zentrale Verwaltu...