Zum Inhalt springen

Business Intelligence: Verfügbarkeit, Flexibilität und Wissen für die Geschäftskontinuität

Daseinszweck der Industrie ist die Umwandlung von Rohmaterialien in brauchbare Produkte für die Bedürfnisse des Menschen und im weiteren Sinne des Marktes. Die Anzahl der erforderlichen Prozesse und beteiligten Akteure, diese Transformation möglich zu machen, variiert nach Sparte oder Zweck des Produkts. Dies alles zu koordinieren, ist komplex, da umfangreiche und vielfältige Daten generiert werden, auf die weitere Variablen Einfluss haben wie etwa der Markt, externe Faktoren, die Konkurrenz ... und die Informationen werden immer mehr! Für die Industrie sämtlicher Branchen ist das Wissen entscheidend, wie Informationen verarbeitet werden müssen. Nur so zeigt sich, welche Art von Daten vorhanden sind und welche wirklich wertvoll sind, Prozesse zu verschlanken, Tendenzen zu erkennen, Unsicherheiten zu reduzieren, Voraussagen zu machen und rechtzeitig reagieren zu können.
10. Januar 2020 durch

Woher aber sollen wir all das wissen? Die Antwort liegt in der Analytik und Business Intelligence (BI). Diese Technologie ermöglichte die Entwicklung von Werkzeugen, mit denen wir leichter praxisbezogene Informationen aus den Daten gewinnen können, die ein Unternehmen generiert und verarbeitet. Mit ihrer Hilfe können wir Zahlen und ihre Ursache verstehen, Ergebnisse darstellen und teilen sowie Antworten in einer einfachen Sprache bekommen, die das gesamte Unternehmen versteht.

Mit anspruchsvolleren Rahmenbedingungen konfrontiert

Die Entwicklung des Marktes und technologische Innovationen machen die Rahmenbedingungen zunehmend komplexer, anspruchsvoller und heterogener. Für weiteren Fortschritt muss die Branche einen zusätzlichen Aufwand betreiben, um ihre Produkte zu verbessern und den Kunden zufriedenzustellen. Dafür müssen BI und die Analytik möglichst weit verbreitet implementiert werden – und zwar mithilfe von DataOps, Künstlicher Intelligenz und anderen Technologien, die derzeit die Art und Weise revolutionieren, wie Unternehmen funktionieren. Das ermöglicht ihnen eine angemessene Herangehensweise, Big Data optimal zu nutzen und mit einem derart umfangreichen Datenbestand zu arbeiten. Die Wahl der richtigen Technologie ist von zentraler Bedeutung um sicherzustellen, dass die Nutzer die von ihnen selbst in einem BI-gesteuerten Ökosystem erstellten Inhalte optimal nutzen können.

Dafür, und auch wenn ich mich wiederhole, wurde BI noch intelligenter. Und zwar mithilfe dieser Magie, die Unternehmen befähigt, Marktentwicklungen vorherzusehen, um die Daten zu optimieren und mit einem strategischen Blick den aktuellen Zustand des Unternehmens zu erkennen und seine Wettbewerbsfähigkeit zu steigern. Das alles hilft den Entscheidungsträgern und allen anderen Mitarbeitern, inklusive Anlagenbedienern, das Unternehmen seinen Geschäftszielen näherzubringen. In der Tat haben einige Untersuchungen ergeben, dass Unternehmen, die ihre Daten zur Entscheidungsfindung nutzen, auch wirklich bessere Entscheidungen treffen und sich das in einer größeren Produktivität und Rentabilität niederschlägt.

Damit all das möglich ist, müssen BI-Werkzeuge – sehr schematisch dargestellt – täglich Haupt- und Vergleichsdaten erfassen und analysieren, die in relationalen Datenbanken gespeichert sind (generiert mit OLTP, Online Transactional Processing) oder aus Excel-, XML-, Webservicedateien, sozialen Netzwerken oder anderen Quellen stammen.

Grob umrissen, dienen die in solchen Speichern enthaltenen Informationen zur Generierung sogenannter OLAP-Würfel (Online Analytical Processing). Dabei handelt es sich um Abstraktionen, die für uns relevante Messgrößen – die sogenannten Tatsachen – in verschiedenen Szenarien darstellen. Diese wiederum werden unter Verwendung der gewünschten Parameter konfiguriert – die sogenannten Dimensionen. Das ermöglicht die Analyse und den Vergleich von beispielsweise Verkäufen (Tatsachen) in Relation zu Angestellten, Produkten, Geschäftseinheiten oder bestimmten Zeitspannen (Dimensionen).

Wir haben bereits zwei Säulen von BI kennengelernt: die OLTP-Prozesse, die der Datenerfassung dienen, und die OLAP-Prozesse, die uns Zugriff auf Informationen und deren Analyse ermöglichen. Es ist jedoch noch ein drittes Element erforderlich, das die Daten in Informationen verwandelt und sie in OLAP-Speicher bringt: Dieser Prozess ist als ETL (Extract, Transform and Load) bekannt. Diese Werkzeuge ermöglichen es, dass stets neue, durch die OLTP-Prozesse generierte Daten in die OLAP-Speicher aufgenommen werden können. Das heißt, sie sammeln sämtliche mit Investitionen, Verkäufen oder Zeiten in Bezug stehende Daten, damit mit ihrer Hilfe umgehend Verkaufsstrategien aufgestellt, mögliche Probleme gelöst und der Vorsprung auf andere Wettbewerber vergrößert werden kann.

Zu guter Letzt gibt es noch die Analysewerkzeuge, mit denen die OLAP-Daten auf Armaturenbrettern dargestellt werden und zwar mithilfe für Steuerungen, die Tatsachen abbilden (Tabellen, Grafiken und Indikatoren) und Steuerungen, die Dimensionen strukturieren und filtern. Intuitiv, schnell und sehr dynamisch, ermöglichen es die Dashboards, Informationen aus verschiedenen Winkeln zu betrachten, kategorisieren, gruppieren und zu vergleichen.

Dieser gesamte Prozess hat sich seit den Ursprüngen von BI gewandelt – und zweifellos zum Positiven. Die heutige Analytik bedient sich leistungsfähiger Methoden, Big Data zu analysieren, und macht Datenwerte innerhalb von Sekunden begreifbar, sodass sie zu Informationen und damit in Wissen umgewandelt werden. Das trägt dazu bei, die unternehmerische Entscheidungsfindung zu optimieren, damit die Unternehmensziele und wirtschaftlicher Wandel erreicht werden.

Facing more demanding environments

The evolution of the market and the technological innovations have made the environment more complex, demanding and fragmented. The industry, in order to carry on making progress, has to make an extra effort to improve its products and satisfy the client by implementing the use of BI and analysis in an omnipresent way, relying on DataOps, AI and other options that are revolutionizing the way that companies work. This way, they have an appropriate approach in order to make the most of big data and operate with these large amounts of information. Choosing the right technology is key when it comes to guaranteeing that users get the most out of the content that they create while operating inside a managed BI ecosystem.

For this reason, and at risk of repeating myself, BI has become more intelligent, using that magic that means that the industry can anticipate the market, maximizing the information and having a strategic vision in order to understand the current state of the organization and raise the levels of competitiveness. And, with all of this, helping the managers in decision-making along with the rest of the company´s workforce, including plant operators, to push the company towards its business objectives. In fact, different investigations reveal that the companies that use data for decision-making tend to make better decisions, which has a repercussion in terms of greater productivity and profitability.

To make all of this possible, and in a very schematic manner, the BI tools must, on a daily basis, gather and analyze master and transaction data stored in relational databases (created with OLTP, Online Transactional Processing), or which come from Excel files, XML, from web services, social networks or other types of sources.

In a highly schematic way, the information contained in this type of storage can be used to generate so-called OLAP cubes (Online Analytical Processing), which are abstractions that give us the metrics of interest – or the facts – in different scenarios which are configured using whichever parameters we want – which we call the dimensions. This allows us to analyze and compare, for example, sales (Facts) according to employees, products, business units or certain periods of time (Dimensions).

We´ve already discussed two of the BI pillars: the OLTP processes, which are used to gather the data, and OLAP which allows us to access the information and analyze it. But a third element is required which transforms the data into information and uploads it into the OLAP storage: this process is known as ETL (Extract, Transform and Load). These tools make it possible to add the new data generated by the OLTP process and to the OLAP storage, that is, collect all of the data relating to investments, sales and times in order to, subsequently, establish commercial strategies, resolve possible problems and extend the advantage compared to other competitors.

Finally, there are the analysis tools that show the OLAP data on dashboards through controls that display the facts (tables, graphs and indicators) and controls that structure and filter the dimensions. Intuitive, fast and very dynamic, the dashboards allow the information to be visualized, categorized, grouped and compared from different angles.

This entire process has changed a lot since the origins of BI and, for better, because now analytics can use powerful techniques in order to analyze big data and, in a matter of seconds, make value data more tangible so that it can be transformed into information and, subsequently, knowledge, so that business decision-making can be optimized to achieve the organization´s objectives along with economic transformation.