Cloud BI: Den Datenschatz effizient heben
Immer mehr Unternehmen nutzen die Cloud für Business Intelligence. Cloud BI kann alle Prozesse rund um regelmäßiges Reporting deutlich effizienter machen. Fragen rund um Datenqualität und Datensicherheit bleiben dabei weiterhin relevant – Letzteres vor allem im regulierten Umfeld. SaaS Angebote können der Einstieg sein, um tiefer liegende Strukturen zu optimieren.
Dass Unternehmen die Themen Cloud und BI eng verknüpfen, belegen Studien: „Business Intelligence / Data Analytics“ war jüngst die Top-Antwort auf die Frage „Welche Anwendungsbereiche eignen sich jetzt und in Zukunft am ehesten für eine Cloud Migration?“ in der Studie „Cloud Migration 2021“, die von IDG Research Services in Partnerschaft mit matrix technology entstanden ist. 34,4 Prozent der Befragten IT-Manager von rund 350 Unternehmen aus der DACH-Region wählten diese Antwort aus.
Der Mehrwert von datenbasierten Geschäftsentscheidungen
Das stetig wachsende Interesse an datengestützten Geschäftsentscheidungen ist eine Grundlage für den Cloud BI Trend. Bei der Business Intelligence geht es um das zuverlässige Abbilden dynamischer Entwicklungen im Unternehmen anhand festgelegter Key Performance Indikatoren (KPI), die sich wiederum an verschiedenen Geschäftszielen orientieren.
Ein Bedürfnis nach Daten kann auch kurzfristig entstehen: „Wie hat sich das in der Pandemie verstärkte Home-Office auf die Produktivität unserer Mitarbeiter ausgewirkt?“ wäre eine relevante, mit Daten unterlegbare Erkenntnis, um etwa Entscheidungen für künftiges mobiles Arbeiten vorzubereiten. Um derartige Entscheidungen zu erleichtern, können Daten aus verschiedenen Quellen strukturiert erfasst, verknüpft und aussagekräftig präsentiert werden.
Was verändert die Cloud an Business Intelligence Lösungen?
Business Intelligence Anforderungen werden von Cloud-Innovationen beeinflusst: Sowohl die Datenquellen als auch die Zieldatenbanken liegen heute häufig in der Cloud. Darüber hinaus stehen in der Cloud verschiedene Tools bereit, um die Datenströme zu organisieren und zu verwalten. Insbesondere in Geschäftsumfeldern mit schwankenden Anforderungen an Rechenleistung bei der Datenverarbeitung ist die Skalierbarkeit der Cloud-Lösungen ein relevanter Faktor.
Darüber hinaus stehen für individuelle Datenabfragen und die Zusammenstellung von Reports und Visualisierungen verschiedene Cloud-basierte Lösungen bereit. Der Wechsel von verteilten, manuell erstellten Reports auf eine SaaS-Lösung für Business Intelligence bildet für viele Unternehmen den Einstieg in das Thema Cloud BI.
Effizientes Reporting als Einstieg in Cloud BI
Der Aufwand, der in Unternehmen rund um das Sammeln und Präsentieren von Daten betrieben wird, ist traditionell hoch. Auch deshalb lohnt sich in vielen Fällen der Umstieg auf Cloud BI. Einsparungen gemessen in Personentagen (PT) um den Faktor 10 sind möglich: Wo vorher ein unternehmenseigener Business-Analyst mit Excel und Powerpoint zwei Mal im Monat für volle zwei Tage beschäftigt war, kann mit einem SaaS-Reporting die Arbeit für diesen Anwender auf wenige Stunden zusammenschrumpfen.
Die Menge der verfügbaren Tools steigt ständig. Bekannte SaaS-Angebote sind Google Data Studio, Tableau und auch Microsoft Power BI. Initial ist es wichtig, sich in diesem Angebot als Unternehmen zu verorten und jene Cloud BI Lösung zu wählen, die zu den Anforderungen passt. Die Grundvoraussetzung für den effizienten Einsatz dieser Tools ist eine hohe Datenqualität und eine klare Struktur des Datenhaushalts. Bei der Vorbereitung der Daten kommen häufig auch externe Datenbanken- und BI-Experten zum Einsatz. Ein zentraler, methodisch zugrunde liegender Prozess heißt ETL.
Exkurs: Was bedeutet ETL?
ETL ist die Abkürzung für Extract (Extrahieren), Transform (Transformieren) und Load (Laden). ETL ist der Prozess, mit dem Unternehmen ihre verschiedenen Daten in einen Zustand bringen, der Geschäftsziele stützt.
- Extrahieren ist das Auslesen von Daten, die im Rahmen der BI Ziele als wichtig eingestuft werden. Es kann sich dabei um Rohdaten handeln, die aus verschiedenen Quellen wie strukturierten Tabellen oder SaaS-Software gesammelt werden – oder um Daten aus einer Quelldatenbank.
- Transformieren meint die Konvertierung der extrahierten Daten von ihrem vorherigen Format in das von der Ziel-Datenbank benötigte Format. Die Umwandlung erfolgt durch die Anwendung definierter Regeln oder durch die Kombination mit anderen Daten.
- Laden ist der Prozess, mit dem die Daten in die Zieldatenbank, das Data Warehouse oder ein anderes System geschrieben werden.
Das Data Warehouse als zentrale Datenquelle
Die Grafik kennzeichnet den ETL-Prozess als Bindeglied zwischen verschiedenen (operativ genutzten) Datenbeständen und einem zentralen Zielort. Gerade wenn es darum geht, als entscheidungsrelevant geltende Daten wie etwa Umsätze oder Kosten aufgeschlüsselt nach Dimensionen wie Standorten, Kunden oder Produkten zu analysieren, ist das Data Warehouse als Konzept gefragt: Durch den damit ermöglichten, zentralen Zugriff auf alle Daten bietet sich auf der Ebene der Reports und Visualisierungen die Möglichkeit, solche Datenschnitte zu produzieren, die den abgestuften Wahrnehmungen eines Managers oder eines Fachabteilungsleiters entsprechen.
Auch Unternehmen, die den Schritt zum zentralen Data Warehouse bereits vollzogen haben, können mit Cloud BI Lösungen noch mehr Effizienz gewinnen. Beispiele wie der gut dokumentierte Case der Munich Re Versicherung zeigen, dass auch die Architektur von Datenhaushalten über die Jahre altern kann mit der Folge, dass die Organisation im Unternehmen und die Struktur der Datenhaltung auseinanderdriften. Das kann dazu führen, dass durch (z.B. Standort-)individuelle Behelfslösungen bei der Report-Erstellung nicht nur unnötig viel Arbeitszeit verbraucht wird, sondern auch das Risiko dafür steigt, dass „individuelle Wahrheiten“ im Unternehmen erzeugt werden. Cloud BI Plattformen erleichtern es hingegen, das eigene Datenmodell kontinuierlich den Realitäten im Unternehmen anzugleichen.
Faktor Compliance: Zugriffe sichern, Prozesse dokumentieren
Für ein neues BI Projekt ist es fundamental, die Anforderungen an den Datenhaushalt zu beschreiben, eine Ziel-Architektur für die Datenquellen und Datenbanken zu entwerfen und die Technologien und Prozesse zu beschreiben, die miteinander verknüpft werden. Als Brücke zwischen den Geschäftsanwendern und den technischen Administratoren für Datenbanken und Infrastrukturen dient dabei oft ein Business-Analyst. Er stellt permanent sicher, dass die erstellte Lösung den Anforderungen der (End-)Nutzer entspricht. Um Sicherheitsstandards einhalten zu können, müssen alle Rollen und Zuständigkeiten rund um das Datenmanagement beschrieben und verschiedene Ebenen von Zugriffsrechten nachprüfbar erteilt werden.
In puncto Datensicherheit bieten Plattformlösungen entscheidende Vorteile. Nutzt ein Unternehmen beispielsweise die Analytics-Lösung „Power BI“ von Microsoft, können die Freigaben für Reports über den zentralen Verzeichnisdienst „Active Directory“ gesteuert, dokumentiert und kontrolliert werden. Solche Prozesse kommen insbesondere auch Unternehmen im regulierten Umfeld zugute: Ein manuell gepflegter und per Mail verschickter Excel-Report ist tendenziell eher fehleranfällig und zudem schwerer vor externen Zugriffen zu schützen. Handelt es sich bei den versendeten Daten auch noch um geschäftskritische oder sogar personenbezogene Inhalte, könnte der Fund als kritisch aus Sicht der Datensicherheit eingestuft werden.
Fazit: Cloud BI als wesentlicher Teil der Digitalisierung
Der souveräne Umgang mit Daten ist für Unternehmen ein wesentlicher Bestandteil der Digitalisierung. Insbesondere Unternehmen mit großen, „Big Data“-Datenbeständen können von der Skalierbarkeit und Flexibilität von Cloud BI profitieren. Gerade im regulierten Umfeld verbleibt das Hosting unternehmenskritischer und sensibler Daten dabei häufig noch in On Premises Rechenzentren, während die Zugriffe über Cloud-basierte Services verwaltet werden. Einsparpotenziale und Erkenntnispotenziale lassen sich vor allem dann schöpfen, wenn der Datenhaushalt die Unternehmensprozesse spiegelt, als „Single Point of Truth“ gestaltet ist und sich Fach- und Führungskräfte unternehmensweit auf ein- und derselben Plattform bedienen können, um aussagekräftige Datenschnitte zu generieren.
BI und Big Data Analytics – Vergleich in vier Dimensionen
Business Intelligence und Big Data Analytics zielen darauf ab, bessere Entscheidungen zu ermöglichen. Marktforscher sehen große Wachstumsraten voraus. Aber wann eignet sich welche Lösung? In unserem Factsheet vergleichen wir die beiden Lösungen anhand von vier Dimensionen: Praktische Anwendung (Use Cases), Infrastruktur-Voraussetzungen, Regulatorik und Investitionen.
