Wo Ihre Daten sind, ist eigentlich egal: Sie brauchen nur eine einheitliche Sicht darauf

Daten spielen heute für jegliche BI-Initiativen eine wichtige Rolle. Doch nicht selten kommt es zu Problemen, wenn Daten dann tatsächlich Entscheidungswissen liefern sollen. Denn die zugrunde liegende Information ist oft nicht gleich Information. Stattdessen existieren in vielen klassischen Welten zahlreiche Sichten auf die Daten, mit häufig widersprüchlichen Zahlen. Hier hilft ein Single Point of Truth samt Sandbox – damit wird dann auch richtiges Self-Service-BI Realität.

Was ist eigentlich Sinn und Zweck von Business Intelligence (BI)? Wikipedia definiert als Ziel von BI „die Gewinnung von Erkenntnissen, die in Hinsicht auf die Unternehmensziele bessere operative oder strategische Entscheidungen ermöglichen“. Und zwar mittels analytischer Konzepte, entsprechender Software sowie IT-Systemen, die Daten über Unternehmen, Mitbewerber und/oder Marktentwicklung im Hinblick auf den gewünschten Erkenntnisgewinn auswerten. Die gewonnenen Erkenntnisse können Firmen dann wiederum dazu nutzen, Geschäftsabläufe sowie Kunden- und Lieferantenbeziehungen profitabler zu machen, Kosten zu senken, Risiken zu minimieren und die Wertschöpfung zu vergrößern.

Die dafür genutzten Daten spielen naturgemäß eine bedeutende Rolle. Dabei ist es prinzipiell aber völlig egal, wo genau die Daten liegen – mittels aktueller Technologie können BI-Daten grundsätzlich überall auf der Welt liegen. Wichtig ist in diesem Zusammenhang einzig, dass es eine einheitliche Datenquelle ist.

Sehen wir uns das Prinzip dahinter genauer an. Aus ERP-Systemen heraus ist es üblicherweise schwierig, aggregierte Sichten über Daten zu erhalten. Werden diese benötigt, stehen zwei gangbare Wege zur Verfügung. Unternehmen können dann beim ersten Weg direkt im ERP die benötigten Reports über Boardmittel programmieren (lassen). Solche Berichte werden meist für einen speziellen Zweck umgesetzt und sind dementsprechend starr. Der zweite Weg ist die Nutzung spezieller Werkzeuge (beispielsweise „Qlik“ oder „Excel“), mittels derer sich die gewünschten Sichten selbst zusammenbauen lassen.

Dieser Weg weist leider oft gewisse Stolpersteine auf. Das Problem ist, dass das ERP-Datenmodell Regeln unterliegt. Bestimmte Informationen lassen sich nur mit bestimmten Datenverbindungen erzeugen. Weiß nun der jeweilige Anwender in der Tiefe der Details nicht genau, welche Informationen verknüpft werden sollen, erhält er andere Auswertungen, die zum ERP-System nicht vergleichbar sind. Weitere Stolpersteine finden sich, sobald Daten aus anderen Quellen, wie beispielsweise dem HR-System, einbezogen werden sollen.

Ein klassisches Beispiel: Ein Sales-Meeting, bei dem drei Vertriebsverantwortliche mit ihren Verkäufern zusammenkommen, jeder hat für sich – mit jeweils unterschiedlichem Ansatz – den Monatsumsatz analysiert. Mit dem Ergebnis, dass alle drei Analysen völlig unterschiedlich ausfallen. Was fehlt, ist eine grundlegende, einheitliche und von allen Seiten akzeptierte Sicht auf die Daten. Ein Single Point of Truth. Das Wesen eines solchen ist es, dass eine analytische BI-Datenquelle erstellt wird. Darin enthalten: Eindeutige Zuweisungen, welche Daten aus dem ERP-System in welche KPI übernommen werden und wie diese berechnet werden.

Aus einem Single Point of Truth ergeben sich verschiedene Vorteile. Die Daten sind technisch richtig – also alle Abgrenzungen, Filterungen und ähnliches sind technisch richtig und einheitlich. Die gelieferten Daten sind betriebswirtschaftlich wahr und bilden damit die betriebswirtschaftliche Wahrheit des Unternehmens ab. Dafür muss lediglich eine Definition der jeweiligen Kennzahl (z. B. EGT) vorliegen, die dann immer nach diesem Schema berechnet wird. Der auftretende Effekt ist wichtig: Allen im Unternehmen stehen dieselben Zahlen zur Verfügung, weil hinter allen Ergebnissen dasselbe Prinzip und dieselben Daten liegen. Ein weiterer Vorteil ist die zeitliche Komponente. Ein ERP-System ist quasi immer aktuell. Die BI hingegen zeigt im Normalfall die Werte von vor einem Tag. Weitere Systeme zeigen Werte, wie beispielsweise den Umsatz, einmal im Monat (etwa bei einer Aktualisierung). Zusätzlich finden sich in den Abteilungen oft auch noch unterschiedliche Listen. Ein Single Point of Truth im BI allerdings verfügt immer über einheitliche Zahlen über den jeweils gleichen Betrachtungszeitraum.

Eine einheitliche Datenquelle gilt nicht selten konzernweit. Oft meldet sich aber ein Mitarbeiter mit dem Satz: „Ich will das aber anders sehen!“ oder gerne auch: „Ich will das mit anderen Daten kombinieren!“. In diesen Fällen nachzugeben ist leider der völlig falsche Zugang und entspricht nicht mehr der unternehmerischen Wahrheit. Fakt ist: Externe Daten dürfen nicht wegen der Willkür einzelner Mitarbeiter mit einbezogen werden.

Hierfür findet sich eine weitaus elegantere Möglichkeit – die Sandbox. Unter Sandbox wird ein Set an abgestimmten, approbierten Informationen verstanden, die eindeutig ausdefiniert in der Datenbank liegen. Das ist richtiges, der unternehmerischen Wahrheit entsprechendes Self-Service-BI und bedeutet, dass Mitarbeiter sich die Informationen gerne „so zusammenstöpseln“ können, wie sie benötigt werden. ABER es MUSS aus der Sandbox-Datenbank heraus sein.

Single Point of Truth bedeutet daher: Es muss über die Richtigkeit der Zahlen nicht diskutiert werden, da sie auf einer definierten Datenbasis beruhen. Ein Self-Service-BI mit Bypass-Architekturen ist daher eindeutig abzulehnen. Stattdessen bieten sich über die erwähnte Sandbox alle Möglichkeiten für ein Self-Service-BI.

In memory (also Qlik-, Power BI-, Excel)-Philosophie

Zusammengefasst: „Ich ziehe mir alle Informationen von irgendwo her.“

• Bei 1-10 Mannunternehmen (meist nur eine Person, die analysiert)
• Zum Starten/Initialisieren/Kennenlernen von BI
• Fachabteilungen intern (Wissen organisieren über ihren Prozess)

Die zentrale Data Warehouse-Philosophie (Single Point of Truth)

• Klassisch organisierte BI – Enterprise BI