English| Impressum & AGBs | Datenschutz

Business Intelligence

Business Intelligence (BI) ist Einsicht in das eigene Unternehmen über professionell hergeleitete Erkenntnis:

  • Umgebung: BI Daten können, müssen aber nicht in eine komplexe DWH-Landschaft eingebettet sein. Komplexe ETL Prozesse können ggf. erforderlich sein.
  • Volumen: Das Datenvolumen kann sehr groß sein ('Big Data'). Der
  • Gegenstand ist das Analysieren von geschäftsinternen Daten (sei es Verkaufs-, Produktions-, Verhaltens-, oder sonstige Daten). Competitive Intelligence fokussiert eher das Analysieren von geschäftsexternen Daten. Die
  • Methoden stammen aus der klassischen, hypothesengeleiteten Statistik, wie auch dem eher explorativen Data Mining bzw. der Data Science, sowie die entsprechenden Standards, z.B. Catalyst, DFG, CRISP-DM 1.0, DeGEval/SEVAL, ICH etc. Mit dem
  • Ergebnis professionell aufbereiteter Daten, als Erkenntnis in Gestalt von Kennzahlen ("KPIs"), Texten (Reports, Executive Summarys), Listen und Tabellen, Visualisierungen, oder in Form von aussagekräftiger Dashboards oder Cockpits (Visual Analysis), die in
  • Echtzeit bzw. auf Knopfdruck den Stand eines Unternehmens, eines Prozesses oder bestimmter Kennzahlen anzeigen können.
  • Ziele sind:
    • Professionalität und Transparenz des Vorgehensweise
    • Modellierung/Eliminierung von Ungewissheit
    • Gewinnen von (besseren) Erkenntnissen (Mehrwert)

BI ist nicht nur in die Vergangenheit gerichtet und beantwortet die Frage: "Was war passiert?". Predictive Analytics (vgl. eine Auswahl unter Advanced Analytics) und Data Mining versuchen dagegen zu beantworten: "Warum ist es passiert?" oder "Was wird passieren?" BI ist allerdings nicht objektiv. Die Nicht-Objektivität beginnt bereits bei der Auswahl der Felder, der Methoden, und kann durchaus auch in die Interpretation münden, daher geht es nicht ohne Input von der Fachseite. Die Themen eines Unternehmen machen oft den Unterschied:

Business-spezifische Ansätze sind z.B. erforderlich:

  • Data/Business Process Modelling und Reengineering
  • SPC Statistische Qualitätskontrolle
  • Mathematische Optimierung von Planungsproblemen (u.a. Operations Research)
  • Genetische Algorithmen (z.B. Travelling Salesman Problem)
  • Ermittlung speziell auf das Unternehmen zugeschnittener KPIs
  • Datenqualität und Performanz (u.a. COPQ, Audit Trails, und Kriterien wie Vollständigkeit, Missings, Konsistenz, Doppelte etc. BI ist nur so gut wie die Qualität der Daten. Zuverlässige Erkenntnisse setzen zuverlässige Daten und nachvollziehbare Wege ihrer Aufbereitung voraus.
Um BI einzuführen, braucht es keine großen Investitionen für mächtige IT-Landschaften. Kleine Schritte anfangs können reichen. Wenn kleine Schritte gleich ins Ziel bringen: Umso besser. Wir möchten keine Software verkaufen oder Abhängigkeiten aufbauen, sondern Mehrwert. Profitieren Sie von unserer Erfahrung. Sprechen Sie mit uns.

 
Kontakt Sitemap
1998-2014 Copyright by Method Consult Switzerland, Dr.Schendera