Thought Leadership
Bei Business Intelligence (BI)-Initiativen lassen sich gleich mehrere zentrale Zielsetzungen ausmachen. Auf der Wunschliste vieler BI-Anwender stehen einfache und schnelle Auswertungen. Ein unkomplizierter Zugriff und die Analyse relevanter Daten zur bedarfsgerechten Beantwortung von Fragestellungen gehört ebenfalls dazu.
Hinzu kommen eine grafisch ansprechend gestaltete Aufbereitung mit klaren Aussagen und das möglichst einfache Verteilen von Ergebnissen an alle interessierten Kollegen und Partner.
Wunsch und Wirklichkeit: Was bisher geschah …
Soweit zum Wunsch – und in der Realität? In BI-Enterprise-Projekten trifft man größtenteils auf zwei verschiedene Personenkreise. Einerseits haben wir es mit der Gattung der Fachexperten zu tun: Sie verfügen über ein sehr gutes Prozesswissen und kennen das Know-Why (Projektziel/Scope) und das Know-What (Anforderungen) des Projektes. Auf der anderen Seite finden wir die Gattung der Datenexperten: Sie besitzen das notwendige Know-how, um die Lösung und damit das Projekt umzusetzen.
Damit BI-Projekte gelingen, muss nun das Prozesswissen der Fachleute in die Köpfe der Datenexperten. Dies ist zumeist ein sehr mühseliger Prozess und häufig erscheint es so, als würden beide Seiten nicht die gleiche Sprache sprechen. Dazu kommt ein genereller Mangel an Datenexperten, so dass oft lange Wartezeiten entstehen, bis Anforderungen umgesetzt werden.
Gelingt die Wissenstransformation, steht am Ende eine qualitativ hochwertige BI-Lösung bereit. Was jedoch bei diesem Vorgehensmodell oft leidet, ist die Agilität.
Agilität und Leidensdruck
Getrieben durch Globalisierung, vernetzte Wertschöpfungsketten sowie nicht zuletzt durch die Finanz- und Corona-Krise sind Unternehmen gezwungen, immer schneller auf neue Anforderungen zu reagieren. Denn die Fähigkeit, aus Daten schnell und agil Informationen zu generieren, um gute und sichere Entscheidungen zu treffen, stellt heute einen maßgeblichen Wettbewerbsvorteil dar.
Dieser Anspruch setzt Fach- wie Datenexperten enorm unter Druck und es wird immer schwieriger, das Tempo mit den bisherigen BI-Enterprise-Vorgehensmodellen und dem Einsatz professioneller BI-Tools zu halten. Aus diesem Leidensdruck heraus wurde in den letzten Jahren der Ruf nach einfacheren Werkzeugen, die sich auch von Fachanwendern bedienen lassen, immer lauter.
Der Markt reagiert
Die Softwarehersteller haben darauf mit der Entwicklung von Lösungen reagiert, die sie unter dem Begriff „Self Service BI“ anbieten. Diese Tools und Plattformen umfassen in der Regel ein fachanwenderfreundliches Frontend gepaart mit Funktionen für das Erledigen einfacher Datenmanagementaufgaben. Letztere erlauben es den Nutzern, mehrere Datenquellen selbst zu verbinden oder lokale Daten aus Excel-Dokumenten direkt im Visualisierungstool zu integrieren. Auch können sie Quellen aus dem Internet sofort mit anzapfen.
All diese Self-Service-Funktionen bilden die notwendige Basis für die geforderten Eigenschaften moderner BI-Lösungen. Ebenso unterstützen sie die Anwender dabei, Anforderungen einfach, schnell und ihrem Bedarf entsprechend umzusetzen.
Self Service BI: Tools sind nicht die alleinige Antwort
Self-Service-BI-Werkzeuge eignen sich aufgrund ihrer sehr guten und anwenderfreundlichen Funktionen also perfekt dafür, individuelle Lösungen zu realisieren. Sie ermöglichen einen deutlich weniger komplexen Prozess bei der Abstimmung, bei der direkten Umsetzung mithilfe der Datenmanagementfunktionen und bei der unmittelbaren Publikation der Ergebnisse durch anforderungsnahe Anwender.
Was bei der Euphorie für Self Service BI allerdings in vielen Fällen vergessen wird: Das wirklich Komplexe an BI-Lösungen ist nicht die Gestaltung der Berichte und Dashboards im Visualisierungstool. Die weitaus größere Herausforderung liegt in der Aufbereitung von aussagekräftigen und wahrheitsgetreuen Datenräumen als Basis für die Visualisierungen.
Zur Umsetzung der dafür notwendigen, teilweise sehr vielschichtigen Datenmanagementaufgaben verfügen professionelle Datenbanken für Enterprise Data Warehouses bis hin zu Lakehouse-Architekturen über zahlreiche Spezialfunktionen. Sie ermöglichen die Transformation von Daten, das dauerhafte Monitoring der Datenqualität sowie den möglichst automatisierten Ablauf des Ladens der Daten in den großen Datenspeicher.
Zudem haben die Entwicklung und Etablierung entsprechender Datenplattformen und -architekturen nicht selten zum Ziel, die über Jahre gewachsenen individuellen Reportinginseln zu integrieren und Inhalte zu harmonisieren. Neben der Technologie-Expertise ist hier also auch oftmals ein hoher Zeitbedarf für die Abstimmung der relevanten Inhalte und deren Ausrichtung einzuplanen.
Empfehlung: Das Beste aus beiden Welten – Scalable Self Service BI
Die Frage, die sich nun für Unternehmen stellt, die sowohl Self Service BI ermöglichen als auch Enterprise BI realisieren wollen: Wie setzt man Self Service BI so auf, dass es Hand in Hand mit einer Enterprise-Strategie funktioniert?
Das Geheimnis liegt im Bewusstsein und im Datenmodell. BI-Initiativen können nur gewinnen, wenn Self-Service-BI-Funktionen nicht als eigenständiges Werkzeug gesehen werden, sondern als Speedbooster oder als Ergänzung zum Enterprise Data Warehouse bis hin zu Lakehouse-Architekturen. Über die erweiterten Möglichkeiten von Self Service BI in der Visualisierung hinaus sind vor allem die neu gewonnenen Optionen im Datenmanagement für viele Architekturen relevant.
Professionelles Datenmanagement in Microsoft Power B.
So startet beispielsweise bei QUNIS ein Self-Service-BI-Projekt stets unter der Maßgabe „Scalable Self Service“. Denn Anforderungen einfach, schnell und agil umzusetzen muss nicht immer heißen, dass dieses Projekt später zwangsläufig in einem gesonderten Werkzeug oder in einem langfristigen Datenchaos enden muss.
Der von QUNIS entwickelte Ansatz ermöglicht vielmehr die vollständige Nutzung der Vorteile von schnell aufgebauten Datenarchitekturen und herausragenden Visualisierungen. Parallel unterstützen die Umsetzungsrichtlinien eine smarte Überführung der erstellten Berichte sowie großer Teile des Datenmanagements in professionelle, unternehmensweite Plattformen.
Das Vorgehensmodell
Scalable Self Service BI mit QUNIS bedeutet schnelle Ergebnisse gepaart mit einem sauber aufgebauten Datenmanagement – ganz bewusst flankiert von Wissenstransfer und Empowerment. In diesem Sinne besteht der erste Teil eines Self-Service-BI-Projektes immer aus einer kompakten Schulung. Die Vertreter der Fachabteilung lernen dabei die Grundlagen des eingesetzten Self-Service-Tools Microsoft Power BI kennen. Sie erfahren mehr zu den technischen Details sowie zur methodischen Vorgehensweise und bekommen beigebracht, wie man eine Datentransformation durchführt, welche Best Practices es gibt und wie ein Datenmodell richtig aufgebaut wird.
Danach werden in einem meist halbtägigen Anforderungsworkshop die konkrete Problemstellung und die dafür gewünschte Lösung im Hinblick auf einen Self Service Use Case überprüft und der sinnvolle Umfang definiert.
Darauf aufbauend entsteht in einem Zeitraum von ca. drei bis zehn Tagen ein Modell, das für die gewünschte Datenmenge passt. Wichtig dabei: Dieses Modell entspricht in Bezug auf Qualität und Professionalität bereits den Kriterien eines Enterprise BI. So werden im Self-Service-BI-Modell etwa die gleichen Namensbezeichnungen und Schlüsselfelder wie in einem Enterprise-Data-Warehouse-Modell genutzt. Ebenso verfügt es über eine Schnittstelle zur Überführung in ein Enterprise BI inklusive einer automatisierten Dokumentation.
Optimierte Datenmodelle in Microsoft Power BI.
Anhand des aufgesetzten Self-Service-BI-Modells sehen die Beteiligten, worauf zu achten ist, welche Schritte notwendig sind und wie sich Berichte anfertigen lassen. Diese werden dann in einer Reporting-Mappe zusammengeführt.
Innerhalb weniger Wochen und mit punktuellem Coaching entstehen so per „Scalable Self Service“ komplette BI-Apps mit professionellem Design, basierend auf klaren Strukturen und durchgängiger Automatisierung der Prozesse.
Um die Lösung im Anschluss selbstständig zu erweitern, empfiehlt QUNIS außerdem, sich über eine Fokus-Schulung Know-how in der Formelsprache DAX (Data Analysis Expressions) anzueignen. So können Fachexperten wie Controller oder Produktionsleiter nachfolgend eigene Kennzahlen entwerfen und umsetzen.
Vorteile vereint: Moderne analytische Datenplattform mit Zukunft
Die Vorgehensweise von QUNIS bietet drei ganz zentrale Vorteile: Die im Sinne des „Scalable Self Service“-Ansatzes generierte Self-Service-BI-Lösung erfordert geringe Investitionskosten, weist als managed Self-Service-BI eine hohe Qualität und Skalierbarkeit auf und vor allem: Sie erfüllt bereits die Standards eines Enterprise Data Warehouse.
Damit ist von Anfang an die Brücke für den späteren Transfer in die Enterprise-BI-Strategie gebaut. Stellen wir uns beispielsweise vor, ein zunächst noch „kleineres“ Microsoft-Power-BI-Projekt, wie etwa ein Produktionscontrolling, beinhaltet nur die Daten des laufenden und des Vorjahres. Soll es dann auf einen Zeitraum von zehn Jahren erweitert werden, sind einfach nur die zugrundeliegenden Datenquellen des Berichtes auszutauschen. Im Anschluss können die Berichte sofort nahtlos weiterlaufen und die Datenmodelle lassen sich in leistungsfähige Datenarchitekturen von Enterprise Data Warehouses bis hin zu Lakehouse-Architekturen überführen und umgestalten.
Hinzu kommt, dass sich die User schon während des Self-Service-BI-Projektes dank entsprechender Schulungsanteile und intensivem Coaching ein umfassendes Prozess- und Technologie-Know-how aneignen. So sind sie selbst bestens gerüstet, die Weiterentwicklung kompetent zu begleiten und gemeinsam mit den Experten weitere Lösungen aufzubauen.
Steffen Vierkorn ist Geschäftsführer der QUNIS GmbH. Seine Schwerpunkte liegen in der Architekturkonzeption von Data & Analytics-Systemen, der Entwicklung von BI-, Advanced- Analytics- und Big-Data-Strategien sowie dem Aufbau adäquater Organisationen. Neben seiner Tätigkeit bei QUNIS lehrt Steffen Vierkorn an der TU München und ist Trainer für die CA controller akademie.
Ulf Papenfuß ist Senior Consultant BI & Data Management bei der QUNIS GmbH und vereint als ausgewiesener Experte für Microsoft Power BI Toolkompetenz sowie Know-how und Erfahrung aus zahlreichen Beratungsprojekten in unterschiedlichsten Branchen.
