Business-Intelligence-Lösungen für ein besseres Monitoring von Unternehmensprozessen
Big Data und damit verbundene Herausforderungen
Der Begriff „Big Data“ bezieht sich auf umfangreiche und komplexe Datensätze, die Unternehmen aus verschiedensten Quellen zusammenführen. Das Volumen, die Geschwindigkeit und die Vielfalt dieser Daten können es Unternehmen erschweren, sie effektiv zu nutzen. Einige der wichtigsten Herausforderungen von Big Data sind:
(1) Datensicherheit: Angesichts der Risiken bei der Speicherung und Übertragung großer Datenmengen ist die Gewährleistung der Datensicherheit von hoher Bedeutung. Unternehmen müssen sicherstellen, dass ihre Daten vor Hackern und Cyberkriminellen geschützt sind. Hier spielen Zugriffsrechte, Datenverschlüsselung und Manipulationssicherheit, die regelmäßige Sicherung der Daten sowie Wiederherstellungsmöglichkeiten bei Datenverlust eine wesentliche Rolle.
(2) Datenqualität: Die Qualität der gesammelten Daten ist für präzise Analysen von entscheidender Bedeutung, denn eine schlechte Datenqualität kann zu falschen Erkenntnissen und somit zu Fehlentscheidungen führen. Themen wie Datenintegrität, Einhaltung von Datenstandards und die Aktualität der Daten stehen hier im Fokus.
(3) Datenintegration: Daten erwachsen aus verschiedensten Quellen, einschließlich interner Systeme, sozialer Medien und der Interaktion mit Kunden. Die Integration dieser Daten erfordert es, dass sehr unterschiedliche Datenformate vereinheitlicht und fusioniert werden müssen. Inkonsistenzen und Duplikate sollten isoliert und eine effiziente Datenverarbeitung gewährleistet sein.
(4) Datenanalyse: Vor dem Erkenntnisgewinn durchläuft Big Data einige Analyseprozesse, die dabei helfen, die Daten verwertbar abzubilden. Mittels Datenexploration und deskriptiver Statistik wird zunächst ein Verständnis für die Daten und ihre Zusammenhänge gewonnen. Datenvisualisierungstechniken werden eingesetzt, um Daten auf anschauliche Weise darzustellen und Muster, Trends und Beziehungen zu identifizieren.
(5) Ethische Aspekte und Kommunikation: Auch die Einhaltung ethischer Grundsätze insbesondere bzgl. personenbezogener Daten und der Einsatz von KI sowie die stetige Kommunikation mit den Unternehmensverantwortlichen sind wichtige Bausteine, um Fehleinschätzungen zu vermeiden.
Synergien von ERP-Systemen und BI-Lösungen
Obwohl ERP-Systeme und BI-Lösungen unterschiedliche Zwecke verfolgen, können Synergien aus beiden Systemen für Unternehmen einen großen Mehrwert generieren und dabei helfen, das Unternehmen neu auszurichten oder den bereits eingeschlagenen Weg zu schärfen. Beispielsweise können ERP-Systeme interne Unternehmensdaten in Echtzeit liefern und BI-Lösungen können diese Daten verknüpfen und visualisieren, um über diese Einblicke in die Geschäftstätigkeit letztlich Geschäftsprozessoptimierungen zu ermöglichen.
Indem sich mit BI-Lösungen Daten aus einem ERP-System extrahieren und die unterschiedlichen Unternehmensbereiche in einer visuellen Darstellung anzeigen lassen, werden Einflüsse sichtbar, die im ERP-System (beispielsweise SAP oder Navision) oftmals verborgen bleiben. BI-Lösungen sind zudem in der Lage, neben einem oder mehreren ERP-Systemen auch weitere Daten aus unternehmensunabhängigen Quellen zu integrieren (beispielsweise Wetterdaten oder Marktdaten), um ein umfassenderes Bild der Geschäftstätigkeit eines Unternehmens abzubilden und auch äußere Einflussfaktoren mit einzubeziehen.
Der Unterschied zwischen ERP-Systemen und BI-Lösungen ist letztlich darin zu sehen, dass ERP-Systeme auf transaktionale Daten und Prozesse ausgerichtet sind, während BI-Lösungen auf analytische Daten und Prozesse fokussiert sind.
Empfehlung: Die Nutzung der Synergien ermöglicht es, die Unternehmensentwicklung besser vorherzusagen, Risiken schneller zu erkennen und Prozesse zu optimieren. Darüber hinaus können neue Services und digitale Produkte entstehen oder als Ideen zur Entscheidungsvorlage der Unternehmensentwicklung dienen.
Der Projektablauf
Am Anfang eines BI-Projekts steht die korrekte Zielsetzung oder auch die Priorisierung einer Longlist gefolgt von der Auswahl der benötigten Daten. Eine genaue Betrachtung der Zielsetzung ist hier unerlässlich, da sonst zu allgemeine Aussagen getroffen werden. Wie bei Kennzahlen bedarf es auch hier einer korrekten Definition und Interpretationsvorlage. Die Qualität der Daten bestimmt dabei, wie aussagekräftig und detailliert das Projekt aufgesetzt werden kann. Nicht selten scheitert es bereits an der Pflege der Stammdaten, die erforderlich ist, um auf einer validen Basis aufbauen zu können.
Ist die Datenbasis aus ERP und weiteren Quellen sauber aufbereitet, folgt die Umsetzung im BI-Tool und die Verknüpfung der Daten. Ein dynamisches Dashboard ist dann in der Lage, Umsatzkennzahlen so abzubilden, dass eine Visualisierung entsteht, die „erlebbar“ wird. Das interaktive Klicken durch Quartale, Standorte, Produkte, Tageszeiten, Kunden oder sonstige Eigenschaften führt zum Sichtbarwerden von Zusammenhängen, die auf anderem Wege nur schwer ermittelbar sind.
Ein konkretes Anwendungsbeispiel
Das Monitoring eines Unternehmens lässt sich je nach Datenbasis auf unterschiedlichste Weisen darstellen. Das obige Beispiel zeigt einen Anwendungsfall aus der Praxis. In der Grafik ist der nach Industriezweigen differenzierte Umsatz zu sehen, den ein Unternehmen im Jahr 2022 erwirtschaftet hat. Der größte Anteil entfällt beispielsweise auf den Umsatz im Bereich Bauindustrie, während Landwirtschaft verhältnismäßig wenig Umsatz generiert. Auch wird ersichtlich, dass der Deckungsbeitrag vor allem im März und April besonders stark ist, während er im Oktober recht schwach ausfällt. Die sog. „Heatmap“ im unteren Teil des Dashboards verdeutlicht, mit welchen Produkten der meiste Umsatz generiert wird (Feldgröße), und zwar in Relation zur Anzahl der auf diese Produktgruppe entfallenden Belege (Feldfarbe). Interessiert nun, welche Produkte in dem jeweiligen Industriezweig besonders gut laufen, kann z.B. der Industriezweig Bauindustrie angewählt werden und alle anderen Diagramme passen sich entsprechend der Auswahl an.
Die Verknüpfung der Daten aus unterschiedlichen Unternehmensbereichen ermöglicht damit eine interaktive und vielfältige Betrachtungsweise der Prozesse im Unternehmen und zeigt mit wenigen Klicks Optimierungspotentiale auf. Dies ermöglicht einen tiefergehenden Einstieg in die Effizienz einzelner Abteilungen. Auch Prognosen, 1:1-Vergleiche mit Vorjahreswerten oder Mehrjahresvergleiche lassen sich problemlos darstellen.
Zusammenfassung: Der Aufbau eines Big-Data-Modells und die Bestimmung von Analysezielen stellen große Herausforderungen dar. BI-Lösungen helfen dabei, Daten und Prozesse besser zu überwachen und wertvolle Einblicke in die Geschäftstätigkeit zu gewinnen. Obwohl ERP-Systeme und BI-Lösungen unterschiedlichen Zwecken dienen, kann eine Kombination aus beiden einen hohen Mehrwert für ein Unternehmen generieren, indem sie Daten in Echtzeit liefern und dynamisch visualisieren. Voraussetzung ist, dass die gewählte Lösung zur DNA des Unternehmens passt und auf dieses zugeschnitten ist. Die Interpretation und Umsetzung der Ergebnisse liegt letztlich bei den Anwendern und Unternehmensverantwortlichen, um das Unternehmen präziser zu strukturieren und zukunftsgewandt zu optimieren.