Self Service BI - Erfolgreiche Auswahl und Einführung im Unternehmen

by Dirk Müller
3 Monaten ago
267 Views

Self Service BI erfolgreich einführen und fördern

Das Bedürfnis von Fachabteilungen Daten unabhängig von der IT zu beschaffen, zusammenzuführen und zu analysieren besteht nicht erst seit dem Trend zu Self Service BI, sondern bereits seit Business Intelligence in den Unternehmen Einzug gehalten hat.

Mit der Einführung von zentralen BI-Lösungen und Data Warehouse ging jedoch die ursprüngliche Datenhoheit der Fachabteilungen auf IT und Controlling über. Berichte wurden zentral erstellt und nur durch mühsame Antragsprozesse auf die Wünsche von Anwendern angepasst.

Nach und nach hat sich dieses Bild der BI in Unternehmen wieder gewandelt, sodass immer mehr Anwender die Möglichkeit haben, mit modernen Tools für Self Service BI wie Tableau oder Power BI wieder eigenständig Daten zu analysieren und Reports zu erstellen. Jedoch verbleibt meist die Datenbereitstellung und Datenmodellierung eine Aufgabe der IT-Abteilung, sodass für versierte Anwender die Analysefreiheiten eingeschränkt bleiben. Weder entspricht diese Aufgabenteilung dem Selbstverständnis vieler Anwender noch den propagierten Anforderungen an eine agile BI.

Business Intelligence – Anforderungen an eine moderne BI

Self Service BI soll Fachanwender in die Lage versetzen, eigene Analysen und Reports zu erstellen und diese möglichst einfach mit anderen Anwendern teilen zu können. Dies soll weitgehend ohne Rückgriff auf die IT möglich sein. Zudem sollen bei Bedarf weitere Datenquellen an das bereitgestellte Datenmodell angereichert werden können. Die IT sollte in diesem Kontext die Rolle eines internen Dienstleisters einnehmen, der die Architektur und Softwareumgebung bereitstellt und ein initiales Datenmodell in Abstimmung mit dem Fachbereich bereitstellt, welches validiert und offen für abgestimmte Erweiterungen ist.

Anwender benötigen eine Software für Self Service BI, welche intuitiv bedienbar ist und eine Datengrundlage, die insoweit aufbereitet ist, dass die Struktur verständlich und die Daten aktuell sind. Die wachsenden Bedürfnisse von Anwendern im Rahmen der digitalen Transformationen stellen IT-Abteilungen zunehmend vor neue Herausforderungen. Fachabteilungen benötigen oft kurzfristig und vielleicht nur einmalig eine Erweiterung der Datenbasis, um selbst auf sich veränderte Marktentwicklungen reagieren zu können. In IT-Abteilungen existieren jedoch standardisierte Prozesse und Bedenken im Hinblick auf den Datenschutz und Performance, welche das Verlangen der Anwender ausbremsen können. Self Service BI bedeutet nicht, dass jeder Anwender beliebig auf alle Daten zugreifen darf, sondern es gilt weiterhin die internen und externen Anforderungen an den Datenschutz zu gewährleisten. Ein geeignet Berechtigungskonzept muss dies weiterhin sicherstellen.

Für die IT stellt sich die Aufgabe geeignete Architekturen und Prozesse einzuführen, welche einerseits das Verlangen der Fachanwender befriedigen können, anderseits aber auch die berechtigten Interessen der IT sicherstellen. Daher werden zunehmend neue Formen der Zusammenarbeit zwischen IT und Fachbereich notwendig, die sich z.B. an agilen Prinzipen anlehnen kann.

Wir schaffen die Grundlage für Self Service BI

Self Service & Business Intelligence – Standard-Reporting trifft Analysefreiheit

Auch wenn Self Service BI zunehmend Einzug in die Unternehmen hält und die Möglichkeit zu Ad-hoc-Analyse damit wächst, besteht weiterhin der Bedarf an einem standardisiertes und verlässliches Reporting, welches regelmäßig zur Verfügung gestellt wird und die grundlegenden Anforderungen erfüllt und die Basis dies interne Austausch darstellt. Um auch diesen Standard weiterzuentwickeln benötigt es ein experimentelles System, in dem innovative Lösungen durch Fachanwender im Rahmen einer Self Service BI erprobt und weiterentwickelt werden können. Dies soll jedoch nicht bedeute, dass in einer bimodalen BI an der IT eine Schatten-BI aufgebaut werden soll, sondern vielmehr, dass durch die IT ein ausreichend weit gefasster Rahmen bereitgestellt wird, in welchem sich die Vorteile von Self Service BI frei entfalten können.

Business Intelligence muss die Zielgruppe beachten

Die Zielgruppen von BI und Self Service BI in Unternehmen lassen sich grundsätzlich drei Anwendertypen zuordnen, deren Anforderungen an die Autonomie der Datenbeschaffung und Datenanalyse sich grundlegend unterscheiden.

Das Management möchte vor allem einen schnellen Überblick über die wesentlichen Kennzahlen und KPI in Berichten und Dashboards bereitgestellt bekommen. Aufgrund der oft geringen IT-Affinität bestehen die Erwartungen an die Datengrundlage darin, dass diese valide und performant den Informationsbedarf erfüllen kann.

Der Fachbereich benötigt detaillierte Informationen über Geschäftsprozesse und möchte diese möglichst ausführlich aus den verschiedensten Blickwinkeln betrachten und analysieren können. Self Service BI und Data Discovery sind wesentliche Anforderungen, die an die Datengrundlage gestellt werden. Fachanwender selbst sollten in der Lage sein, Daten korrekt miteinander zu verknüpfen sodass die erstellten Auswertungen die korrekten Informationen beinhalten. Die von der IT bereitgestellte Datenbasis kann dies mit einer homogenen Nomenklatur unterstützen. Zunehmend besitzen moderne Tools für Self Service BI ebenfalls Möglichkeiten den Anwender sinnvoll bei dieser Aufgabe zu unterstützen.

Der Data Scientist verfügt in der Regel über gute Kenntnisse der Datenverknüpfung und Datenmodellierung. Die Erwartung dieser Anwendergruppe ist maximale Autonomie und ein attributreiches Datenmodelle, dessen Entitäten er nach dem jeweiligen Bedarf miteinander verknüpfen kann. Oft werden große Datenmengen innerhalb komplexer Abfragen abgerufen, weswegen überlegt werden sollte, für diese Anwender eine eigene Spielwiese (Data Lab) bereitzustellen, welches vom eigentlichen BI-System entkoppelt ist.

Integration von Daten mit DataVirtuality

Self Service BI – Infrastruktur als Erfolgsfaktor

Im Hinblick auf die Auswahl der geeigneten Infrastruktur im Rahmen der vermehrten Einführung von Self Service BI sollten verschiedene Aspekte Berücksichtigung finden.

Zu Anfang sollte geklärt werden, welche Anwendergruppe im Fokus steht und in welchem Detailgrad diese den Zugriff auf Daten benötigen, um Ihre Analysebedarf erfüllen zu können. Ist vielleicht eine Modellierung nach Data Vault sinnvoll oder reichen klassische Star- oder Snowflake-Modelle aus. Bei der Entscheidung empfiehlt es sich vorausschauend zu denken und auch neue technologische Entwicklungen zu berücksichtigen.

Das Datenwachstum und die geforderte Aktualität der Datenbereitstellung, stellen weitere wichtigen Einflussfaktoren bei der Wahl der geeigneten Infrastruktur für Self Service BI dar. Müssen Daten in Echtzeit oder Nahe Echtzeit bereitgestellt werden? In diesen Fällen kann es sich anbieten Daten nicht persistent bereitzustellen, sondern zu virtualisieren. Technologien zu Umsetzung eines Logical DWH bieten entsprechende Möglichkeiten und oft bereits eine Vielzahl von Konnektoren an.

Beim Entwurf des Datenmodells sollte vor allem auf eine einheitliche Nomenklatur geachtet werden, um die Anwender bei der Erstellung von Analysen und Reports zu unterstützen. Zusätzlich kann es sich anbieten die Definition von Kennzahlen und Dimensionen sowie Berechnungen in einem für alle Anwender zugänglichen BI Wiki zu hinterlegen, sodass ein einheitliches Verständnis gefördert und Fehlinterpretationen vermieden werden. Sofern Anwender die Daten mit weiteren Attributen anreichern sollen, sollten sich im Datenmodell die natürlichen Schlüssel wiederfinden, welche für die Verknüpfung der Daten mit internen oder externen Daten benötigt werden.

Bei der Auswahl des Datenbanksystems sollte neben den Erwartungen an Datenmenge und Datenwachstum vor allem die Anforderungen an die Performance der Abfragen berücksichtigt werden. Aus diesen Erwägungen heraus können sich dann durchaus In-Memory oder spaltenorientierte Datenbanken anbieten. Sofern ein separates Data Lab aufgebaut werden soll, ist zusätzlich zu bedenken, dass diesem möglichst eine eigene Hardware oder zumindest eine eigene Instanz zugewiesen wird, damit Data Scientist nicht die Performance des BI-Systems herunterziehen.

Auswahl einer Lösung für Self Service BI

Bei der Auswahl einer geeigneten Software für Self Service BI sind einige Kriterien zu beachten. Inwieweit passt die Anwendung zur bestehenden Infrastruktur und wie hoch ist der Pflegeaufwand, der durch die IT-Abteilung erbracht werden muss. Zu hinterfragen ist, in welchem Ausmaß die Anwendung die Entlastung der IT durch die Unabhängigkeit der Anwender im Rahmen von Self Service BI erfüllen kann. Dabei spielt es vor allem eine Rolle, wie intuitiv die Applikation für die Anwender bedienbar ist, welche Datenquellen direkt angebunden werden können und inwieweit die präferierte Lösung die Anwender auch bei der Datenverknüpfung und Datenaufbereitung unterstützt.

Sofern die Software keine große Nutzerakzeptanz erreicht und die Anwender durch Einfachheit und Schnelligkeit zur stetigen Anwendung motiviert, können Initiativen für Self Service BI schnell wieder abklingen und an Wirkung verlieren. In diesem Zusammenhang ist es auch von Vorteil, wenn die Software eine Zusammenarbeit im Team und den einfachen Austausch von Analysen und Reports unterstützt. Erst durch das Zusammenwirken und die Diskussion im Team kann Self Service BI sein eigentliches Potential entfalten.

Eine geeignete Lösung für Self Service BI muss zumindest folgendes erfüllen:

  • Intuitive und schnelle Erstellung von Analysen und Visualisierungen
  • Anbindung einer Vielzahl von Datenquellen ohne IT-Unterstützung
  • Passend zur IT-Infrastruktur und Anforderungen der Fachbereiche

Abschließend sollte die Entscheidung für eine bestimmte Lösung für Self Service BI stets in Übereinstimmung mit der Entscheidung für eine geeignete Gesamtarchitektur gefällt werden, um dem nachhaltigen Erfolg der gesamten BI-Strategie des Unternehmens zu fördern.

Webinare zu Tableau und Power BI