Big Data Management

Big Data Management ist heutzutage in fast allen Organisationen ein Gesprächsthema. Was genau sich dahinter verbirgt und was die Unterschiede zwischen Big Data Management, Business Intelli-gence und Business Analytics sind, wird in vielen Diskussionen nur unzureichend geklärt. Daher beginnt der Beitrag mit einer Vorstellung der Begrifflichkeiten, die, wenn auch abweichende Definitionen existieren, ein gemeinsames Verständnis für das weitere Lesen etablieren. Darauf aufbauend beschäftigt sich dieser Beitrag mit den Ergebnissen einer wissenschaftlichen Untersuchung, mit dem Thema, in welchem Ausmaß Unternehmen analytische Applikationen nutzen, um ihre Strategien effizient umzusetzen.

Der Begriff Business Intelligence wurde erstmals von Hans Peter Luhn [1] 1958 in dem IBM Journal erwähnt. Luhn beschreibt Business Intelligence (BI) als eine Kombination von Konzepten und Methoden, welche die Entscheidungsfindung in Organisationen durch die Bereitstellung faktenbasierter Informationssysteme verbessern. Im Zuge der rasanten Entwicklung der Informationstechnologie ab Mitte der 1990er Jahre wurde die Idee des BI wieder zum Leben erweckt. Ex-ecutive Information Systems, Management Information Systems und Online Analytical Processing (OLAP) wurden etabliert. Das von den ERP-Systemen bereitgestellt Berichtswesen wurde zunehmend mithilfe von extern etablierten Data Warehouses abgebildet. Ein wesentlicher Vorteil dieser Trennung von ERP-Systemen zur Unterstützung der Geschäftstransaktionen mithilfe des Online Transactional Processing (OLTP) und der Data Warehouses für das Berichtswesen (OLAP) ist die Tatsache, dass aufwendige Analysen und Berichtsabfragen die Antwortzeiten bei der Ausführung der Geschäftsprozesse im ERP-System nicht mehr negativ beeinflussen.

Neueste Entwicklungen der führenden Anbieter nutzen inzwischen In-Memory-Business Intelligence, um diese Problematik der Antwortzeit zu lösen, ohne eine Trennung der OLTP und OLAP-Systeme erforderlich zu machen. Für Organisationen mit mehr als einem ERP-System (von besonderer Relevanz bei international agierenden Organisationen mit landesspezifischen ERP-Systemen und Organisationen, die durch Merger and Acquisition Aktivitäten heterogene Systemlandschaften nicht vermeiden können) ist jedoch durch die Vielfalt der ERP-Systeme eine Zusammenführung in einem Gesamtsystem oft unmöglich. Die Einführung eines Data Warehouse als zentrales System für alle Daten, die systemübergreifend für ein integriertes Berichtswesen genutzt werden können, etabliert somit weiterhin die Grundlage für ein organisationsweit einheitliches Berichtswesen und ergänzende Funktionen der Unternehmensplanung und -kontrolle. Diese werden oft mit dem Begriff Business Analytics bezeichnet.

Im Zuge der neueren Entwicklungen werden unternehmensrelevante Daten jedoch nicht mehr nur in OLTP-Systemen erfasst, sondern in einer Vielzahl von Applikationen (Websites, soziale Netzwerke, Apps etc.) und über unterschiedlichste Endgeräte (mobile Endgeräte, GPS-Systeme, Kameras etc.). Aufgrund des hohen Volumens an Daten und deren unterschiedlicher Struktur wird hierbei von Big Data gesprochen. Die Menge der Daten, die sich seit dem Anbeginn der Menschheit bis zum Jahr 2003 angesammelt hat, betrug insgesamt fünf Exabytes. Heute entsteht eine Datenmenge mit diesem Volumen schon in einem Zeitraum von nur zwei Tagen [2].

Business Intelligence [3] als Überbegriff berücksichtigt jegliche Art von Daten (Big Data), unabhängig von ihrer Herkunft aus OLTP-Systemen, OLAP-Systemen oder anderen Datenquellen (Data Supply) und stellt diese in einem standardisierten Format in einem Data Warehouse (Data Management) zur Verfügung (BI-Foundation). BI-Front-end-Anwendungen greifen auf diese Daten zu, um die gängigen Business Analytics zu betreiben: (1) Analyse historischer Daten (Data-Mining, Korrelationsanalyse zwischen Früh- und Spätindikatoren usw.), (2) Analyse aktueller Daten (Alerts, Performance Monitoring usw.) und (3) Analyse zukünftiger Entwicklungen (Szenarioplanung, Simulation, Strategieplanung, Budgetierung).

Markt von BI-Lösungen

Der Markt für BI-Lösungen wächst seit Jahren, was mit der zunehmenden weltweiten Nachfrage nach BI, Corporate Performance Management (CPM) und analytischer Anwendungssoftware begründet ist. Der Markt belief sich im Jahr auf 14,4 Milliarden US$, ein Wachstum um 8 % gegenüber dem Vorjahr, basierend auf Information des Marktforschungsunternehmens Gartner [4]. Dieser Betrag beinhaltet noch nicht die Investitionen in die Implementierung dieser Softwarelösungen.

Nutzen von Business Intelligence

Als Gründe für die Investitionen in BI, wurden u.a. die folgenden Faktoren identifiziert [5]:

• Bessere Transparenz von entscheidungsrelevanten Fakten für die Planung und Kontrolle (54 %)
• Interesse an besserer Analyse des eigenen Geschäftes, um der Herausforderung sich schnell verändernder Märkte gewachsen zu bleiben (43 %)
• Frühwarnsystem (29 %)

Insofern ist erkennbar, dass BI aus der Unternehmensstrategie abgeleitete Ziele mithilfe von CPM zu erreichen helfen soll, wie in Bild 3 dargestellt ist und in [6] näher vorgestellt wird.
CPM basiert auf der Annahme, dass zunächst eine Strategie festgelegt wird und dann unter Nutzung von messbaren Kriterien (Key Performance Indicators, KPI) im Rahmen der Unternehmensplanung Zielwerte definiert werden, die mit den Verantwortlichen auf allen Organisationsebenen abgestimmt sind. Auf diese Art können die Beiträge aller an der Wertschöpfung Beteiligten bestmöglich an den Organisationszielen ausgerichtet werden.
Herausforderungen

Basierend auf einer Befragung von 23 Personen aus dem Jahr 2004 wird dies so aber in den wenigsten Organisationen gelebt [7]. Das Ergebnis der Studie war erschütternd:

• Nur 10 % gaben an klare, messbare, terminbezogene Arbeitsziele zu haben, an denen sie sich orientieren.
• Nur 10 % hatten das Gefühl, dass für sie relevante KPI akkurat gemessen und ihnen zugänglich gemacht würden.
• Nur 37 % waren sich sicher die Ziele ihrer Organisation verstanden zu haben.

Der Autor hat sich dieser Thematik gewidmet und im letzten Jahr eine neue Befragung gestartet und Organisationen damit die Möglichkeit gegeben, durch die Beantwortung der Fragen, für sich selbst Klarheit zu erlangen, inwieweit die eigene Strategieumsetzung effektiv ist und wie der Nutzungsgrad von BI im Vergleich zu anderen Organisationen aussieht [8].

Strategy Execution Effectiveness Survey

An der Umfrage haben in 2014 bislang 117 Personen teilgenommen, die, wie aus Bild 4 erkennbar, überwiegend der Management- und Executive-Ebene zugeordnet werden können und über entsprechend langjährige Berufserfahrung verfügen. Die repräsentierten Organisationen stammen aus 13 Ländern, wobei mehr als 40 % der Teilnehmer aus Deutschland stammen.
Die Studie geht sehr tief in der Analyse relevanter Fragen auf der Strategie-, Management-, und IT-Ebene. Einige der bemerkenswerten Erkenntnisse ergaben Folgendes:

Strategie und Management:

• Nur 29 % der Mitarbeiter verstehen die Ziele der Organisation.
• Nur 27 % gaben an, dass klare, messbare Arbeitsziele für alle Mitarbeiter definiert sind.

Information:

• Nur 25 % stimmen zu, dass die Mitarbeiter Zugriff auf die für ihre eigene Arbeit relevanten KPI haben.
• Nur 33 % haben das Gefühl, dass die IT-Infrastruktur geeignet ist, um organisationsumspannende Analytics zu unterstützen.
• Nur 36  % stimmen zu, dass alle relevanten KPI aufgezeichnet werden.
• Nur 50 % stimmen zu, dass die Informationssysteme akkurate und zeitnahe Informationen zu den KPI anbieten.

Das könnte Sie auch interessieren:
Prozessmanagement und Big Data – Eine neue Herausforderung

Das könnte Sie auch interessieren

Learnings aus den Blackouts Handlungsempfehlungen für wandlungsfähige IT-Systeme

Wie bleiben Unternehmen handlungsfähig, wenn zentrale IT-Systeme plötzlich ausfallen? Der Beitrag zeigt anhand realer IT-Blackouts, warum Wandlungsfähigkeit heute entscheidend für stabile Geschäftsprozesse ist. Er erläutert praxisnah, wie Redundanzen, Modularität, Failover-Mechanismen und organisatorische Vorbereitung helfen, Ausfälle schneller zu beherrschen und den Betrieb resilient aufzustellen.

Vibe Coding: Wenn die Fachabteilung selbst entwickelt Wie KI-Tools auch ohne Programmierkenntnisse ERP-Erweiterungen in Reichweite bringen

Stellen Sie sich folgendes Szenario vor: Der Change Request ist vor acht Wochen eingereicht worden. Die IT-Abteilung hat Rückfragen, das Projekt steht in der Prioritätenliste irgendwo hinter der Server-Migration und der Vertriebsleiter tippt weiterhin täglich dieselben Zahlen in eine Excel-Tabelle, die er eigentlich direkt aus dem ERP-System haben könnte. Diese Situation ist in mittelständischen Unternehmen kein Einzelfall, sie ist die Regel. Stellen Sie sich folgendes Szenario vor: Der Change Request ist vor acht Wochen eingereicht worden. Die IT-Abteilung hat Rückfragen, das Projekt steht in der Prioritätenliste irgendwo hinter der Server-Migration und der Vertriebsleiter tippt weiterhin täglich dieselben Zahlen in eine Excel-Tabelle, die er eigentlich direkt aus dem ERP-System haben könnte. Diese Situation ist in mittelständischen Unternehmen kein Einzelfall, sie ist die Regel. ERP-Systeme bilden das Rückgrat operativer Geschäftsprozesse. Ihre Anpassung gilt ...

Auf welche Technologien ERP-Anwender bei ihrem neuen ERP-System achten sollten Ergebnisse einer aktuellen Studie

Die Auswahl eines neuen ERP-Systems darf sich heute nicht mehr auf Prozessabdeckung, Bedienoberfläche und Bereitstellungsmodell beschränken. Der aktuelle ERP-Trendradar der Universität Potsdam beschreibt vielmehr, welche Technologien in den kommenden Jahren für die Weiterentwicklung von ERP-Systemen strategisch entscheidend werden und wo zugleich die größten Lücken zwischen Anwenderbedarf und Anbieterreife liegen. Gerade für Anwender ist diese Perspektive relevant. Denn ein neues ERP-System muss nicht nur die heutigen Abläufe stabil unterstützen, sondern auch die technologischen Anforderungen der nächsten Jahre tragen. Der Trendradar versteht sich ausdrücklich als Entscheidungsinstrument für ERP-Verantwortliche, Produktmanager und Forschende, um technologische Entwicklungen zu priorisieren und zukunftsfähige Strategien abzuleiten.

Die Zukunft der ERP-Systeme Strategisch statt operativ: ERP etabliert sich als Top-Management-Thema

ERP ist längst Chefsache. Wer es weiterhin als reines IT-Thema einordnet, unterschätzt seinen strategischen Hebel. Vorausschauende Unternehmen verankern ERP-Kompetenz in ihrer Governance und nutzen sie als Wettbewerbsvorteil. Moderne ERP-Systeme entwickeln sich zu intelligenten, offenen Architekturen –getrieben von Cloud, KI und Automatisierung. Das verlangt von der Unternehmensführung ein tiefes Verständnis von ERP.

Mit neuen KI-Modellen immer wissen, was fehlt Innovative Prognosemodelle in SAP IBP für eine erfolgreiche Supply-Chain-Planung

Die Zukunft der Bedarfsplanung liegt im KI-gestütztem Forecasting - und mit der Integration in der SAP-Lösung „Integrated Business Planning – IBP“ wird sie zum „Game Changer“. Durch die Kombination modernster Algorithmen mit der End-to-End-Integration in SAP IBP werden nicht nur interne und externe Datenquellen intelligent genutzt, sondern auch Schwankungen auf den Märkten, Kundenverhalten und externe Treiber in Echtzeit berücksichtigt.

Warum gute ERP-Daten jetzt Geld wert sind KI macht Tempo, aber nur mit sauberen Regeln und Verantwortung

In den nächsten Jahren werden ERP-Systeme in vielen Unternehmen wie ein organisatorisches Betriebssystem funktionieren. Sie werden Arbeit verteilen, Prioritäten setzen, Risiken markieren, Entscheidungen vorbereiten und Interaktionen bündeln. Der Bildschirm bleibt, aber die Arbeit verschiebt sich. Weniger Klickstrecken, mehr Ausnahmen. Weniger Dateneingabe, mehr Steuerung. Umso wichtiger sind deshalb Operational Excellence und ausgefeiltes BPM.