Dieser Artikel behandelt nun die Bedeutung und den Einfluss der wichtigsten Trends auf die BI-Strategie im Detail.
 

Master Data Management und Datenqualitätsmanagement, Data Governance

Im Zuge regulatorischer Anforderungen, aber auch auf Basis der GDPR (General Data Protection Regulation) sind Daten und deren Qualität der Trend mit der absolut größten Bedeutung. Auch für die grundsätzliche Nutzbarkeit und das Vertrauen in BI-Systeme ist die Datenqualität entscheidend. Es gilt immer: “Garbage in, Garbage out”. Aufgrund der meist aggregierten Sicht in Berichten und Analysen können zudem Datenqualitätsprobleme sehr gut identifiziert werden.

Das Ziel des Master Data Managements ist es üblicherweise, die Stammdaten von Kunden, Produkten, Lieferanten, etc. in den unterschiedlichen Systemen zu harmonisieren und nachvollziehbar zu machen. So gibt es neben einem „führenden“ ERP-System (Enterprise Ressource Planning) oft noch begleitende Systeme für CRM (Customer Relationship Management) oder Supply Chain Management (SCM). Wenn jetzt Berichte mit Daten aus diesen unterschiedlichen Systemen gespeist werden, ist es unabdingbar, dass die Stammdaten der Interessenten (bspw. aus dem CRM) mit denen der Kunden (aus dem ERP) harmonieren.

Hier liegt dann auch die Herausforderung für die Verantwortlichen für die BI-Systeme: Sie haben normalerweise keinen Einfluss auf die Vorsysteme (ERP, CRM, …) und können nur auf mögliche Datenqualitätsprobleme hinweisen. Eine nachhaltige Korrektur der Datenqualität und Stammdaten kann nur gemeinsam mit den Vorsystemen erfolgen. Jede Korrektur auf Ebene der BI ist nur ein Ausgleich der Unzulänglichkeiten und technischen Schulden der Quellen und führt häufig zu extrem hohen Aufwänden in BI-Projekten. Diese für BI „unlösbaren“ Probleme müssen im Rahmen der BI-Strategieentwicklung adressiert und den verantwortlichen Managern bewusst werden. Die Lösung kann darin bestehen, eine Data Governance oder Datenstrategie im Unternehmen zu entwickeln, die für die übergreifende, unternehmensweise Verwendung von Daten verantwortlich ist.
 

Data Discovery/Data Visualization und Self-service BI

In den letzten Jahren haben Self-Service Tools und Data-Discovery-Werkzeuge manche BICC vor neue Herausforderungen gestellt – als Trend sind beide Themen schon 2018 von Datenqualitätsmanagement auf Platz 2 und 3 (Abbildung 1) verdrängt worden. Eine der Herausforderungen für zentrale Organisationsformen bei der Umsetzung von neuen Anforderungen ist die Zeit, die es dauert, bis der Anwender über „seine“ Informationen verfügen kann. Dies liegt oft daran, dass für viele Entwicklungen durch das BICC auch sehr hohe nicht-funktionale Anforderungen gelten, wie Datensicherheit, Datenschutz, Stammdaten- und Metadatenmanagement, Protokollierung, Nachvollziehbarkeit und Entwicklungsvorschriften (Trennung, Entwicklung-, Test-, Produktiv-System, Entwicklung ohne Zugriff auf Echt-Daten, etc.). Wenn ein BICC nun diese Anforderungen alle erfüllen muss, kann es sein, dass die Umsetzungsgeschwindigkeit von den Fachbereichen als zu langsam empfunden wird. Folglich entfernen sich die Anwender oft von den zentralen Systemen und sind normalerweise auch schneller in der Umsetzung. Allerdings finden die genannten nicht-funktionalen Anforderungen dann selten Beachtung, stattdessen wird auf produktiven Systemen „am offenen Herzen“ entwickelt. Diese lokal entwickelten Systeme anschließend wieder in einen zentralen Betrieb zu übernehmen – sei es, weil der Entwickler im Fachbereich nicht mehr zur Verfügung steht oder aus anderen Gründen – ist meist sehr aufwendig und kommt oft einer Neuentwicklung gleich.

Die Self-Service Tools fördern durch die einfache Bedienbarkeit die autarke Entwicklung von BI-Berichten und -Anwendungen im Fachbereich. Dadurch erreichen Anwender schneller ihr Ziel, die lokalen Informationsbedürfnisse zu adressieren. Außerdem bringen Data-Discovery-Werkzeuge inzwischen weitere zusätzliche Funktionen mit sich, beispielsweise für die einfache Datenintegration. Wir sprechen dann von Data Preparation, ein Trend der es in unserer Befragung bereits auf Rang sechs geschafft hat. Das ist natürlich nicht immer gewollt, da die Verlässlichkeit und die Nachvollziehbarkeit der Daten möglicherweise nicht immer gegeben sind. Empfehlung ist auch hier, diese Anforderungen organisatorisch mit zu berücksichtigen und im Rahmen der BI-Strategie zu beachten. Viele Kunden erlauben die Vermischung von (zentralen) DWH-Daten mit „eigenen“ Daten durch Fachanwender bspw. in einer so genannten „Sandbox“. Für die dort entstehenden Berichte und Analysen gelten gesonderte Regeln und Prozesse. Dies kann sein, dass nach einer gewissen Zeit die Sandbox abgeschaltet wird oder dass die Berichte in den Regelbetrieb überführt werden müssen. Nach unserer Erfahrung sind Anwender von BI sich dieser Themen bewusst und zugänglich, was auch die Platzierung von Data Governance auf Rang 4 in unserer Befragung zeigt.
 

Zusammenfassung und Empfehlung

Es ist zu empfehlen, für sich selbst die Bedeutung und Reife der Trends abzuschätzen und bei entsprechendem Bedarf eine passende Antwort zu entwickeln. Dabei lohnt es sich immer, nach vorne zu blicken, da vor allem aufgrund der Digitalisierung, bspw. durch die Vernetzung von mehr Geräten über Internet (IoT: Internet of Things), eine Vielzahl an neuen Datenquellen entsteht. Auch wenn dieser Trend in der Befragung (Siehe Abbildung oben, letzter Rang) am unwichtigsten eingeschätzt wird.