Use of business intelligence

24. September 2002, 02:15, Neue Zürcher Zeitung

Schwer erkennbarer Nutzen der Business-Intelligence

Auch dieser Wachstumsmarkt derzeit im Zeichen der Konsolidierung

Unter dem Ausdruck «Business-Intelligence» werden Instrumente zur Verfügung gestellt, um mit der Datenflut sinnvoll umzugehen. Während das Problem sofort einsichtig ist, ist der Nutzen von dessen Lösung schwieriger zu erfassen. Dementsprechend werden Investitionen in Business-Intelligence derzeit nur zögerlich vorgenommen.

Von Matthias Niklowitz*

«Firmen sammeln täglich sehr viele Daten in ihren Divisionen, und die meisten Unternehmen wissen gar nicht, was sie mit diesen Daten anfangen sollen», fasst ein Analyst von International Data Corporation (IDC) seine Beobachtungen zusammen. «Business-Intelligence» lautet die Antwort der (meist hoch spezialisierten) Softwarefirmen. Hilfsmittel wie «Data-Mining», «OLAP» oder «Balanced Scorecards» werden in der aufstrebenden Branche als Schlagworte genannt. Einsparpotenziale, schnellere und bessere Entscheidungshilfen für Manager sind in Zeiten angespannter (IT-)Budgets zwingende Verkaufsargumente gegenüber den Kunden.
Ein «Data-Warehouse» für die Planung

Die Marktforscher von IDC erwarten für das laufende Jahr einen Gesamtumsatz von immerhin gegen 5 Milliarden Dollar, und der soll sich bis 2005 nahezu verdoppeln. Doch was steckt genau hinter «Business-Intelligence»? Welche Fragen lassen sich überhaupt beantworten? Welche Hilfsmittel gibt es, und wie gross ist das Einsparpotenzial von Business-Intelligence?

Viele Unternehmen verwenden heute ERP-Systeme (Enterprise Resource Planning) für das Supply-Chain-Management (SCM) oder für das Customer-Relationship-Management (CRM) der grossen Anbieter Siebel, SAP, Oracle oder Peoplesoft. In diesen Systemen sind die Daten in Tausenden von Tabellen gespeichert. Diese sind wiederum über «Join»-Verknüpfungen untereinander verbunden und «normalisiert», um Redundanzen zu vermeiden. Kundendaten bestehen beispielsweise aus einer Kundenstamm-Tabelle, die mit den Kopfdaten der Kundenrechnungs- Tabelle und den Positionsdaten der Kundenrechnungspositions-Tabelle verbunden werden müssen. Diese relationale Struktur der Daten ermöglicht zwar die gleichzeitige Verarbeitung vieler Transaktionen, sie erschwert aber auch die Analyse von Daten. Zwar weisen die Applikationen der oben genannten Anbieter einfache Abfrage- Hilfsmittel auf («Queries»), und Fragen wie «Wie viel haben bestimmte Kunden innerhalb eines Monats eingekauft?» lassen sich beantworten. Eine strategische Planung - etwa mit Simulationen, Rentabilitäts- oder Risikoanalysen - ist aber mit diesen Prozeduren nicht möglich.

Ein erster Schritt des «Ausbruchs» aus dem «Data-Jailhouse» bildet das «Data-Warehousing». Bei diesem Ansatz werden die Daten weder zerstört noch wird die Geschwindigkeit von Applikationen reduziert. Zudem lassen sich Daten länger als die 12 Monate, die bei Transaktionssystemen üblich sind, speichern. Firmen benötigen dafür einen zusätzlichen Server und müssen dann die Daten aus der Verarbeitung regelmässig ins Warehouse herunterladen. Dieses sogenannte «Extraction, Transformation und Loading» (ETL) beansprucht oft den Grossteil des Zeitbudgets, das für den Aufbau eines Data- Warehouse eingesetzt wird.
ERP-Programme mit BI-Tools

Einfache Business-Intelligence (BI) setzt hier ein. Ad-hoc-Abfragen, einfache Analysen, Data- Mining, Charts und einfache OLAP-Abfragen («Online Analytical Processing») sind möglich. Die traditionellen ERP-Anbieter haben inzwischen oft betriebswirtschaftlich nützliche BI- Tools in ihre Applikationen integriert. Spezialisten wie Business Objects, Cognos (Impromptu), Hyperion, MicroStrategy oder Brio Technology gehen darüber hinaus; ihre Programme werden oft von den grossen ERP-Herstellern integriert. Dabei muss noch eine besondere Übersetzungsarbeit geleistet werden: Relationale Datenbanken und Data-Warehouses verfügen mit SQL über eine eigene Abfragesprache, und wenn Befehle unpräzise verfasst werden, kann das Ergebnis einer vermeintlich einfachen Abfrage eine ellenlange Liste mit mehreren Millionen Zeilen sein. Mittels «Mapping» werden die Tabellen der relationalen Datenbanken einerseits benutzerfreundlich gestaltet, andererseits steckt zwischen den Benutzern von BI-Software und den Datenbeständen eine Schnittstelle («Semantic Layer» oder «Metadata-Layer» genannt), welche die Abfragesprache der BI-Software in die SQL-Datenbanksprache «übersetzt».

Die unterste Stufe der BI-Anwendungen bilden die sogenannten «Ad-hoc-Abfragen», einfache und nicht standardisierte Verknüpfungen von Daten («Queries») und ihre Visualisierung in Form von Tabellen und/oder Grafiken. Zu den einfachen Analysefunktionen gehören (gegenwartsbezogene) Schätzungen, Prognosen, Zeitreihenanalysen und Modellbildungen. Die ersten drei genannten Verfahren beruhen auf der linearen Regression, für Zeitreihenanalysen können Benutzer meistens unterschiedliche Verfahren (Fortführung auf Grund bestehender Trends oder bisher beobachteter Schwankungen) wählen. Wiederum eine Stufe komplexer sind OLAP-Anfragen. Bei diesen werden Daten in einen virtuellen Kubus, entsprechend einer dreidimensionalen Tabelle, übertragen. Mit «Drill down»- und «Slice and Dice»-Prozeduren können Daten in ihre einzelnen Dimensionen oder in Kombinationen von Dimensionen zerlegt und analysiert werden.
Analytische Applikation als höhere Stufe

Die höchste BI-Stufe bilden die «analytischen Applikationen». Mit diesen oft branchen- und/ oder firmenspezifisch vorbereiteten Anwendungen lassen sich neben den einfachen Anfragen auch komplexe operative Fragen wie konsolidiertes finanzielles Reporting, Budgetprognosen auf Grund von Daten der Verkaufsorganisation, Kundenumsatz-Analysen oder Cash-(Pooling-)Managementanalysen beantworten. Strategische analytische Aufgaben wie Simulationen und Business- Modelling, Scorecards (Vergleich aktueller Performance mit definierten Zielen) oder Risikomanagement benötigen oft «intelligente Agenten», die meistens ereignisbezogen oder automatisch den explorativen Prozess des Benutzers überspringen und direkt über Besonderheiten und Auffälligkeiten bei Daten (Über- und Unterschreiten bestimmter Grenzen, Ausreisser usw.) informieren. Dafür werden immer aufwendigere Extraktions-Tools für die Bildung von speziellen Metadateien und Reporting-Tools, Applets und Informationskonsolen für die Handhabung und Betrachtung der Ergebnisse benötigt.

Als zentrales Hilfsmittel zur Verteilung und Verwaltung personalisierter BI-Daten und -Anwendungen haben sich die «Business-Intelligence-Portals» etabliert. Sie überwinden zudem die ursprünglich eng gefasste BI-Nische spezieller Tools für besonders ausgebildete Mitarbeiter und machen BI prinzipiell zu einem multifunktionalen Hilfsmittel für alle Mitarbeiter in einem Unternehmen, aber auch für Geschäftspartner und Kunden ausserhalb einer Firma. Anbieter wie Business Objects verfolgen eine Doppelstrategie: Das Portal «Infoview» lässt sich als einzelnes BI- Portal verwenden oder auch als BI-Content- Channel innerhalb eines bestehenden Unternehmens-Portals einsetzen.
«Suiten» und «Plattformen»

Die Analysten von Gartner unterteilen den Business-Intelligence-Markt in BI-Suiten («EBIS») und «Plattformen». Vom Abschwung waren 2001 die EBIS-Anbieter stärker als die Plattform-Hersteller betroffen. Für EBIS-Suiten sind laut Gartner einfache Handhabung und Skalierbarkeit zwingend notwendig. Entsprechendes werde auch von den meisten Anbietern versprochen, allerdings nicht immer zu Recht. Die Leader hier sind laut Gartner Business Objects und Cognos und dann mit einigem Abstand Information Builders, Oracle und Crystal Decisions. Im Gegensatz zu Brio und MicroStrategy verfügen diese auch über ausreichend hohe finanzielle Mittel, um auf absehbare Zeit mit Produkten und Support präsent zu sein.

Der Plattformen-Markt weist grösseres Potenzial für neue Lieferanten wie Arcplan oder ProClarity auf, wenn ihre Produkte einen technologischen Vorsprung und/oder bedeutende Einsparungen versprechen. Dieser Markt ist höher fragmentiert und hat keinen klaren Leader (Gartner nennt Microsoft und SAS als führend). Hyperion hat nach einer längeren Zeit ohne Fortschritte erkannt, dass man mehr als OLAP anbieten muss, um auf dem Markt zu bestehen, und ist Partnerschaften mit Ascential und Crystal eingegangen. Sagent und MicroStrategy haben sich von Bereichen getrennt, die nicht zum Kerngeschäft gehören.
Finanzielle Effekte für Nutzer

Schwierig zu beziffern sind die immer wieder versprochenen finanziellen Spareffekte bei Nutzern. Zwar verweisen die BI-Anbieter in ihren White Papers auf beträchtliche finanzielle Beträge, die sich durch ihre eigene BI-Software einsparen lässt. Eigene Abklärungen haben indes ergeben, dass einerseits das gegenwarts- und zukunftsbezogene Kosteneinsparungspotenzial den Firmen selber gar nicht genau bekannt ist und andererseits die tatsächlich eingesparten Beträge nicht so überwältigend sind, dass BI auf den Einkaufslisten der Firmen jetzt ganz oben auftaucht. Schliesslich dauert die Implementierung oft länger als ein Quartal und überschreitet damit den Denkhorizont vieler Finanzchefs, die Ausgaben nur dann bewilligen, wenn sich der Return on Investment sehr rasch, und das heisst heute: bis zum nächsten (Zwischen-)Bericht, einstellt. «Die Einsparungen variieren», sagt David Odell, Finanzchef bei Hyperion, im Gespräch, «oft wird aber nicht einfach Geld gespart, sondern aufgezeigt, ob eine Division unterdurchschnittlich arbeitet.» In diese Richtung argumentiert auch Bernard Liautaud, CEO von Business Objects: «Es geht auch um das Verständnis von Kundenwünschen. Wenn man diese um 5 Prozent steigert, lässt sich laut Studien die Profitabilität dieser Kunden um 25 Prozent steigern.»

Obwohl IDC an den mittelfristig vielversprechenden Wachstumsprognosen festhält, gilt das laufende Jahr als Zeit der Konsolidierung. Etliche kleinere BI-Anbieter dürften kollabieren. Die finanziell gesunden Hersteller nutzen die Zeit für die Entwicklung neuer Applikationen oder die Akquisition neuer Technologien. «Firmen sollten ebenfalls die Zeit nutzen und Lieferanten auch in Hinblick auf die zukünftige Stabilität aussuchen», rät man bei Gartner - denn die Datenberge wachsen rapide weiter.

* Der Autor ist Finanzjournalist in Zürich.