Business Intelligence ist aktuell in aller Munde, und dies aus gutem Grund. Entscheidungen werden nicht mehr aus dem Bauch getroffen, sondern auf Basis fundierter Informationen, die auch ihrem Kontext einzuordnen sind. Big Data, PDW, Business Analytics und Planung  sind die Themen, die uns bewegen. Und das auf Basis aktuellster Technologie – dem Microsoft SQL Server.

Wozu Business Intelligence?

Klingt einfach, aber das ist es nicht. Verschiedene operative Systeme liefern einen Wust aus Daten. Die große Herausforderung ist es, immer die richtigen Informationen zum richtigen Zeitpunkt zu bekommen.

Was ist das Ziel? Klarheit. Will man Business Intelligence einführen, dann will man vor allem absolute Klarheit über alle relevanten Kennzahlen der Unternehmenssteuerung erreichen. Und dies auf Knopfdruck. Vorbei sind die Zeiten, in denen verschiedene Mitarbeiter unterschiedliche Zahlen zu eigentlich gleichen Themen hatten. Mit Einführung von Business Intelligence gibt es einen zentralen Datentopf für operative Unternehmensdaten. Und dieser Datentopf namens „Datawarehouse – DWH“ oder „Operational Data Store – ODS“ enthält die Wahrheit und zwar nichts als die Wahrheit. Dieser Datentopf soll effizient benutzbar sein, sei es als Basis für ein Standardberichtswesen, sei es als individuelle Auswertung in Excel oder als Quelle für Dashboards und KPIs. Erst wenn Sie jede zur Steuerung des Unternehmens relevante Information per Knopfdruck abrufen können, ist das Ziel erreicht.

Datawarehousing als Grundlage für die Analytik. Zunächst müssen die Daten aus den Quellsystemen in das zentrale Datawarehouse geladen. Dieses besteht aus mehreren Schichten (Stage, ODS, Star), die von unterschiedlichen Datenstrukturen und -modellen gekennzeichnet sind. Diese verschiedenen Schichten werden dann auf Basis der Quelldaten mit Hilfe von ETL-Tools effizient bewirtschaftet. Ergebnis dieser ETL-Prozesse ist außer der Transformation der Daten in die jeweilgen Modelle auch die Anreicherung der Daten mit diversen fachlich zu definierenden Kalkulationen, Ableitungen und Klassifizierungen.

Berichtswesen – nicht nur eine Frage der Darstellung. Um effizient auf relevante Daten im Datawarehouse zugreifen zu können, haben sich diverse Methoden und Technologien etabliert. Excel als Berichtswerkzeug ist keineswegs aus dem Rennen, insbesondere in Kombination mit dem SharePoint Portal Server. Excel bietet gute Möglichkeiten, als Fachanwender eigene Analysen, die auf konsolidierten und korrekten Daten basieren, zu erstellen. Für das Standardreporting, also fest definierte, aber parametrierbare Berichte, bieten sich die Reporting Services an. Sie erlauben anspruchvolle grafische Gestaltung und bringen zudem das ganze Paket an Zugriffsberechtigung, automatischem Versand und Exportmöglichkeiten mit. Durch die Modellierung von multidimensionalen Datenwürfeln lassen sich Daten, getrennt nach aggregierbaren Fakten und den entsprechenden Dimensionen, einfach als Pivot-Tabelle in Excel integrieren. Zusätzlich erlaubt die Verwendung dieser Cubes die Berechnung individueller Kennzahlen und KPIs und trotz großer Datenmengen gute Perfomances.

Predictive Analytics. Insbesondere im Marketing ist das Vorhersagen von Ereignissen ein wichtiges Instrument. Die Anforderungen im CRM sind hier oftmals weitergehender als die rein planungsrelevante Umsatzprognostik, da potenziell gefährdete Kundenbeziehungen frühzeitig erkannt werden müssen, um Gegenmaßnahmen gezielt (und eben nicht gestreut) einleiten zu können. Die erste Herausforderung liegt hier in der Auswahl der geeigneten und zielführenden Klassifikations-Algorithmen – hier bedarf es einem gewissen Gespür für die Daten. Trifft hier eine lineare Regression die Wahrheit am ehesten? Oder sind die Daten eher logistisch Verteilt? Nach Auswahl eines geeigneten Modells werden die Daten in das Modell geladen und die Regression ermittelt (das Modell wird „trainiert“). Zur Validierung der Regression wird dann ein Teil der Daten verwendet, um das Modell – und damit die Richtigkeit der Vorhersage – zu überprüfen. Hier kann dann noch an vielen kleinen Schrauben gedreht werden, um am Ende Vorhersagen liefern zu können, die mindestens besser sind als Würfeln, im Idealfall aber der Realität sehr nahe sind.

Kundenstimme_Bild

Kundenstatement Bild.de
„Mir ist die vertrauliche und persönliche Zusammenarbeit beim Thema Business Intelligence besonders wichtig.  Als Top Digital-Haus in Deutschland, damit ein Trend-Pionier, sind eine echte agile Entwicklung und hohe Verfügbarkeit ein absolutes Muss! Gleichzeitig ist eine hohe Flexibilität und der Wille für neue Projekte gefordert.
Unsere Anforderungen an die Qualität der Entwicklung nimmt ständig zu und wir haben mit Ceteris ein Beratungsunternehmen gefunden, welches diese wachsenden Anforderungen erfüllt.” Santiago Cabrera-Naranjo, BILD KG.

PDW_Eisberg

Keine Angst vor großen Daten!
Die ernstzunehmende Variante von Microsoft für sehr große, aber strukturierte Datenmengen ist das PDW, seit einiger Zeit auch unter APS bekannt. Das Parallel Data Warehouse – die Datenbankkomponente der APS – kann ungeheure Mengen von Daten verarbeiten und sieht dabei von außen aus wie ein SQL Server. Sowohl beim Einladen von Daten, insbesondere bei einer großen Zahl von Dateien, ist das PDW kaum zu schlagen.
Die enorme Abfragegeschwindigkeit der Datenbank erlaubt den direkten Durchstich aus den OLAP-Cubes (also ROLAP) und kann somit Near-Realtime-Anfragen direkt beantworten. Natürlich gibt es einige Besonderheiten zu beachten.

Fallbeispiel Logistikcontrolling

Einer der beständigsten Kunden der Ceteris AG ist der DPD (Dynamic Parcel Distribution GmbH). Jedem bekannt, werden hier hunderttausende Pakete täglich bewegt, und dies mit immer genaueren Zusagen zu deren Auslieferung. Hier fallen Unmengen an operativen Daten an, die aus verschiedenen Quellen zusammengeführt, konsolidiert und letztendlich zu Kennzahlen verrechnet werden, die direkt als Grundlage für operative Entscheidungen fungieren.

Dementsprechend ist hier sowohl die Genauigkeit von erheblicher Bedeutung, als auch die Aktualität der Kennzahlen. Um möglichst nah an den realen Paket- und damit auch Datenströmen zu sein, hat der DPD auf neueste Technologie gesetzt und zusammen mit der Ceteris AG das Microsoft Parallel Datawarehouse (PDW) eingeführt. Über Anlass des PDW-Invest, Sinn und Zweck referieren in einem anschaulichen Video Peter Weber, Head of Business Intelligence beim DPD sowie Markus Raatz, Vorstand der Ceteris AG.

HABEN SIE FRAGEN?

+49 30 8145660-00