Kaum ein Unternehmen ist rundum zufrieden mit der hauseigenen Business Intelligence (BI). Das ist nicht verwunderlich, denn nicht nur ist ein vollumfängliches BI-System eine komplexe Angelegenheit mit vielen Datenflüssen, Datenmodellen und Reportings mit Dutzenden, wenn nicht hunderten von Kennzahl- Definitionen. Selbst eingespielte BI-Teams kommen hier schnell an ihre Grenzen – Und oft fehlen die richtigen Hinweise und Prioritäten durch einen neutralen Dritten. Abhilfe könnte hier ein Data Assessment als Audit der BI-Organisation und -Technologie bewirken, das in etwa drei bis sechs Arbeitstage dauert und zu wertvollen Einsichten in Schwachstellen und Verbesserungspotenzialen eines Business-Intelligence-Systems im Unternehmen führen kann.
Gastbeitrag von Benjamin Aunkofer, Managing Executive & Chief Data Scientist, Datanomiq.de
Nachfolgend typische Erkenntnisse aus einem Data Assessment, mit denen sich die passenden Maßnahmen ableiten lassen.
1. Unzureichendes Anforderungsmanagement:
Viele BI-Systeme sind technologisch modern und robust aufgestellt, jedoch erfüllen einzelne Komponenten oder gar das Gesamtsystem nicht die Anforderungen der anvisierten Nutzer. Fehlendes oder unzureichendes Anforderungsmanagement, oft in Kombination mit mangelnder Kommunikation zwischen BI-Team und Stakeholdern, ist eine der häufigsten Ursachen für unzufriedene Anwender.
2. Mangelnde Datenqualität:
Für mangelnde Datenqualität gibt es in der BI viele Ausreden. Von schlechten Datenquellen über Herausforderungen in Daten-Pipelines und Orchestrierung in der Cloud bis hin zu mangelnden Speicher-Ressourcen ist die Spanne an Gründen recht umfangreich. Unter Einsatz der richtigen Tools für Data Ingestion, Data Transformation und Data Testing lassen sich jedoch sehr stabile Datenflüsse erzeugen.
3. Unpassender Tool-Einsatz:
Der Tool-Einsatz ist ebenfalls häufig eine Kernfrage, die ein BI-Team herumtreibt. Wird ohne Zweifel auf die richtigen Tools gesetzt? Die richtigen Tools können den Arbeitsaufwand in der BI mitunter deutlich verringern und dabei gleichfalls die Datenverfügbarkeit sowie die Benutzerfreundlichkeit der Reportings erhöhen. Demgegenüber muss jedoch auch eine Abwägung darüber erfolgen, ob eine Einführung oder ein Wechsel eines Tools wirklich notwendig und langfristig hilfreich ist. Während einige BI-Organisationen arm an sinnvollem Tool-Einsatz sind, sind andere eher mit Tools überladen.
4. Suboptimale Gestaltung der Reports:
Gute Reports sind selten, sie leiden oft unter fehlenden Guidelines auf Basis der Best Practice für Reporting und Visualisierung. Dies ist zum Einen ganz unabhängig vom eingesetzten Reporting-Tool zu betrachten, zum anderen ist die Umsetzung jedoch wiederum eng an die Funktionalität des ausgewählten Tools geknüpft, sei es PowerBI, Qliksense, Tableau, Looker oder ein anderes Tool.
5. Fehlende Qualifikationen:
Die technischen Herausforderung hinsichtlich Tools und Methodik in der BI sind heutzutage nicht gering, der technische Fortschritt schnell. Selbst etablierte und erfahrene Data Teams haben oftmals Potenziale, die mit den richtigen Trainings, Workshops oder Coachings entfesselt werden können. In einem Data Assessment geht es darum, diese Potenziale zu erkennen und die richtigen Massnahmen zu definieren.
