Teil 3

---

Die „Kristallkugel“ Business Intelligence kann Wege für eine profitable Zukunft aufzeigen

von Nahid Jilovec

Wie oft haben Sie schon geklagt: „Hätte ich das nur vorher gewusst!“ Eine späte Erkenntnis eröffnet uns den Weitblick, Erfahrungen aus der Vergangenheit zu nutzen, um in der Zukunft bessere Entscheidungen zu treffen. Wäre es nicht ideal, genügend Intuition zu besitzen, um zukünftige Umsätze, Gewinne und Verkaufszahlen vorhersagen zu können? Da wir leider nicht über eine Kristallkugel verfügen, sind wir für Voraussagen auf die altmodische Vorgehensweise angewiesen, Erfahrungen mit aktuellem Einblick zu kombinieren. Mit den Tools und Technologien von Business Intelligence (BI)-Lösungen lassen sich unsere späten Erkenntnisse und unser aktueller Einblick verfeinern, um eine quantitative Vorausschau zu erzielen. Im ersten Teil dieses Artikels (NEWSolutions Ausgabe Dezember 2006) gibt die Autorin einen Überblick über Grundlagen und Komponenten von BI-Lösungen, im zweiten Teil (Ausgabe Februar 2007) geht sie auf häufig gemachte Fehler ein, die einer erfolgreichen BI-Implementierung im Weg stehen können, diese werden im heutigen dritten Teil weitergeführt.

Die Annahme, der Datenbestand sei „sauber“

Viele Unternehmen setzen schlicht voraus, dass ihr Datenbestand einwandfrei ist. Und schlimmer noch, sie gehen davon aus, dass die IT-Abteilungen für die Datenqualität verantwortlich sind und sich schon um alles kümmern werden. In Wahrheit aber ist die Qualität der Daten jedermanns Sache. Das macht es erforderlich, dokumentierte Standardverfahren zu definieren, die festlegen, wie und wo Daten einfließen und welche Prüfungen und Kontrollen vorzunehmen sind, um einen akkuraten Datenbestand zu gewährleisten. Viele der heutzutage verwendeten Informationen stammen allerdings aus externen Quellen. Die Qualität dieser Informationen ist in gleichem Maße wichtig wie die der internen Daten. Der Ausspruch „wo Müll einfließt, kann nur Müll herauskommen“ gilt in besonderem Maße für BI-Implementierungen. Sind die Daten unspezifisch, werden die Ergebnisse alles andere als akkurat sein. So kann es beispielsweise vorkommen, dass der Name eines Unternehmens von unterschiedlichen Anwendern unterschiedlich buchstabiert wird und somit in zentrale Dateien und Datenbanken in unterschiedlicher Form einfließt. (Beispiel: WalMart, Wal*Mart, Wal Mart oder Wal-Mart.) Somit müssen IT-Teams bei der Extraktion aus den unterschiedlichen Quellen solche Inkonsistenzen bereinigen, damit die Anwender bei ihren Abfragen anschließend akkurate Ergebnisse erhalten.

Überdies sollten zusätzlich zu der vor dem Einbringen in ein Data Warehouse oder Mart unerlässlichen Datenbereinigung monatliche oder vierteljährliche Abstimmungs-Meetings abgehalten werden (abhängig von der bisherigen Betriebsdauer der BI-Lösung und dem Ergebnis vorheriger Meetings). Je öfter diese Abstimmungen stattfinden, desto besser gestaltet sich letztlich die Qualität der Daten. Auch wenn in internen Anwendungen keine Veränderungen angefallen sind, werden Anwender bei ihren manuellen Eingaben unzweifelhaft Fehler begangen haben. Überdies besteht in der Regel keinerlei Kontrolle oder Kenntnis über Änderungen, die in externen Quellen vorgenommen werden. Dadurch erhöht sich das Risiko, unspezifische Daten zu erhalten.

Die Gefahr, nicht alle relevanten Daten in das Data Warehouse aufzunehmen

Man kann nicht davon ausgehen, dass die Extraktion von Daten aus transaktionsbasierten Quellen wie beispielsweise einer Vertriebsdatenbank bereits alles ist, was benötigt wird, um anschließend aus den im Data Warehouse gespeicherten Informationen akkurate Berichte erzeugen zu können. So kann es wichtig sein, nicht im Auftragssystem abgebildete Informationen z.B. aus dem Zahlungsbereich mit einfließen zu lassen, um das Netto-Umsatzvolumen eines Kunden oder eines Vertriebsgebietes darstellen zu können.