BI-Plattformen verlassen sich traditionell für ihre Basisinformationen auf Data Warehouses. Ein Data Warehouse aggregiert Daten aus mehreren Datenquellen in einem zentralen System, um Geschäftsanalysen und Berichte zu unterstützen. Die Business Intelligence-Software fragt das Warehouse ab und stellt dem Benutzer die Ergebnisse in Form von Berichten, Diagrammen und Karten zur Verfügung.

Data Warehouses können eine OLAP-Engine (Online Analytical Processing) zur Unterstützung mehrdimensionaler Abfragen enthalten. Zum Beispiel: Wie hoch sind die Umsätze für unsere östliche Region im Vergleich zu unserer westlichen Region in diesem Jahr im Vergleich zum Vorjahr?

„OLAP bietet eine leistungsstarke Technologie für die Datenerkennung, die Business Intelligence, komplexe analytische Berechnungen und prädiktive Analysen ermöglicht“, sagt IBM Offering Manager Doug Dailey in seinem Data Warehousing-Blog. „Einer der Hauptvorteile von OLAP ist die Konsistenz der Informationen und Berechnungen, die es verwendet, um Daten zu generieren, die die Produktqualität, die Kundeninteraktion und Prozessoptimierungen verbessern.“

Einige neuere Business-Intelligence-Lösungen können Rohdaten direkt mithilfe von Technologie wie Hadoop extrahieren und aufnehmen, aber Data Warehouses sind in vielen Fällen immer noch die Datenquelle der Wahl.

Der Begriff Business Intelligence wurde erstmals 1865 von dem Autor Richard Millar Devens verwendet, als er einen Bankier zitierte, der vor seinen Konkurrenten Informationen über den Markt sammelte. 1958 erforschte ein IBM-Computerwissenschaftler namens Hans Peter Luhn das Potenzial der Nutzung von Technologie zur Erfassung von Business Intelligence. Seine Forschung trug dazu bei, Methoden für die Entwicklung einiger der frühen Analyseplattformen von IBM zu etablieren.

In den 1960er und 70er Jahren wurden die ersten Datenmanagementsysteme und Entscheidungsunterstützungssysteme (DSS) entwickelt, um wachsende Datenmengen zu speichern und zu organisieren.

„Viele Historiker gehen davon aus, dass die moderne Version von Business Intelligence aus der DSS-Datenbank hervorgegangen ist“, heißt es auf der IT-Bildungsseite Dataversity. „In dieser Zeit wurde eine Reihe von Tools entwickelt, mit dem Ziel, auf einfachere Weise auf Daten zuzugreifen und sie zu organisieren. OLAP, Executive Information Systems und Data Warehouses waren einige der Tools, die für die Arbeit mit DSS entwickelt wurden. ²

In den 1990er Jahren wurde Business Intelligence immer beliebter, aber die Technologie war immer noch komplex. In der Regel war dafür IT-Unterstützung erforderlich, was häufig zu Rückständen und verzögerten Berichten führte. Selbst ohne IT brauchten Business Intelligence-Analysten und Benutzer umfassende Schulungen, um ihre Daten erfolgreich abfragen und analysieren zu können. ³

Bei der jüngsten Entwicklung liegt der Schwerpunkt auf Self-Service-BI-Anwendungen, die es auch nicht fachkundigen Benutzern ermöglichen, von ihren eigenen Berichten und Analysen zu profitieren. Moderne Cloud-basierte Plattformen haben die Reichweite von BI zudem über geografische Grenzen hinaus erweitert. Viele Lösungen verarbeiten heute Big Data und beinhalten eine Echtzeitverarbeitung, wodurch Entscheidungsprozesse auf der Grundlage aktueller Informationen ermöglicht werden.

Business Intelligence gibt Unternehmen die Möglichkeit, Fragen in einfacher Sprache zu stellen und Antworten zu erhalten, die sie verstehen können. Anstatt nach bestem Wissen und Gewissen zu handeln, können sie Entscheidungen auf der Grundlage ihrer Geschäftsdaten treffen – sei es in Bezug auf Produktion, Lieferkette, Kunden oder Markttrends.

Warum sinkt der Umsatz in dieser Region? Wo haben wir Überbestände? Was sagen Kunden in den sozialen Medien? BI hilft bei der Beantwortung dieser kritischen Fragen.

„Business Intelligence bietet vergangene und aktuelle Einblicke in das Geschäft“, sagt Maamar Ferkoun in seinem IBM Cloud Computing- und Business Intelligence-Blog. „Dies wird durch eine Reihe von Technologien und Verfahren erreicht, von Analysen und Berichten bis hin zu Data Mining und prädiktiver Analytik. Indem BI ein genaues Bild des Geschäfts zu einem bestimmten Zeitpunkt liefert, bietet es einem Unternehmen die Möglichkeit, eine Geschäftsstrategie auf der Grundlage von Faktendaten zu entwerfen.“

Business Intelligence hilft Unternehmen, datengestützte Unternehmen zu werden, die Leistung zu verbessern und Wettbewerbsvorteile zu erzielen. Folgendes wird Ihnen dadurch ermöglicht:

• Verbessern Sie den ROI, indem Sie das Geschäft verstehen und Ressourcen intelligent zuweisen, um strategische Ziele zu erreichen.
• Entschlüsseln Sie das Kundenverhalten, die Präferenzen und Trends und nutzen Sie die Erkenntnisse, um potenzielle Kunden besser anzusprechen oder Produkte an die sich ändernden Marktanforderungen anzupassen.
• Überwachen Sie den Geschäftsbetrieb und nehmen Sie laufend Korrekturen vor oder nehmen Sie Verbesserungen vor, basierend auf Datenerkenntnissen.
• Verbessern Sie das Lieferkettenmanagement, indem Sie Aktivitäten auf- und abwärts überwachen und Ergebnisse mit Partnern und Lieferanten kommunizieren.

Einzelhändler können beispielsweise ihre Kosteneinsparungen steigern, indem sie Leistung und Benchmarks über Filialen, Kanäle und Regionen hinweg vergleichen. Und mit der Transparenz des Anspruchsprozesses können Versicherer sehen, wo ihnen Serviceziele fehlen, und diese Informationen nutzen, um die Ergebnisse zu verbessern.

Unternehmen profitieren davon, wenn sie Abläufe und Prozesse vollständig bewerten, ihre Kunden verstehen, den Markt einschätzen und Verbesserungen vorantreiben können. Sie benötigen die richtigen Tools, um Geschäftsinformationen von überall aus zu aggregieren, zu analysieren, Muster zu erkennen und Lösungen zu finden.

Die beste BI-Software unterstützt diesen Entscheidungsprozess durch:

• Verbindung zu einer Vielzahl verschiedener Datensysteme und Datensätze, einschließlich Datenbanken und Tabellenkalkulationen.
• Bereitstellung tiefgreifender Analysen, die Benutzern helfen, verborgene Beziehungen und Muster in ihren Daten aufzudecken.
• Präsentieren Sie Antworten in informativen und überzeugenden Datenvisualisierungen wie Berichten, Karten, Diagrammen und Grafiken.
• Ermöglicht den direkten Vergleich von Daten in verschiedenen Szenarien.
• Bereitstellung von Drilldown-, Drillup- und Drillthrough-Funktionen, mit denen Benutzer verschiedene Datenebenen untersuchen können.

Fortschrittliche BI- und Analysesysteme können auch künstliche Intelligenz (KI) und maschinelles Lernen integrieren, um komplexe Aufgaben zu automatisieren und zu optimieren. Diese Fähigkeiten beschleunigen die Fähigkeit von Unternehmen, ihre Daten zu analysieren und Erkenntnisse auf tiefgreifender Ebene zu gewinnen.

IBM Cognos Analytics vereint beispielsweise Datenanalyse und visuelle Tools, um die Erstellung von Karten für Berichte zu unterstützen. Das System nutzt KI, um geografische Informationen automatisch zu erkennen. Sie kann dann die Visualisierungen verfeinern, indem sie geospatiale Karten des gesamten Globus, eines einzelnen Viertels oder irgendetwas dazwischen hinzufügt.

Einem Bericht zur Digital Reinvention des IBM Institute for Business Value zufolge: „58 Prozent der 1.100 Führungskräfte, die wir im Rahmen der Studie zur Digital Reinvention befragt haben, erwarten in den nächsten fünf Jahren, dass neue Technologien Markteintrittsbarrieren verringern werden, und 69 Prozent erwarten mehr branchenübergreifenden Wettbewerb.“

„Fortgeschrittene Analysen ermöglichen es, aus Big Data tiefere Business Intelligence und Verbrauchereinblicke zu gewinnen und Informationen zu liefern, die von deskriptiv bis prädiktiv reichen.“