Brauchen wir noch Business Intelligence (BI)

Business Intelligence (BI) ist allgegenwärtig

Business Intelligence ist schon seit einigen Jahren ein Modewort. Es wurde meist in Verbindung mit Entscheidungsunterstützungssystemen, Data Warehouse, Data Mining, Berichten, Abfragen und OLAP genannt. Die meisten von uns haben Business Intelligence (BI) mit einem Entscheidungsunterstützungssystem verwechselt, da BI zwar eine breite Kategorie von Anwendungen und Technologien zum Sammeln, Speichern, Analysieren und Bereitstellen des Zugriffs auf Daten ist, aber hauptsächlich von Unternehmen für die Analyse von Geschäftsdaten und deren Präsentation für das Management zur Entscheidungsfindung verwendet wurde. In letzter Zeit haben sich die Dinge geändert. Jetzt hat jede Anwendung oder Lösung, die wir betrachten, Business Intelligence-Funktionen, ein Dashboard, Analysen, Berichte und manchmal sogar Abfragen eingebaut.

Wenn Unternehmen in ein Tool oder eine Technologie investieren, suchen sie immer nach einem Return on Investment, den sie messen und verfolgen wollen.

Diese Geschäftsphilosophie hat die Tool-Anbieter dazu veranlasst, mehr und mehr Datenanalyse-, Dashboard- und Berichtsfunktionen hinzuzufügen. Wenn man sich heute in ein Tool einloggt, ist die Standard-Landing-Page ein Dashboard mit Analysen und Einblicken, was mittlerweile eine selbstverständliche Erwartung geworden ist. Bis vor ein paar Jahren war das noch nicht der Fall. Früher war BI ein Spezialgebiet, das Spezialisten für Data-Warehouse-Technologien, Data Mining, OLAP, statistische Techniken und Reporting erforderte, aber mit dem Aufkommen von spaltenförmigen Datenbanken, Blogs und anderen Speichern mit einer SQL-ähnlichen Abfrageschicht ist es viel einfacher geworden. Außerdem sind sowohl die Rechen- als auch die Speicherkosten erheblich gesunken, was es den Anbietern von Tools ermöglicht hat, diese Funktionen zusammen mit dem Kernproblem des Unternehmens hinzuzufügen.

Produkte und Lösungen, ganz gleich, ob es sich um Marketing-Automatisierung, Kundenbeziehungen, ein Bankensystem, Reisebuchungen, eLearning, Versorgungsmanagement, eCommerce, Einzelhandel, Landwirtschaft usw. handelt, alle haben Analysefunktionen integriert. Alle verfolgen KPIs, erfassen Daten, führen statistische Analysen durch und liefern Erkenntnisse. Experten nutzen nun künstliche Intelligenz und Techniken des maschinellen Lernens, um nicht nur Vorhersagen zu treffen, sondern auch versteckte Erkenntnisse aus den erfassten Daten aufzudecken und diese als differenzierte Angebote einzuführen.

Business Intelligence (BI) ist nicht mehr auf das Datenmanagement, die Datengewinnung, die Analyse und das Reporting zur Entscheidungsunterstützung einer Organisation beschränkt.Es hat sich von den Vorstandsetagen hinunterbewegt, um den täglichen Geschäftsbetrieb mit Daten zu unterstützen und zu verbessern. Sie verbessert jetzt die digitale Erfahrung und unterstützt sowohl Spezialisten als auch den Normalbürger.

Business Intelligence (BI) ist immersiv geworden.

Daten sind das neue Öl. Daten werden als Informationen definiert, die in eine Form übersetzt wurden, die für die Bewegung oder Verarbeitung effizient ist. Heute sind sowohl die Bewegung als auch die Verarbeitung von Daten einfach, zugänglich und erschwinglich.  Big-Data-Tools und -Techniken können viel leichter mit Datensätzen umgehen, die zu groß oder zu komplex für herkömmliche datenverarbeitende Anwendungssoftware sind.

Big Data wird durch die 6 Vs charakterisiert:

1. Volume - die Menge an Daten aus verschiedenen Quellen
2. Variety - die Art der Daten: strukturiert, halbstrukturiert, unstrukturiert
3. Velocity - die Geschwindigkeit, mit der Daten erzeugt werden oder ankommen
4. Veracity - der Grad, in dem den Daten vertraut werden kann
5. Value - der Geschäftswert der gesammelten Daten
6. Variability - die Art und Weise, in der Daten verwendet und formatiert werden können.

Es sind die drei letztgenannten Vs: Veracity, Value und Variability, die verschiedene Arten von Daten in einem geschäftlichen Kontext nützlich machen.

Durch diese Kombination können Lösungen entwickelt, die verschiedene Daten zusammen mit Geschäftsdaten nutzen, um neue Wertangebote zu schaffen, die früher nicht möglich waren, wie z.B.:

• Buchungsdaten von Fluggesellschaften in einem bestimmten Sektor beeinflussen die Hotelpreise in diesem Gebiet
• Wetterdaten können Reisebuchungen beeinflussen
• Social-Media-Aktivitäten können E-Mail-Kampagnen beeinflussen und vieles mehr.

Business Intelligence ist heute ein fester Bestandteil jedes Produkts und jeder Lösung, unabhängig von der Domäne und dem Nutzen. Das hat die Art und Weise verändert, wie heutige Systeme architektonisch und gestalterisch aufgebaut sind. Architekten bevorzugen immer häufiger eine polyglotte Persistenzschicht gegenüber einem einzelnen Datenspeichermodell, bei dem mehrere Datenspeichertechnologien auf der Grundlage der Art und Weise ausgewählt werden, wie die Daten von den einzelnen Komponenten des Produkts/der Lösung verwendet werden.

Die heutzutage übliche Microservice-Architektur propagiert ebenfalls das Konzept der polyglotten Persistenzschicht. Produkte/Lösungen, die als Microservices aufgebaut sind, können in mehrere Komponentendienste zerlegt werden, so dass jeder dieser Dienste unabhängig eingesetzt werden kann, ohne die Integrität des Produkts zu beeinträchtigen. Kleinere Teams, die sich auf Business-Microservices konzentrieren, besitzen und verwalten die End-to-End-Devops dieser Services.  Business Intelligence (BI) ist in einer solchen Lösung ein Business-Microservice mit eigener Datenspeichertechnologie und wird von einem eigenen Team betrieben. Messaging-Middleware, die häufig in hochvolumigen Transaktionssystemen eingesetzt wird, hat einen neuen Nutzen als Datenpipeline-Schicht für Data-Lake-Anwendungsfälle, die maschinelles Lernen (ML) und künstliche Intelligenz (AI) unterstützen.

Es wird erwartet, dass mehr und mehr differenzierte Angebote auf der Basis von BI-, ML- und KI-Funktionen in Geschäftslösungen für verschiedene Bereiche entstehen werden.

‍