FOKUS: Business Intelligence auf dem Prüfstand

Technische Grenzen

Komplexe analytische BI-Lösungen arbeiten meist mit M-Olap- (multidimensionales Online Analytical Processing) oder R-Olap-Abfragen (relationales Online Analytical Processing). M-Olap-gestützte Lösungen extrahieren Ausschnitte der Datenbanken und legen die Daten in einer mehrdimensionalen Struktur ab. Auf dieser lassen sich mit akzeptablen Abfragegeschwindigkeiten Analysen und Auswertungen aus verschiedenen Blickwinkeln ausführen, um Informationen für Unternehmensentscheidungen zu gewinnen.

Das Problem an diesen Ansätzen ist, dass mit ihnen nicht auf alle Informationen des Unternehmens zugegriffen werden kann, sondern nur auf einen Ausschnitt der Datenbank (Data Mart). Sobald sich die Rahmenbedingungen für die Analyse ändern oder sich neue Fragestellungen ergeben, muss mit grossem Zeitaufwand eine neue mehrdimensionale Struktur erstellt werden.

R-Olap-gestützte Ansätze haben zwar den Vorteil, dass auf das grosse Data Warehouse direkt zugegriffen werden kann, jedoch muss der Anwender mit langen Antwortzeiten rechnen. Zudem erfordert die Veränderung der Rahmenbedingungen und das Hinzufügen von Attributen auch bei diesen Lösungen eine zeitaufwändige Neumodellierung des Data Warehouses.

Zusammenfassend bedeutet dies, dass es mit herkömmlichen analytischen Lösungen nicht möglich ist, den gesamten Datenbestand und eine Vielzahl von Attributen mit schnellen Antwortzeiten und wenigen Mausklicks zu analysieren. Um jedoch zeitnah reagieren zu können, müssen Entscheider im Vertrieb, im Controlling und im Management die Ergebnisse der Analysen rasch vor sich haben. Aus diesem Grund sollte der Entscheider Fragen aus den Datenbeständen des Unternehmens innerhalb weniger Sekunden beantworten können, um intuitive Vermutungen zu verifizieren, sowie durch die Kombination von beruflicher Erfahrung und computerunterstütztem Wissen unerwartete Sachverhalte zu entdecken.

Business Intelligence der Zukunft muss die jeweiligen Vorteile von R-Olap und M-Olap mit Data-Mining-Funktionalitäten vereinen. Der Zugriff auf den gesamten Datenbestand muss in Sekundenbruchteilen möglich sein, um beliebige Szenarien durchspielen zu können. Bisher nicht erkannte statistische Zusammenhänge werden so aufgedeckt. Anwender sollten mit ihr trotz knapper zeitlicher und finanzieller Ressourcen sowie zunehmender Komplexität der Aufgaben schnell fundierte Entscheidungen treffen können. Eine Lösung muss die relevanten Daten in Echtzeit so zusammenstellen können, wie der Anwender sie gerade braucht. Der Entscheider, der auch in der Lage ist, die Analyseergebnisse richtig zu interpretieren, wertet die Daten selbst aus - ohne Hilfe des IT-Experten und ohne vorher zeitaufwändige Schulungen durchlaufen zu müssen. Daher muss die Lösung einfach und intuitiv zu bedienen sein.