Erfolgreiche Etablierung von Self-Service-BI im Unternehmen

Die Einführung eines SSBI-Ansatzes in den Fachbereichen bietet für die meisten Unternehmen messbare Vorteile. Mehrwerte werden vor allem in der gewonnenen Flexibilität der Fachabteilungen bei gleichzeitiger Entlastung der IT-Abteilung gesehen: BI-Content wird losgelöst von IT-Verfügbarkeit und gegebenenfalls vorgegebener Release-Zyklen kurzfristig und selbstständig durch die Fachbereiche erstellt (Abbildung 1). Dadurch werden auftretende Informationsbedarfe sehr zeitnah gedeckt und die sich ergebenden Freiräume in der IT können zur Fokussierung, zum Beispiel im Rahmen der Datenbereitstellung, genutzt werden.

Ein weiterer wesentlicher Vorteil eines SSBI-Ansatzes liegt in der zwangsläufigen Auseinandersetzung der Fachbereiche mit den Daten, die im Rahmen der fachlich verantworteten Prozesse generiert werden. Die frühe Einbindung des Fachbereichs in die Definition steuerungsrelevanter KPIs und die Konzeption der BI-Anwendung, die sich in vielen BI-Projekten als einer der kritischsten Erfolgsfaktoren gezeigt hat, ist im Rahmen eines SSBI-Ansatzes garantiert. Der Aufbau von tiefem Prozesswissen in der IT kann entfallen. Projektaufwände können reduziert und Kosten gespart werden.

Als Konsequenz führt der richtige SSBI-Ansatz neben Flexibilität und Kostenersparnis zu einer allgemeinen Qualitätssteigerung der Analytik, was wiederum entsprechend positive Effekte auf die datengetriebene Steuerung der digitalen Prozesse und damit der Gesamtentwicklung des Unternehmens hat [BaH12; Bar13].

Abb. 1: Managed Self-Service-BI [GeK13]

Herausforderungen von SSBI

Neben den beschriebenen positiven Effekten gehen mit der Einführung eines SSBI-Ansatzes allerdings auch verschiedene Risiken einher. Erfahrungsgemäß ist hier insbesondere hervorzuheben:

• Unkontrollierte und unorganisierte Verbreitung von BI-Content: Durch die erhöhte Anzahl an Content-Erstellern in den Fachbereichen wächst die Menge an BI-Content stark an. Große Teile des erstellten Contents sind Arbeitsversionen und nicht finalisiert. Es ist nicht mehr zu erkennen, welcher Content korrekt ist und genutzt werden kann bzw. soll. Auch die Möglichkeit und Zuständigkeit zum Löschen von Content ist nicht deutlich. Die Weiterentwicklung der zugrunde liegenden Datenhaltung wird aufgrund dieser Situation erschwert bzw. ist nicht mehr möglich.
  
• Aufbau individueller Datenverarbeitungen (IDV): Content-Ersteller entwickeln eigene, nicht abgestimmte Herleitungen zu steuerungsrelevanten KPIs. Bei Vergleichen kommt es zu Abweichungen zu vermeintlich identischen fachlichen Inhalten. Dies führt zu zeit- und kostenintensivem Reengineering, um die vorhandenen Abweichungen und die „Wahrheit“ zu ermitteln.
  
• Negative Auswirkungen auf die Performance der beteiligten IT-Systeme: Der erstellte Content ist ausschließlich an fachlichen Inhalten orientiert und nicht optimal hinsichtlich der performanten Verarbeitung entwickelt. Als Folge erhöht sich die Last auf die zugrunde liegenden Reporting-Systeme deutlich.
  
• Verletzungen von Zugriffsberechtigungen: Diese betreffen auf der einen Seite das unerlaubte Öffnen, Bearbeitung und Nutzen von Content, zum Beispiel zwischen konkurrierenden Fachbereichen, aber auch die Darstellung nicht berechtigter Daten.
  
• Unzureichendes Enablement: Nicht jeder Nutzer im Fachbereich ist sofort für die Erstellung von BI-Content geeignet.

Durch fehlende Kenntnis der eingesetzten Werkzeuge und der unternehmensinternen Datenarchitektur kommt es zu Fehlinterpretationen der eingesetzten KPIs und zu fehlerhaften Entscheidungen im Rahmen der Prozesssteuerung. Den genannten Risiken wird mit einer geeigneten Kombination aus Organisation und Werkzeug entgegengewirkt. Sind insbesondere organisatorische Rahmenbedingungen nicht wirkungsvoll definiert, scheitert das SSBI-Projekt. Dabei können insbesondere die Eigenschaften von Cloud Analytics zur Risikominimierung genutzt werden.

Mehrwerte von Cloud Analytics im Kontext SSBI

Aufgrund ihrer Eigenschaften eignen sich Cloud-Analytics-Tools sehr gut für den Einsatz im Rahmen eines SSBI-Ansatzes und helfen die zuvor beschriebenen Risiken zu minimieren. Folgende Eigenschaften sind dabei hervorzuheben:

• Sofortige Verfügbarkeit und wegfallende Instal- lation/Konfiguration: Im Gegensatz zu On-Premises-Installationen kann beim Einsatz von Cloud-Analytics-Tools der Kauf von Hardware und eine Installation/Konfiguration der eingesetzten Tools entfallen. Die Zeit bis zur Verfügbarkeit der Tools für den Fachbereich und der damit verbundenen Möglichkeit zur Informationsgewinnung wird deutlich reduziert. Darüber hinaus minimiert sich das Risiko von Fehlinvestitionen, da durch einen Verzicht auf ein Renewal beim Cloud-Anbieter die Kosten kurzfristig wieder auf null reduziert werden können.
  
• Pay-per-Use-Zahlungsmodelle: Flexible Pay-per-Use-Modelle erlauben im Gegensatz zu starren Lizenzmodellen eine Orientierung der Kosten am tatsächlichen Nutzungsverhalten. Die Fachbereiche können durch ihr Nutzungsverhalten direkt Einfluss auf die entstehenden Kosten nehmen.
  
• Flexible Skalierungsmöglichkeiten: Ein Sizing im Vorfeld der Installation kann entfallen. Auf höhere Ressourcenanforderungen, sowohl hinsichtlich Speicher als auch CPU, kann durch die Cloud-Nutzung flexibel reagiert werden. So können problemlos weitere Fachbereiche und Content-Ersteller in den SSBI-Ansatz integriert werden. Zusätzlich kann auf individuelle Anforderungen einzelner Fachbereiche reagiert werden, zum Beispiel wenn Ressourcen nur zu bestimmten Zeitpunkten wie im Rahmen eines Monatsabschlusses erforderlich sind.
  
• Usability: Cloud-Analytics-Tools sind in weiten Teilen direkt für die Nutzung durch den Fachbereich angelegt. IT-typische Funktionalitäten wie Berechtigungsadministration lassen sich vor dem Fachbereich verbergen. Eine Bedienung ist in der Regel über den Browser möglich. Lokale Installation und Störungen verursacht durch inkompatible Release-Stände entfallen.
  
• Zentralisierte, organisierte und ausfallsiche- re Ablagemöglichkeit von Content: Cloud-Analytics-Produkte bieten eine zentrale Ablagemöglichkeit für den erstellten Content. Dieser kann entsprechend der individuell angepassten Governance organisiert werden. Die garantierte Verfügbarkeit des Contents wird durch den Cloud-Anbieter sichergestellt. Die Implementierung von Backup-Konzepten durch Fachbereich und IT kann entfallen.
  
• Collaboration-Features: Cloud-Analytics-Produkte bieten Out-of-the-Box-Möglichkeiten zur Zusammenarbeit der Content-Ersteller, zum Beispiel durch die Vergabe von Aufgaben, das Teilen und Wiederverwenden von Content oder Funktionalitäten zur Kommentierung.

Neben den zahlreichen Vorteilen der Cloud dürfen aber auch die damit einhergehenden Nachteile nicht unberücksichtigt bleiben. Insbesondere muss die Entscheidung getroffen werden, ob die relevanten Daten das Unternehmensnetz verlassen dürfen oder auf On-Premises-Lösungen verbleiben müssen [Fin17; Bar13].

Vom Single Point of Truth zum Single Point of Entry

Mit zunehmender Fokussierung auf Cloud-First-Strategien, sowohl auf Seiten der Softwareanbieter als auch deren Kunden, gewinnt der Markt für Public-Cloud- und Software-as-a-Service-Lösungen deutlich an Bedeutung. Diese Entwicklung betrifft dabei gleichermaßen Softwarelösungen für die Kernsysteme der Unternehmen (ERP, CRM, SCM, …) wie auch den Bereich der Analytics (BI, Reporting, …).

Bei Cloud-Analytics-Lösungen liegen Datenspeicher- und Datenverarbeitungsvorgänge in der Cloud. Vornehmlich werden Services der Public-Cloud-Anbieter wie Microsoft Azure, Google Cloud Services oder Amazon AWS als Basis für die individuell bereitgestellten Services der Anbieter genutzt. Die Private Cloud, bei der die Cloud-Ressourcen überwiegend von einer Organisation genutzt werden, ist im Kontext Cloud Analytics weniger vertreten.

Durch die Nutzung von Public-Cloud- und Software-as-a-Service-Diensten können die Fachbereiche vollends von den genannten Mehrwerten profitieren. Cloud Analytics entwickelte sich von der reinen Visualisierungslösung bestehender Daten hin zu einer ganzheitlichen Datenplattform, die auch vorgelagerte, begleitende und nachgelagerte Aufgaben und Anforderungen erfüllt. Data-Integration-Funktionalitäten ermöglichen die Extraktion, Transformation und Harmonisierung sowie die Speicherung von Daten in der Public Cloud. Eine Vielzahl von Konnektoren bietet Möglichkeiten zur Anbindung der bestehenden Systemlandschaft und Third-Party-Content-Anbietern, die nahtlos in Analysen integriert werden können.
Data-Governance-Funktionalitäten bieten der IT dabei die Möglichkeit, die im Rahmen des Self-Service erstellten Inhalte zu berechtigen und freizugeben und den Prozess zu begleiten und steuernd darauf einzuwirken.

Da unternehmensweite Data Lakes und Data Warehouses oft über große Mengen an Daten verfügen, können Daten per Live-Verbindungen angebunden werden. So kann die Nutzung von Cloud-Ressourcen, die häufig auf Pay-per-Use-Basis abgerechnet werden, verringert werden. Bei kleineren oder schwächeren Quellsystemen, die beispielsweise im Rahmen von Legacy-Anwendungen weiterhin einen wichtigen Bestandteil der Systemlandschaft bilden, kann eine Replikation der Daten in die Cloud-Analytics-Anwendung zu einer Entlastung bei gleichzeitiger Beschleunigung führen. Die Bildung von Datensilos wird in beiden Fällen verhindert, da sich die Quelldaten in Analytics-Tools im Falle einer Änderung automatisch aktualisieren können.

Zunehmend etabliert sich die Cloud-Analytics-Anwendung daher nicht mehr als der „Single Point of Truth“ der Datenhaltung, sondern entwickelt sich zu einem „Single Point of Entry“, über den die heterogene Systemlandschaft zentral angebunden und analysiert werden kann [Wil19].

Für die Etablierung von cloudbasierten Self-Service-Umgebungen im Unternehmen steht eine breite Produktpalette bereit. Der Einsatz eines Tools und die Entscheidung für einen Hersteller sollte dabei immer individuell evaluiert werden [Ric20]. Als Auswahl aktuell am Markt verfügbarer und bewährter Public-Cloud-Lösungen sollten genannt werden: Tableau Online, Microsoft Power BI, SAP Analytics Cloud oder Qlik Sense.

Praxisbeispiel: Cloudbasierte SSBI- Umgebung für Competitive Intelligence

Im Kontext einer Cloud-First-Strategie und basierend auf der Forderung nach Datendemokratisierung entschied sich ein international agierendes Unternehmen zur Implementierung eines cloudbasierten SSBI-Ansatzes. Die fachlich treibende Kraft kam dabei aus dem Umfeld der strategischen Planung und des Marketings, wo insbesondere Wettbewerberdaten (Competitive Intelligence) schnell und flexibel verfügbar und in Kombination mit den eigenen Unternehmensdaten analysiert werden mussten. Die SSBI-Implementierung erfolgte gesteuert durch die IT in enger Zusammenarbeit mit dem Fachbereich. Die Projektlaufzeit bis zur allgemeinen Freigabe der SSBI-Umgebung und der flankierenden Prozesse betrug sechs Monate.

Folgende Faktoren gaben dabei den Ausschlag für ein erfolgreiches Projekt und die breite Adaption des SSBI-Ansatzes in den Fachbereichen:

• Zentrale Datenbereitstellung durch die IT: Im ersten Schritt wurde basierend auf den fachlichen Bedarfen ein zentraler, durch die IT verantworteter Datenbestand bestehend aus zehn breiten Datenquellen aus verschiedenen Themenbereichen als Grundlage für den vom Fachbereich zu entwickelnden BI-Content aufgebaut. Durch die zentralen Metadaten-Definitionen konnte die Entstehung von IDV weitestgehend verhindert werden. Aufsetzend auf den Anforderungen der strategischen Planung und des Marketings wurde der zentrale Datenbestand iterativ entsprechend der Bedarfe weiterer Fachbereiche erweitert.
  
• Zentraler Business Catalog für Datenquellen: Beschreibungen zu den bereitgestellten Datenquellen wurden in einem zentralen Katalog zusammengefasst, um den Analysten eine Übersicht über bereits vorhandene Datenquellen, deren Herkunft und die enthaltenen Datenstrukturen zu geben. Von der IT zur Verfügung gestellte Datenquellen sind gesondert kenntlich gemacht, um eine Abgrenzung zu den im Rahmen des Self-Service erstellten Datenquellen zu gewährleisten. Analysten können somit bevorzugt die von der IT erstellten Daten verwenden und eine klare Verantwortbarkeit ist sichergestellt. Entwickeln sich selbst erstellte Datenquellen zu viel genutzten und wichtigen Bausteinen, ist eine Übernahme und Stabilisierung durch die IT vorgesehen, um das Self-Service-Reporting skalierbar und stabil zu halten.
  
• Rollenkonzept: Ein abgestimmtes SSBI-Rollenkonzept (Abbildung 2) für Fachbereich und IT, das Funktionalität und Daten entsprechend den Aufgaben und der Verantwortung berechtigt.
  
• Geführte Ersterstellung von Berichten: Die Fachbereiche starteten mit der Erstellung des Contents in enger Zusammenarbeit mit der IT. So konnten die zuvor intensiv im eingesetzten Tool geschulten Analysten ihre Tool-Kenntnis weiter vertiefen und der semantisch korrekte Einsatz der zentral bereitgestellten Datenquellen wurde sichergestellt.
  
• Verantwortungsübernahme durch den Fachbereich: Aufsetzend auf der engen Zusammenarbeit mit der IT lag der erstellte Content direkt in der Verantwortung des Fachbereichs. Dabei wurden folgende Regeln etabliert: Bei neuen analytischen Applikationen liegt die Verantwortung für die Richtigkeit im Fachbereich. Sind von der IT zur Verfügung gestellte Datenquellen im Einsatz, übernimmt die IT nur die Verantwortung für deren Verfügbarkeit und die Richtigkeit hinsichtlich der Anforderung an die Schnittstelle. Die Zugriffsvergabe auf Applikationen und Datenquellen erfolgt durch den Fachbereich (Abbildung 3).
  
• Aufbau einer SSBI-Community nach folgendem Zielbild: Analysten tauschen sich in regelmäßigen Terminen in einer eigenen Community aus. Hier werden aktuelle Problemstellungen und Ideen für neue Analysen besprochen. Probleme lassen sich hier häufig durch die Erfahrung eines anderen Analysten lösen, und bei der Besprechung zukünftiger und aktuell in Entwicklung befindlicher Applikationen und Analysen können Synergien genutzt und Know-how gebündelt werden.

Es lässt sich festhalten, dass durch die Etablierung eines cloudbasierten SSBI-Ansatzes die Zugänglichkeit der vorhandenen Daten deutlich erleichtert wurde und dadurch die Arbeit und die Auseinandersetzung mit den vorhandenen Daten stark gestiegen sind. So entwickelte sich in der Folge eine datengetriebene Kultur in den Fachbereichen bei gleichzeitiger Entlastung der zentralen IT.

Abb. 2: Rollenkonzept für SSBI

Abb. 3: Zugriffsvergabe durch Fachbereich

Weitere Informationen

[BaH12]
Bange, C. / Hinterberger, J.: Self-Service BI – Unabhängigkeit für Fachanwender. In: CeBIT Guide Business Intelligence, 2012

[Bar13]
Barton, T. et al.: Herausforderungen an die Wirtschaftsinformatik: Integration und Konnexion. In: Tagungsband zur 26. AKWI-Jahrestagung, 2013

[Fin17]
Finger, R.: BI und Analytics. Ein Überblick in der Cloud. In: tdwi WISSEN, 2017

[GeK13]
Geist, F. / Kluin, F. / Ritz, H.: Self-Service Business Intelligence (SSBI) – Nutzenpotenziale für einen verbesserten Austausch von Informationen im Unternehmen.
https://homepages.thm.de/~hg13622/Download/AKWI_THM_Geist_Kluin_Ritz_130916.pdf, abgerufen am 15.4.2020

[Ric20]
Richardson, J. et al.: Magic Quadrant for Analytics and Business Intelligence Platforms. 11.2.2020,
www.gartner.com/en/documents/3980852/magic-quadrant-for-analytics-and-business-intelligence-p, abgerufen am 21.4.2020

[Wil19]
Wilmsmeier, A. et al.: Zukunftsorientierte Analytische Plattformen: Handlungsempfehlung zur Ausrichtung der Analytics-Strategie. Juli 2019,
www.dsag.de/sites/default/files/201907_dsag-leitfaden_analytische_plattformen. pdf, abgerufen am 21.4.2020