Self-Service Business Analytics: Open Source erobert Business Intelligence

Immer mehr Anwender wollen ihre Daten selbstständig analysieren und visualisieren, um ihr unternehmerisches Handeln besser zu planen. Flexible Business Intelligence-Tools auf Basis von Open Source versetzen Endanwender in die Lage, nutzerfreundliche Reportings zu erstellen, ohne dafür ganze Systemlandschaften ersetzen zu müssen oder auf die Unterstützung eines IT-Spezialisten angewiesen zu sein.

Mehr zum Thema Datenvisualisierung

Top 10 Big-Data-Visualisierungs-Tools für Privatanwender Weiterlesen

Top 10 Big-Data-Visualisierungs-Tools für Privatanwender

Datenvisualisierung bei Big Data: Wenn Daten Schönheit erlangen Weiterlesen

Datenvisualisierung bei Big Data: Wenn Daten Schönheit erlangen

Top 10 Big-Data-Visualisierungs-Tools für Entwickler Weiterlesen

Top 10 Big-Data-Visualisierungs-Tools für Entwickler

Data Warehouse als zentrales Datenlager

In vielen Unternehmen ist die Ausgangssituation folgende: Steuerungsrelevante Informationen über Lieferanten, Prozesse, Produkte, Kunden und das sonstige Unternehmensumfeld sind über die unterschiedlichen operativen Systeme verstreut, vorgehalten in diversen Datenbanken und -formaten. Sollen diese Daten aber für Berichte und Auswertungen zur Verfügung stehen, müssen sie in einem zentralen Datenlager – dem Data Warehouse – zuerst konsolidiert und dann aufbereitet werden.

Als zentrales Datenlager im Unternehmen stellt das Data Warehouse den Dreh- und Angelpunkt einer Business Intelligence-Architektur dar. Ein flexibles und leistungsfähiges Data Warehouse ist:

  • „subject-oriented“ und kann Daten nach Themen organisieren
  • „integrated“ und konsolidiert alle Daten, etwa aus ERP- und CRM-Systemen oder aus externen Quellen
  • „time-variant“ und speichert langfristig, für historische Analysen
  • „non-volatile“ und speichert Daten immer persistent

Die konkreten Vorteile von Dashboards, OLAP-Würfeln und Data Mining

5 Regeln für die Erstellung von Dashboards

Dashboards‬ helfen dabei, Unternehmensinformationen und Daten richtig darzustellen und zu lesen. Wir geben 5 Tipps, wie sie richtig erstellt werden können.

bigdatablog.de

Manager und Entscheider erwarten einen schnellen und intuitiven Zugriff auf geschäftsrelevante Informationen. Mit Business Intelligence-Tools (BI-Tools) lassen sich grafische Sichten auf Daten, sogenannte Dashboards, erstellen, die Zusammenhänge, Trends oder Ausreißer auf einen Blick sichtbar machen. Dashboards fassen den Ist-Zustand in Kennzahlen zusammen, bieten grafische und tabellarische Datenauswertungen mit hohem Verdichtungsgrad und ermöglichen Ad-hoc-Anfragen zur aktuellen wirtschaftlichen Situation.

Analysten oder Controller wollen oft auch eigene Auswertungen erstellen können, um Probleme auszuwerten. Diesen Anspruch befriedigt das Online Analytical Processing (OLAP), auch als Cubes oder Datenwürfel bekannt. OLAP-Systeme sind Analysetools, die Power-Usern einen multidimensionalen Zugang zu den unterschiedlichsten Datenquellen eröffnen. Diese kann man, gleich einem Würfel, aus mehreren Perspektiven betrachten und kritische Geschäftsprozesse durch „Was-wäre-wenn“-Szenarien identifizieren.

Anders als bei definierten OLAP-Analysen kann Data Mining sogar völlig neue Muster im Datenbestand sichtbar machen. Data Mining verwendet dazu verschiedene Methoden aus Statistik, Mathematik und künstlicher Intelligenz, wie etwa Entscheidungsbäume, künstliche neuronale Netze, Clusterverfahren oder Assoziationsanalysen. Data Mining „schürft“ nach bisher unbekannten Zusammenhängen und stellt eigene Hypothesen auf.

Open Source macht klüger

Viele der modernen Big Data-Technologien sind Open Source, beispielsweise Hadoop und MongoDB. Open Source Business Intelligence-Software (OSBI) setzt sich auch deshalb durch, weil es herstellerunabhängig ist – und Kunden somit allzu intensive Abhängigkeiten zu einzelnen Softwareanbietern vermeiden. Ein Vergleich einiger OSBI-Lösungen findet sich beispielsweise hier.

Ein vielversprechendes Konzept bietet der Best Source-Ansatz, dessen Ziel es ist, bewährte kommerzielle Software mit Open Source-Lösungen zu ergänzen. Beispielsweise lässt sich, auf Basis des bestehenden SAP-Systems, mit quelloffener Software eine Business Intelligence-Lösung entwickeln. Eine derart aufgesetzte Business Intelligence-Lösung bietet den Vorteil, dass das recht starre ERP-System um flexible Auswertungsfunktionen erweitert wird, die auch Daten aus Drittsystemen berücksichtigen. Anwender müssen sich nicht auf horrende Vorabinvestitionen in proprietäre Systeme einlassen. Sie können ihr bestehendes Unternehmenssystem kostengünstig um Open Source-Software erweitern und ihre BI-Tools flexibel an der Unternehmensstrategie ausrichten.

Transparenz macht sicher

OSBI-Systeme versprechen eine hohe Transparenz. Die kommt dem Sicherheitsbedürfnis entgegen, das viele Unternehmen gegenüber Systemen mit dem Rang „mission-critical“ haben. Schließlich sind Business Intelligence-Systeme nicht selten das Nervensystem des Unternehmens. Der Vorteil von Open Source: Weil jeder den Quellcode einsehen kann, sind potenzielle Sicherheitsrisiken viel leichter zu identifizieren und zu beheben.

Offenheit macht flexibel

Open Source garantiert Interoperabilität dank offener Standards. Bei kollaborativer Entwicklung fließen Neuerungen sofort wieder in die Community zurück – das sorgt für schnelle Innovationen und macht unabhängig vom Hersteller.

“Setze bei Business Intelligence-Tools auf #OpenSource & ermögliche eine höhere Nutzerfreundlichkeit“

Twittern WhatsApp

Generell überzeugt OSBI-Software durch weitreichende Customizing-Möglichkeiten. Während das Angebot der großen Anbieter oft recht starr ist, lässt sich eine OSBI-Software passgenau implementieren. So werden die Anforderungen der Nutzer besser erfüllt und die Fachbereiche bestmöglich unterstützt.

Retweets

Jetzt tweeten

Wie fühlen Sie sich nach der Lektüre dieses Blogbeitrags?

"Self-Service Business Analytics: Open Source erobert Business Intelligence"