Der Kerngedanke
BI ist eine Entscheidungskette, kein einzelnes Tool
Quelle, Datenstand und Transformationslogik sind nachvollziehbar.
Teams verwenden dieselbe Definition für dieselbe Kennzahl.
Zahl, Zeitraum, Segment und Vergleichsmaßstab gehören zusammen.
Owner, Frage und nächste Prüfung sind vor dem Review geklärt.
Von der Quelle zur Entscheidung: die BI-Architektur
Eine BI-Architektur kann technisch einfach oder umfangreich sein. Die logische Kette bleibt ähnlich: operative Systeme erzeugen Ereignisse, eine Datenpipeline überträgt und prüft sie, ein Datenmodell ordnet Fakten und Dimensionen, die semantische Schicht definiert Geschäftssprache, und eine Oberfläche macht das Ergebnis für eine Entscheidung zugänglich.
CRM, ERP, Billing, Produkt- oder Supportsysteme
Extraktion, Prüfung, Transformation und Historisierung
Fakten, Dimensionen, Granularität und Beziehungen
Kennzahlen, Filterlogik, Begriffe und Zugriffsregeln
Dashboard, Bericht, Analyse, Alert oder Review
1. Quellsysteme und Datenverträge
Am Anfang steht nicht der Chart, sondern die Herkunft der Daten. Für jedes relevante Feld sollte feststehen, welches System führend ist, welches Ereignis es erzeugt, wann es aktualisiert wird und wie Korrekturen behandelt werden. Ein CRM kann beispielsweise die Deal-Stage führen, während das Billing-System für fakturierte Beträge maßgeblich ist. Diese Zuständigkeiten verhindern, dass ein Dashboard unvereinbare Stände mischt.
2. Aufbereitung und Modellierung
Die Pipeline macht Daten analysierbar: Sie vereinheitlicht Typen und Schlüssel, prüft Vollständigkeit und speichert erforderliche Historie. Im Modell werden Ereignisse oder Messwerte als Fakten und beschreibende Merkmale als Dimensionen organisiert. Microsoft beschreibt das Sternschema als etablierten Ansatz für analytische Modelle und betont eine konsistente Granularität der Faktentabellen. Microsoft Learn: Sternschema und semantische Modelle.
3. Semantische Schicht
Die semantische Schicht verbindet technische Daten mit Geschäftssprache. Hier werden etwa „aktiver Kunde“, „Net Revenue Retention“ oder „qualifizierte Pipeline“ einmal definiert und anschließend in mehreren Analysen wiederverwendet. Google dokumentiert dieses Prinzip für LookML: Dimensionen, Aggregationen, Berechnungen und Beziehungen werden in einem semantischen Modell beschrieben, aus dem das System Datenbankabfragen erzeugt. Google Cloud: Einführung in LookML.
4. Oberfläche und Entscheidung
Ein Dashboard ist eine mögliche Oberfläche, nicht das Endziel. Die Ausgabe kann ebenso ein standardisierter Monatsbericht, eine Ad-hoc-Analyse oder ein Hinweis im Arbeitsablauf sein. Vor der Gestaltung sollte deshalb die Entscheidungsfrage feststehen: Wer muss wann welche Wahl treffen, und welche Information verändert diese Wahl?
BI, Reporting, Analytics und Operating Intelligence
Diese Begriffe bezeichnen keine strikt getrennten Produktkategorien. Sie beschreiben unterschiedliche Schwerpunkte derselben Datenarbeit. Ein modernes BI-Werkzeug kann Reporting, explorative Analyse und Benachrichtigungen unterstützen; entscheidend ist der tatsächliche Arbeitsablauf.
| Begriff | Primärer Zweck | Typische Ausgabe | Prüffrage |
|---|---|---|---|
| Reporting | Bekannte Kennzahlen wiederkehrend darstellen | Wochen-, Monats- oder Quartalsbericht | Was ist im definierten Zeitraum passiert? |
| Business Intelligence | Daten verlässlich modellieren und für Geschäftsfragen bereitstellen | Semantisches Modell, Dashboard, Bericht oder Self-Service-Analyse | Welche konsistente Sicht unterstützt die Entscheidung? |
| Data Analytics | Fragen mit deskriptiven, diagnostischen, statistischen oder prognostischen Methoden untersuchen | Analyse, Experiment, Modell oder Untersuchung | Welches Muster, welcher Treiber oder welche Unsicherheit liegt vor? |
| Operating Intelligence | Ein zeitnahes Signal mit Owner, Entscheidung und Aktion verbinden | Entscheidungskontrakt, Alert, Review oder priorisierte Maßnahme | Was muss wer jetzt prüfen oder entscheiden? |
BI ist nicht grundsätzlich „historisch“, und Operating Intelligence ist nicht automatisch „Echtzeit“. Beide können aktuelle oder vergangene Daten verwenden. Der relevante Unterschied liegt hier im Nutzungskontext: BI stellt eine verlässliche Analyseschicht bereit; Operating Intelligence ergänzt einen expliziten Auslöser, Owner und Handlungspfad.
Ownership und Governance: Wer verantwortet welche Schicht?
Governance soll nicht jede Analyse zentralisieren. Sie klärt, wer Daten, Definitionen, technische Assets und Entscheidungen verantwortet. Je nach Organisation kann eine Person mehrere Rollen übernehmen. Wichtig ist, dass Zuständigkeiten sichtbar sind und Änderungen nicht stillschweigend die Bedeutung einer Kennzahl verändern.
| Rolle | Verantwortung | Kontrollfrage |
|---|---|---|
| Domain Owner | Geschäftliche Bedeutung und zulässige Nutzung | Ist die Definition für die Entscheidung fachlich korrekt? |
| Data Owner oder Steward | Qualität, Herkunft, Klassifikation und dokumentierte Regeln | Sind Quelle, Aktualität und bekannte Einschränkungen sichtbar? |
| Technical Owner | Pipeline, Modell, Sicherheit, Betrieb und Änderungen | Ist das Datenprodukt reproduzierbar und angemessen geschützt? |
| Metric Owner | Kennzahl, Zielbezug, Segmentierung und Review | Welche Abweichung erfordert welche Untersuchung? |
| Decision Owner | Entscheidung und dokumentierter Folgeprozess | Wer entscheidet bis wann auf Basis des Signals? |
Die Rollenbezeichnungen sind anpassbar. Microsoft unterscheidet in seiner BI-Governance unter anderem fachliche, technische und Governance-Verantwortung und empfiehlt dokumentierte Data-Ownership- sowie Zertifizierungsregeln. Microsoft Learn: BI-Governance.
BI implementieren: mit einer Entscheidung beginnen
Ein BI-Projekt wird überschaubarer, wenn es nicht mit einer vollständigen Tool- oder KPI-Liste startet. Wählen Sie zuerst eine wiederkehrende Entscheidung, deren Daten heute langsam, widersprüchlich oder schwer prüfbar sind. Entwickeln Sie daran eine schmale Ende-zu-Ende-Kette und erweitern Sie erst nach Nutzung und Qualitätssicherung.
- 01Entscheidung definieren
Wer entscheidet was, in welchem Rhythmus und mit welchem Zeitfenster für eine Reaktion?
- 02Messvertrag schreiben
Definition, Stichtag, Segment, Vergleichswert, Ausschlüsse und verantwortliche Person dokumentieren.
- 03Quelle und Granularität prüfen
Führendes System, Schlüssel, Ereigniszeit, Historie und bekannte Qualitätsgrenzen festlegen.
- 04Semantisches Modell bauen
Fakten, Dimensionen und Kennzahlen so modellieren, dass die Geschäftsfrage reproduzierbar beantwortet wird.
- 05Ausgabe in den Arbeitsablauf setzen
Nur den notwendigen Kontext zeigen und Review, Alert oder Entscheidungstermin benennen.
- 06Nutzung und Änderungen kontrollieren
Entscheidungen, Datenprobleme und Definitionsänderungen protokollieren; ungenutzte Assets entfernen oder überarbeiten.
Die zwölf Fragen vor einem BI-Projekt
Welche konkrete Wahl soll schneller oder verlässlicher werden?
Wer trifft sie, und wer erklärt eine Abweichung?
Wie häufig kann und muss das Team reagieren?
Welche Formel, Einheit, Population und welcher Zeitraum gelten?
Welches System ist für jedes Feld führend?
Welche Zustandsänderungen müssen rekonstruierbar bleiben?
Welche Vollständigkeit und Aktualität verlangt die Entscheidung?
Welche Definitionen müssen teamübergreifend wiederverwendbar sein?
Wer darf Detaildaten, Aggregate oder sensible Segmente sehen?
Reicht ein Bericht, oder braucht es Analyse, Alert oder Workflow?
Was folgt, wenn das Signal außerhalb des internen Erwartungsbands liegt?
Wie werden Nutzung, Fehler und Definitionsänderungen geprüft?
Woran ein gutes BI-System erkennbar ist
Die Bewertung sollte nicht allein auf Seitenaufrufen oder der Zahl veröffentlichter Dashboards beruhen. Aussagekräftiger ist, ob eine priorisierte Geschäftsfrage mit weniger Definitionskonflikten, nachvollziehbarem Datenstand und einem klaren Owner beantwortet wird. Geeignete interne Qualitätsmaße können Aktualität, Vollständigkeit, Abstimmungsdifferenzen, Zeit bis zur Antwort und dokumentierte Nutzung in einem Review sein.
Fairview positioniert Operating Intelligence als Ergänzung zu dieser Grundlage: Ein geprüftes Signal wird mit Entscheidung, Owner und nächster Aktion verbunden. Das ersetzt nicht automatisch ein Data Warehouse, eine explorative Analyse oder regulatorisches Reporting. Die passende Architektur hängt von vorhandenen Systemen, Entscheidungsrisiko, Datenvolumen und Governance-Anforderungen ab.
Verwandte Begriffe
Kurz erklärt
Häufige Fragen zu Business Intelligence
Was ist Business Intelligence einfach erklärt?
Business Intelligence ist die organisatorische und technische Disziplin, mit der Unternehmen Geschäftsdaten aus Quellsystemen aufbereiten, konsistent definieren, analysieren und für Entscheidungen bereitstellen. Ein BI-System umfasst daher mehr als ein Dashboard: Es reicht von Datenpipelines und Modellen bis zu Zugriffsregeln, Berichten und einem festgelegten Entscheidungsprozess.
Was ist der Unterschied zwischen BI und Reporting?
Reporting liefert wiederkehrende, standardisierte Darstellungen definierter Kennzahlen. Business Intelligence umfasst zusätzlich die Datenintegration, Modellierung, semantische Definition, Governance und Analyse, die diese Berichte verlässlich und vergleichbar machen. Reporting ist damit ein möglicher Ausgabekanal von BI, aber nicht das gesamte BI-System.
Was ist der Unterschied zwischen BI und Data Analytics?
BI stellt abgestimmte Datenprodukte für wiederkehrende Geschäftsfragen bereit. Data Analytics ist weiter gefasst und kann auch explorative, statistische oder prognostische Untersuchungen umfassen. In der Praxis überschneiden sich beide Disziplinen; die sinnvolle Abgrenzung richtet sich nach Frage, Methode und Entscheidung, nicht nach dem Namen eines Tools.
Was ist eine semantische Schicht?
Eine semantische Schicht übersetzt technische Tabellen und Felder in ein gemeinsames Geschäftsmodell. Dort werden Kennzahlen, Dimensionen, Beziehungen, Filterlogik und Zugriffsregeln definiert. Dadurch können mehrere Berichte dieselbe geprüfte Definition verwenden, statt Formeln in jedem Dashboard neu zu bauen.
Wann wird ein BI-Dashboard entscheidungsfähig?
Ein Dashboard wird entscheidungsfähig, wenn jede relevante Kennzahl eine dokumentierte Definition, einen verlässlichen Datenstand, einen Owner, einen Vergleichsmaßstab und eine konkrete Entscheidungsfrage besitzt. Eine Abweichung sollte einen vereinbarten Prüf- oder Eskalationsweg auslösen; ohne diesen Kontext bleibt sie Information.