Neue Entwicklungen bereichern Business Intelligence Tools

BI ist tot - lang lebe BI

Doch genau so, wie sich die IT-Welt in den letzten 30 Jahren dramatisch verändert hat, so haben sich auch BI-Systeme in ihren Leistungen und Anwendungen weiterentwickelt. In Anbetracht der explosionsartigen Datenausbreitung, den ständig neuen Datenquellen und Erfassungstechniken sowie der Erweiterung und Verfügbarkeit neuer Technologien lässt sich heute sagen, dass Business Intelligence, so wie es Richard Millar Devens definiert hat, tot ist.

Traditionelles BI bestand daraus, dass eine von IT angeführte Koalition von IT-Experten und Datenanalysten Daten aus dem Data Warehouse abrief und damit eine Reporting-Lösung erstellte. Das aber ist Vergangenheit. Heute generieren sich Fachbereiche ihre Ergebnisse auf einer Self-Service-Plattform ohne IT-Unterstützung und ohne besondere Schulungen. Mit dieser Veränderung im Nutzungsverhalten wurde auch die Anbieterlandschaft komplett umgekrempelt – und zwar sowohl bei der Produktstruktur als auch bei den BI-relevanten Herstellern.

Folglich bietet eine eingehende Darstellung der wichtigsten BI- und BA-Anbieter eine gute Übersicht über den aktuellen Stand der Technologien und Anwendungsfelder. Mit diesem Beitrag wollen wir eine solche Übersicht starten. Im Nachfolgenden erklären wir, was heute zu BI und BA gehört, welche technologischen Trends erkennbar sind und woran gearbeitet wird. In weiteren Beiträgen werden wir einzelne Anbieter vorstellen.

Die Analysemethoden

Im Wesentlichen unterscheidet man in der Analytik drei Bereiche: deskriptive Analysen, diagnostische Analysen (Diagnostic Analytics) und prediktive Analysen (Predictive Analytics). Die erste Methode gehört zum Ursprung von BI. Hier werden ausgewählte historische Daten gefiltert und in Relationen zueinander gesetzt. Ein häufig angewendetes statistisches Verfahren ist die lineare Regression, mit deren Hilfe Korrelationen oder bestimmende Variable gefunden werden, die in weitergehenden Analysen von Bedeutung sind.

Alle BI/BA-Anwendungen basieren heute auf Self-Service-Funktionalitäten. Das erlaubt einer großen Gruppe von Nicht-IT-Managern und Sachbearbeitern die modernen Software-Tools unmittelbar zu nutzen.

Bei der diagnostischen Analyse geht es um Ursache und Wirkung, also um Kausalitäten. Im einfachsten Fall geht es um die Frage: Warum ist etwas Bestimmtes passiert? Prediktive Analysen sind der modernste Anwendungsbereich. Hier werden mit Korrelationen, Kausalitäten und historischen Daten mathematische Modelle geschaffen, die zukünftige Entwicklungen prognostizieren, zum Beispiel Absatzprognosen von Modeartikeln, Aktienkursen, verschleißbedingte Ausfälle, oder Wettervorhersagen und Wahlergebnisse.

Der Status Quo

Alle BI/BA-Anwendungen basieren heute auf Self-Service-Funktionalitäten. Das erlaubt einer großen Gruppe von Nicht-IT-Managern und Sachbearbeitern, die modernen Software-Tools unmittelbar zu nutzen. Diese Tools ermöglichen On-the-Fly-Analysen für die sich sehr schnell ändernden Business-Anforderungen.

Die neuen Technologien werden als BI 2.0 bezeichnet. Wesentliches Merkmal sind browserbasierte Interfaces und eine offene, API-Architektur. Bedeutende Anwendungen, die diesen Trend unterstützten, sind Hadoop, NoSQL und Kafka. Inzwischen aber umfasst BI nicht mehr nur ausschließlich Analysen, sondern zunehmend auch die Daten selbst. Der Fokus richtet sich jetzt auf das Datenvolumen und die Beherrschung einer rasant ansteigenden Komplexität der digitalen Unternehmenswelt.

Dieser Fokus gründet sich darauf, dass immer mehr Datentypen relevant sind. Neben den klassischen strukturierten Daten, gehören mittlerweile auch unstrukturierte Daten aus Social Media, Bildern, Videos und maschinengenerierte Daten zum Rohmaterial komplexer Analysen.

Data Lake Cluster

Forrester-Analyst Boris Evelson spricht in diesem Zusammenhang von „Data Lake Cluster BI-Plattformen“. Diese zeichnen sich durch vier Charakteristiken aus:

• Eine verteilte Scale-Out-Architektur: Das bedeutet, dass Rechenleistung und Storage je nach Analyseaufwand praktisch unbegrenzt linear hinzugefügt und entfernt werden können.
• BI-Prozesse laufen nativ im Data Lake: Die Daten müssen zur Analyse nicht mehr aus dem Datenbestand extrahiert werden, sondern die Analyse läuft direkt (nativ) innerhalb des Data Lakes ab.
• Unterstützung beliebig vieler Datenquellen: Zwar besagen verschiedene Untersuchungen, dass die meisten Unternehmen maximal fünf Datenquellen für ihre BI-Analysen nutzen, doch die Zahl ist steigend. Vor allem das Internet der Dinge (Internet of Thing, IoT), Social Media und neue ortsbezogene Anwendungen erfordern eine erhebliche Ausweitung der genutzten Datenquellen.
• Flexible Deployment-Optionen: Die heutigen BI- und BA-Tools müssen wahlfrei zwischen allen verfügbaren Plattformen verschiebbar sein. Das betrifft nicht nur die Cloud und das eigene Rechenzentrum, sondern auch von einer Cloud- zu einer anderen Cloud-Umgebung oder von einer Private Cloud auf eine andere.

Sprachsteuerung und KI

Die aktuellen Entwicklungen betreffen vor allem die Benutzeroberfläche, wo zunehmend Sprachsteuerungen zum Einsatz kommt. Alexa for Business von Amazon ist ein solches Tool, das bereits zur Abfrage von Daten aus der Oracle-Datenbank genutzt werden kann. Oracle CTO Larry Ellison räumte diesen Möglichkeiten viel Raum auf der jüngsten Oracle World ein.

Das Buzzword bei BI ist aber künstliche Intelligenz (KI), insbesondere Deep Learning. Vor allem bei den Vorhersagemodellen kommen selbstlernende Algorithmen zum Einsatz. Aber auch bei der Analyse von unstrukturierten Daten, wie Bildern und Videos, ist KI unerlässlich.

Der Begriff wird mittlerweile aber auch überstrapaziert. „Wo KI draufsteht, ist meistens keine KI drin. Am häufigsten kommt immer noch die Regressionsanalyse zum Einsatz“, sagte Stephen Brobst, CTO von Teradata, auf der Teradata Analytics Universe im Oktober 2018.