BI-Implementierung: Fünf Schritte für eine erfolgreiche Umsetzung

Alle brauchen sie, die wenigsten nutzen sie: Daten!

Die Zeiten, in denen Daten als das „neue Öl“ verkauft wurden, liegen bereits Jahre zurück. Keine Organisation kann es sich heutzutage noch leisten, bei relevanten Entscheidungen rein auf Bauchgefühl und Tagesform zu vertrauen. Doch Unternehmen fehlt es häufig an Wissen, welche ersten Schritte auf dem Weg zur datengetriebenen Organisation die richtigen sind.

Unser Gastautor Torben Jaacks erklärt dir in diesem Artikel, wie du durch die erfolgreiche Implementierung von Business-Intelligence-Lösungen den Anfang zu datenbasierten Entscheidungen schaffen kannst und worauf du dabei achten solltest.

Warum ist die Implementierung von BI wichtig für Unternehmen?

Mit Hilfe von Daten die richtigen Entscheidungen zu treffen, ist fester Bestandteil unseres täglichen Handelns. Wenn auch unbewusst, sind wir entlang vielerlei Situationen absolut geübt darin, Daten aktiv in unsere Entscheidungen einzubinden: Auf dem Weg zur Arbeit umkurven wir mit Hilfe der Verkehrsdaten von Google Maps jeden Stau. Bei der Wahl des Mittagessens geben Bewertungen auf Lieferando den Ausschlag über Burger oder Pasta. Und unsere Apple Watch sagt uns anhand unserer Bewegungsdaten, ob es auf dem Nachhauseweg aufs Sofa oder ins Fitnessstudio geht.

Privat also absolut gelernt, strugglen viele unternehmerischen Entscheidungsträger*innen hingegen weiterhin damit, Daten auch im Businesskontext sinnvoll einzusetzen. So datengetrieben die Wahl des Mittagessens ausfällt, so stark dominieren bei wichtigen Unternehmensentscheidungen weiterhin Bauchgefühl und Subjektivität.

Die Gründe hierfür sind vielfältig. Häufig liegt es jedoch an fehlender schneller Transparenz relevanter Daten: Liegen Rohdaten verstreut in Excel-Tabellen und Google Sheets herum, muss so viel Zeit für die manuelle Zusammenstellung von Reports verwendet werden, dass zwischendurch bereits längst der Bauch entschieden hat.

Die Implementierung von BI-Lösungen kann dem entgegenwirken. Das grundlegende Ziel von BI besteht vereinfacht darin, Daten (schnell & richtig) in Erkenntnisse zu verwandeln, um diese für die Entscheidungsfindung nutzen zu können. Von der Bestellauswahl im Produkteinkauf bis zur Budgetverteilung im Marketing.

Welche Schritte sind bei der BI-Implementierung notwendig?

Mit der richtigen Strategie gelingt die Business-Intelligence-Implementierung in jedem Unternehmen, unabhängig von Branche oder Größe. Eine erfolgreiche Implementierung teilt sich in folgende fünf Schritte auf:

Schritt 1: „Reason why“ & Ziele festlegen

Bevor Systeme und Tools gewählt und es an die technische Umsetzung geht, sollte das „Warum“ hinter der Implementierung von BI adressiert werden. Damit die finalen Dashboards und Berichte nicht in der Schublade versauern, sollten zunächst alle potenziellen Nutzer*innen frühzeitig im Boot sein und die mit der Implementierung einhergehenden Ziele klar definiert werden. Dabei helfen grundsätzliche Fragestellungen, wie Datenanalysen konkret Sinn stiften sollen, z. B.:

• Welche Entscheidungen muss ich aktuell in meinem Job treffen?
• Welche Informationen und Erkenntnisse würden mir dabei helfen?
• Nach welchen KPIs steuere ich meinen Erfolg und den meines Teams?
• In welcher Frequenz benötige ich dementsprechend welche Berichte?

Wenn diese Fragestellungen der einzelnen Abteilungen beantwortet wurden, sprudeln sicherlich eine Reihe potenzieller Use Cases inklusive echter Mehrwerte für deine Organisation heraus. Die perfekte Ausgangssituation für die nächsten Schritte.

Schritt 2: Datenquellen identifizieren

Der Einkauf möchte einen dauerhaften Überblick über die Lagerreichweiten erhalten. Das Onlinemarketing, die aktuellen Kampagnenzahlen automatisiert im Blick haben. Und das Customer-Care-Team an Zufriedenheitsbewertungen von Kund*innen kommen – plattformübergreifend und jederzeit.

Drei Anforderungen, zig verschiedene Datenquellen: ERP-System, Onlineshop, Lagerverwaltungssoftware, Facebook, Google, TikTok, CRM-System, Exceltabellen, you name it …

Um hier mehr Durchblick zu bekommen, sollte der nächste Schritt darin bestehen, die benötigten Datenquellen zu identifizieren und sie entsprechend der Priorisierung deiner Use Cases zu ordnen. Tipp: Check dabei unbedingt Synergien in der Anbindung einer Datenquelle für gleich mehrere Use Cases – spart Zeit und liefert schnellere Ergebnisse!

Wenn wir damit durch sind, kennen wir sowohl relevante Use Cases als auch die benötigten Datenquellen hierzu. Kurzum: wir sind bereit für die Implementierung!

Schritt 3: Tools wählen und ELT-Strecken implementieren

Unabhängig davon, welches Ergebnis am Ende eines Data-Projekts stehen soll, ob ein Dashboard, eine Data-Science-Applikation oder eine Reverse-ETL-Lösung – die Schritte auf dem Weg dorthin sind stets die gleichen: (E)xtract, (L)oad, (T)ransform – kurz: ELT.

• (E)xtract: Zuerst werden die ungeordneten Rohdaten aus den Quellsystemen (E)xtrahiert. Moderne Tools wie Fivetran, airbyte oder Funnel reduzieren den dafür benötigten Zeitaufwand auf ein Minimum und liefern Flexibilität gegenüber den verschiedensten Datenquellen.
• (L)oad: Als Nächstes werden die Daten in ein Data Warehouse wie Snowflake, BigQuery: Cloud Data Warehouse, Databricks oder Amazon Redshift ge(L)aden. Dabei handelt es sich um ein System, welches darauf optimiert ist, große Datenmengen zu lesen und so all die zuvor verstreuten Daten an einem Ort zentralisiert – deine zukünftige Singe Source of Truth.
• (T)ransform: Zentral abgelegt, können die bis hierhin ungeordneten Rohdaten um deine individuelle Businesslogiken angereichert werden. In diesem (T)ransformationschritt werden die Marketingausgaben deinen spezifischen Kampagnen zugeordnet. Lagermengen den einzelnen Standorten. Und Deckungsbeiträge genau so berechnet, wie es dein Geschäftsmodell vorsieht.

Schritt 4: Erkenntnisse gewinnen

Sind die Daten extrahiert, geladen und transformiert, ist (leider) noch nichts gewonnen. Daten erfüllen ihren Zweck erst dann, wenn wir durch sie an Informationen gelangen, die uns helfen, richtig zu entscheiden. Heißt für uns, dass der letzte Schritt darin besteht, Zahlen in Erkenntnisse zu verwandeln.

Hier kommen Tools wie Microsoft Power BI oder Tableau ins Spiel, welche unzählige Möglichkeiten der Visualisierung von Daten liefern. Einen Vergleich beider Tools findest du im Artikel über Tableau oder Power BI im Vergleich. Ob mit Hilfe bunter Grafiken oder einfachen Datentabellen – jede Person analysiert auf ihre eigene Art und Weise. Umso wichtiger ist es daher, auf Tools zu setzen, die eigene Gestaltungsmöglichkeiten im Self-Service zulassen.

Neben der Visualisierung in klassischen Dashboards bestehen eine Reihe weiterer Möglichkeiten, die transformierten Daten direkt zu aktivieren: Vom Rückspielen in relevante Marketingkanäle zur automatisierten Segmentierung potenzieller Käufergruppen. Über eine vorausschauende Analyse zum zukünftigen Absatzvolumen. Bis zum Live-Alerting sensibler Prozesse entlang der Supply Chain. Deine Ziele, deine Use-Cases.

Schritt 5: Leute befähigen & Datenkultur schaffen

Trotz bester technischer Voraussetzungen scheitern weiterhin 80 % aller Datenprojekte. Ein wesentlicher Grund: fehlende Datenkultur durch unzureichendes Enablement von Mitarbeiter*innen, auf relevante Daten zugreifen zu können und effektiv mit diesen zu arbeiten.

Mindestens genauso wichtig wie die technische BI-Implementierung sind Schulungen, die für Klarheit hinsichtlich Zugriff und Anwendung der BI-Systeme sorgen. Ohne diesen Schritt ist die Gefahr groß, auf der Suche nach Daten aus Gewohnheit doch auf good old Excel zurückzugreifen.

Was dabei hilft: Moderne Visualisierungstools wie Microsoft Power BI und Tableau sind so intuitiv gestaltet, dass bereits nach wenigen Schulungsminuten eigene Berichte gebastelt werden können. Auch ganz ohne Vorkenntnisse & IT-Studium.

Wie kannst du sicherstellen, dass die BI-Implementierung erfolgreich ist?

Wenn du die genannten fünf Schritte beherzigst, sieht es für den Erfolg deiner BI-Implementierung bereits sehr gut aus. Ein erfolgskritischer Punkt, den wir bisher noch nicht betrachtet haben: Wer macht was?

Um sicherzustellen, dass deine BI-Implementierung erfolgreich verläuft, ist die Zusammenstellung deines Projektteams von großer Bedeutung. Dabei ist es wichtig zu verstehen, dass Datenprojekte keine ausschließlichen IT-Projekte sind. Am Ende geht es darum, dass Entscheidungsträger*innen Informationen erhalten, mit denen sie die Wahrscheinlichkeit richtiger Entscheidungen erhöhen können. Und diese kommen zumeist aus dem Business, weniger aus der IT.

Bedeutet, dass du bereits frühzeitig ein heterogenes Feld von Projektbeteiligten aufbauen solltet. Dazu gehören beispielsweise:

• Projektleiter*in: Verantwortlich für die Leitung des Projekts. Häufig aus data-affinen Abteilungen wie Controlling oder E-Commerce.
• Projektsponsor*in: Erleichtert Budgetverhandlungen und Legitimation fürs Projekt ungemein. Meist eine Person aus dem höheren Management.
• Business-Analyst*in: Verantwortlich für die Identifizierung der Anforderungen verschiedener Abteilungen und die Übersetzung in entsprechende Datenmodelle.
• Data Architekt*in: Verantwortlich für die Entwicklung der technischen Architektur der BI-Lösung, einschließlich der Wahl der geeigneten Tools und Technologien.
• Data Engineer: Verantwortlich für den Aufbau und die Orchestrierung von Data-Pipelines entsprechend des ausgewählten Tool-Set-ups.

Zugegeben: soweit die Theorie. Welche Herausforderungen bei der Zusammenstellung deines Teams auf dich zukommen können, erfährst du im nächsten Absatz.

Welche Herausforderungen und Risiken bestehen bei der BI-Implementierung und wie kannst du sie meistern?

Wenn du intern auf die Suche nach passenden Mitarbeiter*innen für die jeweiligen Positionen gehst, wirst du wahrscheinlich bald an Grenzen stoßen. Während Projektleiter*innen und -sponsor*innen noch gut zu finden sind, wird es bei den weiteren Personen schwieriger. Neue Leute zu finden, wird leider nicht einfacher: Business-Analyst*innen, Data-Architekt*innen und -Engineers gehören aktuell zu den gefragtesten Ressourcen am Arbeitsmarkt. Bedeutet, dass es mitunter Monate und Jahre dauern kann, bis du deine Idealbesetzungen gefunden hast – weit zu spät für deine BI-Implementierung.

Mach dir also Gedanken, welche Themen du intern abdecken willst, weil sie echte Werte für dein Unternehmen schaffen und bei welchen die Hinzunahme einer externen Agentur ausreicht. Ist der interne Aufbau von Data-Pipelines für dich und dein Unternehmen wertstiftend, oder geht es dir viel mehr darum, deine Kolleg*innen zu befähigen, ihre eigenen Berichte erstellen zu können? Soll sich eine interne Person in verfügbare Tools entlang der ELT(V)-Strecken einarbeiten, oder reicht ein Workshop mit externer Unterstützung?

Wenn du dir darüber im Klaren bist, kannst du auf deinem Weg zur erfolgreichen BI-Implementierung geeignete Abkürzungen nehmen und das Risiko fehlender interner Ressourcen mit Hilfe spezialisierter Agenturen umgehen.

Welche Anbieter von BI-Tools gibt es auf dem Markt und wie wählst du das passende Tool für dein Unternehmen aus?

Nun haben wir bereits einige Tools entlang der einzelnen ELT(V)-Schritte genannt. Doch wie gelingt es nun, das für deine Anforderungen richtige Set-up zu finden?

Nun, zuallererst musst du dir darüber klar werden: Best-of-Breed oder Best-of-Suite? Während der Best-of-Breed Ansatz individuelle Tools zu einem zusammenhängenden Gesamtsystem verknüpft, verbirgt sich hinter Best-of-Suite die All-in-one-Lösung eines einzelnen Anbieters.

All-in-one-Lösungen können insbesondere bei standardisierten Datenquellen, -Analysen und KPI-Definitionen erfolgreich zum Einsatz kommen. Gerade für Start-ups und kleinere Unternehmen im Bereich E-Commerce stellen Tools wie Minubo oder Klar eine gute Lösung dar, wenn es um Transparenz in wesentlichen Online-KPIs geht.

Bei der unternehmensweiten und/oder branchenindividuellen Implementierung einer BI-Lösung geraten die genannten Tools angesichts potenziell verschiedenster Datenquellen und individueller Analysebedarfe jedoch an ihre Grenzen. Um auch diese Anforderungen flexibel zu bedienen, hat sich in den letzten Jahren ein modulares Best-of-Breed-Ökosystem als Best-Practice am Markt etabliert: der „Modern-Data-Stack“.

Wie so ein System inklusive modularer Tools aussehen kann, verrät das folgende Bild:

Während du in erster Intuition vermuten kannst, dass die modulare Zusammenstellung verschiedener Tools mit weit mehr Wartungsaufwand verbunden ist: Entwarnung! Dadurch, dass die einzelnen Tools im Stack über integrierte Schnittstellen verfügen, sind sie perfekt aufeinander eingespielt und in der Skalierung weit flexibler als All-in-one-Lösungen:

Variable Integrationstools lassen die Anbindung unzähliger Datenquellen zu – von etablierten Standard-APIs bis zur individuell programmierten Inhouse-Lösung. Bedarf es mehr Speicher, kann per Mausklick in der Cloud skaliert werden. Und intuitive Tools wie dbt oder Microsoft Power BI ermöglichen es Anwender*innen, unternehmensspezifisch ihre eigenen Reports zu erstellen – ganz ohne jahrelanges Informatikstudium.

Welche Tools im Modern-Data-tack passen, ist von Unternehmen zu Unternehmen unterschiedlich. Geht es in den angestrebten Analysen insbesondere um Marketingdaten, besitzt Fivetran seine Stärken. Befindet sich die bisherige Infrastruktur in der Microsoft-Welt, könnte Microsoft Power BI die richtige Wahl sein. Das Gute ist: durch die Modularität des Stacks lassen sich die Tools bei wachsenden Anforderungen flexibel anpassen und austauschen. Für weitere Infos zum potenziellen Tool-Stack, findest du auf OMR Reviews Business Intelligence (BI) Softwares & Tools im Vergleich.

Erfolgreiche BI-Implementierung in der Praxis

Ein Beispiel für eine erfolgreiche BI-Implementierung zeigt das Projekt bei Haushalt International (HI). HI ist ein international aufgestelltes Handelsunternehmen, welches verschiedenste Produkte in den Bereichen Haus, Freizeit und Garten vertreibt.

Während früher rudimentäre Excel-Analysen für Transparenz im Vertrieb sorgten, wurde es zuletzt immer schwieriger, bei zunehmender Anzahl von Produkten und Verkäufen den Überblick zu behalten. Dringend benötigte Daten standen häufig erst dann zur Verfügung, wenn es für eine Entscheidung bereits zu spät war.

Nach initialer Anforderungsaufnahme wurden innerhalb weniger Tage alle notwendigen ELT-Strecken aufgebaut und entlang jeder Abteilung Berichte mit den wesentlichen Kennzahlen erstellt. Neben der Bereitstellung vorgefertigter Reports als Projektleuchttürme wurden Entscheidungsträger*innen ebenfalls dazu befähigt, innerhalb der neuen Infrastruktur eigene Analysen zu erstellen – ganz ohne Hilfe aus der IT oder Beratung. Wie erfolgreich HI heute mit den Ergebnissen der BI-Implementierung arbeitet, siehst du hier:

Fazit

Mit der richtigen Strategie wird die Einführung deiner BI-Lösung ein voller Erfolg. Mach dir initial Gedanken über Sinn und Zweck von Datenanalysen in deinem Unternehmen und richte alle folgenden Schritte deiner Lösung darauf aus, echte Erkenntnisse zu gewinnen. Setz dabei auf moderne Tools, die es dir und deinen Kolleg*innen in kurzer Zeit ermöglichen, eigene Berichte flexibel zu erstellen. Dem finalen Ziel vor Augen bist du auf dem besten Weg zu mehr Daten und weniger Bauchgefühl.