Der Artikel richtet sich an Leser, die derzeit Schwierigkeiten bei der Auswahl einer Business Intelligence (BI) Lösung haben, diese aber zeitnah im Unternehmen integrieren möchten. Bei der Auswahl müssen zahlreiche Faktoren beachtet werden, wie beispielsweise die Möglichkeiten Daten zu extrahieren, kompilieren, organisieren und zu analysieren. Die Entscheidungsfindung kann, aufgrund der komplexen Voraussetzungen an eine datengesteuerte Entscheidungsfindung, mitunter zeit- und kostenintensiv sein. An dieser Stelle setzt der Artikel an und hilft mit einer Experteneinschätzung weiter.

Eine gut implementierte BI-Strategie mit der passenden Lösung und kontinuierlich sichergestellter Datenqualität stellt die Grundlage für die Steigerung der Arbeitseffizienz in den unterschiedlichen Unternehmensbereichen dar. Nach der Zusammenführung, Bereinigung und Aufarbeitung der Daten dient die BI- Lösung als zentralisierte Informationsquelle und fördert die Entwicklung einer datengestützten Unternehmenskultur.

Einige BI-Lösungen sind so konzipiert, dass sie in erster Linie von Analysten zur Erstellung von Berichten und Dashboards verwendet werden können. Andere sind hingegen als Self-Service Lösungen gedacht, bei denen auch nicht fachkundige Nutzer Einblicke erhalten, ohne dabei auf technische Unterstützung angewiesen zu sein. Im Grundumfang bieten alle BI-Lösungen zudem im Kern die Möglichkeit zur Vorbereitung, Modellierung, Zusammenführung, Visualisierung und Bereitstellung von Erkenntnissen.

Obgleich sich die Lösungen ähneln, kann die Wahl der falschen Lösung potentiell drastische, fortwirkende Auswirkungen haben. So kann es bei einer ungenügenden Abstimmung der Anforderungen beispielsweise dazu kommen, dass notwendige Berichtsmöglichkeiten nicht zur Verfügung stehen, Latenzzeiten zu lang sind oder selbst vermeintlich einfache Berichte nicht ohne weiterführende Kenntnisse in SQL und dergleichen erstellt werden können. Darüber hinaus kann es vereinzelt dazu kommen, dass Probleme bei der Kontrolle der Datenqualität auftauchen und Validierungsprozesse erforderlich machen, die gezielt nach Inkonsistenzen suchen und damit erst eine sinnvolle Anreicherung mit Daten von Drittanbietern ermöglichen.

Zusammenfassend ist es notwendig die spezifische Anforderungserfüllung in Bezug auf Berichterstattung, Kosten, Datenkapazität, Integrationsanforderungen, Benutzerakzeptanz und Self-Service-Design bestmöglich zu antizipieren.

Bei der Vielzahl an verfügbaren BI-Lösungen mit in der Regel mehr als 20 relevanten Kandidaten, kann man daher schnell den Überblick verlieren. Eine sehr vereinfachte Auswahlmethode kann darin bestehen, dass basierend auf einer Vorauswahl von drei bis fünf Lösungen, eine Test-Integration für eine Zeit von den realen Anwendern genutzt wird. Nach einer beispielsweise zweiwöchigen Testphase werden die Eindrücke strukturiert erfasst und eine Entscheidungsvorlage für das Management erstellt. Dank dieses sehr realitätsnahen Vorgehens wird ein gutes Bild bezüglich des Integrationsaufwands, der Benutzerfreundlichkeit und der Möglichkeit zur Datenmigration gewonnen. In diesem Zuge werden insbesondere folgende Fragen beleuchtet:

• Unterstützt das Tool API-Verbindungen, Datenbankabfragen oder CSV-Dateien?
• Wie kompliziert ist es – von Drag-and-Drop bis zur Kodierung – Daten zu modellieren oder KPIs zu berechnen?
• Sind die erstellten Berichte, Datenwerkzeuge oder Visualisierungen von hoher Relevanz, umfangreich und anpassbar?
• Wie gut lässt sich das Produkt eigenständig nutzen und welche Formen der Automatisierung von Berichten etc. gibt es? Können Berichte automatisch per E-Mail verteilt werden?
• Wer sind die Endbenutzer? Sind es ausschließlich Fachanwender und Experten oder alle Mitarbeiter? Wird ein Self-Service Modell den Anforderungen des Unternehmens besser gerecht?
• Was sind die Einschränkungen, und stehen sie im Konflikt mit den Geschäftsanforderungen?
• Wie ist das Support Level? Wie groß ist die Anwender-Community und gibt es zugängliche Wissensplattformen mit Fachartikeln etc.?
• Wie sieht die Preisstruktur aus? Entstehen Kosten pro Nutzer, nach Datenvolumen oder werden sie pauschal vereinbart?

Für die erfolgreiche Durchführung des Tests sind folgende Voraussetzungen notwendig:

• Verfügbare Daten-Beispiele aus Systemen wie BigQuery, Redshift, eine Datenquelle wie Google Analytics oder SQL-Datenbanken
• Klare Kommunikation zwischen allen Beteiligten zur Zielsetzung des Tests und offene Diskussion der Plattformen
• Kapazitäten zur Ausarbeitung der Testergebnisse, was aus Effizienzgründen und zur Einbeziehung einer weiteren neutralen Meinung eine kleinteilige, externe Beratung sinnvoll machen kann

Als erste Orientierung stellen wir in einem Überblick vier besonders relevante Lösungen kurz vor.

Domo ist eine cloudbasierte BI-Lösung, die sich für Unternehmen aller Größenordnungen eignet. Domo kann sowohl Mikro- als auch Makroanalysen mithilfe von Grafiken, sogenannten “Karten”, durchführen und damit typische Geschäftsfragen visuell und intuitiv verständlich beantworten. Die hochgradig anpassbaren und interaktiven Visualisierungen können über Registerkarten in einem Dashboard organisiert werden, die von verschiedenen Abteilungen oder Teams definiert werden. Die benutzerfreundliche Echtzeit-Verarbeitung und die Panoramadarstellung der Informationen bietet ein schlüssiges und vollständiges Bild der Daten in all ihren Facetten. Dies ist insbesondere hilfreich, um Erkenntnisse über verschiedene Teams hinweg zu gewinnen, zu teilen und damit eine datengeprägte Unternehmenskultur zu fördern. Die größte Schwäche von Domo ist die teils mühsame Verwaltung und Pflege. Teilweise treten vereinzelt Fehler auf, deren Behebung einen fortgeschrittenen Grad an technischem Verständnis voraussetzt. Trotz dieser Einschränkungen nimmt Domo bei der Kundenzufriedenheit einen hohen Rang ein und verfügt über eine große Marktpräsenz. Laut G2-Bericht 2020 ist Domo die beste BI-Lösung mit 87% der Benutzer, die angeben, dass sie Domo weiterempfehlen würden. Domo unterscheidet zwischen Starter-, Profi- oder Unternehmenslizenzen. Die Kosten umfassen eine Vorabgebühr bzw. Plattformkosten, sowie eine monatliche Gebühr.

Im Gegensatz zu Domo bietet Tableau eine Desktop- und eine Online-Version, wobei erstere hauptsächlich für die Erstellung von Berichten, Stories oder Dashboards verwendet wird. Die Online-Version dient vor Allem dazu, die Berichte an die unterschiedlichen Stakeholder im gesamten Unternehmen weiterzugeben. Tableau bietet eine schnelle und unkomplizierte Datenintegration, bei der Millionen von Datenzeilen problemlos verarbeitet werden können. Das schnelle Prototyping von Visualisierungen von Datensätzen ist ein weiterer, klarer Vorteil. Darüber hinaus sind interaktive Grafiken in Berichten mithilfe einer Drag-and-Drop-Oberfläche und Filtern einfach zu erstellen. Die insgesamt hohe Benutzerfreundlichkeit, die niedrigen Kosten und die kostenlose 14-tägige Testversion sind positive Argumente für Tableau. Dementgegen steht, dass Tableau keine Datenverschlüsselung unterstützt und keine Unterstützung für Integrationen an verteilten Standorten bietet. Darüber hinaus erfordern umfangreiche Datenintegrationen und andere komplizierte Aufgaben IT-Unterstützung. Trotz der Einschränkungen ist Tableau als älteste der Plattformen diejenige mit der größten Marktpräsenz. Im Vergleich zu den anderen Plattformen ist der Anteil der Nutzer, die Tableau weiterempfehlen würden mit 83% am geringsten ausgeprägt (G2 2020). Tableau rechnet auf der Grundlage der Anzahl der Benutzer und der Benutzerlizenzen ab. Das Abonnement umfasst sowohl Desktop- als auch Online-Cloud-basierten Tableau-Zugriff.

Power BI ist in hinsichtlich der Visualisierung, Benutzerfreundlichkeit und den Kosten sehr ähnlich zu Tableau. Die Lösung von Microsoft bietet eine einfache Drag-and-Drop-Oberfläche, ein unkompliziertes Self-Service-Design für eingenständige Berichtsanforderungen und eine Freemium-Lizenz für einzelne Benutzer, die sich gut skalierbar und zu erschwinglichen Preisen erweitern lässt. Plugin-Bibliotheken mit neuen Grafiken und erweiterten Analysemethoden wie Clustering und Netzwerkgrafiken, bieten einfachen Zugang zu weiterführenden Funktionen. Darüber hinaus sind die Dashboards in Power BI, mit ihren Filtern und Skalen zur Segmentierung oder Manipulation der Daten, nicht nur intuitiv und interaktiv, sondern verfügen auch über inhärente Drill-Down-Funktionen für verschachtelte Daten und Zeitreihendaten. Einige zu berücksichtigende Einschränkungen sind jedoch die begrenzten Datenkapazitäten und die Limitierungen bei der Bearbeitung großer Datenmengen. Da es sich um eine Windows-Anwendung handelt, müssen Nutzer anderer Betriebssystem über Remote-Desktops oder parallele Betriebssystemsoftware auf Power BI zugreifen, was den Zugriff erschweren kann. Laut G2 2020 weist Power BI eine geringe Kundenzufriedenheit auf und schneidet vor Allem in den Punkten qualitativ hochwertiger Support, prädiktive Analyse und Big-Data-Dienste schlecht ab. Trotz der Schwächen würden 87 % der Benutzer Power BI empfehlen.

Als neueste der BI-Lösungen ist Looker eine interessante Mischung aus den 3 vorherigen Lösungen. Wie Domo bietet Looker eine vollständig webbasierte Plattform mit Echtzeit-Aktualisierung und einem kohärenten Bild der Daten, verwendet aber seine eigene proprietäre SQL-basierte Sprache LookML. Mit LookML kann der Benutzer skalierbare und wiederverwendbare Datenmodelle erstellen. Die Ähnlichkeit von Looker zu Tableau besteht insofern, dass Looker große Datensätze gut handhaben kann, dies jedoch durch die Erstellung lokal gespeicherter Datensätze im Browser erfolgt, wodurch die Ladezeiten verringert werden. Wie Power BI verfügt Looker über intuitive und interaktive Grafiken mit angeborener Drill-Down-Funktionalität und eine umfangreiche Bibliothek für neue Diagramme. Die größte Stärke von Looker ist jedoch der voll funktionsfähige Self-Sevice-BI Ansatz und der Datenmarkt. Benutzer können Daten direkt aus Looker abfragen, indem sie Variablen per Drag-and-Drop manipulieren und somit CSV-Dateien und Pivot-Tabellen für den Export erstellen. Wir haben erlebt, dass sich Anwender komplett von technischer Unterstützung in SQL und dergleichen unabhängig machen und sich stattdessen auf sich verlassen konnten. Dies ist der Schlüssel um tatsächlich flächendeckend in der Lage zu sein, anpassbare, automatisch aktualisierte KPI-Berichte in Echtzeit zu erstellen. Darüber hinaus lässt sich Looker problemlos mit Jupyter-Notebooks verbinden und kann problemlos in datenwissenschaftliche Projekte integriert werden. Laut dem G2 2020-Bericht weist Looker eine hohe Kundenzufriedenheit und ähnlich große Marktpräsenz wie Domo und Tableau auf. Im Vergleich zu den anderen Lösungen hat es mit 88% die höchste Rate von Benutzern, die bereit sind, es weiterzuempfehlen. Was die Preisgestaltung betrifft, so steht eine kostenlose Testversion zur Verfügung, aber die Abonnementpreise richten sich nach der Anzahl der Benutzer.

Die vier vorgestellten BI-Lösungen sind großartige Technologien, mit denen Sie experimentieren können, um die richtige Lösung für Ihr Unternehmen zu finden. Neben einer soliden BI-Strategie, bei der Metriken, KPI und Stakeholder-Anforderungen im Fokus stehen, ist es auch wichtig, sicherzustellen, dass alle erforderlichen Daten auch immer konsistent und vollständig erfasst werden. Die Datenqualität bildet das Fundament für den Aufbau einer kohärenten Entscheidungsgrundlage. Die passende BI-Lösung setzt darauf auf, stärkt die Beteiligten, vereinheitlicht und zentralisiert Informationen und setzt damit einen Impuls zur Weiterentwicklung hin zu einer datenorientierten Unternehmenskultur.