Blog Details

  • Home
  • Self-Service BI vs. Traditional BI

Self-Service BI vs. Traditional BI

Oft wird das Thema «Business Intelligence» in der IT-Abteilung einer Firma angesiedelt. Es ist verständlich: Modernste Technologien, Datenbanken, Buzzwords wie künstliche Intelligenz, etc. rufen schnell einmal die IT-Spezialisten auf den Plan. Aber das Thema «Business Intelligence» als Verantwortungsbereich, und somit Sponsor und treibende Kraft dahinter, liegt beim Business selbst. Sie kennen ihre Daten am besten und können aus ihnen den Mehrwert gewinnen, welcher die Disziplin der «Business Intelligence» verspricht. Dennoch ist ein Zusammenspiel zwischen IT und Business fundamental, so dass kein Chaos im Self-Service BI-Dschungel entsteht.

Self-Service BI und die Frage der Zuständigkeiten

Als Self-Service BI versteht man den Ansatz, bei dem Fachabteilung selbst organisierend und verantwortlich Reports und Dashboards erstellen. Sie arbeiten weitgehend unabhängig von der IT-Abteilung. Der gegenteilige Ansatz von Self-Service BI ist der traditionell zentralisierte Ansatz mit sämtlichen Daten, Reports und Dashboards in der Hoheit der IT-Abteilung. Die Fachabteilung ist dann Konsument der fix fertigen Reports. Welches ist nun der schlauere Ansatz und wo wird die Grenze von Aufgabe und Verantwortung gezogen?

Freiheit für das Business

Moderne BI-Tools wie Power BI, Tableau oder Qlik erlauben es versierten Fachpersonen aus dem Business ihre eigenen Daten aufzubereiten und zu analysieren. Die verfügbaren Quellen sind beinahe unendlich und sämtliche lokale Excels können mit zentralen Datenbanken und public Websites kombiniert werden. Das gibt dem Business maximale Freiheit und endet vielleicht erst bei einer konkreten Datenbank-Abfrage, bei der die User keinen Zugriff haben. Wer kreativ ist, weiss sich zu helfen und speichert ein Export aus einer Applikation als CSV ab und schon ist auch diese Quelle im BI-Tool zur Analyse bereit. Die Gefahr, die nun besteht, ist ein unkontrollierter Wirrwarr um lokal gespeicherte Daten (Qualität, Aktualität, Datensicherheit, etc.) und uneinheitliches Beziehen von Daten aus der «Master Datenbank» – gerade bei vielen Umsystemen gibt es Schnittstellen zu allen möglichen Applikationen. Wo steht nun die Mutter aller Datenquellen und wie aktuell und qualitativ korrekt sind die Umsysteme?

Qualität und Sicherheit bei der Quelle

Wenn die IT die Hoheit hat, sind die obigen Probleme zweitrangig. Sie kennen die Datenbanken und wissen von wo nach wo die Daten fliessen. Sie wissen welche Daten der «Single Point of Truth» ist und welche Datenbanken eher obsolet sind. Zudem können sie mit Zugriffsberechtigungen auch sicherstellen, dass die richtigen Personen die Daten sehen können. Im Idealfall wird bereits ein Data Warehouse zur Verfügung gestellt, welche sämtliche auszuwertenden Daten beinhaltet. Nun müssen nur noch die Reports für das Business darauf erstellt werden. Und dieser letzte Teil ist mit dem traditionellen Ansatz eher etwas langatmig. Da die IT-Abteilung die Buinessdaten nicht so gut kennt, wie das Business selbst, dauert es länger und benötigt mehr Abklärungen mit dem Business, bis der Report steht. In älteren BI-Tools war die Bedienung oft technisch herausfordernd, dass man beinahe ein Programmierer sein musste, um überhaupt Reports erstellen zu können.

Bei allen Vor- und Nachteilen der beiden Ansätze ist wie so oft ein Mix von beiden eine idealere Lösung. Das Power BI Adoption Framework unterscheidet die Ansätze wie folgt:

Power BI Delivery Approaches für self service und traditional BI
Bild: Power BI Delivery Approaches. Quelle: Power BI Adoption Framework auf GitHub: https://github.com/pbiaf/powerbiadoption

Fazit

Die goldene Mitte sieht eine Kollaboration von IT und Business vor: Die IT stellt als Bereitsteller der Infrastruktur (und somit der Datenbanken) die Daten «geordnet» zur Verfügung und das Business kümmert sich um die Umsetzung der Reports, Visualisierungen und Dashboards basierend auf den verfügbaren Daten – Quasi Self-Service BI mit verifizierten, sicheren und zentralisierten Daten. Data Governance ist hier ein der wichtigsten Aspekte überhaupt. Lesen Sie dazu unser Artikel Business Intelligence Governance.