KMU und Grossfirmen stehen vor sehr unterschiedlichen Situationen, was ihre IT Ressourcen angehen. Während Grossfirmen über diverse Abteilungen und interne Spezialisten für ihre IT-Disziplinen verfügen, kümmern sich bei KMU wenige Mitarbeiter bis gar Einzelpersonen um die gesamte IT. Der Bedarf an Business Intelligence und Analytics besteht aber genau so bei KMU, wie bei Grossfirmen. Wie Analytics für KMU mit Cloud-Bausteinen in einem minimalen Setup aufgebaut werden kann, zeigen wir anhand eines Beispiels mit Power BI und Azure.
Ausgangslage und Anforderung
Kleinere und mittlere Unternehmen (KMU) werden sich immer mehr bewusst, wie viele Datenquellen sie eigentlich im Alltag nutzen: Ein CRM für Kunden- und Marketingdaten, Produktdaten, Finanzbuchhaltung, Social Media Accounts, Kampagnen-Management, vielleicht noch ein Tickets-System, etc. Je nach Grösse und Aufbau sind das ganze Applikationen oder sogar einzelne Excel-Listen oder Kleinst-Software. Wenn es der Datenschutz zulässt, dann befinden sich diese Daten auch nicht auf Haus-internen Servern (so genannte “On Prem”-Infrastruktur), sondern bei diversen Anbietern in der Cloud (Software-as-a-Service).
Und das ist nun ein entscheidender Punkt für die Analytics: Oftmals möchte man mehrere Datenquellen kombiniert analysieren, um einen Mehrwert zu generieren. Wie wirkt sich mein Kampagnen-Management auf die Verkaufszahlen aus? Wo muss ich aufgrund eines Lieferengpasses die Lieferkette optimieren? Wie kann ich ein möglichst genaues Bild meiner Kunden erhalten, um ihnen den optimalen Service zu bieten? Um diese Fragen zu beantworten, bedarf es oft mehr als nur eine Datenquelle. Die Daten aus der Marketing-Kampagne werden mit den Verkaufszahlen kombiniert. Die externen Lieferanten werden mit den Daten aus dem eigenen ERP verknüpft. Die Daten aus Kundensupport-Tickets, Mail-Marketing und CRM ergeben die 360-Grad-Sicht auf meine Kunden.
Um diese Daten kombinieren zu können, müssen sie an einer bestimmten Stelle zusammengebracht werden. Grössere Firmen setzen dabei auf ein Data Warehouse oder ein ähnliches Setup. Das Ziel ist, die Daten in einem Topf für weitere Zwecke zusammenzuführen. Ein solches Data Warehouse-Projekt kann schnell mal komplex werden. Während grössere Unternehmen dafür sowohl personelle als auch finanzielle Ressourcen aufbringen können, haben KMU diese Mittel oftmals nicht zur Verfügung. Die Lösung muss also schlank aufgesetzt sein und im Betrieb mit kleinem Aufwand und tiefen Kosten betrieben werden können.
Funktionsweise und Vorteile von Cloud-Komponenten
Gerade wenn man keine interne IT-Infrastruktur betreiben möchte oder dies nicht möglich ist, eignen sich Cloud-Services. Die Nutzung von solchen Services (wie z.B. Microsoft Azure, Google Cloud Platform, Amazon Web Service, etc.) bietet KMU einige Vorteile:
- Kosten: Man zahlt nur für das, was man tatsächlich nutzt. Mit Pay-As-You-Go-Modellen wird der Verbrauch abgerechnet. Die Wartung und Unterhalt der Infrastruktur ist damit bereits inbegriffen.
- Skalierbarkeit: Durch diese Nutzung ist es einfach nach Bedarf mehr Ressourcen hinzuzufügen oder zu reduzieren, falls weniger benötigt wird.
- Sicherheit: Auch wenn man nie 100% sicher ist und auch grosse Anbieter bereits gehackt worden sind, wird seitens Anbieter viel in Sicherheit und Compliance investiert, was sich ein KMU selten leisten kann.
- Verfügbarkeit: Die meisten Plattformen bieten hohe Ausfallsicherheit und somit Verfügbarkeit an. Das kann je nach Modell variieren. Hier spielt es eine Rolle, wie lange ein System “down” sein darf. Je höher die Anforderung, desto teurer der Service.
Wichtig zu Wissen bei diesem Setup: Die Daten verlassen das Unternehmen. Die Server dieser Anbieter stehen in Rechenzentren auf der ganzen Welt verteilt. Einige Firmen führen auch Rechenzentren in der Schweiz. Die Betreiber sind jedoch ausländische Firmen, im Normalfall aus den USA oder China. Auch wenn von hoher Sicherheit und Datenhoheit in der Schweiz gesprochen wird, die komplette Kontrolle geht damit verloren. Wenn ein Unternehmen also mit sensiblen Daten arbeitet, sollte dieser Schritt gut überlegt werden.
Beispiel einer Umsetzung von Analytics für KMU
Nehmen wir nun ein Beispiel aus der Praxis. Eine kleine Firma betreibt einen Online-Verkauf von Produkten. Dieser Service wird technisch von einem Dritt-Anbieter durchgeführt. Auf die Webapplikation kann die Firma zugreifen und sieht dort einige Statistiken über die Verkäufe. Es gibt auch eine API, über welche die Firma Verkaufszahlen für einen eingeschränkten Zeitraum abrufen kann. Gleichzeitig führt die Firma diverse Verkaufskampagnen durch und betreibt intensive seine Social Media Kanäle.
Die Firma möchte mittels Data Analytics tiefere Einblicke erhalten. Es geht darum, dass die verschiedenen Verkaufsperioden verglichen werden können, Aufteilungen nach Kategorien und Bereichen machen und die Daten aus den Verkaufskampagnen aus Excel verglichen werden können. Da die Verkaufszahlen nicht gesamthaft abgerufen werden können, sondern immer nur einzelne Zeitabschnitte, sind mehrere API-Aufrufe nötig, um ALLE Verkaufszahlen zu erhalten. Somit müssen die Dateien aus der API irgendwo zwischengespeichert werden (Staging).
Der Betrieb der Analytics Plattform und des Datenspeichers darf nicht zu aufwendig sein, da nur reduzierte Ressourcen verfügbar sind. Die Kosten sind entsprechend tief zu halten. Periodische Aktualisierungen von lokalen Excel-Files sollen vom Kunden durchgeführt werden können. Die Einbindung von weiteren Daten zur kombinierten Analyse sind bereits geplant und die Lösung sollte entsprechend einfach erweiterbar sein.
Cloud-Power mit Azure und Power BI
Um den Anforderungen gerecht zu werden, wird die Analytics Plattform Power BI verwendet und das Staging der Daten auf Microsoft Azure automatisiert umgesetzt.
Um die Infrastruktur- und Betriebskosten tief zu halten, wurde eine Lösung auf der Cloud-Plattform von Azure umgesetzt.
- Täglicher Datenabruf der letzten paar Tage der externen API mittels Azure Automation Task (Option mit PowerShell)
- Speichern der JSON-Files im Azure Storage
- Sichere Aufbewahrung von Passwörter mittels Azure Key Vault
Power BI als Analytics Plattform greift dabei direkt auf den Azure Storage Account zu. Die tägliche Aktualisierung der Reports in Power BI wurden mittels Scheduler aufgesetzt.
Der Vorteil dieser Lösung liegt darin, dass die Aufrufe der externen API auf ein Minimum reduziert worden sind. Sämtliche Komponenten laufen in der Azure Cloud, wodurch keine eigene Infrastruktur betreut werden muss. Die Betriebskosten dieser Umsetzung auf Azure belaufen sich auf wenige Schweizer Franken im Jahr. Eine Erweiterung mit anderen Datenquellen kann analog aufbaut werden. Das Setup ist für die interne IT-Verantwortlichen einfach zu unterhalten und setzt Zeit für andere Aufgaben frei.
Fazit
Think Big, Start Small – Mit wenigen Komponenten und tiefen Betriebskosten kann ein erster Schritt Richtung Analytics gemacht werden. Vor allem für Unternehmen, die keine eigene Infrastruktur betreiben können, eignet sich dieses schlanke Setup. Natürlich muss dieses System im Rahmen des Lifecycles überwacht und überarbeitet werden, aber eben ohne grosse Initial- und Anschaffungskosten und ohne internes Server-Patching.