Business Intelligence vs. Business Analytics
Eine der wichtigsten Währungen für Unternehmen sind heutzutage Daten, das ist kein Geheimnis. Dass das reine Vorhandensein dieser jedoch noch keinen Mehrwert bietet – auch das ist mittlerweile hinlänglich bekannt. Was also tun? Business Intelligence und Business Analytics sind zwei Big Data-Ansätze, die Unternehmen dabei unterstützen können, Daten systematisch zu nutzen.
Business Intelligence
Die sogenannte Business Intelligence (BI) ist ein ursprünglich aus der Wirtschaftsinformatik stammender Begriff. Das Business Application Research Center (BARC) definiert sie zusammenfassend so: Business Intelligence ist die „softwaregestützte Sammlung, Verarbeitung und Analyse von geschäftskritischen Daten [...], [welche auf] die kontinuierliche Verbesserung der Perfomance von Unternehmen in allen wesentlichen Prozessen [abzielt]“.
Im Zentrum der Business Intelligence steht also die Verzahnung verschiedener (Daten-) Quellsysteme sowie Unternehmensdaten systematisch zu sammeln, zu analysieren, auszubereiten und zu visualisieren. Immer mit dem Ziel, Zusammenhänge zu verstehen und datenbasierte Entscheidungen treffen zu können.
Business Analytics
Natürlich finden sich auch zu Business Analytics (BA) zahlreiche Definitionen. Eine der pointierteren stammt von Prof. Dr. Mischa Seiter, der BA wie folgt zusammenfasst:
„Aus der Perspektive von Führungskräften ist Business Analytics ein auf Daten und Algorithmen basierender Prozess zur Gewinnung von Evidenzen mit dem Ziel, betriebswirtschaftliche Probleme im gesamten Managementzyklus von Planung, Steuerung und Kontrolle evidenzbasiert zu lösen.“
Ähnlich wie die Business Intelligence sammelt und analysiert also auch die Business Analytics Daten. Sie erkennt bei großen Datenmengen (Big Data) aber auch Datenkorrelationen und Muster und setzt sich dadurch ab, dass bei der BA prädikative Analysen durchgeführt werden, um die Wahrscheinlichkeit zukünftiger Ereignisse zu ermitteln.
Business Intelligence vs. Business Analytics: Der Unterschied
Wir sehen also, es ist kein Wunder, dass die beiden Ansätze häufig durcheinander – oder fälschlicherweise sogar manchmal synonym – verwendet werden. Zwar sind die Grenzen teilweise fließend, aber dennoch unterscheiden sich BI und BA in der Herangehensweise, im jeweiligen Blick auf Daten, den Analysemodellen und vor allem in den Fragen, die sie jeweils beantworten.
Business Intelligence: Descriptive & Diagnostic Analytics
Business Intelligence zeichnet sich vor allem dadurch aus, dass sie mit historischen und aktuellen Daten arbeitet. Diese werden gesammelt und systematisch mithilfe von deskripitiver Analyse analysiert. Die Daten werden also auf die Fragen „Was ist bisher passiert?“ (Descriptive Analytics) und „Wieso ist es so gekommen?“ (Diagnostic Analytics) hin ausgewertet.
Business Analytics: Predictive & Prescriptive Analytics
In Abgrenzung zur Business Intelligence geht der Business Analytics Ansatz einen Schritt weiter und will prognostizieren. Man könnte sagen, Business Analytics ist eine fortschrittliche Weiterentwicklung von BI.
BA bedient sich solchen Big Data-Verfahren, die Daten dahingehend analysieren, Wahrscheinlichkeiten für zukünftige Ereignisse abzuleiten. Hier werden also die Fragen „Was wird in Zukunft wahrscheinlich passieren“ (Predictive Analytics) und „Welche Schritte sind notwendig um (vorher definierte) Ziele zu erreichen?“ (Presciptive Analytics).
Welches ist die richtige Lösung für wen?
Wir sehen, es gibt keine falsche oder richtige Lösung, es kommt vielmehr auf die Fragestellung an. Eine Business Intelligence-Lösung ist dann die Antwort, wenn beispielsweise Schwachstellen in Arbeitsabläufen identifiziert oder Geschäftsprozesse analysiert werden sollen.
Denkt man über Veränderungen, z.B. des Geschäftsmodells oder der Prozesse, nach oder benötigt vorausschauende und vorhersagende Datenanalysen, ist Business Analytics der richtige Ansatz. Letzteres gewinnt zunehmend an Bedeutung, da im Zuge fortschreitender Digitalisierung und Technologie immer wichtiger wird, nicht nur unstrukturierte Daten zu analysieren, sondern auch zukünftige Entscheidungen datengetrieben zu treffen und im Idealfall zu automatisieren. Wer zukünftig mittels Data Analytics einen Wettbewerbsvorteil schaffen oder halten will, der muss lernen, die „hellsichtigen“ Kräfte dieser Analyse-Methoden entfalten zu können.