Business Intelligence:
Mehr Intelligenz fürs Business


Erschienen in: acquisa, Ausgabe 03/2000

Mehr Intelligenz fürs Business

Für die einen ist es nicht mehr als ein neues Schlagwort. Für die anderen das Hilfsmittel schlechthin, um in Zukunft Unternehmen zu führen. Was verbirgt sich tatsächlich hinter Business Intelligence und den Schlagworten, die es im Schlepptau hat. acquisa widmet sich in einer ausführlichen Serie Begriffen wie Datamining oder OLAP und klärt, welche Relevanz sie für den Unternehmensalltag haben.

Was haben Business Intelligence und der Tante-Emma-Laden an der Ecke gemeinsam? Überraschend viel, denn schon Tante Emma kümmerte sich in ihrem Laden nicht nur um die Einzelaspekte des Geschäfts wie die Auftragsbearbeitung, Inkasso oder Akquise, sondern sie betrachtete den Kunden als Einheit. Und damit hatte Tante Emma - genau betrachtet - ein Datawarehouse, wandte Datamining an, nutzte Database-Marketing. Ja, man kann sogar sagen, Customer Relationship Management (CRM) war die Seele ihres Geschäfts. Natürlich war sie sich dessen nicht bewusst, nicht einmal die Schlagworte waren damals schon erfunden, denn all diese Informationen und Analysen fanden alleine in ihrem Kopf statt. Sie halten das für übertrieben? Dann betrachten Sie einmal eine alltägliche Frage aus dem Geschäftsleben von Tante Emma: »Frau Müller, möchten Sie noch von dem XY-Käse, Ihr Mann hat doch morgen Geburtstag?«

Der Kopf dient als Datawarehouse

Das Datawarehouse (ihr Kopf/Gedächtnis) kennt den Kundennamen, Geburtstage, Beziehungen zwischen Kunden, historische Kaufdaten etc. Über Dataminingtechniken (Nachdenken/Erinnern), in diesem Fall eine Art von Verbundanalyse, weiß Tante Emma, dass
1. Herr Müller den Käse XY bevorzugt und diesen zu besonderen Anlässen isst.
2. Frau Müller häufig für Herrn Müller einkauft.
3. Herr Müller der Ehemann von Frau Müller ist.
4. Herr Müller morgen Geburtstag hat.
Die gesamte Frage kann man als einen, durch Database-Marketing gestützten, Zusatzverkauf werten. Oder, wenn die Frage schriftlich erfolgt, wäre diese als eine durch Database-Marketing gestützte, personalisierte und produktoptimierte Direktmarketingaktion zu betrachten. Nun sieht die Welt heute anders aus. Zum einen haben wir in vielen Firmen deutlich mehr als einen Mitarbeiter (Kopf) und die verschiedenen Aufgaben eines Unternehmens sind auf unterschiedliche Personengruppen verteilt. Zum anderen haben viele Unternehmen deutlich mehr Kunden als ehemals Tante Emma.

Informationen sind nicht greifbar

Trotzdem wünscht sich der Kunde von den Firmen ein maßgeschneidertes Angebot und eine individuelle Betreuung. Es muss also ein neuer Weg gefunden werden, die dafür notwendigen Informationen zu speichern, zu analysieren und zu nutzen. Leider ist es heute so, dass in vielen Firmen zwar viele Informationen gesammelt werden, dann aber in unterschiedlichen Bereichen und Abteilungen gespeichert und dadurch für andere Abteilungen nicht oder nur schwer nutzbar sind. Noch schwieriger wird die Situation, weil viele Informationen auf Grund der Art und Weise, wie sie jetzt gespeichert werden, nur schwer analysierbar sind. Das liegt erst einmal an der Datenhaltung, die zumeist für die Erledigung des operationalen Tagesgeschäfts optimiert wurde. Dazu kommt dann noch, dass Informationen unstrukturiert etwa in Textfeldern gespeichert vorliegen.

Customer Relationship Management als Regelkreis

Um Kunden optimal bedienen zu können, geht es also darum, die unterschiedlichen Techniken zur Informationsspeicherung, -verwaltung und -analyse im Unternehmen zu optimieren. Wer sich mit Database-Marketing und Customer Relationship Management (CRM) seinem Kunden nähern will, muss zuerst die Zusammenhänge zwischen dem Sammeln, Analysieren und Nutzen der Informationen betrachten. Dabei wird schnell klar, dass man es beim Analysieren und Nutzen der Informationen mit einem Regelkreis zu tun hat. Ausgangspunkt ist die unternehmensweite Sammlung und Speicherung von Informationen. Dann folgt als erste Stufe die Betrachtung der regelmäßig wiederkehrenden Analysen. Darunter fallen zum Beispiel die meisten Verkaufsstatistiken, Analysen zur Call-Center-Auslastung, Werbeerfolgskontrollen sowie Wochen-, Monats- oder Jahresberichte. Allen diesen Analysen und Berichten ist gemeinsam, dass sie stark standardisierbar sind und regelmäßig und zuverlässig vorliegen müssen. Diese Berichte dienen im Wesentlichen zur Steuerung des Tagesgeschäfts und bilden in vielen Unternehmen die Basis für die strategischen Planungen.

Standardberichte fürs Tagesgeschäft

Die zweite Ebene der Analysen geht über diesen starren Rahmen hinaus: Hier geht es zum Beispiel darum, Gründe für positive wie negative Planabweichungen zu analysieren oder bisher unbekannte Zusammenhänge in den Daten zu entdecken und für das Unternehmen nutzbar zu machen. In diesen Bereich fallen auch alle Scoringaktivitäten, egal ob es sich um Response- oder Kreditscoring handelt. Auch die Informationsnutzung geschieht auf zwei Ebenen. Auf der ersten - unternehmensweiten - Ebene geht es darum, die Analyseergebnisse in Strategien umzuwandeln. Dazu kann eine Neudefinition der Zielgruppen und ihrer Programme genauso gehören wie die Änderung der Produktpalette oder die Einführung eines neuen Zahlungsweges.

Konkrete Aufgabenstellungen unterstützen

Die zweite Ebene ist eine konkrete, aufgabenbezogene Nutzung der Analyseergebnisse. Als Beispiel könnte man hierfür die Unterstützung der Auftragsbearbeitung, die Personalplanung, eventuell vorgepackte Produktkombinationen und die bedarfsgesteuerte Ausstattung mit Werbemitteln nennen. Aus diesen verschiedenen Aktivitäten entstehen unter anderem wieder neue Informationen, die man durch Sammeln und Analysieren wiederum nutzen kann. Dies kann zum einen als Kontrolle für die Aktivitäten erfolgen oder als Ausgangspunkt für neue Analysen dienen.
Erweitert man diesen Regelkreis nun um die technische Komponente, so erhält man einen Überblick über das Ineinandergreifen und die Abgrenzung der einzelnen Schlagworte von Datawarehouse über Datamining bis hin zu OLAP.
Die Abgrenzung der einzelnen Techniken/Tools gegeneinander ist nicht immer so einfach, wie man es gerne hätte. So kann man beispielsweise mit OLAP-Tools auch Datenaggregationen speichern und auch einen Teil der Datamininganalysen erledigen. Genauso kann man innerhalb der Datenbank alleine mit der Abfragesprache SQL Analysen durchführen oder alternativ mit einem Dataminingtool ein Berichtswesen erstellen.
Am einfachsten sind diese Überschneidungen zu verstehen, wenn man sie mit einem Fuhrpark vergleicht. Nehmen Sie einen LKW, einen Bus und einen PKW. Allen dreien gemeinsam ist, dass man mit ihnen von A nach B fahren und Personen und Ladung transportieren kann. Trotzdem käme niemand auf die Idee zu sagen, die drei Fahrzeugtypen wären gleich oder austauschbar. In der Praxis nutzt man sie gemäß ihrer unterschiedlichen Stärken.

Business Intelligence ist wie ein Fuhrpark

So ist es gar nicht so selten, dass eine Firma neben einem Pkw auch einen Lkw oder Bus besitzt. Es geht dabei sogar so weit, dass man den Aufgaben entsprechend mehrere unterschiedliche PKWs, LKWs oder Busse besitzt. Auf der anderen Seite reicht ein Kombi einigen Firmen vollkommen, um ihre Personen und Waren zu transportieren. Genauso verhält es sich mit dem Nebeneinander von Datawarehouse, Datamining und OLAP. Auch hier muss die für die jeweilige Firma optimale Größe und Kombination gefunden werden, um Database-Marketing und CRM optimal betreiben zu können.