Intelligence Strategie. Herbert Stauffer, Geschäftsführer BARC Schweiz GmbH

Transkript

1 Weiterentwicklung der Business Intelligence Strategie München, Herbert Stauffer, Geschäftsführer BARC Schweiz GmbH Timm Grosser, Senior Analyst BARC

2 Business Application Research Center (BARC) Europas führendes IT-Analysten und -Beratungshaus für Business Software und IT Services (Analystengruppe CXP / PAC / BARC) 140 Mitarbeiter, davon 80 Analysten an 17 Standorten in acht Ländern Portfolio aus Research, Beratung und Weiterbildung Themen: Business Intelligence, Big Data, Datenmanagement, t Enterprise Content Management, Customer Relationship Management, IT-Management Management, HR, Finance, ERP, IT Sourcing und IT Services BARC

3 BARC: Expertise für datengetriebene Unternehmen Beratung Strategie t & Organisation Prozesse & IT-Architektur Softwareauswahl Data Science Weiterbildung Konferenzen Seminare Kamingespräche Datengetriebene Unternehmen Research Produktvergleiche Marktforschung BI Manager BARC

4 BARC-Expertenworkshops für BI und Datenmanagement Übersichtlich aufbereitete Informationen zum Thema Unabhängige Expertensicht auf die relevanten Fragestellungen Umfangreiches Wissen aus BARC-Testlabor, -Marktforschung sowie einer breiten Basis an Kundenprojekten Direkte Projekterfahrung und Lessons Learned von Unternehmen Vermittlung von strukturierten und erprobten Vorgehensmodellen Wissenstransfer und aufbau für Ihren Projekterfolg Diskussion individueller Fragen im Rahmen des Workshops Entwicklung einer Roadmap, Diskussion und Priorisierung der Optionen BARC

5 Agenda 1. Wozu eine BI-Strategie? 2. Ist-Aufnahme und Delta-Analyse 3. Steuerung Data Governance 4. Kennzahlen und Informationsmodellierung 5. BI-Architektur 6. BI-Organisation 7. Zusammenfassung BARC

6 Häufig ggenannte Probleme analytischer Systeme Komplexität: pe Wartung, Weiterentwicklung, Nutzung Fehlende Flexibilität: neue Daten, neue Analysen Unzureichende Abfragezeiten Unbefriedigende Aktualisierung: Zyklen und Zeiten Kostenintensiv Effektivität Ungenügende Abdeckung (z.b. nur Finanz oder Sales) Kein Zielgruppenorientiertes Reporting (fehlende Gliederung in operative, taktische und strategische KPI s) Nur vergangenheitsbezogenes Reporting Viele Daten und Reporte, jedoch wenig Informationen Ungenügende Abstimmung mit Führungs- und KPI- System BARC

7 Automatisierbare Tätigkeiten sollten von BI-Systemen übernommen oder reduziert werden, um manuelle Tätigkeiten hier zu reduzieren. 75% Reduktion der Der wesentliche Nutzen von Business Erstellungzeit Intelligence Werkzeugen liegt in der Unterstützung bei wesentlichen 50% Reduktion des Berichtsaufwandes 25% Reduktion der notwendigen Unterstützung Aufgaben der Informationssammlung und -aufbereitung zur Beratung der Unternehmensleitung. Damit ergeben sich überwiegend qualitative Nutzenaspekte. Quantitative Aspekte wie mehr Umsatz oder geringere Kosten sind dagegen deutlich schwerer zu ermitteln. Quelle: Hacket Group BARC

8 Die strategische Verankerung von BI in Unternehmen zeigt Vorteile für die Datenintegration und Umsetzungszeit neuer Anforderungen 216 global organizations Significant trends in high performing companies Best in class are twice as likely to use MDM as all other companies 1.8 times more likely to have data cleansing capabilities 2.2 times more likely to have the ability to optimize queries Competitive maturity assessment showed Average of 39 days average time to integrate new data sources versus months for laggards Average 60 percent decrease in time to information compared to 10 percent for laggards Average 81 percent of analytical employees have access to BI whereas laggards have only 23 percent Outstanding companies had an 18 percent average year-over-year profit margin increase, compared to the 12 percent industry average Source: Data Management for BI: Strategies for leveraging the Complexity and Growth of Business Data, Aberdeen Group, BARC

9 Warum eine BI-Strategie? Menschen verursachen mehr Probleme als Technik! Keine nennenswerte Probleme Abfragegeschwindigkeit g g zu langsam Fehlendes Interesse der Nutzer Schlechte Datenqualität Unternehmenspolitik Uneinigkeit über Anforderungen Administrative Probleme Anforderungen änderten sich 17% 15% 15% 14% 13% 12% 12% 32% Organisatorische Probleme Technische Probleme Datenprobleme Schlechte Data Governance Software ist nicht flexibel genug Unzuverlässige Software Daten aus einigen Vorsystemen nicht Fehlende Schlüsselfunktionen Softwarebedienung zu schwierig 9% 9% 8% 7% 6% 6% Zu große Datenvolumen für Produkt Sicherheitbeschränkungen im Produkt Zu große Nutzerzahlen für Produkt 2% 3% 4% Quelle: BARC BI Survey 12, (Oktober 2012), n=2067, BARC

10 Strategische Ansätze fördern eine verbreitete Nutzung von Informationen im Unternehmen Zusammenhang von übergreifender Nutzung analytischer Informationen und Vorhandenseinn eines BICC bzw. einer BI-Governancee bzw. einer BI- Strategie (n=wechselnde Basis, 668 Teilnehmer); Quelle: Steria Mummert, bima Studie BARC

11 Wesentliche Facetten bei der Entwicklung einer BI-Strategie t Fachlich BI Strategie Organisatorisch Technisch BARC

12 Gründe für den Anstoss einer BI-Strategie extern Erfüllen von Regulatorische Anforderungen Erkennung von Betrugsfällen (Fraud detection) Reduktion von Debitorenverlusten Erreichen eines Wettbewerbsvorteils Produktempfehlung (Kunden die dies gekauft haben, kauften auch das ) Kundenreports (Telco, Utilities, ) reaktiv Datenqualität Veraltete Technologien Unklare Zuständigkeiten Ungenügende Entscheidungsunterstützung (fehlende KPI s oder nicht rechtzeitig verfügbar) Effizienz (Toolkonsolidierung, Single point ot truth; Aufbau einen skalierbaren BI-Plattform, ) Organisation (BICC ) Chancen von neune Trend s (GRC, Big Data) proaktiv intern BARC

13 Big picture of Data extern intern Einkauf IT HR Sales Finanz Meteo Börsenfeeds Warenwirtschaft Open Data Logs Sensorik Für BI genutzte Daten GIS Social Media RSS-Feeds Web Content Dokumente strukturiert semistrukturiert polystrukturiert unstrukturiert BARC

14 Wege zu einer erfolgreichen BI-Strategie t 9. Ausrollen der definierten Standards im Unternehmen 8. Etablierung von Standardprozessen 7. Unterstützung von Pilot-Projekten Closed loop 6. Umsetzung der ersten Maßnahmen und Marketing für neue BI Initiativen auf Basis der definierten Strategie 5. Definition BI-Roadmap: Prioritäten, Technologien, Standards, Roadmap Methodologien und Kompetenz 4. Spätester Zeitpunkt: Organisatorische Konzeption und Sponsorsuche 3. Festlegung des Architekturrahmen und der Bebauungsplanung 2. Identifikation von Schwachstellen in Organisation, BI-Systemen und fachlicher Ausrichtung der BI 1. Inventur von BI-Initiativen (IST-Situation) und Aufnahme der gewünschten Unterstützung (SOLL) 10. Weiterentwicklung der BI- Strategie Umsetzung Zieldefinition Assess- ment 0. Gründung eines Kernteams zur Entwicklung der Strategie besetzt aus Fachbereich und IT Initiieren BARC

15 Die 4 größten Probleme bei der Entwicklung einer BI-Strategie t BI-Strategie wird ohne Sponsor und Unterstützung aus dem Top- Management angegangen Keine Ressourcen für die Entwicklung der BI-Strategie: Nebenbei kann keine BI-Strategie entwickelt werden Entwicklung einer BI-Strategie ohne eine klare Zielsetzung: Klare Abstimmung der Tragweite von fachlichen, technischen und organisatorischen Zielen Zu granulare und detailierte Ist- und Soll-Analysen: Projekte mit zu langer Dauer sind eine Gefahr für die Zielerreichung BARC

16 Wesentlicher Nutzen einer BI-Strategie Unternehmensweiter Nutzen und Einsatz des Reportings wird mit höherer Wahrscheinlichkeit h hk it erzielt Zentraler Rahmen und Leitlinien zur Umsetzung und Einhaltung der Visionen und Ziele für bessere Berichtsqualität Fachlich geregelte und normierte Verwendung von Unternehmensinformationen Normierung und Optimierung der Technologieverwendung und Erzielung von Synergieeffekten Treiber für übergreifendes Datenqualitätsmanagement BARC

17 Agenda 1. Wozu eine BI-Strategie? 2. Ist-Aufnahme und Delta-Analyse 3. Steuerung Data Governance 4. Kennzahlen und Informationsmodellierung 5. BI-Architektur 6. BI-Organisation 7. Zusammenfassung BARC

18 BI Maturity Modell Perspektiven BI Focus Analytics Type of System Level 1: Level 2: Level 3: Level 4: Level 5: Sub-Standard In Essential Proactive Transfor- Development mational Bedeutung Anwendungsbereich der Analyse: Retrospektive Auswertungen, Realtime, Predictive, Art der Reports und Analysen: Einzelne Reports, Reportingbooks, interaktive Cockpits, Inhaltliche Ausrichtung: Finanzreporting, Führungscockpit, GRC Scope Einzelne Reporting-Initiativen, Divisionales oder Unternehmensweites Reporting, abgestimmt auf Unternehmensstrategie User Profile und Ausbildungsstand d der Anwender: Einzelne unabhängige Anwender, Power User Circle, Data Scientists Architektur Zweckmässigkeit des Zusammenwirkens der eingesetzten Technologien: Spreadmarts, Management Reporting, Data Warehouse Executive Wahrnehmung: Cost center, Prozess-Monitoring, perception Data Welche Datenquellen und typen werden für Analysen berücksichtigt BARC

19 BI Maturity-Modell Architektur 5 Daten 4 3 Scope 2 Executive perception 1 0 Type of System Ist Soll BI Focus Analytics User BARC

20 BI Fokus Level 1: Sub-Standard Art der Analyse What happened? reine vergangenheitsbezogene Kennzahlenerstellung auf Basis der vorhandenen Daten (Descriptive Analytics) Level 2: Why did it happen? In Development Analysemöglichkeit der vorhandenen Kennzahlen mittels Drill-Down oder adhoc-abfragen (Diagnostic Analytics) Level 3: Essential Level 4: Proactive Level 5: Transformational What happens now? Analysemöglichkeit der vorhandenen Kennzahlen mittels Drill-Down oder adhoc-abfragen (Realtime Monitoring) What will happen? Forecast, Simulation (Predictive Analytics) What if? Gewichtete Simulation (GRC) BARC

21 Analytics Art der Informationsverteilung Level 1: Sub-Standard Level 2: In Development Level 3: Essential Level 4: Proactive Level 5: Transformational Paper Report einzelne Papier-Reports, meist pro System (Finanzreport ab ERP, Kundenzufriedenheit ab CRM, Lagerbestand und angefangene Arbeit aus Warenwirtschaft, ) Briefing Book periodisches Zusammenführen der verschiedenen Reports, ergänzt um Kommentare und Interpretationen. Briefing Books existieren häufig unter dem Begriff Monats- oder Quartals-Report. Verteilung in Papierform oder PDF Interactive Report + Dashboards Reports werden via Portal zur Verfügung gestellt und lassen dynamische Filterung zu, z.b. Auswahl des Zeitfensters oder der Produkte Performance Dashboard bereitstellen von vordefinierten KPI's in einem Dashboard. Üblicherweise können die Werte selber direkt analysiert werden, via drill-down oder Aufruf von Detailreports mittels Klick in Hotspots Embedded BI Reports, KPI's und Trends sind in operative Prozesse und Systeme integriert und zeigen direkte Auswirkung der aktuellen Tätigkeit auf KPI's auf BARC

22 Scope Anwendungsbereich der Analysen Level 1: Sub-Standard Level 2: In Development Level 3: Essential Level 4: Proactive Level 5: Transformational Application Reports Nutzung der vorhandenen Reporting-Möglichkeit des IT-Systems, z.b. Kundenreports ab CRM, Erfolgsrechnung ab ERP, Individual Auswertungen für einzelne Personen oder Personenkreise ab wenigen Datenquellen. Meistens erfolgt die Datenaufbereitung in Excel. Der Inhalt und der Umfang der Auswertungen erfolgt ohne Anweisung von Führungskräften. Departement Abteilungs- oder bereichsbezogene Auswertungen. Diese Auswertungen basieren auf einem Managemententscheid und Messen zumindest einen Teilaspekt aus dem internen Führungssystem. Die Informationen werden innerhalb dieser Division, wie von der übergeordneten Geschäftsleitung genutzt. Enterprise Unternehmensweites Bi-System zur Kontrolle und zur Führung der gesamten Unternehmung. Basis ist meist ein Enterprise Data Warehouse, sowie ein Unternehmensweites Führungs- und Kennzahlensystem (z.b. Balances Scorecard, kombiniert mit MBO) Inter-Enterprise Aufbau eines gemeinsamen Datenpools von mehreren Unternehmen in vertikalen oder horizontalen Märkten. Beispiel: Verhinderung von Kreditbetrug, etc BARC

23 Executive perception p Level 1: Sub-Standard Level 2: In Development Level 3: Empower Workers Essential Level 4: Proactive Level 5: Transformational Einbezug/Wahrnehmung der Führungsebene in Business Intelligence Prozess Cost Center Das Management nimmt nur die direkten Kosten des BI-Systems war. Wenig Interesse an den Analysen. Teilweise Ursache in verfehlter oder nicht vorhandener BI-Strategie. Permanente Diskussion, ob es nicht sinnvoller wäre das ganze System zu stoppen Inform Executives Das BI-System wird einzig als Datenbasis zur Erstellung von Managementreports verwendet. Meist einfache Kennzahlen nach Mengen und Beträgen. bereitstellen von Informationen für alle Mitarbeiter in Form von statischen Reports, adhoc Abfragen oder Arbeitslisten Monitor Processes Neben stichpunktbezogenen Auswertungen (Mengen und Beträge) werden auch Prozesse gemessen und gesteuert. Drive the Business/Market Arbeitsprozesse und Handlungsanweisungen verwenden KPI's aus dem analytischen System, z.b. im Börsenhandel oder mit Benachrichtigung g bei unter-/überschreitung von Schwellwerten (Alerter per Mail, SMS, ) Informationsvorsprung wird zur Marksteuerung verwendet, in Kombination mit einer relevanten Position in einem oder mehreren Marktsegmenten, z.b. durch Erkennen von frühzeitigen Veränderungen in komplexen Beschaffungs- und Produktionsprozessen BARC

24 User Benutzerunterstützung Level 1: Sub-Standard Level 2: In Development Level 3: Essential Level 4: Proactive Level 5: Transformational Individual id kein spezifisches Rollenmodell vorhanden. Jeder nutzt gerade diese Informationen die ihn interessieren Controller Spezifische Auswertungen und Kennzahlen für Bereichtscontroller Analyst/Power User wenige Analysten sind für die Bereitstellung von Reports zuständig, ab den vorhandenen firmeninternen Daten erstellen komplexere Auswertungen und Analysen unter Berücksichtigung von externen Quellen (z.b. demographische Daten). Ziel: Bereitstellen von Entscheidungsgrundlagen für neue Geschäftsfelder. Manager/Executive Manager und Oberste Führungsebene greifen selber auf Reports Dashboard oder auch Mobile Solutions und KPI's zu, z.b. über Reportingportale oder Dashboards. Faktenbasierte Entscheidungskultur. Customer Kunden können eigene Daten via Portal abrufen und steuernd eingreifen. if In Tl Telco seit langem bekannt. Smart Meter und Smart Grid wird nur so funktionieren BARC

25 Architektur Level 1: Sub-Standard Level 2: Management Reporting In Development Level 3: Essential Level 4: Proactive Level 5: Transformational technischer Aufbau der analytischen Infrastruktur Spreadmarts Datensammlungen in komplexen Excel-Arbeitsmappen. Daten werden meist manuell übertragen. Dadurch ist die Nachvollziehbarkeit nicht gewährleistet (audit trail). Durch die hohe Komplexität besteht eine starke Personenabhängigkeit. einfache, meist Berichtsaufbereitung für die oberste oder für verschiedene Führungsebenen. Häufig nur finanzbezogene Kennzahlen aus verschiedenen Systemen, welche zur Präsentation aufbereitet werden, z.b. in Powerpoint. Data Marts themenbezogene unabhängige analytische Datenbank mit eigenem Ladeprozess (Scrips oder ETL-Tool). Auf tieferem Niveau werden manchmal ODS (Operational data Store) oder einfache Kopien von produktiven Datenbanken verwenden (Snapshots) (Enterprise) Data Warehouses Ein oder mehrere komplexe, themenbezogene Datensammlung zur Analyse. Die Daten werden historisch gespeichert. Unterstützung durch BI-Strategie, abgestimmt auf die Unternehmensstrategie. Advanced Analytical Services Das Data Warehouse wird ergänzt durch erweiterte Analysemöglichkeiten, wie Visual Analytics, Data Mining, Mobile Solutions oder Closed Loop Prozessen in Verbindung mit den operativen Systemen BARC

26 Type of System fachliche Anwendung des BI Systems Level 1: Sub-Standard Level 2: In Development Level 3: Essential Level 4: Proactive Level 5: Transformational Financial/Sales/Marketingi l /M nur finanzielle Kennzahlen. Datenquelle ist üblicherweise das ERP-System. Reports wie Umsatz (Vergleich Budget/Ist) oder Liquidität Untersützung der Vetriebsprozesse. Fokus auf Rentabilität, Time to Market, Salesfunnel, Kundenwertigkeit, etc. Executive Bereitstellung von Management-Reports zur Überwachung des Unternehmenserfolgs, z.b. Balanced scorecards Analytical Analysen der Daten erfolgt meist durch ausgebildete Power user oder Controller in Form von adhoc-abfragen. Datenbasis: Cubes, semantische layer oder Sand Boxes Monitoring permanentes Überwachen der aktuellen Geschäftstätigkeit. Prozess Monitoring. Datenbereitstellung in daily Reports oder in Dashboards Strategic/Business Service schnelle Bereitstellung von Führungsinformationen als Entscheidungsgrundlage, nicht nur am Arbeitsplatz sondern auch für spontane Fragestellungen im Meetings. Faktenbasierte Entscheidungskultur. das Vorhanden sein von Analysen, KPI's und Informationen wird als selbstverständlich betrachtet, ebenso die Verfügbarkeit zu jederzeit und an jedem Ort BARC

27 Daten Daten die zur Analyse verwendet werden Level 1: Sub-Standard Level 2: In Development Level 3: Essential Level 4: Proactive Level 5: Transformational Finanz und Sales Ausrichtung auf reine finanzielle Führungsaspekte. P&L, Salesfunnel, Profitabilität,.. Quellsysteme: ERP und CRM Alle operative Systeme Einbezug von weiteren Systemen und Bereichen wie HR, Facility, Call Center Enrich Anreichern der Systeme durch externe, strukturierte Daten, z.b. aus Open Data, demographische Werte, Börsenkurse, Meteo, Logs/Sensorik Prozessmonitoring durch Tracking-Informationen Streaming/Social Media/unstrukturierte Daten Typisches Einsatzgebiet von Big Data (polystrukturierte Daten) BARC

28 Agenda 1. Wozu eine BI-Strategie? 2. Ist-Aufnahme und Delta-Analyse 3. Steuerung Data Governance 4. Kennzahlen und Informationsmodellierung 5. BI-Architektur 6. BI-Organisation 7. Zusammenfassung BARC

29 Holistische Sicht der Datenqualität Informationsqualität Inhaltsbezogen Korrektheit, Vollständigkeit, Objektivität, Aktualität Interpretierbarkeit Verständlichkeit, Glaubwürdigkeit, Einheitlichkeit, Eindeutigkeit Systembezogen Zugänglichkeit (Access & Security), Bearbeitbarkeit Zweckbezogen Angemessener Umfang, Relevanz DQ Optimierungschritte Informations- Validierung Technisches und fachliches Profiling Qualität Cleansing z.b. de-duplicate DQ Referenz Master Data Management, Data Dictionary Klassifizierun Relevanz, Risiken g DQ Anreicherung z.b. demografische Daten DQ Steuerung Steuerung Monitoring Data Quality KPI s Technologien Profiling und DQ Suiten, Master Data Management Organisation Policies, Prozesse, Trainings i rungsitte Optimier schri BARC

30 Information Lifecycle Management Governance Layer Policy Layer Lifecycle Systemlevel Mail DMS File Sys Bus.Apps Long-term repository Ati Active Phase Inactive Phase Permanent Data/Document t Management Archivierung i BARC

31 Big Datability! braucht eine Data Governance = Big Data + ability / sustainability / responsibility Datensicherheit, Schutz von personenbezogenen Daten, Erfüllung gesetzlicher und regulatorischer Anforderungen Big Data Datability Hochskalierbare Integration, ti Aufbereitung, Analyse & Visualisierung polystrukturierter Daten Daten = Wettbewerbsfaktor, Prozessoptimierung, Produkte und DL weiterentwicklen Secure Data Smart Data BARC

32 Information Governance ergänzt die Data Governance um den analytischen Kontext t BI Governance häufig im Rahmen von BI CC Initiativen adressiert Dispositive Daten und deren Verwendung in den BI Applikationen Gestaltungsgrenzen, da operative Systeme maßgeblich Datenquelle Gegenstand der Governance Daten Funktionen Data Governance Betrachtet Unternehmensdaten übergreifend zur Verwendung in operativen und dispositiven Systemen Keinen speziellen Fokus auf den Verwendungskontext hverwendungskontext Information Governance Operative Verwendung von Daten meist im Rahmen des Software Engineering geregelt Dispositive Verwendung von Daten stellt zusätzliche, teils umfangreiche Anforderungen an das Data Governance ohne analytischen Kontext sind diese kaum bestimmbar b ungskon ntext Verwend a nalytisch ope erativ DG DG & BIS SE BIS Data Governance (DG) BI-Governance (BIS) Software Engineering (SE) BARC

33 Was ist Data Governance? Data Governance (Datensteuerung) entspricht in Summe den Menschen, Prozessen und Technologien, die zur Verwaltung und zum Schutz des Datenkapitals des Unternehmens benötigt werden, um allgemein verständliche, korrekte, vollständige, vertrauenswürdige, sichere und auffindbare Unternehmensdaten kosteneffizient garantieren zu können. Datendefinitionen Namenskonventionen Datenmodellierung Datenqualität Datenintegration Stammdatenmanagement Metadatenmanagement Datenlebenszyklusmanagement Datenzugriffsschutz BARC

34 Einordnung der Data Governance Aktivitäten nach Unternehmensebenen und Perspektive BARC

35 Strukturierte Erfassung und Bewertung des IST mithilfe der BARC 9-Feld-Matrix BI/DG Aufgabenbereiche eines Strategieprojektes Ist-Aufnahme Bewertung der Ergebnisse aus Sicht des möglichen Soll Identifikation kurzfristiger Handlungsfelder: Strategisch = Kernfokus der Strategie Taktisch & operativ = Ausblick/Roadmap Ist Aufnahme Strategie Kernokus Strategie Ausblick Organisatorisch: wo? Strategisch (Zieldefinition) Taktisch (Planung und Kontrolle) Operativ (Umsetzung) unternehmensweit, C Ebene Geschäftsbereich/Sparte > "Projekte" Geschäftsprozess > "Linie" Organisatorisch: wo? Strategisch (Zieldefinition) Taktisch (Planung und Kontrolle) Operativ (Umsetzung) unternehmensweit, C Ebene Geschäftsbereich/Sparte > "Projekte" Geschäftsprozess > "Linie" Fachlich inhaltlich: was? Soll Fachlich inhaltlich: was? Technisch: wie? Technisch: wie? BARC

36 Projektbeispiel Auswertung BARC 9-Feld-Matrix Gesamt vorh. vorh. teilw. teilw. nicht nicht Ges abs % abs % abs % Strategisch ,0% 6 42,9% 8 57,1% Taktisch ,8% 23 40,4% 29 50,9% Operational ,4% 29 54,7% 10 18,9% Gesamt ,3% 58 46,8% 47 37,9% Gesam t nicht vorhanden teilweise vorhanden vorhanden Datenstrategie Datenarchitektur Datenentwicklung Datenbankbetriebsmgt Zugriffsmgt Referenz- und Stammdatenmgmt DW und BI Mgt Metadatenmgt BARC

37 Datengetriebene Unternehmen brauchen eine Data Governance! Daten sind das Öl der Zukunft und treibender Wirtschaftsfaktor für Unternehmen! Das datengetriebene Unternehmen wird nur mittels Datenstrategie Realität! Zur erfolgreichen Umsetzung einer Datenstrategie bedarf es einen Steuerungsapparat: Data Governance! BARC

38 Agenda 1. Wozu eine BI-Strategie? 2. Ist-Aufnahme und Delta-Analyse 3. Steuerung Data Governance 4. Kennzahlen und Informationsmodellierung 5. BI-Architektur 6. BI-Organisation 7. Zusammenfassung BARC

39 Informationen im Alltag - Was davon sind Kennzahlen? Notenkurse Ankauf Verkauf EUR USD Verbrauch innerorts (l/100 km) 3.9 GBP Verbrauch ausserorts (l/100 km) 3.7 JPY CO2-Emissionen kombiniert (g/km) 89 Gesamtleistung Hybridsystem (PS) 136 Höchstgeschwindigkeit (km/h) 180 Stimmbeteiligung Beschleunigung km/h (s) % EUR 2011/12 in Mio CHF Gesamtleistung davon Umsatz aus Energie und Netznutzung Betriebsergebnis 329 in Prozent der Gesamtleistung 4,5% Bruttopreis inkl. MwSt Nutzinhalt Gefrierteil (Liter) 265 Gefriervermögen (kg/24h) 24 Farbe Weiss Türanschlag rechts, wechselbar Energieverbrauch in 365 Tagen (kwh) 148 Energieeffizienzklasse A BARC

40 Begriffserklärung g Definition Beispiele Messwert quantitative Aussage, bestehend aus einem 168 km/h Zahlenwert und einer Einheit (nach DIN 1313). CHF 4711 Gewinn Anderer Begriff: Indikator Gewöhnliche operative Messwerte in Bezug zu einem Soll-Ist-Vergleiche Kennzahlen absoluten oder relativen Vergleichswert und einer Abweichung Höherwertige Strategische Kennzahlen, basierend auf Kennzahlenbäume Kennzahlen gewichteten Kennzahlen Management Cockpit ROI nach Du Pont Zeitreihen Intervall von wiederkehrenden Messwerten Lastgang Produktrentabilität verbessern R a = U a -K a +5 %/Jahr Ziel Messwert Vorgabe Kennzahl BARC

41 Kennzahlenbäume (Bsp. Projekt) Kennzahl Projekte Projekt A Projekt B Projekt PL Projekt Eckdaten Projekt verlauf Skill Erfahrung Auslastung IPMA D 74 % 85 % Finanzen U 88k CHF R 8k CHF Risiken high BARC

42 Beziehungen innerhalb einer Balanced Scorecards Finanz zen F1: Umsatz- Wachstum F2: Erreichen der Kostenführerschaft F3 Kunden K1: Kundentreue K2: Anzahl Neukunden K3: Kundenzufriedenheit Intern ne Proze esse P1 P2: Bestell-/ Lieferprozess P3 Lernen + Entwickl. M1 M2 M3: Ausbildung Callcenter M BARC

43 Fragestellungen g (Nach Komplexitätsgrad der Analyse) What happens now? What will happen? What if? Why dit it happen? What happened? Descriptive Analytics Listen, Reporte, Dashboards What happened? Why did it happen? Diagnostic Analytics Adhoc, Slice-and-Dice, Drill What happens now? Realtime Monitoring Fraud detection, Monitoring, Push What will happen? Predictive Analytics What if? GRC Trends, Risk BARC

44 Wertschöpfung aus Daten (1/2) Daten & Listen Einfache Kennzahlen Analysen (höherwertige Kennzahlen) Int.+ext. Dienstleistun gen Profitabilität Vertrieb Anz. Kunden pro Anz. Anrufe Mgmt. Wachstum Produktlinie Umsatz nach Balanced Scorecard Prognose Modelle für Strategie IT Anz. Incidents pro SLA Prognose Modelle für Capacity Mgmt. oder Service Verfügbarkeit Risk Fraud Detection Energie CO2 Prod. pro Kunde oder Produkt Kundensemgent aufgrund indiv. Lastprofilen aus Smart Meter Energie-Eff. für B-Kunden (Fläche, Öffnungszeiten, ) Profil von Kunden mit Naturstrom Star Kunden ohne Produkt Demogr.+soziogr. Kundenprofil Risiko Zahlungsausstände schnellere Umstellung auf Prepaid BARC

45 Wertschöpfung aus Daten (2/2): Barrieren Daten Einfache Kennzahlen Analysen (höherwertige Kennzahlen) Int.+ext. Dienstleistun gen Profitabilität IT Barrieren Fachl. Barrieren Mgmt. Barrieren Markt Barrieren Granularität Datenqualität Verfügbarkeit Businesswissen Fähigkeit des Modellierens von Kennzahlensystem en und -bäumen Produktdefinition und entwicklung (Budget) Erkennen und vermeiden von Risiken Nutzen von Chancen Sales und Marketingfähigkeiten Mitbewerb Substitutionen BARC

46 Arten von Business Intelligence strategisch taktisch operativ Daten und Architektur Konsolidierte Kennzahlen für Unternehmenssicht Historie über mehrere Jahre Externe Daten für Branchenvergleiche und Trends Bereitstellung t von Cubes für adhoc Abfragen Externe Daten: Social Media Analytics Wenige Quellsysteme Historie meist untergeordnet Operational Data Store Externe Daten: Börsenkurse, Wetter, Fokus und Eigenheiten BSC Langfristige Trends Corporate Performance Management Simulation: Risk Interaktive Analysen Adhoc-Abfragen Beispiele: Web Analytics, Sales Funnel, Regulatory Reporting Listen, Cockpits Layout getrieben (CI, etc.) Darstellung der kurzfristigen Vergangenheit BARC

47 Agenda 1. Wozu eine BI-Strategie? 2. Ist-Aufnahme und Delta-Analyse 3. Steuerung Data Governance 4. Kennzahlen und Informationsmodellierung 5. BI-Architektur 6. BI-Organisation 7. Zusammenfassung BARC

48 Problem in Analytischen Infrastrukturen führen zu einer Erweiterung der klassische BI-Infrastruktur um Werkzeuge zur Beschleunigung g und einfacheren Bedienbarkeit SSBI Reporting & Analyse Sandbox Analytische Datenbanken Datenaufbereitung Staging Area ERP SCM CRM Strukturierte Geschäftsdaten Externe Systeme Sensor-Daten Web Logs Maschinengeneriert (strukt.) BARC

49 Die Unterstützung der operativen Prozesse durch Real-Time Auswertungen erfordert die Analyse nahe an den operativen Systemen SSBI Reporting & Analyse, visuelle Analyse Klassisch Operationalisiert Sandbox Analytische Datenbanken Datenaufbereitung Staging Area ERP SCM CRM Strukturierte Geschäftsdaten Externe Systeme Streaming Sensor-Daten Web Logs Maschinengeneriert (strukt.) BARC

50 Big-Data-Anforderungen erweitern die BI-Architektur um weitere Werkzeuge und Methoden Welche Technologien nutzen Sie / werden Sie Nutzen in Ihrem Unternehmen für Big Data Analysis? (aggregiert) Standard-BI-Werkzeuge 86% 10% 5% Individualentwicklung id i 49% 11% 39% Big-Data-Werkzeuge 44% 36% 20% 0% 20% 40% 60% 80% 100% Im Einsatz Geplant Nicht geplant Quelle: BARC Big Data Survey; n = BARC

51 Ergänzung der Architektur um eine explorative Umgebung Reporting & Analyse, visuelle Analyse, komplexe Analyse, Suche, Discovery Klassisch Operationalisiert Explorativ Sandbox Analytische Datenbanken Such- Index NoSQL DB Datenaufbereitung Staging Area File System ERP SCM CRM Externe Systeme Streaming Sensor-Daten Web Logs Social Media Dokumente Strukturierte Geschäftsdaten Maschinengeneriert (strukt.) Menschgeneriert (polystr.) BARC

52 Big Data Technologien erweitern den BI-Baukasten Welche Technologien nutzen Sie / werden Sie in Ihrem Unternehmen für Big Data nutzen? Standard-Relationale-Datenbanken 79% 10% 11% Standard-BI-Werkzeuge 68% 19% 12% Individualentwicklung 50% 11% 39% Standard- 42% 23% 35% Analytische Datenbanken 27% 34% 39% Big Data Appliances 15% 30% 55% Hadoop File System 14% 30% 56% Hadoop Hive 13% 23% 64% Streaming-Datenbanken / 13% 29% 58% NoSQL-Datenbanken 10% 23% 67% Big-Data- Analyse-Anwendungen 6% 21% 73% 0% 20% 40% 60% 80% 100% Im Einsatz Geplant Nicht geplant Quelle: BARC Big Data Survey; n = BARC

53 Der klassische BI Prozess arbeitet auf ein sicheres Ergebnis hin und sieht eine Konzeption und Prüfung vor Speicherung der Daten vor Reporting & Analyse Visualisierung Analytik Sandbox Analytische Datenbanken Festlegung der Datenpersistierung Datenaufbereitung Datenaufbereitung Staging Area Datenanalyse ERP SCM CRM Strukturierte Geschäftsdaten< Externe Systeme Datenbereitstellung BARC

54 Explorative Verarbeitungsprozesse für Big Data erfordern ein Umdenken, Visualisierung Reporting & Analyse Visuelle Analyse Komplexe Analyse Analytik Suche Discovery Analytische Datenbanken NoSQL DB Such- Index Datenaufbereitung Datenanalyse Staging Area Streaming Datenaufbereitung Datenbereitstellung ERP SCM CRM Externe Systeme Sensor-Daten Web Logs File System Social Media Dokumente Strukturierte Geschäftsdaten Maschinengeneriert (strukt.) Menschgeneriert (polystr.) BARC

55 , bis hin zum erlaubten Scheitern von Projekten Data Warehousing Prozess Big Data Prozess Visualisierung Sicheres Ergebnis Visualisierung Unsicheres Ergebnis ( fast fail ) Analytik Erst prüfen, dann sammeln Analytik Datenaufbereitung Datenspeicherung Datenaufbereitung Datenanalyse Erst sammeln, dann prüfen Datenanalyse Datenspeicherung Datenbereitstellung Datenbereitstellung BARC

56 Zusammenfassung Soll-Architektur Fachliche analytische Anforderungen gehen über das klassische Data Warehousing hinaus und benötigen u.u. neue Technologien und/oder Architekturansätze Es können drei analytische Architekturbereiche unterschieden werden: klassische Data-Warehouse-Architektur, eine operationalisierte i t sowie eine explorative Umgebung Neue, innovative Technologien - nicht nur für Big Data - erweitern den Architekturbaukasten und eröffnen Potential zur Optimierung der bestehenden analytischen Landschaften Die explorative Vorgehensweise bedarf eines Umdenkens und Kulturwandels BARC

57 Agenda 1. Wozu eine BI-Strategie? 2. Ist-Aufnahme und Delta-Analyse 3. Steuerung Data Governance 4. Kennzahlen und Informationsmodellierung 5. BI-Architektur 6. BI-Organisation 7. Zusammenfassung BARC

58 Eine entsprechende Organisation ist wesentlicher Bestandteil einer erfolgreichen BI No significant problems 36% Slow query performance 15% Poor data quality 15% Organisation Lack of interest from business users Requirements changed Could not agree on requirements Company politics Administrative problems Poor data governance 14% 13% 12% 12% 12% 10% Was sind die schwerwiegendsten Probleme, die bei der Nutzung von BI auftreten? Software not flexible enough 8% Unreliable software (bugs, etc.) 8% Unable to get data from some systems 7% Software too hard to use 6% Missing key features 6% Product can not handle data volume 5% Product security limitations 3% Product can not handle number of users 2% Other 1% Quelle: BARC BI Survey 13, (Oktober 2013), n=2225, BARC

59 Je übergreifender die Nutzung analytischer Informationen, desto bedeutsamer ist die BI-Organisation trategie rnance BI-St BI Gover Vorhanden Nicht vorhanden Vorhanden Nicht vorhanden 7% 20% 33% 17% 22% 20% 22% 32% 9% 17% 6% 18% 35% 20% 22% 15% 25% 31% 10% 19% Vorhanden 10% 20% 32% 15% 23% BICC Nicht vorhanden 20% 24% 34% 9% 13% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Informationen werden von Analysten und kleinem, undefinierten Empfängerkreis genutzt Informationen werden im Fachbereich genutzt, in dem sie erzeugt werden Informationen werden auch anderen Bereichen zur Verfügung gestellt Bereitstellung für andere Bereiche wird gefördert und gefordert Informationen werden zentral für die unternehmensweite verbindliche Nutzung bereitgestellt Zusammenhang von übergreifender Nutzung analytischer Informationen und Vorhandensein eines BICC bzw. einer BI-Governance bzw. einer BI- Strategie (n=wechselnde Basis); Quelle: Steria Mummert, bima Studie BARC

60 Eine fehlende organisatorische Verankerung von BI zeigt eine deutlich schlechtere ht Zielerreichung i Ohne BICC Mit BICC Zufriedenheit mit BIInitiativen Unternehmensweiter Einsatz von einheitlichen KPIs Geschwindigkeit der Berichtsdarstellung Qualität der Informationen Koordination von BI Projekten Unterstützung bei bereits bestehenden BI Applikationen? Unterstützung tüt von Anwendern bei bineuen Anforderungen Kurze Implementierungszeiten für BI Applikationen Kooperation zwischen Fachbereichund IT hinsichtlich BIInitiativen gut sehr gut Ausführung der Unternehmensstrategie Quelle: BARC Survey Organization of Business Intelligence (2010) BARC

61 Das Ziel ist die Umsetzung und Weiterentwicklung der strategischen BI-Ziele durch eine organisatorische Verankerung von BI Die vier wesentlichen Aufgaben sind der BI- Organisation sind,... BI-Management Applikationsmanagement Datenmanagement Wissensmanagement die in unterschiedlichen Ausprägungen umgesetzt werden können Projektunterstützung Betrieb Interne Beratung Koordination Volldienstleister... und in drei Formen in die Organisation eingliedert werden. Virtuelle BICC s: interdisplinäre Teams in der Sekundärorganisation. Arbeitsform in periodische Meetings Physische BICC s in der IT (Abteilung/Team) BICC als Stabstelle: BICC nimmt eine rein beratende Rolle ein und hat keine Weisungsbefugnis BARC

62 Wir haben gute Erfahrung mit der Etablierung von 6 Rollen zur Umsetzung der Aufgaben gemacht, die nach Bedarf weiter ergänzt werden können Fachbereich und IT BI CC Team End-User Key User BI Application BI Manager BI Architect t BI Application BI Data IT Betrieb Owner Manager Manager Governance Applikationsdesign Anforderungsmanagement Umsetzung & Betrieb BARC

63 Verantwortung der Rollen nach DWH-Schichten (Projektbeispiel) i BI Servic ces Poweruser Semantische Schicht Spez. Cache Datenaufb. BI Portal / Publikation BI Repository Key User FB BI Application Owner DWH- und BI- Architekt (IT) DP Service es Data Mart Data Mart Conformed Facts Data Mart Datenaufbereitung Datenaufbereitung Conformed Dimensions Data Mart BI Application Manager IT ices IQ Serv Data Warehouse Datenintegration Staging Area Extraktion Data Manager IT Operative Quellen = Fachbereich = IT BARC

64 Neuer Spieler verfügbar! Die Rolle und Einbettung des Data Scientist t Skills Domain-Experte Data-Engineer Programmierung Wissentschaftliche, mathematische, statistische Analysemethoden Visualisierung Data Scientist (Soft-)Skills Kommunikativ und Kollaborativ Neugierig und kreativ Übergreifende Sprachkenntnisse (FB, IT) Die Rolle des Data Scientist ist nicht zwingend an eine Person gebunden. Häufiger führt die Umsetzung Rolle durch ein Big Data Team zum Ziel BARC

65 Soll BI im Fachbereich oder IT etabliert werden? Der Schnitt der Verantwortung kann auf allen Ebenen erfolgen IT stellt operative Datenquellen bereit Reduzierter Aufwand, hohe Reaktionsgeschwindigkeit IT muss sich nicht mit den analytischen Anforderungen des Fachbereiches beschäftigen Fachbereich ist für den Aufbau der analytischen Datenbestände sowie für den Aufbau der BI Umgebung verantwortlich Umfangreiche technische und methodische Expertise im FB Fachbereich muss eigene IT- Kräfte aufbauen (und auslasten) Gesamte Verantwortung liegt BI Services s DP Service IQ Services Data Mart Verantwortung Poweruser primär in der IT Semantische Schicht Spez. Cache Datenaufb. Data Mart Conformed Facts BI Portal / Publikation Data Mart Datenaufbereitung Datenaufbereitung Data Warehouse Datenintegration Staging Area vollständig in den Händen des V Extraktion t t Operative Quellen vollständig in den Händen des Fachbereiches Nutzung des Datenbestandes für Anwendungen außerhalb BI nicht realistisch Conformed Dimensions Verantwortung primär im FB BI Repository Data Mart IT stellt den gesamten DWH Datenhaushalt inkl. semantische Schicht + Standardreports Hoher Aufwand für die IT IT muss analytische Anforderungen des Fachbereiches verstehen IT übernimmt die Verantwortung für die Ressourceneffizienz insbes. Performance Fachbereich ist für die ad hoc Nutzung der BI Umgebung verantwortlich Bedingte Flexibilität hinsichtlich Adhoc-Analysen Einfache BI Werkzeuge nutzbar Mangelnde Flexibilität hinsichtlich Standardreports, da diese an die IT beauftragt werden müssen BARC

66 Aktuelle Herausforderungen für BICCS, angesiedelt in der IT oder im Fachbereich h Herausforderungen BICCs in der IT Unsere These ist: Aufgrund der Anforderungsbreite kann IT nicht in allen Geschäftsprozesse tief verwurzelt sein, sodass eine Unterstützung und Diskussion auf Augenhöhe nicht immer möglich wird Dadurch wird der Einfluss des BICC entweder auf technischen Support reduziert und/oder der Fachbereich setzt seine Bedarfe in eigenentwickelten Systemen um. Anwender aus den Fachbereichen wechseln praktisch nie zur IT, bzw. zu IT- nahen Einheiten; umgekehrt scheint uns dies häufiger zu erfolgen. So entsteht aber kaum Nähe zu den Geschäftsprozessen im (IT)BICC. Herausforderungen Fachbereichs h BICC im Finanzbereich i Wenn das BICC im Fachbereich Controlling/Finanzen etabliert wird, kann dies zur Ablehnung in anderen Fachbereich führen. Auch liegt der Fokus dann oft auf Finanzkennzahlen Eine übergreifende Steuerung und Akzeptanz ist so schwierig zu etablieren (Mangelndes) IT-Know-How stellt üblicherweise i kein Problem dar BARC

67 Thesen zur zukünftigen Herausforderung für BICCs: Agilität, Flexibilität, Self Service BI Auf der Anbieterseite sehen wir schon immer Softwarehersteller, die über spezielle Lösungen/Analytische Applikationen/Partnerlösungen Ihre Produkte in Fachbereiche positionieren. In dieser Kombination hat ein (technisches) BICC wenig Antwortoptionen. Wir gehen davon aus, dass die verstärkte Akzeptanz von Cloud-basierten Lösungen die Möglichkeiten von Fachbereichen erweitert, da die Schranke Betrieb und Hosting entfällt. Auf dem Weg zur Data driven company müssen Unternehmen Daten besser nutzen. Dies bedeutet Agilität und Geschwindigkeit im Zugriff auf Informationen. Die Aufgaben im Datenmanagement bleiben trotzdem erhalten, bzw. werden größer - weiterhin erhalten Datenqualität und Data Governance schlechte Noten im BI Survey. Wir gehen nicht davon aus, dass bei steigenden Datenmengen die Probleme reduziert werden. Kostendruck ist allgegenwärtig, auch in der IT/BI BARC

68 Der Trend zu Self Service BI stellt die BI-Organisation vor besondere Herausforderungen In der Vergangenheit gab es eine sehr starke und scharfe Rollenteilung, welche Rechte und Möglichkeiten ein Anwender im Fachbereich (lokal) und welche Aufgaben zentral umgesetzt werden. Lokale Instanz Fachliche Anforderung Security, Daten, Reports, Design Zentrale Instanz Vorgaben, Umsetzung z.b. Fachbereich Governance, Realisierung, Aus unterschiedlichen Gründen führte dies in manchen Unternehmen zu geringer g Akzeptanz der zentralen Systeme. z.b. IT, Strategisches Datenmanagement BARC

69 Neue Technologien und volatilere Anforderungen begünstigen die Entstehung t von Datensilos Schon immer konnte und wurde diese Trennung durch das Entstehen von Schatten-systemen in Excel, Access oder SQL Server, bzw. anderer verfügbarer Lösungen durch die lokalen Anwender aufgebrochen. Die zentrale Instanz, bzw. deren IT-Systeme werden dadurch umgangen oder auf die Rolle als Datenlieferant reduziert. Poweruser Informationskonsumenten Lokale Datenhaltung z.b. Vertrieb Zentrales DWH/ Operatives System Dieser Trend wird durch schnellere Datenhaltung, einfachere Bedienung der Tools und schnellebigere eb e Anforderungen begünstigt, gt, es entstehen e aber gleichzeitig Datensilos BARC

70 Power User und BICC s arbeiten zusammen Regelmässige Durchführung der Power User Circles Gemeinsame Release-planung Monitoring; aktive/inaktive User; Incidents und Problems mit Plattform Power User Koordinator im BICC Schaffung von Ausbildungsangeboten Power User Support: Ansprechperson für Fragen, Sorgen, etc. Einführung weiterer Instrumente: blogs, sharepoint-seite, newsmails, BARC

71 Empfehlungen für BICCs BICCs müssen sich als Kompetenzcenter für Information Logistics begreifen. Diese Aufgabe sollten Unternehmen nicht in den Keller der IT abschieben. Wir sehen hier Kernaufgaben für Geschäftsanwender. Das BICC muss sich als Herrscher des dispositiven Datenmodells sehen. Dafür ist zwingend Prozessverständnis und -wissen notwendig. Uns bekannte, erfolgreiche DWH-Projekte hatten immer einen starken Fokus auf die Anforderungen. Bislang hat noch kein (uns bekannter) Kunde ein Rotationskonzept bezüglich der Mitarbeiter e evaluiert. e Auch wird die Mitarbeit in der IT selten e als (positiver) Karrierebaustein gesehen. Hier muss im Unternehmen insgesamt eine größere Wertschätzung für Datenmanagement entstehen. Wir sehen Muster, dass technische BICCs oft auf Betrieb und Datenbereitstellung reduziert werden, Finanz-BICCs die Neutralität abgesprochen wird. Warum wird keine Stabsstelle am Vorstand installiert, die als Querschnittsfunktion für Datenlogistik dient? Self Service im Sinne der Erstellung neuer Berichte oder Analysen ist unkritisch. Sobald jedoch der manuelle Zugriff auf Datenquellen zum entstehen abgekapselter Datensilos mit eigener Logik führt, sollten Strategien zum Einfangen der Systeme entwickelt werden BARC

72 Agenda 1. Wozu eine BI-Strategie? 2. Ist-Aufnahme und Delta-Analyse 3. Steuerung Data Governance 4. Kennzahlen und Informationsmodellierung 5. BI-Architektur 6. BI-Organisation 7. Zusammenfassung BARC

73 Fazit Weiterentwicklung einer BI-Strategie Die BI-Welt ist im Wandel und wir müssen uns in ihr wandeln (leicht modifiziertes lat. Sprichwort) Klassisches, oftmals starres BI kann Geschäftsprozesse nicht adäquat unterstützen, tüt geschweige denn die Basis für ein datengetriebenes Unternehmen bilden. Das Management muss die Wandlung hin zum datengetriebenen Unternehmen wollen, unterstützen und in der Strategie vorsehen. Surival of the fittest (nur die Anpassungsfähigsten überleben, C. Darwin) Die Transformation hin zu einer zukunftsfähigen BI führt über die Umsetzung von Flexibilität: Fachlich (Abgestimmte Kennzahlen vs. individuelle Analysen, schnelles Scheitern vs. sicheres Ergebnis) Technisch (bspw. neue Technologien, neue/erweiterte Architekturansätze, Verschlankung historisch gewachsener Datenarchitekturen, Nutzung neuer IT-Betriebsmodelle) Organisatorisch (bspw. schnelle Iteration anstatt Wasserfallmodell bei der Umsetzung neuer Anforderungen, Kommunikation & Kollaboration, Aufbau einer umfassenden BI-Kompetenz) Selbsterkenntnis ist der erste Weg zur Besserung (Redewendung) Dazu ist es wichtig das Potential von BI und auch Big Data bezogen auf dir fachlichen Anforderungen erst zu verstehen und entsprechend zu bewerten, dann zu handeln Vertrauen ist gut, Kontrolle ist besser (Redewendung, abgeleitet von Lenin) Die Extraktion entscheidungsrelevanten Wissens erfordert eine Datenstrategie. Eine Datenstrategie benötigt eine Data Governance. 73

74 Verbinden Sie sich mit uns auf oder Herbert Stauffer Geschäftsführer BARC Schweiz GmbH Dipl. Organisator, ITIL Service Expert, Erwachsenenbildner SVEB1 BARC Schweiz GmbH Buchhaldenstr. 7 Tel. +41 (0) hstauffer@barc.ch CH-5442 Fislisbach Leiter TDWI Roundtable Zürich, Leiter DQ Gruppe der SAQ Timm Grosser Head of Consulting Business Intelligence & Data Management Senior Analyst BARC GmbH Berliner Platz 7 Tel. +49 (0)931/ tgrosser@barc.de D Würzburg Fax +49 (0)931/ BARC