Auch kleine Unternehmen profitieren von Transparenz
Marco Mancuso, einer der Geschäftsführer des Schwetzinger Systemhauses SOU, glaubt, dass sich bereits für Unternehmen mit zehn bis zwölf Mitarbeitern der Einsatz einer Data Warehousing-Lösung rechnen kann. Die Gründe dafür liegen auf der Hand: Moderne Vertriebs- und Produktionssysteme generieren einen Wust von Daten, doch gibt es unter den Entscheidungsträgern eines Unternehmens häufig niemanden, der aus diesen Daten konkrete Rückschlüsse auf den Unternehmensstatus ziehen kann. Data Warehouses und intelligente Analyse-Tools erlauben es den Unternehmen beispielsweise, das Kundenverhalten unter neuen Blickwinkeln zu untersuchen und mit gezielten Marketing-Maßnahmen beeinflussen zu können, Bestell- und Logistik-Prozesse zu optimieren oder auch - im Hinblick auf Basel II - dem finanziellen Zustand ihres Betriebs unter Zuhilfenahme unterschiedlicher Kennzahlen genauer auf den Zahn zu fühlen. Kurz gesagt wird der Geschäftsleitung mehr entscheidungsrelevantes Wissen als bisher an die Hand gegeben, um das Unternehmen leichter auf Erfolg trimmen zu können bzw. schneller zu erkennen, wo in Zukunft Probleme entstehen können.
Ebenfalls empfehlenswert ist der Aufbau eines Data Warehouses, wenn innerhalb eines Unternehmens unterschiedliche Business Informationssysteme existieren - beispielsweise nach der Übernahme anderer Unternehmen - oder wenn die verschiedenen Abteilungen mit unterschiedlichen Datenbanken arbeiten, die sich nicht miteinander verknüpfen lassen. Statt dass die Geschäftsleitung sich wie bislang von jeder Abteilung einzeln die Berichte geben lassen muss, genügt durch den Einsatz einer zentralen Datenbank im Unternehmen ein Knopfdruck - und alle Reports stehen zur Verfügung.
Allerdings ist die Integration sämtlicher Unternehmensdaten in einen einzigen Daten-Pool kein Kinderspiel. Mit der bloßen Auswahl einer Data Warehousing-Lösung ist es hier nicht getan. Vielmehr zeigt die Erfahrung vieler Dienstleister, dass es hier eine Reihe von Hürden zu bewältigen gibt (siehe Checkliste). Denn selten liegen Daten in den verschiedenen Datenbanken in einer Qualität vor, die als Basis für korrekte Unternehmensauswertungen akzeptabel wäre. Und es versteht sich von selbst, dass jedes Data Warehouse nur so gut sein kann wie die ihm zugrunde liegenden Daten. Datenhygiene tut Not, bevor Unternehmen mit dem Aufbau eines Data Warehouses überhaupt nur beginnen können. Falsche oder nicht mehr aktuelle Daten müssen gelöscht werden, es müssen die Zusammenhänge zwischen den unterschiedlichen Unternehmensdatenbanken erkannt und in das Data Warehouse übertragen werden usw.
Schritt für Schritt statt Big Bang
Außerdem muss gleich zu Projektbeginn der eigentliche Informationsbedarf detailliert erfasst und analysiert werden, wie Volkhard Wolf, Professor für E-Business und Chefredakteur der 'IBM Software eNews' weiß. In Design-Workshops werden die Beschreibungen der Endanwender in IT-taugliche Strukturen übersetzt. Wenn die strategische Ausrichtung des Data-Warehouse klar ist, die technologische Infrastruktur steht und mögliche Anwendungen priorisiert sind, kann die Realisierung des ersten so genannten Data-Marts in Angriff genommen werden. Um bald greifbaren Nutzen vorweisen zu können, werden erste Warehouse-Anwendungen nämlich meist frühzeitig ins Visier genommen, etwa eine Unterstützung für das Controlling, um die Effizienz von Prozessen zu messen. Für solche Anwendungen kann es ratsam sein, aus dem großen Warehouse kleine, maßgeschneiderte Data Marts abzuleiten.
"Die Phasen auf dem Lebensweg eines Data-Warehouse überlappen sich", erläutert Wolf. "Für manche Zwecke kann das System bereits im Produktivbetrieb genutzt werden, für andere hingegen wird gerade erst am Datenmodell gefeilt oder der Informationsbedarf erhoben." Wegen einer neuen Anwendergruppe muss eventuell ein neues Teilprojekt gestartet werden und eine bestehende Benutzergruppe entdeckt vielleicht gerade, dass ihr Informationsbedarf gestiegen ist. In einem einzigen Durchgang - so das Fazit von Wolf - gelingt selten eine umfassende Lösung: "Ein iterativer Ansatz, bei dem die einzelnen Phasen wiederholt zu durchlaufen sind, ist erfolgsversprechender und weniger risikoreich als die Big-Bang-Methode, bei der das neue System auf einen Schlag komplett eingeführt wird."
Nach der Implementierung des Data Warehouses ist die Arbeit aber keineswegs getan. Ab sofort gilt es für die Unternehmen, die zentrale Datenbank periodisch zu aktualisieren, Prozesse zu überwachen, Engpässe zu optimieren, Daten und Metadaten zu verwalten, Zugriffsrechte zu definieren, neue Anforderungen zu analysieren und entsprechende Änderungen vorzunehmen.
Anbieterauswahl: Es müssen nicht immer die großen Namen sein
Bei der Auswahl der Data Warehousing Lösung selbst sehen sich mittelständische Unternehmen wieder vor die Qual der Wahl gestellt. Die Meta Group identifizierte in einer Studie Oracle, IBM und Microsoft SQL als führende Anbieter. Allerdings empfiehlt Marco Mancuso gerade Mittelständlern, auch die Systeme mittelständischer Software-Anbieter nicht aus den Augen zu lassen, da diese häufig deutlich kostengünstiger ähnliche Funktionalitäten bieten. So kostet beispielsweise die DW-Lösung von SOU, Data-Intelligence, die dem Nutzer den gezielten Zugriff auf von ihm benötigte Informationen der zentralen Datenbank und die Überführung von Dateien in MS-Office Anwendungen wie Excel oder Powerpoint erlaubt, rund 2.900 Euro. Bei Lösungen der großen Anbieter kann leicht das zehnfache Budget fällig werden.
Um aus Daten wirklich Wissen zu machen, benötigen Unternehmen jedoch nicht nur ein Data Warehouse, sondern intelligente Analyse-Tools, die die Daten in die richtige Beziehung zueinander setzen und so den Entscheidungsträgern relevantes Wissen über den Status Quo im Unternehmen liefern. Auch hier stehen die Unternehmen vor der Frage, welche Strategie sie für sich nutzen wollen. Als Standard setzt sich immer mehr das sogenannte "Online Analytical Processing" (OLAP) durch, eine Software zur schnellen Analyse von mehrdimensionalen und hierarchischen Datenbanken. Ein eigenes OLAP-Konsortium, das beispielsweise IBM, Sun Microsystems oder Oracle zu seinen Mitgliedern zählt, versucht, OLAP in der IT-Industrie zu verankern. Allerdings hat OLAP einen entscheidenden Nachteil, wie Marco Mancuso weiß. Denn OLAP benötigt jeweils ein Daten-Update, um aktuelle Auswertungen fahren zu können. Unternehmen können also nicht in Echtzeit den aktuellen Datenbestand auswerten. Statistik-Tools hingegen greifen direkt auf die Datenbank zu und können so auf Knopfdruck aktuelle Reports ausweisen.
Next Steps für den Mittelstand
Um zu analysieren, wie komplex die Einrichtung eines Data Warehouses im eigenen Unternehmen sein würde und welche Vorteile in punkto Unternehmenstransparenz sich erzielen lassen, sollten mittelständische Unternehmen ohne entsprechendes IT-Know-how auf die Hilfe von Spezialisten zurückgreifen. Wie die Meta Group in ihrer Studie zum Thema Business Intelligence herausfand, haben Unternehmen, die bereits BI-Projekte realisiert haben, auch mit kleinen Dienstleistern gute Erfahrungen gemacht. Entscheidend bei der Dienstleisterauswahl sei nicht die Größe oder Internationalität des Anbieters, so das Studienergebnis, sondern technische Kompetenz und Qualität in den Bereichen Support, Consulting und Schulung.
&HTRE)
