BI durch Erkenntnisgewinn

Business Intelligence hat sich bis jetzt darauf beschränkt, flexibel die für eine Entscheidung relevanten Informationen - sofern verfügbar - aus z.B. einem DataWarehouse aufzubereiten und Korrelationen zwischen Zeitreihen zu erkennen, sowie deren Fortschreibung (ceteris paribus) zu ermöglichen. Einen wirklichen Erkenntnisgewinn gab es bisher nicht bzw. dieser war grob fahrlässig, wenn die Gründe für eine Korrelation nicht erkannt werden bzw. diese Korrelation zufällig erscheinen musste. Wenn also unsere Verkaufszahlen im letzten Sommer rapide angestiegen sind und in unserem DataWarehouse als einzig korrelierende Kurve schönes Wetter abzulesen ist, treffen wir die fahrlässige Annahme, dass schönes Wetter immer zu rapidem Anstieg der Verkaufszahlen führt.

Aber erst, wenn wir unabhängig von der Datenverfügbarkeit in einem Ursache-Wirkungsmodell z.B. unsere Verkaufzahlen begründen, also Preisentwicklung, Verhalten der Mitbewerber, Kaufmotive der Kunden usw. abbilden und in den Zusammenhang stellen, haben wir eine Chance Entwicklungen vorherzusehen bzw. zu erklären. Und auf diesen Erkenntnissen aufgebaut sind unsere Entscheidungen keine reine Glücksache mehr, sondern fundiert.

Die Daten aus dem DataWarehouse helfen dann, ein solches Modell zu validieren und einen Soll-/Ist-Abgleich der Entwicklungen zur weiteren Verbesserung des Modells durchzuführen.

Ideales Werkzeug hierfür natürlich der BI MODELER mit Zugriff auf OLAP-Datenbanken oder direkt SAP BW und Microsoft Dynamics AX. Durch Excel- oder SQL-Anbindung lassen sich aber auch mit dem einfachen MODELER Daten integrieren.

www.youtube.com/watch?v=24AIItu199E