Abstract — Kollaboration ist ein entscheidender Erfolgsfaktor, insbesondere in komplexen Bereichen wie der Business Intelligence (BI) eines Unternehmens. Wo Wissen und Skills von Mitarbeitenden vereint werden, kann Großes entstehen – und vieles geht effizienter von statten. Durch Kollaboration kann das BI-Team schneller auf Veränderungen reagieren, flexibler handeln und letztlich das Ergebnis und die Wettbewerbsfähigkeit des Unternehmens positiv beeinflussen.

Was genau erfordert denn nun Zusammenarbeit im Kontext des BI-Arbeitsalltags? Die alltäglichen Aufgaben und Entscheidungen eines jeden BI-Mitarbeitenden spielen sich fast ausschließlich an Diagrammen und Berichten ab. Dafür setzen die meisten Unternehmen High-End-Softwarelösungen ein. Doch viele haben mit einer geringen Nutzung und Akzeptanz in ihren Teams zu kämpfen. Und genau hier kommt die Zusammenarbeit ins Spiel: Collaborative BI steigert die Akzeptanz von BI-Software und verändert gleichzeitig die Art und Weise, wie wir mit Datenanalysen und Entscheidungsfindung umgehen – indem wir die Teamarbeit fördern und das Wissen aller Beteiligten zusammenführen.

1. Collaborative BI verstehen

Um ein tieferes Verständnis von Collaborative BI zu bekommen, werfen wir zunächst einen Blick auf die „traditionelle“ Business Intelligence, also vor Einsetzen dieses Trends. Traditionelle Business Intelligence folgt einem zentralisierten, IT-gesteuerten Modell, bei dem ein spezialisiertes Team von Analyst:innen statische, historische Berichte für Entscheidungsträger erstellt. Die Fertigstellung der Berichte kann sich gut und gerne mal etwas verzögern, denn Informationen müssen zusammengesucht und Abhängigkeiten berücksichtigt werden.

Collaborative BI hingegen ermöglicht einer größeren Anzahl von Benutzern im gesamten Unternehmen die Interaktion mit dynamischen Echtzeitdaten mit Hilfe von Self Service-Tools, die die Abhängigkeit von der IT verringern. Diese Methode und die dazugehörigen Tools fördern eine bessere Zusammenarbeit durch Funktionen wie die gemeinsame Nutzung von Berichten, Kommentaren und Anmerkungen und legen gleichzeitig den Schwerpunkt auf Echtzeit- und prädiktive Analysen, um eine proaktive Entscheidungsfindung zu erleichtern.

Traditionelle Business Intelligence versus Collaborative Business Intelligence

Traditionelle BI versus Collaborative BI

 

Ziele bei der Implementierung von Collaborative BI

Die Hauptintention von Collaborative BI ist die Verbesserung von Problemlösungs- und Entscheidungsprozessen: Man will handlungsfähiger werden. Die folgenden Aspekte sind für das Erreichen dieses übergeordneten Ziels von grundlegender Bedeutung:

Dezentralisierte Analysen

Der Punkt mag nach dem, was wir bisher über Collaborative BI gehört haben, paradox klingen, bezieht sich jedoch eher auf den Aspekt des Schwarmwissens: Durch die Einbindung und Befähigung einer Vielzahl von Benutzern mit unterschiedlichen Rollen, Hintergründen und Fähigkeiten können Unternehmen auch reichere Perspektiven einnehmen. Dieser Ansatz trägt dazu bei, Bottle Necks zu vermeiden, die traditionell mit zentralisierten BI-Teams verbunden sind, und beschleunigt so den Problemlösungsprozess.

Optimiertes Dashboard- & Berichtsdesign

Benutzer mit unterschiedlichen Rollen, Hintergründen und Qualifikationsniveaus benötigen indivuelle Dashboards und Berichte, die auf ihre spezifischen Bedürfnisse abgestimmt sind. Durch die Förderung des Ideen- und Wissensaustauschs zwischen diesen Nutzern, beispielsweise über Kommentarfunktionen, können Unternehmen maßgeschneiderte Dashboards und Berichte erstellen, die den unterschiedlichen Anforderungen ihrer Zielgruppe gerecht werden. Darüber hinaus ermöglicht der Aspekt des Echtzeitzugriffs auf Daten den Usern, Probleme schneller zu erkennen und zu lösen. Interaktive Dashboards und Berichte, die beispielsweise Absprünge erlauben, ermöglichen es Usern darüber hinaus, die Daten tiefer zu durchdringen und Ursachen und Muster schneller aufzudecken als bei statischen Berichten.

Kollaborative Tools

Kollaborative BI-Tools bieten die genannten Funktionen wie Kommentare, Freigaben und Diskussionsstränge, die die unmittelbare Kommunikation und Zusammenarbeit zwischen den Teammitgliedern erleichtern und einen schnelleren Konsens und schnelleres Handeln ermöglichen. Der nahtlose Datenaustausch in Echtzeit im gesamten Unternehmen stellt sicher, dass alle relevanten Interessengruppen auf dieselben Informationen zugreifen können, und fördert so einen einheitlichen Ansatz für die Entscheidungsfindung. Mit Self-Service-BI-Tools können Benutzer ihre eigenen Berichte und Abfragen erstellen, ohne auf die Unterstützung der IT-Abteilung warten zu müssen, was den Entscheidungsprozess beschleunigt.

2. Herausforderungen bei der Implementierung von Collaborative BI

Wie jede neue Implementierung bringt natürlich auch Collaborative BI eine Reihe von Herausforderungen mit sich, die je nach Ausgangsposition des Unternehmens und den aktuellen Umständen unterschiedlich sein können. Die Bewältigung dieser Herausforderungen wird den Erfolg Ihrer Collaborative BI-Implementierung sicherstellen.

  • Tool-Elastiziät
  • Datenschutz, Sicherheit und Data Ownership
  • Metadaten
  • Daten-Integration
  • Kommunikation zwischen Mitarbeitern
 

shutterstock 1060077944 bluetelligence GmbH Was ist Collaborative BI und wie steigert es die Effizienz und Akzeptanz Ihrer Business Intelligence-Lösungen?

 

Tool-Elastizität

Die Elastizität von BI-Tools, d.h. die Fähigkeit zur Skalierung und Anpassung an wechselnde Benutzerbedürfnisse, stellt auch bei der Implementierung von Collaborative BI eine Herausforderung dar: Die Gewährleistung der Skalierbarkeit ohne Performance-Einbußen, die Integration in bestehende Systeme, die Verwaltung variabler Kosten und die Erleichterung der Benutzerakzeptanz auf allen Qualifikationsniveaus erfordern einige Anstrengungen. Darüber hinaus erschweren mitunter Bedenken zur Datensicherheit, insbesondere bei Cloud-basierten Lösungen, die Performance-Optimierung, die Aufrechterhaltung eines konsistenten und zuverlässigen Zugriffs und der Ausgleich zwischen Anpassung und Stabilität den Prozess. Diese Faktoren machen es für Unternehmen schwierig, elastische BI-Tools für die Zusammenarbeit effektiv zu implementieren und zu pflegen.

Datenschutz, Sicherheit & Data Ownership

Datenschutz, Sicherheit und Data Ownership stellen bei der Implementierung von Collaborative BI natürlich eine Herausforderung dar: Der Umgang mit sensiblen Informationen, die Verwaltung der authorisierten Nutzerzugriffe, die Einhaltung von Vorschriften und die Bewältigung des erhöhten Risikos von Datenschutzverletzungen sind komplex – und entscheidend für das Bestehen eines Tools. Darüber hinaus erfordert die Implementierung dieser robusten Sicherheitsmaßnahmen nicht gerade wenig Budget und Know-How. Kontinuierliche User-Schulungen sind unerlässlich, um menschliche Fehler zu minimieren, die die Datensicherheit gefährden könnten.

Metadaten

Metadaten sind im Zusammenhang mit Collaborative BI sehr wichtig, da sie die Fragen nach der Herkunft und Verwendung der Daten beantworten. In der traditionellen BI werden diese Fragen von den Fachabteilungen gestellt und von der IT beantwortet. In der Collaborative BI finden die Business User diese Antworten selbstständig. Dies stellt jedoch die Herausforderung dar, sicherzustellen, dass die Daten auch von weniger technisch-versierten Usern richtig verstanden und im gesamten Unternehmen genutzt werden können – z.B. durch eine unkomplizierte Darstellung und über Schulungen. Darüber hinaus sind Metadaten nur dann für korrekte Analysen von Nutzen, wenn sie aktuell gehalten werden – dies erfordert einen erheblichen Aufwand und eine ständige Dokumentation von beispielsweise Data Sources, Definitionen, Data Lineage und Verwendung. Fehler in den Metadaten können zu Fehlinterpretationen führen, was die gemeinsame Nutzung von Daten und die Zusammenarbeit erschwert.

Datenintegration

Die Datenintegration ist eine besondere Herausforderung und entscheidend für Collaborative BI: Es geht darum, verschiedene Datenquellen mit unterschiedlichen Formaten, Strukturen und Qualitätsstufen in ein einheitliches System zu konsolidieren, auf das alle Benutzer zugreifen und es analysieren können. Sie ist unerlässlich, um eine kollaborative Entscheidungsfindung in Echtzeit zu ermöglichen, erfordert jedoch ausgefeilte Tools und Prozesse für die Extraktion, Transformation und das Laden von Daten. Eine effektive Datenintegration erfordert auch die Zusammenarbeit zwischen der IT-Abteilung und den Fachbereichen, um die Datendefinitionen und -standards abzustimmen — eine komplexe, aber wichtige Aufgabe, um sicherzustellen, dass alle Benutzer mit denselben Daten und mit den korrekten Daten arbeiten.

Kommunikation zwischen Mitarbeitenden

Die Kommunikation zwischen Mitarbeitenden ist natürlich der Kern der ganzen Angelegenheit – und stellt auch eine eigene Herausforderung dar: Aufgrund der unterschiedlichen (technischen und geschäftlichen) Fachkenntnisse und des unterschiedlichen Verständnisses von Daten, der unterschiedlichen Sprache, Prioritäten und Perspektiven sind Missverständnisse vorprogrammiert. Sie können zu falschen Dateninterpretationen, fehlerhaften Analysen und schlechten Entscheidungen führen. Es muss fortwährend dafür gesorgt werden, dass alle Beteiligten bei den BI-Zielen, -Prozessen und der -Toolakzeptanz dieselbe Linie fahren. Die Implementierung dieser Kanäle und die Förderung einer Kultur der offenen Kommunikation erfordern ein ständiges Engagement der Führungsebene, um Silos aufzubrechen und die aktive Beteiligung aller Mitarbeiter zu fördern.

3. Empfehlungen zur Integration von Collaborative BI in Ihre bestehende BI-Landschaft

Collaborative BI mag seine Herausforderungen mit sich bringen, aber mit den folgenden Empfehlungen werden Sie diese hoffentlich überwinden – mehr sogar, von den Vorteilen profitieren:

  • Self-Service Datenvisualisierung
  • Datenqualität Data Governance
  • Metadaten-Management Data Cataloging
  • Unternehmenskultur Kommunikation

zur Integration von Collaborative BI in Ihre bestehende BI-Landschaft

 

Self-Service & Datenvisualisierung

Self-Service und Datenvisualisierung sind, wie bereits angeführt, Schlüsselfaktoren, wenn es um Collaborative BI geht – beide Aspekte entlasten die IT-Abteilung und machen Daten für alle Abteilungen zugänglich und verständlich. Dazu braucht es:

  • intuitive, benutzerfreundliche Tools, die Mitarbeitende aller Kenntnisniveaus befähigen…
  • …selbständig auf Daten zuzugreifen, sie zu analysieren und zu visualisieren und so eine datenorientierte Kultur im gesamten Unternehmen zu fördern,
  • umfassenden Schulungen, um die Nutzungsrate und Effizienz dieser Tools sicherzustellen
  • Customizability – so wird es Usern möglich, Dashboards auf ihre speziellen Bedürfnisse zuzuschneiden und Ergebnisse einfacher mit Kollegen zu teilen,
  • starke Data Governance und Echtzeit-Datenzugrif – so wird die Zuverlässigkeit und Relevanz der gewonnenen Erkenntnisse gewährleistet.

Die aktive Ermunterung zu Feedback und die kontinuierliche Verbesserung der Tools auf Basis dieser Benutzererfahrungen – und das kontinuierlich, denn Bedürfnisse entwickeln sich weiter.

Datenqualität & Data Governance

Eine zweite wichtige Voraussetzung für die Einführung von Collaborative BI ist die Verbesserung der Datenqualität. Dies kann durch die Einführung starker Data Governance-Regularien erreicht werden:

Dazu zählen

  • standardisierte Dateneingabeprotokolle,
  • regelmäßige Datenbereinigung
  • Validierungsverfahren
  • und klares Data Ownership, um die Verantwortlichkeiten aller Beteiligten zu klären

So kann eine hochwertige Datenqualität gewährleistet werden.

Moderne Datenmanagement-Tools automatisieren sogar die Fehlererkennung und -korrektur und reduzieren Inkonsistenzen damit erheblich. Grundsätzlich fördert auch die Kultur der Transparenz im Kontext von Collaborative BI eine offene Kommunikation über Daten-bezogene Probleme und gemeinsame Lösungsbemühungen, selbst wenn dies manuell geschieht.

Metadaten-Management & Datenkatalogisierung

Schließlich sind die Verwaltung von Metadaten und die Katalogisierung von Daten ein wesentlicher Aspekt, um den Zielzustand von Collaborative BI zu erreichen. Im Idealfall können Sie sogar beides miteinander kombinieren: Über APIs oder spezielle Metadaten-Repositories ist es möglich, SAP- oder Power BI-Metadaten in Ihren Datenkatalog zu integrieren oder daneben aufzubauen.

Wenn Sie einen Datenkatalog in Ihrem Unternehmen implementieren, sollte sichergestellt werden, dass dieser

  • jedem Mitarbeitenden zentral zugänglich ist (z.B. als Webapplikation),
  • eine intuitive Benutzeroberfläche bietet und (Meta-)Daten einfach verständlich darstellt, so dass Benutzer unterschiedlicher Fachhintergründe in der Lage sind, die Informationen zu verstehen,
  • Metadaten wie die Herkunft, die Verwendung und den Aufbau von Daten enthält, um auftretende Reporting-Fragen effizient und an Ort und Stelle beantworten zu können,
  • aktuelle (Meta-)daten anzeigt, um dem Titel „Single Point of Truth“ auch gerecht zu werden – denn veraltete Daten sind für die User irrelevant und entziehen dem Katalog seine Relevanz

Kontinuierliche Schulungen und Unterstützung der Mitarbeiter in Bezug auf die Bedeutung und Verwendung von Metadaten tragen dazu bei, dass die Metadaten im Sinne der Collaborative BI dazu beitragen können, effizientere und fundiertere Entscheidungen zu treffen.

Unternehmenskultur & Kommunikation

Nicht zuletzt sind es die Menschen, die ein Unternehmen ausmachen. Um die neue Kultur der Zusammenarbeit zu fördern, sollte das Management:

  • auf allen Ebenen des Unternehmens auf Transparenz setzen und aktiv den Austausch von Informationen und Erkenntnissen fördern,
  • regelmäßige Schulungen und Workshops durchführen, um die Datenkompetenz zu verbessern und sicherzustellen, dass alle Mitarbeitenden sich in ihrer Fähigkeit, zu BI-Initiativen beizutragen, sicher fühlen,
  • Teamarbeit und gemeinsame Problemlösungen anerkennen und belohnen
  • darüber hinaus sollt physisch Raum für Kollaboration geschaffen werden – an dezidierten Räumen zum Austausch im BI-Bereich sollte es nicht mangeln
 

4. Collaborative BI-Tools: Data Catalog trifft Metadaten-Repository

Wie im Artikel beschrieben, sind benutzerfreundliche Datenkataloge und Metadaten-Repositories zwei entscheidende Werkzeuge zur Umsetzung von Collaborative BI in Ihrem Unternehmen. Mit 16 Jahren Erfahrung in der BI Softwareentwicklung hat bluetelligence ein Tool entwickelt, das beides vereint: Unser Datenkatalog „Enterprise Glossary“ enthält sowohl Businessinformationen (Kennzahlen und Berichte) als auch die dazugehörigen Metadaten über angeschlossene SAP- und Power BI-Systeme. Er bietet ideale Voraussetzungen, um Collaborative BI umzusetzen durch:

  • einen zentralen Zugang zu allen Kennzahlen und Berichten im Unternehmen über den Webbrowser sowie den direkten Absprung dazu
  • verständlich aufbereitete Informationen, die technisch- und weniger technich Versierte verstehen können: fachliche Definitionen und Berechnungen sowie dazugehgörige technische Metadaten (Datenquelle, Datenherkunft, abhängige Kennzahlen usw.
  • eine benutzerfreundliche Suche und eine intuitiven Oberfläche
  • die automatische Synchronisierung aller verbundenen SAP- und Power BI-Systeme für stets aktuelle Informationen
  • die Bereitstellung von Kommunikationsfunktionen für Kommentare und Diskussionen
  • die Möglichkeit, Standardvorlagen zu verwenden oder die Glossareinträge vollständig an Ihre Bedürfnisse anzupassen
 
Glossareintrag im Data Catalog

Glossareintrag im Data Catalog „Enterprise Glossary“

 
DataLineage bluetelligence GmbH Was ist Collaborative BI und wie steigert es die Effizienz und Akzeptanz Ihrer Business Intelligence-Lösungen?

Data Lineage im Data Catalog „Enterprise Glossary“

Unser Data Catalog empowert damit Ihre Fachanwender, entlastet die IT und optimiert Daten-bezogene Prozesse und Kommunikation. Mehr Details zum Enterprise Glossary finden Sie auf www.enterprise-glossary.de.

Wenn Sie bereits einen Datenkatalog verwenden, darüber hinaus aber SAP- oder Power BI-Metadaten einbeziehen möchten, kann unsere API Sie dabei unterstützen. Mehr Infos zur API finden Sie auf www.bluetelligence.de/metadata-api.

Als BI Self-Service-Anbieter und Softwareentwickler im Bereich SAP Business & Analytics begegnen uns immer wieder „Zeitfresser“, also Prozesse aus dem Business Intelligence-Alltag, die sich wesentlich schneller lösen lassen würden. Dieser Beitrag behandelt die Abhängigkeit zwischen Fachbereichen, die mit Dashboards und Berichten arbeiten, und der IT, die ihrerseits Tickets bearbeitet, wenn es genau dort hakt. Er erörtert das Konzept BI-Self Service, das helfen kann, diese Prozesse zu beschleunigen und so Kosten, Zeit und Nerven zu sparen. Konkret geht es darum, Fachbereichen mithilfe von Data Cataloging Einblicke in die Metadaten ihrer Kennzahlen und Berichte zu gewähren – so wird die IT entlastet und das Business effizienter und handlungsfähiger.

Der Use Case: Meist ein Anzeigefehler im SAP-Dashboard

Man kennt’s: Dashboards (zum Beispiel SAC-Dashboards oder SAP Business Objects Dashboards) sollen Business Departments wie dem Controlling, Vertrieb, Supply Chain Management etc. eigentlich Überblick und Klarheit bringen – wenn sie dann aber falsche Werte oder Fehlermeldungen anzeigen, ist natürlich das Gegenteil der Fall. Ärgerlich ist das insbesondere, wenn das dem Fachbereich kurz vor einem Meeting auffällt, in dem das Dashboard gebraucht wird.

Häufig liegt der Fehler bei einer der verwendeten Kennzahlen im SAP-System – insbesondere, wenn diese sich aus mehreren weiteren Kennzahlen im System zusammensetzt, also eine „verschachtelte Kennzahl“ ist. Eine andere Bezeichnung, die häufig verwendet wird, ist die „berechnete Kennzahl“.

BI Self-Service bei SAP-Dashboards

Verschachtelte Kennzahlen haben ihre Tücken

Ein Beispiel aus dem Vertrieb: Die Kennzahl „Erwarteter Auftragseingang“ in einem Sales-Dashboard kann sich nämlich zum Beispiel aus vier bis sechs weiteren, ebenfalls verschachtelten Kennzahlen zusammensetzen- zum Beispiel aus der Verkaufswahrscheinlichkeit, den offenen Angeboten, und so weiter.

Herauszufinden, ob im SAP-System bei einer dieser vielen verwendeten Kennzahlen ein Fehler vorliegt, frisst verdammt viel Zeit.

Was genau hier so lange dauert? Solange der Fachbereich nur den Fehler im Dashboard feststellt, nicht aber einsehen kann, welche weiteren „Unter“-Kennzahlen die falsch angezeigte Kennzahl beinhaltet, kann er nur ein unspezifisches Support-Ticket bei der IT aufgeben. Diese muss dann auf Fehlersuche gehen und alles im Backend der Kennzahl im SAP-System beleuchten. Und da die IT bekanntlich nur so in Tickets schwimmt, wird das Problem noch eine Weile bestehen.

Wie versprochen geht es in diesem Artikel natürlich nicht nur um Probleme, sondern auch um Lösungen – und die Lösung in diesem Fall lautet BI Self-Service – genauer, Data Catalog. Und Treiberbaum. Aber von vorne:

Die Lösung: SAP-Metadaten im Data Catalog

Um Fachbereichen gleichermaßen Einblicke zu geben und der IT Arbeit abzunehmen, empfiehlt sich der Einsatz eines Data Catalogs, der auch den Durchblick bei SAP-Metadaten bietet – zumindest so aufbereitet, dass Fachbereiche die Inhalte einfach verständlich konsumieren können.

Unser Data Catalog, das Enterprise Glossary erstellt für jede Kennzahl der angeschlossenen SAP-Systeme automatisch Glossareinträge, in denen sowohl die fachliche Definition als auch ihre Berechnung mit allen involvierten Kennzahlen abgebildet ist. Mit der neuesten Enterprise Glossary-Funktion, dem „Treiberbaum“, wird die Formel sogar grafisch in einer Netzwerkgrafik dargestellt und bietet so eine einfach verständliche Übersicht über sämtliche Level der verschachtelten Kennzahl (siehe GIF).

So kann von Fachbereichen ohne Zugang zu SAP sofort nachvollzogen werden, welche Kennzahlen am Dashboard beteiligt sind. Wenn aus fachlicher Sicht schon hier eine falsche Berechnung vermutet wird, kann die IT viel gezielter – und wesentlich schneller – das Problem im Backend beheben. Der Data Catalog fungiert so als Bindeglied zwischen Fachbereichen und IT – und macht allen das Leben ein bisschen leichter. Neben der steigenden Mitarbeiterzufriedenheit sind für Budgetverantwortliche natürlich vor allem Kosten ein wichtiger Aspekt: Durch die eingesparte Zeit kann das Enterprise Glossary als BI Self-Service Tool mindestens 40.000€ im Jahr einsparen. Wie die Kostenersparnis anhand des aufgeführten Use Case mit Fehlern im Dashboard genau zustande kommt, sehen Sie in diesem Video:

 

Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.

Mehr Informationen

 

Fazit: Der Einsatz eines Datenkatalogs mit Anknüpfung an verwendete SAP-Systeme schafft einen BI Self Service-Point, der eine effizientere Zusammenarbeit zwischen Fachbereichen und der IT erlaubt – sei es bei Fehlersuchen in Dashboards, der Definition von Kennzahlen oder bei Fragen zu bereits bestehenden Berichten – zum Beispiel, welche Berichte bereits existieren, welche Datenquelle sie haben oder welche Kennzahlen Bestandteil der Query sind.