Begriff
Business Intelligence (BI)
Warum wichtig?
Dieser Begriff ist ein Knoten im SengakujiWorks-Wissensnetz. Nutze Level 0 für die erste Einordnung, Level 1 für Praxis, Level 2 für technische Struktur und Level 3 für Grenzen, Fallstricke und Expertenkontext.
Deine Firma hat Millionen von Daten:
Wer hat was gekauft?
Musterantwort: Beginne mit dem konkreten Fall, prüfe die Fakten und erkläre den Begriff daran. Für diesen Abschnitt gilt: Tools wie Power BI (Microsoft) oder Tableau sind die Stars. Früher mussten IT-Profis Berichte programmieren. Heute kann der Vertriebsleiter selbst "Self-Service BI" machen: Er zieht per Drag & Drop "Umsatz" und "Monat" zusammen und zack – eine Grafik erscheint.Wie viele Mitarbeiter sind krank?
Musterantwort: Beginne mit dem konkreten Fall, prüfe die Fakten und erkläre den Begriff daran. Für diesen Abschnitt gilt: Tools wie Power BI (Microsoft) oder Tableau sind die Stars. Früher mussten IT-Profis Berichte programmieren. Heute kann der Vertriebsleiter selbst "Self-Service BI" machen: Er zieht per Drag & Drop "Umsatz" und "Monat" zusammen und zack – eine Grafik erscheint.- Wie teuer war Strom letzten Monat? Diese Daten liegen verstaubt in Datenbanken. Business Intelligence (BI) ist die Taschenlampe, die Licht ins Dunkel bringt. Es verwandelt nackte Zahlen in bunte Dashboards (Tachos, Balkendiagramme). Der Chef sieht sofort: "Umsatz geht runter!" und kann reagieren.
Merksatz: Technologien und Verfahren zur Sammlung, Auswertung und Darstellung von Geschäftsdaten, um bessere Entscheidungen zu treffen.
Tools wie Power BI (Microsoft) oder Tableau sind die Stars. Früher mussten IT-Profis Berichte programmieren. Heute kann der Vertriebsleiter selbst "Self-Service BI" machen: Er zieht per Drag & Drop "Umsatz" und "Monat" zusammen und zack – eine Grafik erscheint.
1. ETL (Extract, Transform, Load)
Bevor man malen kann, müssen Daten geputzt werden.
- Extract: Hole Daten aus SAP, Salesforce und Excel.
- Transform: Bereinige sie ("USA" und "U.S.A." ist das gleiche Land).
- Load: Lade sie in ein Data Warehouse (zentraler Datentopf). Dieser Prozess frisst 80% der Zeit eines BI-Projekts.
2. Predictive Analytics
Klassisches BI ist der Rückspiegel: "Was ist letzte Woche passiert?" Modernes BI schaut nach vorne (mit KI): "Was wird nächste Woche passieren?" "Achtung, Kunde X wird wahrscheinlich kündigen (Churn Prediction)."
1. OLAP vs. OLTP
Datenbanken für den laufenden Betrieb (Webshop) nennt man OLTP (Online Transaction Processing). Sie sind hochoptimiert auf das schnelle Schreiben/Ändern einzelner Datensätze (Zeilen). BI-Analysen würden ein solches Live-System oft stundenlang völlig blockieren ("Zeig mir den durchschnittlichen Umsatz über alle 5 Milliarden Einkäufe der letzten drei Jahre!"). Das BI nutzt deshalb OLAP (Online Analytical Processing) oder Data Warehouses (wie Snowflake). Sie speichern Daten spaltenorientiert (columnar) statt zeilenweise. So können sie Milliarden Werte einer einzigen Spalte aggregieren ("SUM(revenue)"), in Sekundenbruchteilen, ohne in irrelevante Spalten "absteigen" zu müssen.
2. Star Schema und Fact Tables
Ein klassisches Datenbank Relationen-Modell (3. Normalform) ist oft viel zu verschachtelt und zu langsam (zu viele JOINs) für Analytics.
In einem ETL-Prozess transformiert man sie deshalb ins Star Schema.
Zentrum ist die Fact Table (die nackten Zahlen: sale_amount, date_id, product_id).
Rundherum liegen Dimension Tables (die Beschreibungen: Namen der Produkte, Orte, Kundendetails).
Es sieht optisch aus wie ein Stern. Der Nutzer zieht in Power BI Felder aus diesen flachen Dimensionen in Tabellen, und das System verknüpft sie rasend schnell mit der zentralen Faktentabelle im Hintergrund.
3. Self-Service vs. Semantic Layer
Wenn in einer riesigen Firma fünf Controller eigene Excel-/BI-Reports bauen, generieren sie fünf unterschiedliche Definitionen, wie "Gewinn" berechnet wird. Ergebnis: Meetings, in denen Leute über widersprüchliche Zahlen streiten. Deshalb entwirft die Data-Engineering Abteilung in Enterprise-Umgebungen heute einen Semantic Layer (z.B. dbt oder in Cube.js). Dieser Layer sitzt mittig vor der Datenbank und zwingt dem Unternehmen "eine einzige Quelle der Wahrheit" (Single Source of Truth) auf. Definiert wird: "Profit = Umsatz - Steuern". Jeder Controller klickt auf sein "Profit" Icon, und das darunterliegende Backend (SQL) und die Logik liefert deterministisch exakt die gleiche korrekte Formel zurück.
Quick-Check
Brauche ich BI für meinen Kiosk?
Dein Bauchgefühl reicht vielleicht. Aber wenn du wissen willst: "Welche Schokoriegel verkaufen sich bei Regen am besten?", dann ist das schon BI im Kopf.Ist Excel BI?
Ja, das "Ur-BI-Tool". Aber Excel stürzt bei 1 Million Zeilen ab und Updates sind manuell. Power BI kann Milliarden Zeilen verarbeiten und aktualisiert sich automatisch.Lügt BI?
"Traue keiner Statistik, die du nicht selbst gefälscht hast." Wenn die Datenbasis (Data Quality) schlecht ist, zeigt auch das schönste Dashboard Unsinn an.