Aktuelle Herausforderungen bei der Implementierung von Self-Service Business Intelligence

Im Rahmen von SSBI werden je nach Kenntnisstand mehr oder weniger komplexe Aufgaben an Business User übertragen. Alpar und Schulz (2016) unterscheiden drei Level von Self-Service: Auf dem niedrigsten Level treten Business User als Nutzer von Informationen auf, indem sie Zugang zu mehr (von BI-Experten bereitgestellten) Informationen bzw. Berichten erhalten und diese Berichte mit drill-down und -up Funktionen auf verschiedenen Aggregationsstufen (visuell/explorativ) analysieren können. Das zweite Level beinhaltet die Gewinnung von Informationen. Business User erhalten Zugriff auf nicht aggregierte (aber von BI-Experten aufbereitete) Daten und können damit selbst Berichte und Visualisierungen erstellen. Dabei besteht auch die Möglichkeit, fortgeschrittene Analyseverfahren (z. B. Predictive Analytics) durchzuführen. Auf dem dritten Level werden durch Business User neue Informationsquellen geschaffen. Hierfür sollen die Nutzer selbstständig neue, nicht von der IT aufbereitete Datenquellen nutzbar machen und bestehende Daten miteinander sowie mit den neuen Daten kombinieren. Die o. g. Autoren weisen jedoch darauf hin, dass bereits ab dem zweiten Level Risiken und Schwierigkeiten bei der Ausübung der definierten Aufgaben durch unbedarfte Business User bestehen.

Je nach Level bzw. Aufgaben benötigen Business User unterschiedlich stark ausgeprägte IT-Kenntnisse. Während auf Level eins lediglich die Fähigkeit zur Interpretation aufbereiteter Informationen bestehen muss, müssen in den fortgeschrittenen Leveln selbstständig Datenanalysen und -visualisierungen sowie ggf. Extract‑, Transform-, und Load-Prozesse (ETL/ELT) verschiedener Datenquellen durchgeführt werden. Dafür müssen die Business User die zugrundeliegenden Datenmodelle und -beziehungen, die Datenqualität sowie ggf. Grundlagen der Statistik erkennen bzw. verstehen (Alpar und Schulz 2016). Schlesinger und Rahman (2016) betonen in diesem Kontext, dass die Nutzer die semantische Ebene der zu nutzenden Datenquellen (z. B. des Data Warehouses) verstehen müssen. Johannessen und Fuglseth (2016) wiederum heben hervor, dass die Nutzer Kenntnisse bei der Datenmodellierung benötigen. Es ist naheliegend, dass nicht jeder Business User alle nötigen Kenntnisse für SSBI besitzt (Lennerholt et al. 2021). Daher wird die Implementierung von SSBI in einem Unternehmen Herausforderungen sowohl bei der Einbindung der User als auch der Aufteilung der Aufgaben zwischen Power und Business User aufweisen.

Lennerholt et al. (2018) erarbeiteten im Rahmen einer Literaturübersicht zehn Herausforderungen bei der SSBI-Implementierung (vgl. Tab. 1). Dabei unterscheiden sie zwischen Herausforderungen hinsichtlich dem Zugang und der Nutzung von Daten (sechs Herausforderungen) und der selbstständigen Nutzung der SSBI-Tools (vier Herausforderungen). Bezüglich der Daten wird einerseits auf Zugang (inkl. Abfragen und zugehörige Datenmodellierung), Qualität und einfache Analyse (1.1–1.3, 1.6) und andererseits auf das Datenmanagement und die Datenkontrolle und -Governance (1.4–1.5) fokussiert. Bei der selbstständigen Nutzung relevant sind die Gestaltung, Handhabung und Bereitstellung der Tools (2.1–2.3) sowie die Schulung der Nutzer (2.4).

Während die Literaturübersicht aus dem Jahr 2018 stammt, weisen die zugrundeliegenden inhaltlichen Quellen eine Veröffentlichungsbandbreite von 2011 bis 2016 auf.¹ Insofern stellt sich die Frage, wie sich die Herausforderungen seitdem beispielsweise aufgrund der Entwicklung der existierenden Tools verändert haben und wie sie in der Praxis in 2022 priorisiert werden.

Im Zuge der Interviews stellte sich heraus, dass es den Experten schwerfiel, einzelne, ähnliche Herausforderungen aus der Literatur voneinander abzugrenzen. Aus diesem Grund wurden in Tab. 3 u. a. die Herausforderungen 1.1 und 1.3 zu 1.a zusammengelegt. Ein leichter Zugang – auch mit Hilfe von Datenabfragen – und damit eine leichte Nutzung von Datenquellen durch die Business User stellt laut der Experten nach wie vor eine wesentliche Herausforderung für die SSBI-Implementierung dar. Insbesondere spiele die Integrierbarkeit von unstrukturierten und externen oder aus einem Data Lake stammenden Daten eine größer werdende Rolle, sei aber in aktuellen SSBI-Lösungen noch nicht (vollständig/problemlos) umsetzbar. Zwar würden solche Lösungen Schnittstellen bzw. vorkonfigurierte Abfragen (sog. Konnektoren) zu immer mehr verschiedenen Datenquellen anbieten, jedoch sei eine Anwendung und Analyse ohne spezifisches Wissen oftmals problembehaftet.

Die Herausforderung hinsichtlich der Datenauswahl und -qualität (1.2 bzw. 1.b) wurde in den Interviews mehrfach als die wichtigste bezeichnet. Neben den (fehlenden) Fähigkeiten der Business User zur Einordnung der Qualität von Daten wurden weitere Probleme genannt. Einerseits wurde angemerkt, dass die Verfahren zur Sicherstellung und Optimierung der Qualität von Datensätzen (z. B. mit Hilfe Künstlicher Intelligenz) noch nicht weit genug fortgeschritten seien. Andererseits stelle sich die Bewertung der Qualität unstrukturierter, qualitativer Datensätze als schwierig dar. Zudem wären Metadatenverzeichnisse und Bewertungen (z. B. Scores) zu Datensätzen hilfreich, würden jedoch selten existieren.

Dementsprechend wurde die Herausforderung 1.c zu Datenintegrität, -management und -Governance ebenfalls als relevant eingestuft. (Wie bei 1.a wurden die beiden ähnlichen Herausforderungen 1.4 und 1.5 zu 1.c zusammengefasst.) Grundsätzlich seien umfangreiche Zugriffsmöglichkeiten auf Daten im Unternehmen eine existenzielle Voraussetzung für BI, jedoch müsse eine umfassende Kontrolle und Governance der Daten aus Sicherheits- und Datenschutzgründen vorliegen. Dies gelte auch hinsichtlich der Sicherstellung der Datenqualität bzw. -integrität, damit Daten z. B. nur standardisiert erfasst und zentral gespeichert werden. Wird beispielsweise mit Hilfe eines Data Warehouse die einfache Nutzung (1.a) qualitativ hochwertiger Daten (1.b) ermöglicht, sollten auch ein Berechtigungsmanagement, Anonymisierungsmöglichkeiten und Governance-Standards implementiert werden.

Die Herausforderung 1.6 bzw. 1.d beschreibt die Notwendigkeit, dass insbesondere wenig fortgeschrittener Nutzer in der Lage sein müssen, Daten visuell darzustellen und zu analysieren. Intuitive Visualisierungsmöglichkeiten bieten laut der Experten für Business User einen Mehrwert gegenüber Altsystemen und ermöglichen schnelle Analysen. Gleichzeitig bestünde jedoch die Schwierigkeit, dass aus den gegebenen visuellen Möglichkeiten eine leichtfertige Verarbeitung von Daten und Trugschlüsse folgen können. Insofern müsse bei der Implementierung sowohl auf die visuellen Möglichkeiten als auch auf die zugehörigen Risiken geachtet werden (vgl. 2.a).

Laut einigen Experten stellen die benutzerfreundliche Gestaltung der SSBI-Tools (2.1) sowie der einfache Konsum von SSBI-Ergebnissen (2.2) keine Herausforderungen mehr dar. Die etablierten Software-Lösungen „könnte[n in der Handhabung] fast nicht mehr einfacher sein“ (E05). Aus Implementierungsperspektive können diese Herausforderungen folglich als gelöst eingestuft werden, weswegen 2.1 und 2.2 nicht in Tab. 3 überführt wurden.

Ebenso wurde von den Experten – weil alle etablierten Tools benutzerfreundlich seien – die Auswahl geeigneter SSBI-Tools (2.a) als wenig relevant eingestuft. Bezogen auf die Anwendergruppen besteht dennoch eine Herausforderung hinsichtlich der Auswahl: Prinzipiell empfahlen mehrere Experten, ein Tool für alle Anwender einzuführen, wiesen aber darauf hin, dass dies nur möglich sei, wenn alle Nutzer ausreichende IT-Fähigkeiten hätten. Insofern stellt die Abwägung zwischen der Beschränkung auf ein Tool und der Berücksichtigung unterschiedlicher Nutzergruppen bzw. IT-Fähigkeiten eine Implementierungsherausforderung dar.

Aus den Interviews mit den BI-Consultants ging hervor, dass Schulungen der Anwender (2.b) im Rahmen der SSBI-Implementierung durchgeführt werden und herausfordernd seien. Die Schulungen seien deshalb wichtig, damit die Business User wegen fehlender Kenntnisse nicht auf alte Systeme zurückgreifen. Besonders herausfordernd sei demnach, Anwender mit unterschiedlichen Vorkenntnissen und IT-Fähigkeiten an die Tools heranzuführen und zur dauerhaften Nutzung zu bewegen. Einzelne Experten wiesen zudem darauf hin, dass Einführungsschulungen besonders für Anfänger nicht ausreichten und stattdessen dauerhaft Ansprechpersonen (z. B. Data Stewards) bereitgestellt werden müssten.

Aus den Interviews konnten weitere, nicht aus der Literatur identifizierte Herausforderungen abgeleitet werden. Eine davon sind Abwägungen hinsichtlich der Kosten und Performance der SSBI-Lösung (3.a). Einerseits müssen die Kosten für die gesamte Lösung im Kontext der verschiedenen Software- und Beratungsanbieter ermittelt und miteinander verglichen werden. Hierbei müsse auch eruiert werden, wie viel Performance im Sinne der Serverkapazitäten und Rechenleistung benötigt wird. Andererseits müsse eine Kosten- und Performance-Abwägung hinsichtlich dem (gewünschten) Nutzerverhalten stattfinden: Werden große Datenmengen bereitgestellt und wird die Möglichkeit großer, unsachgemäßer Datenabfragen (ohne Filter) gegeben, können durch die Nutzung Zusatzkosten (oder Performance-Engpässe) entstehen, z. B. wenn Cloud-Lösungen verbrauchsabhängig abgerechnet werden.

Eine weitere Herausforderung stellt die Interkonnektivität zwischen den SSBI-Tools (3.b) verschiedener Anbieter dar. Dies betrifft laut Experten vor allem die verschiedenen Anwendungen im Verlauf des BI-Prozesses von der Datensammlung bis zur Visualisierung, also z. B. die Konnektivität zwischen ERP-System, Data Warehouse/Lake und Aufbereitungs‑, Analyse- und Visualisierungs-Tool. Daher muss bei der Implementierung von SSBI die Interkonnektivität mit den bestehenden Anwendungen im Unternehmen berücksichtigt werden.

Sowohl aus den zuvor genannten Herausforderungen als auch aus den Interviews lässt sich ableiten, dass die Bereitstellung einer passenden Systemarchitektur sowie Betreuung der Nutzer (3.c) existenziell ist. Dies betrifft das Datenmanagement und die Daten-Governance, das Berechtigungsmanagement, die Auswahl und Gewährleistung der richtigen Tools je Anwendergruppe und die dauerhafte Unterstützung der Business User. Während einzelne Aspekte im Rahmen anderer Herausforderungen bereits genannt wurden, wird unter 3.c die Gesamtheit des notwendigen Systems für SSBI und dessen Gestaltung subsumiert. Hierfür muss eine Implementierungsstrategie definiert werden, die die Aufteilung der Aufgaben zwischen Business und Power User (vgl. Abs. 2.1) und die dafür nötigen Voraussetzungen festlegt.

Aus den Studienergebnissen wird deutlich, dass sich die Implementierungsherausforderungen von 2018 (bzw. 2016) zu 2022 zum Teil gewandelt haben. Die etablierten SSBI-Tools sind in der Handhabung grundsätzlich benutzerfreundlich, sodass sich der Fokus auf folgende wesentliche Aspekte verschoben hat: auf die Daten selbst (‑zugang, -qualität, -management, -kontrolle), auf die heterogenen IT-Fähigkeiten der Business User und auf eine sinnvoll geplante und gestaltete Systemarchitektur inkl. Implementierungsstrategie, die die heterogenen IT-Fähigkeiten und Datensituation berücksichtigt.

Der Digitalstand der Unternehmen im DACH-Raum 2021 deckt sich mit den aufgedeckten Herausforderungen: Knapp die Hälfte der (befragten) Unternehmen verfügen über keinen strukturierten Ansatz zur Implementierung von Analytics-Anwendungen wie SSBI-Tools. 37 % der Unternehmen verfügen über keine Datenstrategie und 47 % über kein unternehmensweites Sicherheits- und Zugriffsmodell für Daten (Hewlett Packard Enterprise 19.10.2021). Insofern ist es naheliegend, dass der Fokus auf der strukturierten Einführung einer ganzheitlichen Daten‑, Sicherheits- und Systemarchitektur liegt.

Aus der Praxisperspektive stellt sich die Frage, wie eine konkrete SSBI-Implementierungsstrategie aussehen kann. Um dafür die heterogenen IT-Fähigkeiten der Business User einzuschätzen, bietet es sich im ersten Schritt an, eine Mitarbeiterbefragung zu den jeweiligen IT-Kenntnissen durchzuführen. Anhand der Ergebnisse kann die grundlegende Aufgabenverteilung zwischen Business und Power Usern, also ein abgestuftes Konzept mit verschiedenen Nutzerrollen, Zugriffsmöglichkeiten und Verantwortlichkeiten erarbeitet werden. Auf die individuellen Fähigkeiten kann eingegangen werden, indem sich Business User beispielsweise erst durch interne Zertifizierungen auf bestimmte Stufen des Daten- und Sicherheitskonzepts freischalten lassen können.

Einen wesentlichen Faktor bei der Implementierungsstrategie stellt die IT- und Datensituation im Unternehmen dar. Die o. g. Studie zum DACH-Raum legt nahe, dass die Unternehmenslandschaft grob zweigeteilt ist in Unternehmen mit grundsätzlich ausgereiften IT- und Datenstrukturen und solchen mit kaum vorhandener Struktur. Je nach der Situation im Unternehmen sollte die SSBI-Einführung eine unterschiedliche Zielsetzung aufweisen: Liegen ausgereifte Datenstrukturen (z. B. ein betreutes Data Warehouse) vor, können Business User mit strukturierten Teildatenmengen versorgt werden. Das Ziel ist, möglichst vielen Business Usern (innerhalb einer bestehenden Systemarchitektur) intuitive Analysen einfach zu ermöglichen. Zusätzlich können versierten Usern fortgeschrittene Rollen zugeteilt werden.

Bestehen wiederum keine ausgereiften Datenstrukturen und demnach auch keine vorbereiteten Datensätze, führt dies einerseits zu erhöhten Risiken hinsichtlich der Fehlinterpretation von Daten. Andererseits leidet u. U. wegen Überforderung der Business User die Akzeptanz und Nutzung der SSBI-Tools und damit auch das SSBI-Potenzial. Daher sollte in diesem Fall das Ziel sein, ausgewählte (z. B. IT-affine und motivierte) Business User zur selbstständigen Nutzung von SSBI (inkl. der Datensammlung und -transformation) zu bewegen und dementsprechend zu schulen. Diese User können dann die Datenarbeit der jeweiligen Fachabteilung maßgeblich übernehmen bzw. unterstützen. Dabei sollte eruiert werden, ob bei fehlendem Datensicherheitsmodell überhaupt einer großen Zahl an Mitarbeitern SSBI an die Hand gegeben werden sollte.

Hinsichtlich der Daten haben die Interviews eine Entwicklung von Data Warehouses mit kuratierten Daten hin zu Data Lakes u. a. mit unstrukturierten Rohdaten angedeutet. Der Vorteil hierbei ist, dass strukturierte und unstrukturierte Daten aus verschiedenen Systemen (z. B. ERP- und CRM-System) und Quellen (z. B. aus Social Media oder Geräten) zentral gespeichert, abgerufen und kombiniert werden können. Jedoch bedeutet dies für das Konzept SSBI, dass auch in Unternehmen mit ausgereiften Datenstrukturen die Herausforderungen für Business User und die zugehörigen Risiken zunehmen. Daher wird die Systemarchitektur noch wichtiger: Über ein zugeschnittenes Zugriffsmanagement und fest definierte Zugänge und Konnektoren werden Risiken minimiert und über eine konsistente Datenkategorisierung mittels Metadatenverzeichnisse wird das Verständnis erhöht. Eine dauerhafte Betreuung (z. B. durch Data Stewards) und auf die Nutzerrollen zugeschnittene Schulungen können das Risiko weiter senken.

Zusammenfassend lassen sich auf Basis der IT-Fähigkeiten der Mitarbeiter, Datensituation, Systemarchitektur und den bereitstehenden (finanziellen) Ressourcen folgende Optionen der Strategiegestaltung ableiten: a) weil keine ausreichenden Datenstrukturen vorliegen, wird IT-affinen Mitarbeitern eine Lösung für „Do-it-yourself“-SSBI an die Hand gegeben; b) weil strukturierte Daten (z. B. in einem Data Warehouse) vorliegen, kann auf Basis eines abgestuften Nutzerkonzepts vielen Business Usern SSBI zur (visuellen) Analyse vorbereiteter Daten angeboten werden; c) liegen z. B. in einem Data Lake auch unstrukturierte Daten vor, muss einerseits eine fortschrittliche Systemarchitektur und andererseits eine dauerhafte Betreuung der Business User gewährleistet sein. Dafür können Business User auf eine Vielfalt an Daten zugreifen miteinander kombinieren. Abb. 1 veranschaulicht die mögliche Vorgehensweise bei der Strategieentwicklung.

Die vorliegende Studie trägt zur Forschung bei, indem sie die teilweise Verschiebung des Fokus bei der SSBI-Implementierung dokumentiert. Dadurch wird der aktuelle Forschungsstand ergänzt und aktualisiert (vgl. Tab. 1 mit Tab. 3). Zukünftige Forschung sollte die Entwicklung der Herausforderungen weiter beobachten und untersuchen. Darüber hinaus wird im Vergleich mit einer aktuellen Veröffentlichung von Lennerholt et al. (2022) (allerdings nicht nur zu Implementierungs-, sondern allgemein zu SSBI-Herausforderungen) deutlich, dass die Herausforderungen hinsichtlich der Systemarchitektur auch seit 2018 nicht hinreichend berücksichtigt wurden: Die Autoren nennen fünf übergeordnete Herausforderungen, nämlich Datenzugang, Datenqualität, Nutzereigenständigkeit, Reporterstellung und SSBI-Schulung. Während diese Herausforderungen mit den Ergebnissen der vorliegenden Studie korrespondieren (1.a, 1.b, 2.a, 1.d, 2.b), fehlen Herausforderungen zur Implementierungsstrategie sowie zur Datenstruktur und Systemarchitektur. Insofern erweitert dieser Beitrag den aktuellen Forschungsstand.