#infomotion

Um die Einführung von digitalen Innovationen weiter zu beschleunigen, bietet das Unternehmen SAP, SAP-Leonardo-Accelerator-Pakete, die auf bestimmte Branchen und Kernfunktionalitäten wie beispielsweise IoT zugeschnitten sind.

Unternehmen geht es darum, schnell neue datengetriebene Dienstleistungen und Geschäftsmodelle zu etablieren, das Kundenerlebnis zu verbessern, sowie Geschäftsprozessen effizienter zu machen. Doch ist oft nicht klar, welche Projekte sie konkret angehen wollen und welche Werkzeuge und Lösungen von SAP sie dabei unterstützen können. Die Accelerator-Pakete, kurz Accelerators, helfen dabei, in einem Design-Thinking-Prozess, aus dem Bereich SAP Digital Business Services gemeinsam neue Use-Cases zu entwickeln, bei denen die geschäftlichen Ziele mit Hilfe von SAP Leonardo unterstützt werden. Je nachdem wie tiefgreifend das Unternehmen seine Innovationsstrategie aufsetzen will, ist bereits nach acht Wochen, mit ersten Prototypen zu rechnen. Dabei kommen unter Anderem, beispielsweise Methoden und Technologien aus den Bereichen Big Data und Machine Learning zum Einsatz. 

Services wie SAP Machine Learning Foundation ermöglichen die Entwicklung, Integration und den Betrieb der Machine Learning Services, innerhalb der bestehenden SAP Architektur. Im Rahmen des SAP Business Hub, welcher als eine Art AppStore für Machine Learning APIs fungiert,  werden bereits integrierte Services für verschiedene Branchen wie z.B. für Finance zur Optimierung der internen Prozesse angeboten.

BI ist aber mehr - z.B. gehören zur Toolbox von BI Verfahren, die zur abteilungsübergreifenden Auswertung von Unternehmenskennzahlen dienen. Die Unternehmensführung kann so durch BI-Tools Reports ziehen, die aufzeigen, wie gut eine bestimmte Abteilung oder ein bestimmtes Werk im Zeitraum X gearbeitet hat. BI macht es also möglich den Erfolg bzw. die Profitabilität von z.B. Abteilungen zu reporten.

Wichtige Teile von BI sind z.B. das Data-Warehouse, OLAP (Online Analytical Processing) und Data Mining. Auf diese Begriffe werden wir hier im Blog noch näher eingehen – allgemein kann man aber sagen, dass man, um Analysen durchführen zu können, Daten aus einem Quellsystem extrahiert und im Anschluss konsolidiert und diese Daten dann schließlich in ein Data-Warehouse lädt. Anschließend werden die Daten aufbereitet bereitgestellt, so dass die Daten aussagekräftig sind und in Berichten verwendet werden können.

Welche Ziele hat BI?                         

Unternehmen betreiben BI natürlich nicht aus einem Selbstzweck heraus, sondern sehen hier einen wirtschaftlichen Nutzen. Ein Nutzen bzw. ein Ziel von BI ist es unterschiedliche Perspektiven auf das Unternehmen zu ermöglichen. So kann das Unternehmen z.B. einen Überblick über die Kunden und den Markt erlangen und evtl. Schlüsse daraus ziehen, die einen Wettbewerbsvorteil bedeuten.

Das große Ziel dabei ist es, die Entwicklung des eigenen Unternehmens zu analysieren – aber auch sich mit der Konkurrenz (Benchmarking) vergleichen zu können. Daraus kann dann das Management z.B. Rückschlüsse für das eigene unternehmerische Handeln ziehen. BI ist somit sehr wichtig für z.B. die Beurteilung von strategischen und operativen Maßnahmen und hat damit einen nicht gerade geringen Einfluss auf die Kostenentwicklung von Produkten und die Optimierung von Prozessen. (vgl. Institut für Business Intelligence: Verständnis von Business Intelligence Zugriff 12. August 2014)

Unterteilung von BI

BI kann in zwei Bereiche unterteilt werden – in den Bereich Datenanalyse und Advanced Analytics. Der Bereich Datenanalyse kümmert sich dabei um die Erfassung und Auswertung von Unternehmensdaten und hat ebenso einen Blick auf den Markt. Durch Datenanalyse kann das Unternehmen z.B. ein Feedback zu gelaufenen Marketingkampagnen abrufen und z.B. Informationen zum Kundenverhalten erheben. Diese Ergebnisse helfen dem Unternehmen bei der Ausrichtung und der Zieldefinition. Der zweite Bereich, die Advanced Analytics ist hier ein Blick in die Zukunft. Ziel der Advanced Analytics ist es die Marktentwicklung frühzeitig zu erkennen. Advanced Analytics und Data Mining arbeiten meist Hand in Hand – Ziel der Bemühungen ist es Gesetzmäßigkeiten in den Daten des Unternehmens aufzuspüren.