Agilität in der Informationsversorgung als Treiber

Für die Informationsversorgung der Entscheidungsträger in Unternehmen hat sich über die Jahre eine Reihe von Mechanismen etabliert. Beispielsweise werden für fest definierte Frequenzen Standardberichte mit fest definiertem Inhalt generiert. Darüber hinaus erlauben Management-Cockpits oder Dashboards häufig einen flexibilisierten Abruf vordefinierter Inhalte für Analysezwecke (z. B. Änderung des Zeitraumes, der Region oder der betrachteten Kennzahl).

Im klassischen BI Ansatz ist die Flexibilität der Fachanwender allerdings stark eingeschränkt. Dashboards bzw. Managementcockpits werden häufig durch die IT erstellt und mit den relevanten Informationen befüllt. Der Self-Service Ansatz ermöglicht es im Gegensatz dazu, dass Mitarbeiter aus Fachabteilungen die Aufgaben der Berichterstellung, -modifikation und -visualisierung zunehmend unabhängig von der zentralen IT durchführen können.

Die wesentlichen Treiber des Self-Service BI/Big Data Ansatzes resultieren stark aus den Veränderungen des Wettbewerbsumfeldes. In einer vom TDWI durchgeführten Studie sahen 65 % der Befragten die Veränderungsgeschwindigkeit des Geschäftsumfeldes als wesentlichen Grund für Self-Service-Ansätze.[1] Eine zentrale, vollständig durch die IT realisierte Informationsversorgung sahen die Befragten als nicht geeignet an, um die rasch wechselnden Anforderungen der Fachbereiche abdecken zu können. Hinzu kommt, dass die zentrale IT durch ständig neue technologische Entwicklungen ihrerseits hinsichtlich der eigenen Ressourcen anderweitig stark beansprucht ist.

Die gestiegene Komplexität im Wettbewerbsumfeld macht es zu dem erforderlich, dass der Bedarf an immer mehr und verschiedenartiger Analytik im Unternehmen dramatisch ansteigt. Diese zusätzliche Nachfrage ist durch die zentrale IT immer schwieriger abbildbar. Daher versuchen Unternehmen immer stärker die analytische Kompetenz unternehmensweit auf- und auszubauen. 54 % der Befragten der TDWI Studie sehen das Ziel einer "analytics-driven organization" als wesentliches Ziel von Self-Service-Ansätzen.[2]

Ein weiterer wesentlicher Treiber für Self-Service BI/Big Data ist der zunehmende Engpass bezüglich Know-how im Unternehmen und die Verfügbarkeit neuer geeigneter Mitarbeiter auf dem Markt.[3] Empirisch lässt sich dies sowohl für den Bereich der Erschließung von Datengrundlagen als auch den Bereich der Analytik feststellen.[4]

Self-Service-Konzepte verändern die Rollen

Die umfassende Einführung eines Self-Service BI/Big Data-Ansatzes führt zu einer deutlichen Verschiebung der traditionellen Rollen innerhalb der Informationswirtschaft. Sie bedingt – wie Abb. 4 veranschaulicht – insbesondere eine deutliche Ausweitung und Aufwertung der Rolle des Information Producers.

Abb. 4: Information Supply Chain und Rollen im Kontext von Self-Service BI/Big Data[5]

In klassischen BI/Big Data Ansätzen übernahm die zentrale IT weite Teile der Information Supply Chain – von der Auswahl der Informationsquellen, über die Bereitstellung der Informationsressourcen bis hin zur Erstellung von z. B. multidimensionalen Entscheidungsmodellen.

Im Rahmen von Self-Service BI/Big Data sollen Informationsproduzenten wie Business Analysten, technologieaffine Fachanwender oder eben auch das Controlling in die Lage versetzt werden, große Teile dieser Aufgaben zu übernehmen. Neben entsprechenden Governance Regelungen und dem Einsatz entsprechender Werkzeuge sind hierfür v. a. eine entsprechende Zusammenarbeit der IT mit den Informationsproduzenten (z. B. Bereitstellung von Business Sicht auf die Daten) sowie eine umfassende Entwicklung der informationellen Skills seitens der Informationsproduzenten erfolgskritisch.

[1] Vgl. Imhoff/White, 2011, S. 9 f.
[2] Vgl. Imhoff/White, 2011, S. 9f.
[3] Vgl. Zillmann, 2014, S. 15.
[4] Vgl. Seufert, 2014b.
[5] Seufert, 2016b.

Das ist nur ein Ausschnitt aus dem Produkt Finance Office Professional. Sie wollen mehr?


Meistgelesene beiträge