Die 10 wichtigsten Begriffe in der BI

1. Datenbank

Eine Datenbank ist ein organisiertes System zur Sammlung, Speicherung und Verwaltung von Daten. Die Daten werden dabei in der Regel in Feldern, Datensätzen und Tabellen so organisiert, dass sie leicht zu finden und zu verwerten sind.
Eine solche Datenbank kann beispielsweise eine Kundenliste mit den jeweiligen Kontaktdaten speichern, sodass Mitarbeitende des Unternehmens die Kontaktinformationen schnell abrufen können, wenn dies nötig ist.
Datenbanken spielen in der Welt der Business Intelligence eine zentrale Rolle, da sie die Grundlage für die Datenspeicherung und -abfrage bilden, auf denen BI-Tools aufbauen.
Um Datenbanken zu verwalten werden verschiedene Managementsysteme verwendet. Diese werden DBMS (Database Management System) genannt. Sie speichern die Daten in einer Datenbank und bieten eine Möglichkeit, mit den Daten zu interagieren.

Beispiele für weit verbreitete Datenbanksysteme sind:

• Relationale Datenbanksysteme (RDBMS): Systeme wie MySQL, PostgreSQL, Oracle Database und Microsoft SQL Server, die auf dem relationalen Modell basieren.
• NoSQL-Datenbanken: Systeme wie MongoDB, Cassandra und Redis, die für bestimmte Anwendungsfälle optimiert sind und nicht auf dem relationalen Modell basieren.
  BI-Systeme basieren in der Regel auf relationalen Datenbanksystemen.

2. SQL

SQL (Structured Query Language) ist eine spezielle Programmiersprache, die für die Kommunikation mit relationalen Datenbanken entwickelt wurde. Sie ermöglicht es Benutzern, Datenbanken zu erstellen, zu verwalten und Abfragen durchzuführen. So wird SQL verwendet, um Daten abzurufen, zu aktualisieren, einzufügen und zu löschen, sowie um Datenbankobjekte wie Tabellen, Indizes und Ansichten zu definieren und zu manipulieren. Mit SQL können auch komplexe Abfragen formuliert werden, um bestimmte Datensätze zu selektieren, zu filtern und zu analysieren.

3. ETL / ELT

ETL ist ein grundlegender Prozess, der Daten aus verschiedenen Quellen extrahiert, sie transformiert und dann in ein Zielsystem lädt, wie z.B. ein Data Warehouse oder eine Datenbank.

• Extraktion: Daten werden aus unterschiedlichen Quellen wie Datenbanken, Dateien oder APIs extrahiert. Dies kann strukturierte Daten aus relationalen Datenbanken, unstrukturierte Daten aus Textdateien oder sogar halbstrukturierte Daten aus Webdiensten umfassen.
• Transformation: Die extrahierten Daten werden transformiert, um sie für die Analyse und Speicherung vorzubereiten. Dies beinhaltet oft das Bereinigen von Daten, das Entfernen von Duplikaten, das Anpassen von Datenformaten und das Hinzufügen von Berechnungen oder Aggregationen.
• Laden: Die transformierten Daten werden in das Zielsystem geladen, in dem sie für Analysen und Berichterstattung verwendet werden können. Dies kann in einem Data Warehouse, einem Data Lake oder einer anderen Datenbankplattform erfolgen.

Während bei einem ETL-Prozess die Daten vor dem Laden transformiert werden, ist bei einem ELT-Prozess die Reihenfolge umgekehrt, sodass die Rohdaten zunächst ins Zielsystem geladen werden und erst dort transformiert werden. Dies nutzt die grosse Rechenleistung moderner Data Warehouses und Big Data Plattformen.

4. Primary Key

Ein Primary Key (Primärschlüssel) ist eine Spalte oder eine Gruppe von Spalten in einer Datenbanktabelle, die eindeutig jedes Datenelement in dieser Tabelle identifizieren. Der Primärschlüssel hat zwei wichtige Eigenschaften: Eindeutigkeit und Unveränderlichkeit.

• Eindeutigkeit: Jeder Wert im Primärschlüssel muss eindeutig sein und darf nicht mehrfach in der Tabelle vorkommen. Dadurch kann jedes Datenelement eindeutig identifiziert werden.
• Unveränderlichkeit: Der Primärschlüsselwert eines Datenelements sollte sich nicht ändern, solange das Datenelement existiert. Dies gewährleistet die Konsistenz der Identifikation.

Der Primärschlüssel spielt eine wichtige Rolle bei der Datenbankverwaltung, da er die Integrität der Daten sicherstellt und als eindeutiger Verweis auf Datensätze fungiert. In relationalen Datenbanken wird der Primärschlüssel oft mit einem Index versehen, um den Zugriff auf die Daten effizienter zu gestalten. So wird sichergestellt, dass Beziehungen zwischen Datensätzen korrekt bleiben. 

5. Data Warehouse / Data Lake

Ein Data Warehouse ist eine zentrale Datenbank, die speziell für die Analyse und Berichterstellung konzipiert ist. Darin werden Daten aus verschiedenen operativen Systemen und externen Quellen in einer strukturierten und konsistenten Form gespeichert. Das Data Warehouse extrahiert dafür regelmässig Daten, die dann validiert, bereinigt, formatiert und mit bereits vorhandenen Informationen abgeglichen werden. So ermöglicht es komplexe Abfragen und Analysen, unterstützt die Entscheidungsfindung und liefert historische Daten für Trendanalysen. Die Daten werden in einem strukturierten Format wie Tabellen gespeichert und durch ETL-Prozesse regelmässig aktualisiert.
Im Vergleich dazu speichert ein Data Lake grosse Mengen an Rohdaten in ihrer nativen Form, einschliesslich strukturierter, semi-strukturierter und unstrukturierter Daten.

6. OLAP

OLAP ist der Kern der BI, denn es ist eine Technologie, die es Benutzern ermöglicht, grosse Mengen multidimensionaler Daten schnell und interaktiv zu analysieren. OLAP-Systeme unterstützen komplexe Abfragen und ermöglichen es, Daten aus verschiedenen Perspektiven zu betrachten, indem sie Daten in Würfeln (Cubes) organisieren, die verschiedene Dimensionen (z.B. Zeit, Geografie, Produkt) enthalten. Diese Struktur erleichtert es, Trends, Muster und Anomalien zu erkennen und fundierte Entscheidungen zu treffen. Typische OLAP-Operationen umfassen das Zusammenfassen (Roll-up), Detaillieren (Drill-down), Filtern (Slicing) und Drehen (Pivoting) von Daten.

7. Data Mining

Data Mining ist ein Prozess, mit dem Muster, Trends und Erkenntnisse in grossen Datenmengen mithilfe von statistischen und maschinellen Lernmethoden entdeckt werden können. Ziel des Data Mining ist es, verborgene Zusammenhänge und Beziehungen zwischen den Daten zu identifizieren, die dazu beitragen können, Vorhersagen zu treffen oder Entscheidungsfindungsprozesse zu verbessern. Typische Anwendungen von Data Mining umfassen die Segmentierung von Kunden, die Vorhersage von Trends, das Auffinden von Mustern in Verhaltensdaten oder die Erkennung von Anomalien oder Ausreissern. Data Mining wird häufig in Kombination mit anderen Analysetechniken wie maschinellem Lernen und statistischer Analyse eingesetzt, um wertvolle Erkenntnisse aus den Daten zu gewinnen.

8. Dashboard

Ein Dashboard ist eine grafische Benutzeroberfläche, die konsolidierte Daten, Kennzahlen und Leistungsindikatoren in Echtzeit oder periodisch aktualisiert darstellt. Dashboards dienen also der Datenvisualisierung und unterstützen die Entscheidungsfindung. Daher sind sie in der Regel so gestaltet, dass sie Benutzern einen schnellen und intuitiven Überblick über den aktuellen Status und die Leistung eines Unternehmens oder eines bestimmten Geschäftsbereichs ermöglichen. Die Anzeige in Grafiken und Diagrammen macht es besonders einfach, Beziehungen, Muster, Trends sowie den Fortschritt im Laufe der Zeit zu erkennen. Durch die Zusammenführung von Daten aus verschiedenen Quellen können Dashboards den Nutzern einen umfassenden Überblick geben. Dabei können die Dashboards an die Bedürfnisse der Nutzer angepasst werden.

9. KPI

Ein KPI ist eine messbare Kennzahl, die die Leistung eines Unternehmens, einer Abteilung oder eines Prozesses quantifiziert und bewertet. KPIs werden verwendet, um den Fortschritt auf dem Weg zu den Geschäftszielen zu verfolgen, Leistungstrends zu identifizieren, Stärken und Schwächen zu erkennen sowie den Erfolg von Initiativen oder Strategien zu bewerten. KPIs können in verschiedenen Bereichen eines Unternehmens eingesetzt werden, wie z.B. Vertrieb, Marketing, Finanzen oder Produktion, und werden typischerweise in Dashboards oder Berichten visualisiert, um Entscheidungsträgern eine schnelle und einfache Überwachung der Leistung zu ermöglichen.

10. Datenanalysen

Eine Datenanalyse ist der Prozess der systematischen Untersuchung von Daten, um daraus nützliche Informationen und Erkenntnisse zu gewinnen. Von deskriptiven Analysen, die Ihnen vergangene Ereignisse beschreiben, über diagnostische Analysen, mit deren Hilfe Sie die Ursachen von Ereignissen erkennen können, über prädiktive Analysen, die Ihnen zukünftige Ereignisse vorhersagen, bis hin zur präskriptiven Analyse, die Handlungsempfehlungen gibt, können BI-Systeme eine Vielzahl von Analysen ermöglichen. Detaillierte Informationen zu den verschiedenen Analysearten finden Sie hier.

Fazit

Business Intelligence verbessert die datengeschützte Entscheidungsfindung in Unternehmen durch den Einsatz verschiedener Konzepte und Technologien. Die Kenntnis von Begriffen wie Datenbank, SQL, ETL/ELT, Primärschlüssel, Data Warehouse/Data Lake, OLAP, Data Mining, Dashboard, KPI und Datenanalysen ist hilfreich, um BI-Software effektiv zu nutzen. Diese Begriffe bilden die Grundlage für die Sammlung, Integration, Analyse und Visualisierung von Daten, die Unternehmen helfen, wertvolle Erkenntnisse zu gewinnen und fundierte Entscheidungen zu treffen.
Für Unternehmen, die ihre BI-Kompetenzen auf das nächste Level heben möchten, bietet die Business Intelligence Software myPARM BI^act eine leistungsstarke und flexible Lösung. Die Software integriert verschiedene Datenquellen, bietet umfangreiche Analysefunktionen und ermöglicht die Erstellung von benutzerdefinierten Dashboards und Berichten.

Möchten Sie​ myPARM BI^act in einer Demonstration kennenlernen? Dann vereinbaren Sie gleich einen Termin!