Was liefert Ancud im Bereich Business Analytics?

Die Ancud IT-Beratung GmbH hat schlagkräftige Experten in allen Business Analytics Bereichen. Wir unterstützen Sie durch

  • Technologie- und Architekturberatung rund um Hadoop 
  • Produktberatung
  • fachliche Konzeption
  • Entwicklung von ETL-Prozessen
  • Umsetzung von Data-Warehouse- und BI-Projekten
  • Integration von Analytics-Lösungen und Geschäftsanwendungen
  • Schulungen und Trainings

Business Analytics umfasst mehrere Disziplinen rund um Quantifizierung und Automatisierung der Wertschöpfung in Unternehmen.

  • Klassische Business Intelligence liefert Unterstützung für strategische Entscheidungen durch belastbare Zahlen und Analysen
  • Process Intelligence unterstützt Unternehmen dabei, Geschäfts- und Fertigungsprozesse zu optimieren

Business Intelligence

Egal ob Vorstand, Geschäftsführer, Abteilungsleiter, Mitarbeiter - jeder braucht für seine Arbeit eine verlässliche und auf seine Anforderungen zugeschnittene Datengrundlage, um die richtigen Entscheidungen treffen zu können.


Business Intelligence (BI) Software kann – nach sorgfältiger Implementierung und Integration mit dem IT-System eines Unternehmens – automatisierte Instrumente bereitstellen, die entscheidungsrelevante Daten sammeln, aufbereiten und an die dafür bestimmten Personen verteilen. Abstrakte Unternehmens- und Wettbewerbsdaten werden durch die BI-Analyse in nutzbares Wissen umgewandelt. Damit lässt sich die Leistung von Organisationen nicht nur planen, steuern und kontrollieren, sondern auch gezielt optimieren. Dadurch können Kosten gesenkt, Risiken minimiert und Gewinne maximiert werden.

Ancud IT kombiniert die jeweils besten Open Source Lösungen aus den BI Bereichen:

  • ETL (Extract, Transform, Load),
  • OLAP (Online-Analytical-Processing),
  • Reporting,
  • Management-Dashboards,
  • Self-Service BI und Ad-Hoc-Analyse

zu Unternehmenssystemen, die genau auf Ihre Bedürfnisse zugeschnitten sind. Ob es nur darum geht, das wöchentliche Chaos mit hunderten Excel-Reports zu vermeiden oder um interaktive Ad-Hoc-Analyse-Möglichkeiten für den Fachbereich – all das ist einfacher möglich als Sie vielleicht denken.

Im Bereich der ETL-Entwicklung sind Talend und Pentaho DI bewährte Die Mondrian Engine leistet gute Dienste, um OLAP Cubes zur Verfügung zu stellen. Sie kommt sowohl im Report-Server von Pentaho als auch in Jaspersoft und Saiku zum Einsatz. Diese Cubes eignen sich sowohl für die Ad-Hoc-Analyse als auch für statisches Reporting und Management-Dashboards.

Zunehmend sollen Reports in bestehenden Webapplikationen direkt zur Verfügung stehen. Für diesen aufstrebenden Sektor des sogenannten Embedded Reporting sind die Engines Jaspersoft, BIRT und Pentaho geeignet. Häufig ist es aber vorteilhaft, die Reporting Funktionalität in einen getrennten Report Server auszugliedern und über Web Services zuzugreifen. Das unterstützen sowohl Pentaho als auch Visualize.js von Jaspersoft.

Business Intelligence und Data Warehouse

Das Data Warehouse (DWH) ist ein wichtiges Konzept in der Business Intelligence. Im DWH  werden bereinigte und hochqualitativ aufbereitete Daten dauerhaft abgelegt. Dieser Vorgang wird ETL genannt. Dabei werden Daten aus den operativen Systemen extrahiert und in eine Staging-Area geladen. Dort werden sie validiert, angereichert und in ein Data Warehouse Schema transformiert, um anschließend in das Data Warehouse geladen zu werden. Aus dem DWH werden häufig unabhängige Data Marts befüllt, die als Teilausschnitt des DWH einzelne Analysen für gezielte Fachbereiche ermöglichen.
Es gibt dabei verschiedene konkurrierende Ansätze, die alle ihre Berechtigung haben und in verschiedenen Szenarien zum Einsatz kommen:

  • Data Warehouse mit Conformed Dimensions nach Ralph Kimball: Hier wird auf das auf analytische Stern-Schemas bereits im DWH und nicht erst im Data Mart gesetzt.
  • Enterprise Data Warehouse nach Bill Inmon: Dabei ist das DWH größtenteils normalisiert. Ein Großteil der Datenaufbereitung findet erst auf dem Weg zum Data Mart statt.
  • Data Vault nach Dan Linstedt: Dieses völlig eigenständige Konzept ist darauf ausgerichtet, die volle Historie aller Daten mitzuspeichern und technisch gut parallelisierbar zu sein. Das macht es gerade im Big Data Bereich populär. Auch hier ist die Generierung der Data Marts mit einer Transformation verbunden.
  • Anchor Modeling nach Lars Rönnbäck: Hier wird besonderer Fokus auf die Abbildung von Änderungen in Struktur und Daten gelegt.

Das Konzept eines DWH hat sich jahrzehntelang bewährt und verfeinert. Es lässt sich auf viele Einsatzszenarien übertragen und ist daher universell einsetzbar. Ein paar Beispiele:
Finanz-Kennzahlensystem,

  • Verkaufs-Kennzahlen für Shop-Systeme,
  • Inventar-Tracking,
  • Auftrags-Abwicklung und Kunden-Performance,
  • Zugriffsstatistiken z.B. für Websites,
  • Logfile-Analyse oder
  • die Auswertung technischer Fertigungsprozesse
  • u.v.m.

Durch die Wahl der richtigen Technologie lässt sich aus einem DWH noch mehr herausholen. Insbesondere spaltenbasierte In-Memory-Datenbanken wie Infobright oder Exasol sind auf diesen Zweck optimiert und erreichen Performances, von denen man mit klassischen Systemen nur träumen kann.

Im Zuge des Big Data Trends stehen Unternehmen vor neuen Herausforderungen. Beispielsweise sollen Geschäftsdaten mit dem höchstmöglichen Detailgrad bis weit in die Vergangenheit hinein vorrätig gehalten werden und dabei für Anwendungen der Business Intelligence aktiv abfragbar sein. Mit klassischen Datenbanken ist das weder technisch noch wirtschaftlich sinnvoll. Um Big Data Lösungen wie Hadoop dafür sinnvoll einsetzen zu können, ist ein leistungsstarkes Data Blending oder eine Streamlined Data Refinery – wie sie Pentaho bietet – ein erfolgreicher Weg. So können Fachanwender in den Genuss von Big Data Auswertungen kommen, ohne sich im Alltag um technischen Details kümmern zu müssen.

Process Intelligence

Process Intelligence ist die Anwendung quantitativer Methoden zur Prozessanalyse und -optimierung. Eng damit verwandt ist der Begriff des Process Mining.
Gerade in verteilten, Service-orientierten Architekturen lassen sich mit Service Activity Monitoring wertvolle Daten über die eigenen Prozesse gewinnen. Bei Einsatz einer Geschäftsprozessengine haben Prozesslogs noch mehr Qualitat. Dadurch eröffnen sich weitere Möglichkeiten für ein umfassendes Business Activity Monitoring.

Predictive Analytics

Predictive Analytics Software wie rapidminer erschließt Data Mining und Machine Learning Algorithmen für den Unternehmenseinsatz. So lassen sich Modelle mit Vorhersagekraft generieren. Beispiele für Anwendungsfälle:

  • Customer Churn Analysen,
  • Empfehlungssysteme,
  • Predictive Maintenance,
  • Kundensegmentierung,
  • personalisiertes Realtime-Marketing,
  • Sentiment Analyse,
  • Klassifizierung von Dokumenten oder Nachrichten,
  • Realtime-Pricing,
  • u.v.m.

Modern Analytics

Modern Analytics geht noch einen Schritt weiter und verquickt Business und Vorhersagemodell. Das Business wird datengetrieben. So werden Reaktionen auf Marktentwicklungen noch schneller möglich.
Das wird erreicht durch die Integration prädiktiver Modelle mit Business-Applikationen. Der Business-User kann im laufenden Betrieb Einfluss auf das System nehmen und das System steuert problemangepasst durch ein Vorhersagemodell Geschäftsprozesse.

Wir beraten Sie gerne, bitte kontaktieren Sie uns!

...den Wald vor lauter Bäumen... Behalten Sie den Überblick!

erfahren sie mehr

...den Wald vor lauter Bäumen... Behalten Sie den Überblick!

erfahren sie mehr