Business Intelligence-Implementierung in Verbindung mit Scrum

Auch in diesem Jahr wollen wir unsere Blogserie zum Themenfeld Business Intelligence (BI) fortführen und über die neuesten Entwicklungen und Trends regelmäßig informieren.

In vorangegangenen Beiträgen haben wir bereits die Vorteile von BI für Kreditinstitute ausführlich beschrieben und eins, zwei, drei weit verbreitete BI-Tools vorgestellt.

In diesem Beitrag skizzieren wir den beispielhaften Ablauf einer BI-Implementierung. Die Beschreibung reicht von der Planung über die Durchführung bis zum Abschluss und geht auf wichtige Erfolgskriterien ein, die uns im Projektalltag begegnet sind. Denn der Erfolg eines BI-Projektes ist nicht allein von der technischen Umsetzung abhängig, sondern wird oftmals von vielen weiteren kritischen Faktoren beeinflusst.

Ein weiteres Augenmerk soll auf den Einsatz der agilen Projektmanagementmethodik Scrum gelegt werden. Es hat sich gezeigt, dass ein koordiniertes Vorgehen die Erfolgswahrscheinlichkeit eines BI-Projektes wesentlich erhöht.

Vor der eigentlichen Implementierung einer neuen BI-Lösung steht eine umfassende Vorbereitungs- und Planungsphase. Im ersten Schritt wird das BI-Projektes definiert und ein initialer grober Fahrplan entwickelt. Dabei ist sicherzustellen, dass die geplanten Tätigkeiten im Einklang mit der übergeordneten, langfristigen BI-Strategie stehen und in diese eingebunden sind. Das BI-Projekt soll keine kostenintensive Insellösung schaffen, sondern auf die Gesamttransformation des Instituts einzahlen. Es ist zu gewährleisten, dass das Projekt zur Erfüllung der in der BI-Strategie festgelegten strategischen Ziele, resultierend aus unterschiedlichen Betrachtungswinkeln (Fachlichkeit, Technologie/Architektur, Organisation), beiträgt.

Die abgestimmte Projektdefinition dient als Ausgangspunkt der nachfolgenden Detailanalyse/ -planung. Dabei werden die fachlichen und technischen Anforderungen sowie der Informationsbedarf der vers. Abteilungen (z.B. des Controllings) analysiert.

Neben den Anforderungen sind sowohl bereits vorhandene Visualisierungswerkzeuge als auch alle aktuell genutzten Berichte und Dashboards zu sichten. So können teure, unnötige Redundanzen vermieden werden. Zudem hat sich gezeigt, dass das frühe Involvement der Anwender später für eine höhere Akzeptanz sorgt. Dabei sollten die Arbeitsabläufe in den für die BI-Implementierung relevanten Abteilungen bei der Anforderungsanalyse nicht außer Acht gelassen werden.

Während der Detailanalyse ist zudem ein Augenmerk auf die im Institut vorhandene IT-Systemlandschaft zu legen, da das BI-System ein integrierter Bestandteil werden soll. Dabei sind insbesondere die verwendete Datenquellen, -strukturen sowie die eingesetzten Lade- und Transformationsprozesse entscheidend für die nachfolgende Planung. Weitere Punkte umfassen beispielsweise die Konzepte zur Stammdatenpflege oder die für die unternehmerische Steuerung und Planung genutzten Kennzahlen.

Vor Abschluss der Planungsphase ist es denkbar, weitere individuelle Faktoren zu berücksichtigen. Dazu gehören neben den für das Projekt zur Verfügung stehenden Ressourcen, die Unternehmensgröße, -struktur oder auch die Unternehmenskultur.

Die gesammelten Informationen fließen in die anstehende Toolauswahl ein. Mittlerweile finden sich unzählige verschiedene Tools und Anbieter auf dem Markt. Die Bandbreite reicht von einfacheren Tools die Reporting und Drill-Down Analysen erlauben bis zu komplexeren Lösungen die auch Datamining mithilfe von künstlicher Intelligenz ermöglichen. Die vers. angebotenen Tools unterscheiden sich zudem darin, bis zu welchem Grad Self-Service Reporting unterstützt wird. Self-Service Reporting ermöglicht es Entscheidungsträgern eines Unternehmens, ohne Unterstützung durch die IT und größtenteils unabhängig vom Controlling, ihren Informationsbedarf zu decken. Damit werden Geschwindigkeits- und Flexibilitätseinschränkungen umgangen. Die Technologie ist stark anwendergesteuert und stellt somit erhöhte technische und inhaltliche Ansprüche. Mithilfe der vorangegangenen Anforderungsanalyse ist es nun also möglich zu beurteilen, welche der am Markt angebotenen Lösungen am besten zum jeweiligen Unternehmen und dessen Use-Case passt.

Am Ende der Planungsphase steht eine abgeschlossene Toolauswahl und ein dedizierter Projektplan inkl. einzelner Teilprojekte und Meilensteine. Ggf. bietet es sich an, die getroffenen Annahmen im Rahmen eines Proof of Concepts (PoC) zu verifizieren.

Einer der größten Stolpersteine bei der Implementierung einer neuen BI-Lösung ist die Datenqualität und -menge. Untersuchungen haben ergeben, dass zwischen 5% und 20% aller im Unternehmen gespeicherten Daten fehlerhaft oder unbrauchbar sind. Daher ist es nicht verwunderlich, dass die Sicherstellung der Datenqualität zu den Hauptaufgaben des Projektteams gehört. Dies umfasst sowohl Maßnahmen zur Qualitätsverbesserung in den Quellsystemen also auch Transformations- und Mappingtätigkeiten, um die Verarbeitung unbrauchbaren Datensätze zu ermöglichen.

Die eigentliche Installation und Konfiguration der ausgewählten BI-Anwendung ist nur eine der vielfältigen Aufgaben im Rahmen der Implementierung. So sind unter anderem die logischen und physikalischen Dantenbanken und -modelle sowie die ETL-Prozesse (Extraktion, Transformieren, Laden) zu designen und zu realisieren. Im Anschluss können KPIs definiert und erste Dashboards und Reports erstellt werden.

Sowohl während der einzelnen Tätigkeiten als auch nach Erreichen wichtiger Meilensteine sind verschiedene fachliche und technische Tests durchzuführen.

Das Rollout der implementierten BI-Lösung stellt einen eigenen Prozess dar. Neben einem institutsweiten Deployment bietet es sich in vielen Fällen an, erst einzelne kleine Organisationseinheiten mit der neuen Lösung zu versorgen und ggf. einen User-Acceptance-Test durchzuführen. Im Rahmen des Go-Live sind zudem alle zukünftigen Anwender zu schulen, um sie zu befähigen, mit dem Tool - ohne IT-Unterstützung - arbeiten zu können (insbesondere bzgl. Self-Service Komponenten). Neben Schulungsaktivitäten gehören die praxisgerechte Dokumentation und der Support zu den abschließenden Aufgaben nach einem Go-Live.

Wie am beispielhaften Ablauf ersichtlich, können BI-Projekte mitunter sehr komplex sein. Der Einsatz der agilen Projektmanagementmethode Scrum hat sich dabei in der Praxis als gute Möglichkeit erwiesen, Struktur zu geben. Dabei handelt es sich bei Scrum um einen leichtgewichtigen und flexiblen Ansatz, der besonders im dynamischen Umfeld Vorteile gegenüber klassischen Projektmanagementmethodiken (wie z.B. Wasserfall-Modell mit sich bringt. Durch kontinuierliche Rückkopplung und kurze Iterationszyklen kann das BI-System schnell in Produktion genommen werden. Dabei werden Risiken im Projektprozess minimiert und auf Änderungsbedarfe kann frühzeitig und flexibel reagiert werden.

Für den Einsatz von Scrum-Prinzipien werden gewisse Rahmenbedingungen vorausgesetzt. Die Anpassungen im BI-Umfeld umfassen aber nicht nur das Vorgehensmodell und die Organisation, sondern auch Scrum selbst.Ein breiter Mix an Fähigkeiten innerhalb des Projektteams wirkt sich zudem positiv auf die Erfolgschancen einer BI-Implementierung aus. Die mit Scrum verbundenen klaren Rollenverteilungen und flachen Hierarchien sorgen dabei für eine engmaschige Kommunikation im Team.

Aus den Erfahrungen wurde deutlich, dass BI-Projekte durch eine gute Planung, eine intensive Anforderungsanalyse und ein strategisches Rollout in Verbindung mit Scrum erfolgreich sind.