Self-Service Business Intelligence - Versionsgeschichte

Salis.Matteo am 4. Dezember 2020 um 09:57 Uhr

2020-12-04T09:57:06Z

← Nächstältere Version		Version vom 4. Dezember 2020, 11:57 Uhr
Zeile 156:		Zeile 156:

	[[Kategorie: Collaboration]]		[[Kategorie: Collaboration]]
			[[Kategorie:Digital Controlling]]

Salis.Matteo: /* Nutzen & Möglichkeiten */

2020-10-28T16:35:32Z

Nutzen & Möglichkeiten

← Nächstältere Version		Version vom 28. Oktober 2020, 18:35 Uhr
Zeile 40:		Zeile 40:
	Mithilfe von SSBI-Tools können Nutzende Daten filtern, sortieren, analysieren, visualisieren und personalisieren, ohne die BI- und IT-Teams der eigenen Organisation zu involvieren.		Mithilfe von SSBI-Tools können Nutzende Daten filtern, sortieren, analysieren, visualisieren und personalisieren, ohne die BI- und IT-Teams der eigenen Organisation zu involvieren.

	Weitere Vorteile sind automatisch erstellte Reportings die schnellere, geografisch und zeitlich unabhängige Zugänge zu den aufbereiteten Daten ermöglichen. Folgeaktionen der Entscheidungsträger können entsprechend schneller gefällt und umgesetzt werden (Schäffer & Weber, 2016)		Weitere Vorteile sind automatisch erstellte Reportings, die schnellere, geografisch und zeitlich unabhängige Zugänge zu den aufbereiteten Daten ermöglichen. Folgeaktionen der Entscheidungsträger können entsprechend schneller gefällt und umgesetzt werden (Schäffer & Weber, 2016)

	Durch den Einsatz von Mobile BI ist auch der Zugriff und die Nutzung von Informationen über mobile Geräte gewährleistet.		Durch den Einsatz von Mobile BI ist auch der Zugriff und die Nutzung von Informationen über mobile Geräte gewährleistet.

Salis.Matteo: /* Technische Herausforderungen */

2020-10-28T16:30:50Z

Technische Herausforderungen

← Nächstältere Version		Version vom 28. Oktober 2020, 18:30 Uhr
Zeile 59:		Zeile 59:

	=== Technische Herausforderungen ===		=== Technische Herausforderungen ===
	Das ~~Daten Management~~ ist eine der Hauptherausforderungen, um SSBI überhaupt erst zu ermöglichen. Granulare, fehlerfreie Roh- und Stammdaten sind die unabdingbare Grundlage eines jeden Systems. Gemäss Schäffer und Weber (2016) müssen Controller «sicherstellen, dass die Hoheit über das Management finanzieller und nicht-finanzieller Roh- und Stammdaten im Controlling liegt». Die technischen Details hierzu sind Untersuchungsgegenstand des Themas [[Big Data]]; während die Aspekte der Sicherheit, Integrität und Verwendbarkeit der Daten mit dem Begriff der Data Governance umschrieben werden (Keimer et al., 2017, S. 829; Alpar & Schulz, 2016, S. 154).		Das Datenmanagement ist eine der Hauptherausforderungen, um SSBI überhaupt erst zu ermöglichen. Granulare, fehlerfreie Roh- und Stammdaten sind die unabdingbare Grundlage eines jeden Systems. Gemäss Schäffer und Weber (2016) müssen Controller «sicherstellen, dass die Hoheit über das Management finanzieller und nicht-finanzieller Roh- und Stammdaten im Controlling liegt». Die technischen Details hierzu sind Untersuchungsgegenstand des Themas [[Big Data]]; während die Aspekte der Sicherheit, Integrität und Verwendbarkeit der Daten mit dem Begriff der Data Governance umschrieben werden (Keimer et al., 2017, S. 829; Alpar & Schulz, 2016, S. 154).

	In Bezug auf SSBI liegt die grösste technische Herausforderung im Bereich der Benutzerfreundlichkeit (Schäffer, 2018 S. 33). Die Analyse der Daten muss auch ohne vertiefte Kenntnisse der IT-Struktur möglich sein und Betrachtungen auf verschiedenen Aggregationsstufen möglichst intuitiv zur Verfügung stehen (Röniger, 2018, S. 16).		In Bezug auf SSBI liegt die grösste technische Herausforderung im Bereich der Benutzerfreundlichkeit (Schäffer, 2018 S. 33). Die Analyse der Daten muss auch ohne vertiefte Kenntnisse der IT-Struktur möglich sein und Betrachtungen auf verschiedenen Aggregationsstufen möglichst intuitiv zur Verfügung stehen (Röniger, 2018, S. 16).

Salis.Matteo: /* Kulturelle Herausforderungen */

2020-10-28T16:28:54Z

Kulturelle Herausforderungen

← Nächstältere Version		Version vom 28. Oktober 2020, 18:28 Uhr
Zeile 71:		Zeile 71:
	Zudem besteht die Gefahr, Key Performance Indicators (KPI) nicht definitionsgemäss anzuwenden. Genau abgegrenzte, klar definierte KPIs bilden einen zentralen Aspekt eines jeden SSBI (Schäffer, 2018, S. 34).		Zudem besteht die Gefahr, Key Performance Indicators (KPI) nicht definitionsgemäss anzuwenden. Genau abgegrenzte, klar definierte KPIs bilden einen zentralen Aspekt eines jeden SSBI (Schäffer, 2018, S. 34).

	Im sich ständig verändernden Arbeitsumfeld des Controllings werden Aufgabeninhalte und Arbeitsabläufe konstant erneuert (Kneip & Brüggemann, 2018, S. 58). Dies wird nicht von allen Mitarbeitenden gutgeheissen und kann mit der ständigen Forderung nach weniger Berichterstellung und mehr Analysetätigkeit zu Demotivation der Mitarbeitenden führen. Es ist deshalb wichtig, dass Führungskräfte die Rolle des Controllers im Sinne eines Kontextgestalters so darlegen (Schäffer & Weber, 2016), dass die Mitarbeitenden nicht nur extrinsisch, sondern auch intrinsisch motiviert werden (Kneip & Brüggmann, 2018, S. 59). Bei fortschreitender technischer Unterstützung der Analysetätigkeit können Mitarbeitende auch um ihre Arbeitsstelle fürchten. Die Herausforderung liegt also auch darin, den Mitarbeitenden aufzuzeigen, dass die fortschreitende Technologisierung den Menschen nicht überflüssig macht, wohl aber seine Rolle grundlegend beeinflusst. Der Mensch ist nicht mehr für die routinemässige Datenbeschaffung und -aufbereitung zuständig, sondern muss ~~Entscheidungen~~, Kreativität und ~~ein~~ Geschäftsverständnis mitbringen, um den Datenanalyseprozess zu optimieren (Röniger, 2018, S. 22).		Im sich ständig verändernden Arbeitsumfeld des Controllings werden Aufgabeninhalte und Arbeitsabläufe konstant erneuert (Kneip & Brüggemann, 2018, S. 58). Dies wird nicht von allen Mitarbeitenden gutgeheissen und kann mit der ständigen Forderung nach weniger Berichterstellung und mehr Analysetätigkeit zu Demotivation der Mitarbeitenden führen. Es ist deshalb wichtig, dass Führungskräfte die Rolle des Controllers im Sinne eines Kontextgestalters so darlegen (Schäffer & Weber, 2016), dass die Mitarbeitenden nicht nur extrinsisch, sondern auch intrinsisch motiviert werden (Kneip & Brüggmann, 2018, S. 59). Bei fortschreitender technischer Unterstützung der Analysetätigkeit können Mitarbeitende auch um ihre Arbeitsstelle fürchten. Die Herausforderung liegt also auch darin, den Mitarbeitenden aufzuzeigen, dass die fortschreitende Technologisierung den Menschen nicht überflüssig macht, wohl aber seine Rolle grundlegend beeinflusst. Der Mensch ist nicht mehr für die routinemässige Datenbeschaffung und -aufbereitung zuständig, sondern muss Entscheidungsfähigkeit, Kreativität und Geschäftsverständnis mitbringen, um den Datenanalyseprozess zu optimieren (Röniger, 2018, S. 22).

	=== Organisatorische Herausforderungen ===		=== Organisatorische Herausforderungen ===

Salis.Matteo: /* Zugriff auf Informationen */

2020-10-28T16:23:39Z

Zugriff auf Informationen

← Nächstältere Version		Version vom 28. Oktober 2020, 18:23 Uhr
Zeile 15:		Zeile 15:

	=== Zugriff auf Informationen ===		=== Zugriff auf Informationen ===
	Auf der Stufe, welche die tiefste Selbstständigkeit der Nutzenden sowie die geringste Systemunterstützung voraussetzt, ermöglicht man den Nutzenden im SSBI den Zugriff auf, von der IT oder dem Controlling vorgefertigte, Reports. Auf dieser «Einstiegsstufe» bedürfen die Nutzenden nicht über spezifisches BI-Wissen, um die Daten auswerten zu können. Je nach Ausprägung können oder müssen die Nutzenden gewisse Parameter oder Filterkriterien selbst setzen bevor die Auswertungen verwendet werden können. Etwas weiter reichen die Drill-down-Funktionen, welche in den meisten SSBI Frontend-Systemen angeboten werden. Dabei starten die Nutzenden ihre Betrachtung auf einem hohen Aggregationsniveau und können die Analyse nach Details aufschlüsseln.		Auf der Stufe, welche die tiefste Selbstständigkeit der Nutzenden sowie die geringste Systemunterstützung voraussetzt, ermöglicht man den Nutzenden im SSBI den Zugriff auf von der IT oder dem Controlling vorgefertigte Reports. Auf dieser «Einstiegsstufe» bedürfen die Nutzenden nicht über spezifisches BI-Wissen, um die Daten auswerten zu können. Je nach Ausprägung können oder müssen die Nutzenden gewisse Parameter oder Filterkriterien selbst setzen bevor die Auswertungen verwendet werden können. Etwas weiter reichen die Drill-down-Funktionen, welche in den meisten SSBI Frontend-Systemen angeboten werden. Dabei starten die Nutzenden ihre Betrachtung auf einem hohen Aggregationsniveau und können die Analyse nach Details aufschlüsseln.

	=== Kreieren von Abfragen ===		=== Kreieren von Abfragen ===

Salis.Matteo: /* Organisatorische Herausforderungen */

2020-10-28T16:21:26Z

Organisatorische Herausforderungen

← Nächstältere Version		Version vom 28. Oktober 2020, 18:21 Uhr
Zeile 78:		Zeile 78:
	In Bezug auf die Datenintegrität (siehe Data Governance) müssen auf organisatorischer Ebene sowohl Administrator- als auch Zugriffsrechte geklärt werden (Alpar & Schulz, 2016, S. 154). Verschiedene SSBI Einführungen haben gezeigt, dass es erfahrungsgemäss sinnvoll sein kann, dass lediglich die Controlling-Abteilung Zugang zu einem kompletten Self-Service Tool hat, während andere Abteilungen (inkl. des Managements) über Standardreports verfügen können (Schäffer, 2018, S. 33; Alpar & Schulz, 2016, S. 154).		In Bezug auf die Datenintegrität (siehe Data Governance) müssen auf organisatorischer Ebene sowohl Administrator- als auch Zugriffsrechte geklärt werden (Alpar & Schulz, 2016, S. 154). Verschiedene SSBI Einführungen haben gezeigt, dass es erfahrungsgemäss sinnvoll sein kann, dass lediglich die Controlling-Abteilung Zugang zu einem kompletten Self-Service Tool hat, während andere Abteilungen (inkl. des Managements) über Standardreports verfügen können (Schäffer, 2018, S. 33; Alpar & Schulz, 2016, S. 154).

	Bei geschäftsstellenübergreifenden Entscheidungen ist es unabdingbar, eine SSBI Governance festzulegen~~, sprich~~ auf organisatorischer Ebene vorgängig ~~zu klären~~, welche Standardauswertungen als Grundlage für den Entscheidungsfindungsprozess dienen, um alle Beteiligten auf die gleiche Verhandlungsbasis zu setzen (Weber & Wiegmann, 2018, S. 27).		Bei geschäftsstellenübergreifenden Entscheidungen ist es unabdingbar, eine SSBI Governance festzulegen. Dabei muss auf organisatorischer Ebene vorgängig abgeklärt werden, welche Standardauswertungen als Grundlage für den Entscheidungsfindungsprozess dienen, um alle Beteiligten auf die gleiche Verhandlungsbasis zu setzen (Weber & Wiegmann, 2018, S. 27).

	=== Strategische Herausforderungen ===		=== Strategische Herausforderungen ===

Salis.Matteo: /* Technische Herausforderungen */

2020-10-28T16:19:31Z

Technische Herausforderungen

← Nächstältere Version		Version vom 28. Oktober 2020, 18:19 Uhr
Zeile 59:		Zeile 59:

	=== Technische Herausforderungen ===		=== Technische Herausforderungen ===
	Das Daten Management ist eine der Hauptherausforderungen, um SSBI überhaupt erst zu ermöglichen. Granulare, fehlerfreie Roh- und Stammdaten sind die unabdingbare Grundlage eines jeden Systems ~~und gemäss~~ Schäffer und Weber (2016) müssen Controller «sicherstellen, dass die Hoheit über das Management finanzieller und nicht-finanzieller Roh- und Stammdaten im Controlling liegt». Die technischen Details hierzu sind Untersuchungsgegenstand des Themas [[Big Data]]; während die Aspekte der Sicherheit, Integrität und Verwendbarkeit der Daten mit dem Begriff der Data Governance umschrieben werden (Keimer et al., 2017, S. 829; Alpar & Schulz, 2016, S. 154).		Das Daten Management ist eine der Hauptherausforderungen, um SSBI überhaupt erst zu ermöglichen. Granulare, fehlerfreie Roh- und Stammdaten sind die unabdingbare Grundlage eines jeden Systems. Gemäss Schäffer und Weber (2016) müssen Controller «sicherstellen, dass die Hoheit über das Management finanzieller und nicht-finanzieller Roh- und Stammdaten im Controlling liegt». Die technischen Details hierzu sind Untersuchungsgegenstand des Themas [[Big Data]]; während die Aspekte der Sicherheit, Integrität und Verwendbarkeit der Daten mit dem Begriff der Data Governance umschrieben werden (Keimer et al., 2017, S. 829; Alpar & Schulz, 2016, S. 154).

	In Bezug auf SSBI liegt die grösste technische Herausforderung im Bereich der Benutzerfreundlichkeit (Schäffer, 2018 S. 33). Die Analyse der Daten muss auch ohne vertiefte Kenntnisse der IT-Struktur möglich sein und Betrachtungen auf verschiedenen Aggregationsstufen möglichst intuitiv zur Verfügung stehen (Röniger, 2018, S. 16).		In Bezug auf SSBI liegt die grösste technische Herausforderung im Bereich der Benutzerfreundlichkeit (Schäffer, 2018 S. 33). Die Analyse der Daten muss auch ohne vertiefte Kenntnisse der IT-Struktur möglich sein und Betrachtungen auf verschiedenen Aggregationsstufen möglichst intuitiv zur Verfügung stehen (Röniger, 2018, S. 16).

Salis.Matteo am 28. Oktober 2020 um 16:17 Uhr

2020-10-28T16:17:09Z

← Nächstältere Version		Version vom 28. Oktober 2020, 18:17 Uhr
Zeile 1:		Zeile 1:
	{{Geprueft\|+}}		{{Geprueft\|+}}

	Self-Service Controlling oder auch Self-Service Business Intelligence (Abk. SSBI) ermöglicht Anwendenden, intuitiv aktuelle Unternehmensinformationen eigenständig aufzubereiten und zu analysieren (Weber & Wiegmann, 2018). Das Abgrenzungsmerkmal zu einem klassischen BI-System liegt darin, dass die Nutzenden Aufgaben, welche vormals bei der IT angesiedelt waren, selbst übernehmen (Geist et al., 2013, S. 48). Mithilfe neuer Technologien sind Daten aus verschiedenen Quellen innert kürzester Zeit aufbereitet und stehen den Mitarbeitenden für weitere Untersuchungen zur Verfügung. Die Mitarbeitenden der Fachabteilungen werden somit befähigt, die benötigten Analysen (bspw. Ad-hoc Abfragen oder regelmässig verwendete Dashboards) unabhängig von der IT oder dem Controlling auszuführen. Oftmals werden in den Abteilungen bestimmte Mitarbeitende zu sogenannten Power-Usern definiert. Diese können Analysen durchführen, welche über den Standard hinausgehen (Schön, 2016, S. 152).		Self-Service Controlling oder auch Self-Service Business Intelligence (Abk. SSBI) ermöglicht Anwendenden, intuitiv aktuelle Unternehmensinformationen eigenständig aufzubereiten und zu analysieren (Weber & Wiegmann, 2018). Das Abgrenzungsmerkmal zu einem klassischen [[Business Intelligence\|BI]]-System liegt darin, dass die Nutzenden Aufgaben, welche vormals bei der IT angesiedelt waren, selbst übernehmen (Geist et al., 2013, S. 48). Mithilfe neuer Technologien sind Daten aus verschiedenen Quellen innert kürzester Zeit aufbereitet und stehen den Mitarbeitenden für weitere Untersuchungen zur Verfügung. Die Mitarbeitenden der Fachabteilungen werden somit befähigt, die benötigten Analysen (bspw. Ad-hoc Abfragen oder regelmässig verwendete Dashboards) unabhängig von der IT oder dem Controlling auszuführen. Oftmals werden in den Abteilungen bestimmte Mitarbeitende zu sogenannten Power-Usern definiert. Diese können Analysen durchführen, welche über den Standard hinausgehen (Schön, 2016, S. 152).

	== Voraussetzungen ==		== Voraussetzungen ==

Salis.Matteo am 28. Oktober 2020 um 16:16 Uhr

2020-10-28T16:16:32Z

← Nächstältere Version		Version vom 28. Oktober 2020, 18:16 Uhr
Zeile 1:		Zeile 1:
	{{Geprueft\|+}}		{{Geprueft\|+}}

	Self-Service Controlling oder auch Self-Service Business Intelligence (Abk. SSBI) ermöglicht Anwendenden, intuitiv aktuelle Unternehmensinformationen eigenständig aufzubereiten und zu analysieren (Weber & Wiegmann, 2018). Das Abgrenzungsmerkmal zu einem klassischen BI liegt darin, dass die Nutzenden Aufgaben, welche vormals bei der IT angesiedelt waren, selbst übernehmen (Geist et al., 2013, S. 48). Mithilfe neuer Technologien sind Daten aus verschiedenen Quellen innert kürzester Zeit aufbereitet und stehen den Mitarbeitenden für weitere Untersuchungen zur Verfügung. Die Mitarbeitenden der Fachabteilungen werden somit befähigt, die benötigten Analysen (bspw. Ad-hoc Abfragen oder regelmässig verwendete Dashboards) unabhängig von der IT oder dem Controlling auszuführen. Oftmals werden in den Abteilungen bestimmte Mitarbeitende zu sogenannten Power-Usern definiert. Diese können Analysen durchführen, welche über den Standard hinausgehen (Schön, 2016, S. 152).		Self-Service Controlling oder auch Self-Service Business Intelligence (Abk. SSBI) ermöglicht Anwendenden, intuitiv aktuelle Unternehmensinformationen eigenständig aufzubereiten und zu analysieren (Weber & Wiegmann, 2018). Das Abgrenzungsmerkmal zu einem klassischen BI-System liegt darin, dass die Nutzenden Aufgaben, welche vormals bei der IT angesiedelt waren, selbst übernehmen (Geist et al., 2013, S. 48). Mithilfe neuer Technologien sind Daten aus verschiedenen Quellen innert kürzester Zeit aufbereitet und stehen den Mitarbeitenden für weitere Untersuchungen zur Verfügung. Die Mitarbeitenden der Fachabteilungen werden somit befähigt, die benötigten Analysen (bspw. Ad-hoc Abfragen oder regelmässig verwendete Dashboards) unabhängig von der IT oder dem Controlling auszuführen. Oftmals werden in den Abteilungen bestimmte Mitarbeitende zu sogenannten Power-Usern definiert. Diese können Analysen durchführen, welche über den Standard hinausgehen (Schön, 2016, S. 152).

	== Voraussetzungen ==		== Voraussetzungen ==

Salis.Matteo: /* Kreieren von Abfragen */

2020-10-16T04:48:47Z

Kreieren von Abfragen

← Nächstältere Version		Version vom 16. Oktober 2020, 06:48 Uhr
Zeile 18:		Zeile 18:

	=== Kreieren von Abfragen ===		=== Kreieren von Abfragen ===
	Auf der mittleren Stufe erhalten die Nutzenden Zugang auf das tiefste Aggregationsniveau der bereitgestellten Daten. Auf dieser Ebene entscheiden die Nutzenden selbst, welche Daten analysiert werden sollen und stellen die Beziehung zwischen den Informationen aus unterschiedlichen Systemen her, da die IT oder das Controlling selten die Bedürfnisse der jeweiligen Abteilungen kennen. Weiterführende Analysen wie bspw. [[Business Analytics#~~EinsatzgebieteǀPredictive~~ Analytics]] werden dadurch ermöglicht. Gleichzeitig entsteht aber auch die Gefahr, dass die Nutzenden nicht auf die richtigen Daten zugreifen.		Auf der mittleren Stufe erhalten die Nutzenden Zugang auf das tiefste Aggregationsniveau der bereitgestellten Daten. Auf dieser Ebene entscheiden die Nutzenden selbst, welche Daten analysiert werden sollen und stellen die Beziehung zwischen den Informationen aus unterschiedlichen Systemen her, da die IT oder das Controlling selten die Bedürfnisse der jeweiligen Abteilungen kennen. Weiterführende Analysen wie bspw. [[Business Analytics#Einsatzgebiete\|Predictive Analytics]] werden dadurch ermöglicht. Gleichzeitig entsteht aber auch die Gefahr, dass die Nutzenden nicht auf die richtigen Daten zugreifen.

	=== Kreieren neuer Informationen ===		=== Kreieren neuer Informationen ===