Self-Service Business Intelligence

Definiton

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, 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 (siehe auch Abschnitt “Implementierungsstufen”). (Schön, 2016, S. 152)

Voraussetzung

Grundvoraussetzung ist eine adäquate Infrastruktur sowie ein SSBI fähiges Frontend. Im Artikel des UK PCMAGAZINE zeigt sich, dass sich die Software der aktuellen Marktführer in wesentlichen Bestandteilen ähneln, je nach Einsatzgebiet jedoch wesentliche Vor- und Nachteile aufzeigen.

Abbildung 1: Architekturkomponeten und Datenflüsse in Data Warehouse-Lösungen, (Gluchowski et al., S.141)

Mit unterschiedlichem Erfolg ist die Software aufkommender Hersteller bemüht, gegenüber der älteren Generationen so intuitiv wie möglich aufzutreten. Im Vergleich offenbart sich jedoch, dass der Wissensstand der Anwendergruppe weiterhin zu berücksichtigen ist (Strom & Baker, 2018). Mit der neuen «In-Memory»-Technologie werden neue Möglichkeiten hinsichtlich der Verarbeitungsgeschwindigkeit riesiger Datenmengen ermöglicht. Hierbei werden die Daten im Arbeitsspeicher gehalten, was wesentlich schnellere Zugriffszeiten gegenüber konventionellen Datenbankstrukturen erlaubt.

Wie allgemein im Bereich Business Intelligence bildet eine zentrale Informationsquelle die Grundlage. Die Bereitstellung von Informationen lässt sich unter dem Begriff «Data Warehousing» zusammenfassen. In dieser zentralen Datenbank werden die Daten aus verschiedenen internen und externen (wie bspw. von Keller und Siedler (2018, S. 41) erwähnt Wetter, Preise, Social Media) Quellen zusammengeführt, abgestimmt und verdichtet. (Gluchowski, 2008, S. 117). Für einen ausführlichen technischen Beschrieb in Bezug auf BI wird auf das Buch von Gluchowski et al. (2008) verwiesen, im Kontext des SSBI auf den Artikel von Abelló et al. (2013). Die nachfolgende Grafik stellt die Architektur im Hintergrund eines SSBI schematisch dar.

Implementierungsstufen des SSBI

Abbildung 2 Aufbau von SSBI in Anlehnung an Alpar & Schulz, 2016, S.152

In der Praxis finden sich verschiedene Ausprägungen und Reifegrade von SSBI – in der Literatur werden diese Ausprägungen entlang unterschiedlicher Dimensionen zusammengefasst.

Imhoff und White (2011, S.13) unterscheiden die Typen «Basic BI», «Standard BI» und «Advanced BI». Sie legen den Fokus dabei in erster Linie auf die Datenstruktur, auf welcher das SSBI aufbaut. Damit einher geht, wie stark die IT während der operativen Anwendung des SSBI involviert ist und über welche Fähigkeiten die Nutzenden des SSBI verfügen müssen. Eine feinere Unterteilung nehmen Alpar und Schulz (2016, S. 152-153) vor. Sie gehen dabei von den Funktionalitäten aus, welche das SSBI anbietet und stufen die Ausprägungen entlang der Selbstständigkeit der Nutzenden sowie der Systemunterstützung ein.

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.

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. Predictive Analytics werden dadurch ermöglicht. Gleichzeitig entsteht aber auch die Gefahr, dass die Nutzenden nicht auf die richtigen Daten zugreifen.

Kreieren neuer Informationen

Aufgrund der immer schneller wachsenden Datenvielfalt (siehe Big Data) und der Vielfalt an Datenquellen besteht der Ansatz, dass die Nutzenden die bereitgestellten Daten mit externen Daten verknüpfen, um dadurch zu weiterführenden Einsichten zu kommen. Die grosse Herausforderung besteht nicht nur darin, dass die integrierten Daten die nötige Qualität aufweisen, sondern auch, dass die Relationen oder Beziehungen zu den bestehenden Daten korrekt aufgebaut sind. Damit dies funktioniert benötigen die Nutzenden über ein tiefgehendes Analyse- und Systemverständnis. Ebenfalls ein gutes Analyse- und Systemverständnis benötigen die Nutzenden bei der Bereitstellung sogenannter «Mashups». Die IT stellt dabei den Nutzenden vordefinierte Funktionalitäten zur Verfügung, welche kombiniert werden können, um bspw. Dashboards zu generieren. Dadurch werden neue Informationen kreiert.

Berechtigungen

Die unterschiedlichen Implementierungsstufen bedingen die Vergabe von nutzerspezifischen Berechtigungen. Im Bereich des SSBI macht eine strikte Vergabe von Berechtigungen aufgrund der Funktion im Unternehmen wenig Sinn. Vielmehr müssen die Berechtigungen individuell auf den jeweiligen Bedürfnissen und Fähigkeiten basieren (Alpar & Schulz, 2016, S. 153).

Nutzen & Möglichkeiten

Durch das Self-Service Controlling soll den Führungskräften und anderen Mitarbeitenden eine Lösung zur Verfügung gestellt werden, welche es ihnen erlaubt, Abhängigkeiten zu den Controlling- und IT-Organisationen in einem Unternehmen abzubauen. Idealtypisch werden durch neue, digitale Technologien und Applikationen einfachere und stakeholderspezifische Daten aufbereitet und zur Verfügung gestellt.

«Die Einführung von Self-Service BI führt dabei generell zu einem besseren Geschäftsverständnis" (Weber & Wiegmann, 2018, S. 27). Den grössten Mehrwert des Self-Service Controlling wird im Bereich der stabilen Datenqualität, der Geschwindigkeit und dadurch in der rapide ansteigenden Effizienz gesehen. (Ballmann, 2015) Digitalisierung fordert zudem, dass die Prozesse agil, integriert und selbsterklärend sind.

Weiter erwartet man durch SSBI höhere Transparenz (one single source of truth) auf allen Geschäftsebenen und dadurch eine auf das Unternehmensziel und nicht auf individuelle Bedürfnisse ausgerichtete Entscheidungsfindung. (Schäffer & Weber, 2016)

Solch digitale Lösungen haben zur Folge, dass sich standardisierte, eingespielte Controlling-Abläufe verschieben. Gründe dafür sind abnehmende «physische» Arbeit von Menschen hin zu agilen, in Unternehmenssystemen integrierten Prozessen.

Aufgrund dessen werden viele manuelle Aufgaben wie das Erstellen von Gebrauchsanweisungen durch die Controlling-Abteilung wegfallen. Dabei beeinflusst der Zugang zu den Echtzeitdaten die Leistungsfähigkeit der Organisation aufgrund schneller gefällter Entscheidungen positiv. (Keimer et al. 2017)

Mit Hilfe 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)

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

Dies beschleunigt die Entscheidungsfindung, indem Informationen erweitert und die Suche nach relevanten Informationen verkürzt wird. Durch diesen Echtzeitzugriff auf Daten wird die betriebliche Effizienz verbessert und die organisatorische Zusammenarbeit wird erzwungen.

Es gibt verschiedene Möglichkeiten, Inhalte auf mobilen Geräten zu implementieren. Die häufigsten, die wir auf dem Markt sehen, sind (BARC, 2018):

• Bereitstellung von PDF-Berichten auf einem mobilen Gerät
• Website (HTML-Rendering), teilweise unter Verwendung proprietärer Technologien (Flash, Silverlight)
• HTML5-Site (HTML5 ermöglicht die Projizierung von Rich Internet Application (RIA) -Inhalten auf alle Arten von mobilen Geräten, ohne auf proprietäre Standards angewiesen zu sein und ohne deren Nachteile in Kauf nehmen zu müssen.)
• Anbindung einer systemeigenen (nativen) nativen Anwendung mit HTML5 (Hybridanwendung)

Nicht zu unterschätzen ist, dass zukünftig die Nutzenden des SSBI die Zusammenhänge in der Organisation besser verstehen müssen, um die Daten richtig zu deuten resp. keine falschen Schlüsse ziehen.

Herausforderungen

Die Herausforderungen des SSBI sind in verschiedenen Bereichen angesiedelt und umfassen im Wesentlichen technische, kulturelle, organisatorische und strategische Aspekte. Weiter sind kognitive Verzerrungen zu beachten.

Technische Herausforderungen des SSBI

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 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 sowie 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 stellen (Röniger, 2018, S. 16). Technische Lösungen, welche die Interaktion zwischen Nutzenden und so das Metawissen um die Benutzbarkeit des SSBI-Tools fördern, sind durchaus wünschenswert (Alpar & Schulz, 2016, S. 154).

Kulturelle Herausforderungen des SSBI

«Im Controlling müssen die relevanten Daten aufbereitet, ausgewertet und im Anschluss zu Führungsinformationen verdichtet werden.» (Keimer et al., 2017, S. 829) Diese Beschreibung der Hauptfunktion des Controllings birgt im Kern gleich eine Herausforderung: nämlich die Analyse von Daten zu Entscheidungszwecken. Ein SSBI kann eine Vielzahl von Analysen hervorbringen, welche zur Entscheidungsfindung allenfalls zu umfangreich sind, oder aber geschäftsübergreifende Entscheidungsfindungsprozesse aufgrund uneinheitlicher Datenbasis erschweren (Weber & Wiegmann, 2018, S. 27).

Des Weiteren besteht die Gefahr, dass die althergebrachte Praxis vieler Mitarbeitenden, Daten auf Excel zu exportieren und diese zu bearbeiten, das Konzept des «single point of truth» (Keller & Siedler, 2018, S. 40) gefährdet.

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).

Organisatorische Herausforderungen des SSBI

Im Bereich der organisatorischen Herausforderungen stellt sich die Grundfrage, ob das Data Science Center in der IT-Abteilung angesiedelt ist oder einen Teil der Controlling-Organisation bildet (Schäffer & Weber, 2016).

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 sowie Alpar & Schulz, 2016, S. 154).

Bei geschäftsstellenübergreifenden Entscheidungen ist es unabdingbar eine SSBI Governance (LINK WIKI) 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).

Strategische Herausforderungen des SSBI

Strategische Herausforderungen werden oft auch unter operationalen Herausforderungen gelistet (vgl. Lennerholt, van Laere & Söderström, 2018). Hierzu zählt zunächst das Commitment des Managements, SSBI umzusetzen und zu unterstützen. Die aktive Mitarbeit der Unternehmensführung und Benutzung des SSBI hat Vorbildfunktion und wird die Akzeptanz erhöhen, bedarf aber eines vorgängigen strategischen Commitments.

Kognitive Verzerrungen als Herausforderungen des SSBI

Bei einer Lösung wie SSBI, in der die Nutzenden selbst die Daten so abfragen können, wie sie sie brauchen, besteht die Gefahr, dass die Nutzenden Biases, so genannte kognitive Verzerrungen, zum Opfer fallen. Die von Kahneman (2013) in seinem Buch “Thinking, Fast and Slow” beschriebenen Funktionen des Gehirns mit zwei Systemen, einem intuitiven und einem analytischen führen dazu, dass das Gehirn immer dann kognitiven Verzerrungen verfällt, wenn das intuitive System dem analytischen zuvorkommt. Im Wissen um solche Verzerrungen gilt es, die Nutzenden eines SSBI dahingehend zu trainieren, diese Verzerrungen möglichst zu umgehen. Eine detaillierte Darstellung des Konzepts von Kahneman findet sich hier (LINK EINFUEGEN).

Aktuelle Verbreitung und Erwartungen in der Schweiz

In ihrer Umfrage bei 223 Schweizer Unternehmungen zum digitalen Wandel im Controlling haben Egle und Keimer (2017) den Stand der Digitalisierung sowie die Erwartungen für die Zukunft abgefragt. Die Nutzung von Business Intelligence im Allgemeinen ist dabei bei grossen Unternehmen bedeutend stärker als bei mittleren und kleinen Unternehmen: grosse Unternehmen 50%, mittlere Unternehmen 36%, kleine Unternehmen ca. 17% (Egle & Keimer, 2017, S.15). Im Bereich des Reportings erwarten die befragten Unternehmen einen grossen Effizienzgewinn in den Bereichen Informationsgeschwindigkeit, Automatisierung und Transparenz. SSBI ist dabei eine Anwendung der Digitalisierung welche zur höheren Effizienz beiträgt. (Egle & Keimer, 2017, S.24). In der Studie zeigt sich weiter, dass SSBI zur «Neuausrichtung der Controllingorganisation» (Egle & Keimer, 2017, S. 30) beitragen wird – 98% der befragten Unternehmen rechnen damit, dass Sie in den nächsten 3 bis 5 Jahren SSBI einsetzen werden.

In der 2018 erschienen Befragung «Wie digital ist das Schweizer Controlling» von 210 Unternehmung ermitteln Keimer et al. (2018) den digitalen Reifegrad dieser Unternehmen. Diese umfassende Analyse von der HSLU beschäftigt sich unter anderem auch direkt mit dem SSBI. Das SSBI ist dabei eines derjenigen Instrumente welches, auch im Zusammenhang mit der Automatisierung, am meisten Beachtung findet. Diese Instrumente «entlasten die Controller von wiederkehrenden Routinearbeiten und tragen dadurch zu einer höheren Effizienz und Effektivität der Controlling-Funktion bei» (Keimer et al., 2018, S. 41). Rund 44% setzen bereits «eher stark» bis «sehr stark» auf SSBI.

Aus diesen Studien lässt sich ableiten, dass SSBI in der Praxis ein Thema ist. Im Vergleich mit älteren Umfragen (siehe bspw. Logi, 2015 oder Imhoff & White, 2011) hat sich die anfängliche Euphorie aber etwas gelegt. Dies hängt sicherlich auch damit zusammen, dass Herausforderungen im Zusammenhang mit SSBI bei der Einführung unterschätzt wurden und sich Unternehmen deshalb entschieden haben doch weniger auf SSBI zu setzen (Röniger, 2018).

Die Rolle der Finanzabteilung im SSBI

Die Rolle der Finanzabteilung wird sich aufgrund der neuen Technologie weg vom Bereitsteller von Informationen hin zur Hilfestellung und Befähigen verändern (Weber et al., 2012, S.107-108). Diese oft beschriebene Veränderung ergibt sich auch durch die Implementierung und den Einsatz eines SSBI. Im veränderten Rollenbild – weg vom «Scorekeeper» hin zum «Business Partner» (Ernst & Young, 2008, S.8) – erfüllt das Controlling die Rolle des Business Partners sowohl für die Nutzenden wie auch für die IT. Die beiden, vormals eher getrennten Bereiche, erhalten eine grössere Schnittfläche.

Wie die Architektur des SSBI (Keller & Seidler, 2018, S.41) ist auch die Rolle der Finanzabteilung im SSBI abhängig von Unternehmung und den jeweils vorliegenden Bedürfnissen. Die Hauptaufgabe besteht darin, die sich bietenden Herausforderungen im Sinne eines Business Partners zusammen mit den Nutzenden und der IT bewältigen zu können.

Im Folgenden wird eine Auswahl von möglichen Aufgaben der Finanzabteilung in der Einführung und dem Betrieb vorgestellt.

Einführung

• Erarbeitung der Grundlagen (Datenintegration, Standardisierung, Rechtemanagement und Systemintegration) zusammen mit der IT (Weber et al., 2012, S.107)
• Change Management im Sinne einer Befähigung und Ermutigung der Nutzenden die neue Technologie einzusetzen (Alpar & Schulz, 2016, S. 154)

Betrieb

• Sicherstellung der Qualität der Daten in der Erhebung und Aufbereitung im Zusammenspiel mit der IT (Weber et al., 2012, S. 107)
• Abhängig von den betrieblichen Gegebenheiten Verwaltung des Systems (Weber et al., 2012, S. 107)
• Datenwildwuchs vermeiden und die Qualität der dezentral ausgeführten Auswertungen sicherstellen (Keller & Seidler, 2018, S. 43)
• Mitsprache und Interpretationshilfe von nutzergenerierten Abfragen (Weber et al., 2012, S. 107)

Lern- und Praxismaterialien

Fallstudien
Lizenz Software AG vs. Saas Grund Software AG – Vertragsgestaltung Lizenz Software AG vs. Saas Grund Software AG – Investitionskosten

Quellen

Literaturverzeichnis

• Abelló, A., Darmont, J., Etcheverry, L., Golfarelli, M., Mazón, J. N., Naumann, F., ... & Vossen, G. (2013). Fusion cubes: towards self-service business intelligence. ‘’International Journal of Data Warehousing and Mining (IJDWM)’’, 9 (2), 66-88.
• Alpar, P., & Schulz, M. (2016). Self-service Business Intelligence. ‘’Business & Information Systems Engineering’’, 58 (2), 151-155.
• BARC (2018). Mobile Business Intelligence: What it is and how it works. Abgerufen am 12.11.2018 von https://bi-survey.com/mobile-bi
• Ballmann, C. (2015, 29. September). Macht Self Service BI die Controller überflüssig? Abgerufen am 08.10.2018 von https://www.haufe.de/controlling/controllerpraxis/macht-self-service-bi-die-controller-ueberfluessig_112_321634.html?page=3
• Chandra, K., Plaschke, F., & Seth, I., (2018, Juli). Memo to the CFO : Get in front of digital finance – or get left back. Abgerufen am 08.10.2018 von https://www.mckinsey.com/business-functions/strategy-and-corporate-finance/our-insights/memo-to-the-cfo-get-in-front-of-digital-finance-or-get-left-back
• Egle, U., & Keimer, I. (2017). ‘’Digitaler Wandel im Controlling’’. Schriften aus dem Institut für Finanzdienstleistungen Zug IFZ, Band 37. Verlag IFZ – Hochschule Luzern.
• Ernst & Young. (2008). The changing role of the financial controller. Abgerufen am 03.11.2018 von https://www.ey.com/Publication/vwLUAssets/Changing_role_of_the_financial_controller/$FILE/EY_Financial_controller_changing_role.pdf
• Imhoff, C., & White, C. (2011). Self-service business intelligence. ‘’Empowering Users to Generate Insights’’, TDWI Best practices report, TWDI, Renton, WA.
• Geist, F., Kluin, T., & Ritz, H. (2013). Self-Service Business Intelligence (SSBI)–Nutzenpotenziale für einen verbesserten Austausch von Informationen im Unternehmen. Integration und Konnexion, 47.
• Gluchowski, P., Gabriel, R., & Dittmar, C. (2008). ‘’Management Support Systeme und Business Intelligence. Computergestütze Informationssysteme für Fach- und Führungskräfte’’. Springer Verlag Berlin.
• Kahneman, D. (2013). Thinking, Fast and Slow. Farrar, Straus and Giroux, New York.
• Keimer, I., Zorn, M., Gisler, M., & Fallegger, M. (2017). Dimensionen der Digitalisierung im Controlling - Grundlagen und Denkanstösse zur Selbstanalyse und Weiterentwicklung. Expert Focus 11, 827-831.
• Keimer, I., Gisler, M., Bundi, M., & Egle, U. (2018). ‘’Wie digital ist das Schweizer Controlling?’’ Eine schweizweite Analyse auf Basis eines Reifegradmodells. Institut für Finanzdienstleistungen Zug IFZ, Hochschule Luzern.
• Kneip, P., & Brüggemann, J. (2018). Wenn Kopf, Bauch und Hand zusammenpassen. Controlling & Management Review, 2/2018, 58-63.
• Lennerholt, C., van Laere, J., & Söderström, E. (2018), Implementation Challenges of Self Service Business Intelligence: A Literature Review. 51st Hawaii International Conference on System Sciences.
• Pfister, M. (2018). Business Intelligence Überblick & Architektur [Vorlesungsfolien]. Abgerufen am 20.11.2018 von https://elearning.hslu.ch/ilias/goto.php?target=file_3697174_download&client_id=hslu
• Röniger, O. (2018). Self-Service Analytics Unlimited. ‘’Controlling & Management Review’’, 2/2018, 14-23.
• Schäffer, U., & Weber, J. (2016). Digitalisierung: Acht Herausforderungen für Controller. Abgerufen am 15.10.2018 von https://www.whu-on-controlling.com/zukunftsthemen/digitalisierung/
• Schön, D. (2016). Planung und Reporting. Grundlagen Business Intelligence Mobile BI und Big-Data-Analytics, 2.
• Strom, D., & Baker, P. (2018). The Best Self-Service Business Intelligence (BI) Tools of 2018. Abgerufen am 07.10.2018 von https://uk.pcmag.com/cloud-services/74173/the-best-self-service-business-intelligence-bi-tools
• Weber, J., & Wiegmann, L. (2018). Controlling & Management Review. Self-Service BI - Fluch oder Segen.
• Weber, J., Strauß, E., & Spittler, S. (2012). Controlling & IT: Wie Trends und Herausforderungen der IT die Controllingfunktion verändern. Controlling & Management, 56 (2), 105-109

Weiterführende Literatur

• BARC (2018). BI, Analytics and Planning Software Reviews and Insights. Abgerufen am 12.11.2018 von https://bi-survey.com/
• Columbus, L. (2018, 08. Juni). The State Of Business Intelligence, 2018. Abgerufen am 05.10.2018 von https://www.forbes.com/sites/louiscolumbus/2018/06/08/the-state-of-business-intelligence-2018/#b90242782891
• Logi Analytics (2015). 2015 State of Self-Service BI Report. [PDF-Präsentation]. Abgerufen am 14.10.2018 von https://www.logianalytics.com/wp-content/uploads/2015/11/2015-State-of-Self-Service-BI-Report.pdf
• Schäffer, U. (2018). Wenn die Leute sich ihre Fakten selbst besorgen—super! ‘’Controlling & Management Review’’, 62 (2), 32-37.
• Van der Meulen, R., & Pettey, C. (2018, 25. Januar). Gartner Says, Self-Service Analytics and BI Users Will Produce More Analysis Than Data Scientist Will by 2019. Abgerufen am 13.11.2018 von https://www.gartner.com/en/newsroom/press-releases/2018-01-25-gartner-says-self-service-analytics-and-bi-users-will-produce-more-analysis-than-data-scientists-will-by-2019

Autoren

Lukas Bigler, Maria Pellegrino, Thomas Meister, Benjamin Zelka