In digitalisierten Prozessen können große Datenmengen mit Business-Intelligence-Methoden analysiert werden. Exponentiell zunehmende verfügbare Daten und exponentiell steigende Rechenleistung machen Auswertungen möglich, die früher nicht möglich waren. Eine notwendige Voraussetzung ist sowohl eine hohe Datenqualität als auch eine sinnvolle Datenextraktion, Transformation und das Laden der Datensätze in eine BI-Anwendung (ETL-Prozess). Nicht aktuelle Daten, Datendubletten und unvollständige Datensätze verhindern, aus „Big Data“ durch Business Intelligence „Smart Data“ zu machen.
Sinnvoll ist das in Prozessen, in denen große Datenmengen entstehen und Zusammenhänge in Bezug auf ganz konkrete Fragestellungen erkannt werden sollen, die ohne den Einsatz von Analyseverfahren nicht offensichtlich sind. Dazu bieten sich verschiedene Mustererkennungsverfahren an, die Korrelationen und Kohärenzen erkennen. Hier kann es schon mal zu unerwarteten Erkenntnissen kommen, die der Intuition widersprechen. Solche Anwendungen, die das Vorstellungsvermögen und/oder das Entscheidungsvermögen ihrer Anwender erweitern, zählen zu der Rubrik der „Augmented Intelligence“.
Mit BI-Verfahren können Sie beispielsweise das Verhalten und die Präferenzen Ihrer Kunden analysieren und ihr künftiges Verhalten vorhersagen. Sie können auch vom Verhalten Ihrer Kunden auf das Verhalten und die Präferenzen potenzieller, noch nicht kaufender Kunden schließen. Dadurch können Sie Ihre Prozesse besser planen und Ihre Leistungen gezielter vermarkten. Auch Vertragskündiger frühzeitig zu erkennen, indem das typische Verhalten von Kündigern vor ihrem Entschluss zu kündigen erkannt wird und darauf proaktiv reagiert werden kann, ist eine typische BI-Aufgabenstellung. Auch Trendprognosen lassen sich mit BI-Verfahren erstellen. Insbesondere Data Mining-Verfahren eignen sich für solche Analysen.
BI-Algorithmen werden mit Beispieldateien „trainiert“, um künftig Daten im gewünschten Sinn zu beurteilen bzw. zu gruppieren. So können in bestehenden, unstrukturierten Datensätzen Muster erkannt und auch auf den gewonnenen Erkenntnissen basierende Entscheidungen vorgeschlagen werden (machine learning). Sogar natürliche Sprache kann verarbeitet werden (natural language processing). Aber neue Probleme können mit BI nicht gelöst werden. Maschinelles Lernen mit BI beschränkt sich allerdings auf angewandte Statistik. Wenn Sie maschinell komplexe oder sogar neuartige Probleme lösen lassen möchten, kommen Sie nicht um Anwendungen der Künstlichen Intelligenz herum. Inzwischen sind BI-Applikationen in Standard-Software-Anwendungen, beispielsweise in MS Excel, eingebettet. Microsoft spricht schon seit den 2000er Jahren von „BI für alle“. Auch Oracle hat seit vielen Jahren Embedded BI in ihre Datenbanksysteme integriert.
Spätestens mit dem Einsatz von BI wird die Compliance mit der Datenschutzgrundverordnung (DSGVO) relevant. Legen Sie Ihre BI-Systeme so an, dass die Datenerfassung, -verarbeitung, -auswertung und Ergebnisaufbereitung die Rechte an personenbezogenen Daten wahren. DSGVO-erfahrene Rechtsanwälte können Sie dabei unterstützen.