BI & Analytics in der Cloud E-Book

Ralf Finger

• Herausgeber: dpunkt.verlag
• Kategorie: Wissenschaft und neue Technologien
• Serie: Edition TDWI
• Sprache: Deutsch
• Veröffentlichungsjahr: 2018

Seitenzahl: 308

Beschreibung

Business Intelligence und Analytics (BIA) in der Cloud bietet zahlreiche Möglichkeiten, existierende Infrastrukturen sinnvoll zu ergänzen. Doch viele Anwenderunternehmen sind im Hinblick auf die praktische Umsetzung noch zurückhaltend. Was genau ist Cloud Business Intelligence und Analytics, welche Besonderheiten sind zu beachten und welche Einsatzfelder bieten sich an? Die Autoren dieses Buches beantworten all diese Fragen, geben einen fundierten Überblick und behandeln im Einzelnen folgende Themen: - Mehrwerte von Cloud-Services in hybriden DWH-Architekturen - Die Cloud als Agilitätshebel für BIA - Treiber einer "Data Warehouse as a Service"-Lösung - Wirtschaftlichkeitsbewertung von Cloud-BIALösungen - Big Data in der Cloud – Welche Vorteile haben Cloud-Lösungen bei großen Datenmengen? - Analytisches CRM unter Einbeziehung von Social-Media-Daten - Monitoring und Steuerung der Supply Chain mit BI-Lösungen in der Cloud - Cloud-Nutzungsstrategien für Data AnalyticsAuch auf Fragen des Datenschutzes in der Cloud wird eingegangen. Abgerundet wird das Buch mit einem Marktüberblick und Markttrends zu Cloud BI.

Leseprobe

Dr. Ralf Finger arbeitet seit 1992 erfolgreich in Projekten zur Konzeption, Realisierung und Einführung individueller Business-Intelligence- und Data-Warehouse-Lösungen für namhafte deutsche Großunternehmen. Ralf Finger studierte Betriebswirtschaft mit den Schwerpunkten Organisation und Unternehmensrechnung und promovierte in Wirtschaftsinformatik. Er ist Lehrbeauftragter für Business Intelligence an der Universität Stuttgart, Fachbeirat des TDWI und TDWI Europe Fellow. Ferner ist er Mitglied des Leitungsgremiums der Fachgruppe Business Intelligence in der Gesellschaft für Informatik e.V. (GI). Ralf Finger ist Geschäftsführer der INFORMATION WORKS Unternehmensberatung & Informationssysteme GmbH.

Zu diesem Buch – sowie zu vielen weiteren dpunkt.büchern – können Sie auch das entsprechende E-Book im PDF-Format herunterladen. Werden Sie dazu einfach Mitglied bei dpunkt.plus+:

www.dpunkt.plus

Ralf Finger (Hrsg.)

BI & Analytics in der Cloud

Architektur, Vorgehen und Praxis

Edition TDWI

Ralf Finger · [email protected]

Lektorat: Christa Preisendanz

Copy Editing: Ursula Zimpfer, Herrenberg

Satz: Birgit Bäuerlein

Herstellung: Stefanie Weidner

Umschlaggestaltung: Anna Diechtierow, Heidelberg; Helmut Kraus, www.exclam.de

Fachliche Beratung und Herausgabe von dpunkt.büchern in der Edition TDWI:Prof. Dr. Peter Gluchowski · [email protected]

Bibliografische Information der Deutschen NationalbibliothekDie Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

ISBN:

Print

978-3-86490-591-9

PDF

978-3-96088-528-3

ePub

978-3-96088-529-0

mobi

978-3-96088-530-6

1. Auflage 2018

Copyright © 2018 dpunkt.verlag GmbH

Wieblinger Weg 17

69123 Heidelberg

Die vorliegende Publikation ist urheberrechtlich geschützt. Alle Rechte vorbehalten. Die Verwendung der Texte und Abbildungen, auch auszugsweise, ist ohne die schriftliche Zustimmung des Verlags urheberrechtswidrig und daher strafbar. Dies gilt insbesondere für die Vervielfältigung, Übersetzung oder die Verwendung in elektronischen Systemen.

Es wird darauf hingewiesen, dass die im Buch verwendeten Soft- und Hardware-Bezeichnungen sowie Markennamen und Produktbezeichnungen der jeweiligen Firmen im Allgemeinen warenzeichen-, marken- oder patentrechtlichem Schutz unterliegen.

Alle Angaben und Programme in diesem Buch wurden mit größter Sorgfalt kontrolliert. Weder Autor noch Verlag können jedoch für Schäden haftbar gemacht werden, die in Zusammenhang mit der Verwendung dieses Buches stehen.

5 4 3 2 1 0

Vorwort

Cloud Computing setzt sich zunehmend durch. Schon heute wird bei IT-Investitionen immer auch die Cloud als Sourcing-Option offen diskutiert. Auch große Konzerne prüfen zunehmend Cloud-only-Strategien, indem sie im Rahmen von Systeminventuren kritisch untersuchen, welche Systeme denn überhaupt noch in den eigenen Rechenzentren betrieben werden sollen. Auch im Kontext von Business Intelligence & Analytics (BIA) gibt es viele gute Gründe für die Cloud. So ist ein wichtiger Nutzen der Cloud auch hier die Flexibilität. Infrastrukturen und Anwendungen mit reichhaltiger Funktionalität und hoher Skalierbarkeit stehen in der Cloud mit einem Mausklick zur Verfügung. Diese umfassen die ganze Bandbreite von BIA, angefangen von Reporting über Planungsanwendungen bis hin zu Predictive Analytics und Big Data. Sprungfixe Kosten entfallen, stattdessen können BIA-Lösungen nutzungsabhängig bezahlt werden. Vor diesem Hintergrund scheint der Siegeszug von Cloud-BIA unaufhaltsam.

Ich freue mich daher sehr, dass es mit diesem Herausgeberwerk gelungen ist, an die vorliegende Broschüre »BI und Analytics in der Cloud – Ein Überblick«, 1. Auflage 2017, anzuknüpfen und ausführlicher das aktuelle und komplexe Wissensgebiet von Cloud-BIA aus praxisorientierter Sicht darzustellen. Hierfür haben ausgewählte, marktanerkannte Experten mitgewirkt, um die vielen Facetten dieses spannenden Gebietes herauszuarbeiten.

In Teil I der Einführung wird dazu zunächst eine Orientierung geboten. Was ist Cloud Computing und welche Varianten sind im Kontext von Business Intelligence & Analytics zu beachten? Hierdurch wird der Leser mit den grundlegenden Begriffen vertraut gemacht, um die nachfolgenden Ausführungen richtig einordnen zu können.

Business Intelligence & Analytics sind heute wohletablierte Bestandteile von IT-Infrastrukturen. Durch die Einführung Cloud-basierter Komponenten werden diese Infrastrukturen komplexer – nicht zuletzt, da Business Intelligence & Analytics stark mit anderen Systemen vernetzt sind. In aller Regel werden Unternehmen ihre vorhandenen Systeme mit neuen Angeboten aus dem Umfeld Cloud-BIA ergänzen wollen. Mit diesem Thema der Architektur beschäftigt sich Teil II des Buches. Dabei werden neben Gestaltungsoptionen insbesondere auch die Vorteile der Nutzung von Cloud-BIA durch einen Agilitätsgewinn vorgestellt.

In Teil III liegt der Schwerpunkt auf dem Vorgehen für die Einführung von Cloud-BIA. Hierbei wurde bewusst der Fokus auf die eigentlich kritischen Entscheidungsfelder gelegt: die Begründung des Einsatzes von Cloud-BIA anhand konkreter Treiber der Entscheidung sowie die Wirtschaftlichkeitsbetrachtung. Cloud-Angebote bestechen durch den Wegfall hoher Einmalinvestitionen und der dauerhaften Vorhaltung der zugehörigen Ressourcen. Doch dies hat seinen Preis. Wie eine systematische Wirtschaftlichkeitsbewertung und eine verlässliche Einzelfallanalyse für die Verlagerung von BIA in die Cloud durchgeführt werden kann, zeigen die Beiträge in diesem Teil des Buches.

In Teil IV werden Anwendungen von Cloud-BIA vorgestellt. Diese werden in übergreifenden Nutzungsstrategien und funktionsbezogenen Anwendungsfällen dargestellt. Bei den Nutzungsstrategien wird gezeigt, wie unterschiedlich in praktischen Beispielen Motive, Projektvorgehen und Ergebnisse der Cloud-BIA gelagert sein können. Des Weiteren wird anhand beispielhafter Szenarien für Customer Relationship Management und Supply Chain Management der Vorteil von Cloud-BIA aus der funktionsspezifischen Perspektive verdeutlicht.

Cloud-BIA bedeutet stets, dass Daten potenziell auf Rechnern liegen, die sich außerhalb des Rechenzentrums der Anwenderorganisation befinden. Daher muss Cloud-BIA auch immer mit Überlegungen des Datenschutzes verbunden werden. Auf diesem wichtigen Thema liegt der Schwerpunkt des fünften Teiles.

Schließlich wird in Teil VI gezeigt, welche Marktdurchdringung Cloud-BIA heute hat. Hier wird die zunehmende Bedeutung von Cloud-Infrastrukturen deutlich. Dabei zeigen die wiedergegebenen Studien ein sehr differenziertes Bild nach Lösungsanbieter, Branche, Anwendungsbereichen und Nutzung. Des Weiteren werden die Trends des Einsatzes von Cloud-BIA herausgearbeitet.

Als Zielgruppe für dieses Buch war stets der BIA-Praktiker im Blick, der bereits über fundiertes Wissen über grundlegende BIA-relevante Fragestellungen verfügt und diese nun auf Cloud-BIA übertragen und erweitern möchte. Daher verzichtet das Buch weitgehend auf die Darstellung der Grundlagen von BIA, die sich auch in der am Markt bereits vorhandenen Literatur aufarbeiten lassen. Stattdessen richtet sich der Blick auf die neuen Aspekte der Cloud. Hierdurch bieten wir sowohl Vertretern aus Anwenderfirmen, aus Fachbereichen und IT als auch interessierten Mitarbeitern von Beratungsgesellschaften einen Einstieg in diese weiterführende Materie.

Als Herausgeber hoffe ich, dass es gelungen ist, die wesentlichen Punkte dieses komplexen Themengebietes angemessen zu würdigen. Mir ist dabei wohl bewusst, dass sich aufgrund des Umfangs des Gebietes Teile finden lassen, die nur angerissen werden konnten. Hierbei ist zu berücksichtigen, dass Cloud-BIA eine recht junge Disziplin ist, bei der es schwierig ist, Praxisexperten mit tatsächlich fundierten Erfahrungen zu identifizieren – und diese müssen dann bereit sein, ihr Wissen im Rahmen einer Publikation zu teilen. Aus diesem Grund darf ich mich recht herzlich bei den Autoren in diesem Buch bedanken, ohne deren Mitwirkung – trotz voller Terminkalender – dieses Werk nicht möglich gewesen wäre. Bedanken möchte ich mich ferner bei den Herren Prof. Dr. Peter Gluchowski und Christoph Kreutz, die seitens des TDWI e.V. dieses Buchprojekt unterstützend begleitet haben. Darüber hinaus danke ich dem ganzen Team des dpunkt.verlags für die professionelle Unterstützung bei der Erstellung dieses Buches.

Abschließend wünsche ich Ihnen, den Leserinnen und Lesern, eine angenehme und hoffentlich ergiebige Lektüre. Über kritische oder auch gerne bestätigende Anmerkungen freue ich mich unter: [email protected].

Dr. Ralf Finger

Köln, im August 2018

Inhaltsübersicht

Einführung

1Cloud BI & Analytics – ein Überblick

Architektur

2Mehrwerte von Cloud-Services in hybriden DWH-Architekturen

3Die Cloud als Agilitätshebel für Business Intelligence & Analytics

Vorgehen und Wirtschaftlichkeit

4Treiber einer »Data Warehouse as a Service«-Lösung

5Wirtschaftlichkeitsbewertung von Cloud-Business-Intelligence & Analytics-Lösungen

6Big Data in der Cloud – Welche Vorteile haben Cloud-Lösungen bei großen Datenmengen?

Anwendungen

7Analytisches CRM unter Einbeziehung von Social-Media-Daten

8Monitoring und Steuerung der Supply Chain mit BI-Lösungen in der Cloud

9Cloud-Nutzungsstrategien für Data Analytics

Datenschutz

10Recht und Datenschutz in der Cloud

Marktdurchdringung und Trends

11BI-Cloud-Marktüberblick und Markttrends

12Aktueller Stand der Nutzung von Cloud-BI und Analytics

Anhang

AAutorenverzeichnis

BAbkürzungsverzeichnis

CLiteraturverzeichnis

Index

Inhaltsverzeichnis

Einführung

1Cloud BI & Analytics – ein Überblick

Ralf Finger · Uwe Müller

1.1Was ist Cloud Computing?

1.2Servicemodelle in der Cloud

1.2.1Typische Cloud-Service-Modelle

1.2.2Data-born-in-the-Cloud

1.3Organisationsformen der Cloud

1.3.1Liefermodelle der Cloud

1.3.2BIA-Cloud-Strategie

1.4Nutzen und Risiken

1.4.1Vorteile der Cloud

1.4.2Skepsis gegenüber der Cloud-Sicherheit

1.4.3Performance-Zusagen in der Cloud

1.5Fazit

Architektur

2Mehrwerte von Cloud-Services in hybriden DWH-Architekturen

Stefan Kirner

2.1Cloud und Data Warehousing

2.2Connectivity in die Cloud

2.3Skalierbarkeit

2.4Chancen durch Technologievielfalt

2.5Kombination hybrider Technologien im Data Warehouse

2.6Erhöhte Agilität

2.7Schnelle Innovationszyklen der Hersteller

2.8Optimierung von Betriebskosten

2.9Global verteilte Daten

2.10Ausfallsicherheit in der Cloud

2.11Edge Computing

2.12Herausforderungen und Risiken

2.13Fazit

3Die Cloud als Agilitätshebel für Business Intelligence & Analytics

Henning Baars

3.1Agilität für Business Intelligence & Analytics

3.2Cloud Computing im Lebenszyklus eines BIA-Systems

3.3Cloud Computing auf verschiedenen Schichten einer BIA-Architektur

3.4Cloud Computing für agile BIA-Infrastrukturen, -Funktionen und -Inhalte

3.5Die Wahl des Servicemodells und der Granularität der Cloud-Komponenten

3.6Voraussetzungen und flankierende Maßnahmen

3.7Sonderfall Advanced Analytics

3.8Fazit

Vorgehen und Wirtschaftlichkeit

4Treiber einer »Data Warehouse as a Service«-Lösung

Norman Bernhardt

4.1Einleitung

4.2Aktuelle Herausforderungen bei der Bereitstellung von Business-Intelligence-Lösungen

4.3Relevanz eines Cloud-basierten Data Warehouse

4.4Cloud-Computing-Grundlagen

4.4.1Historische Einordnung

4.4.2Basiskonzepte

4.4.3Servicemodelle

4.5Treiber der Nutzungsabsicht eines Cloud-basierten Data Warehouse

4.5.1Interviewstudie

4.5.2Interaktionsmodell der Treiber

4.6Implikationen

4.7Fazit und Ausblick

5Wirtschaftlichkeitsbewertung von Cloud-Business-Intelligence & Analytics-Lösungen

Nicole Schirm · Frank Bensberg

5.1Outsourcing von IT-Services durch Cloud Business Intelligence & Analytics

5.2Aufgabenfelder des IT-Providermanagements – das SIAM-Framework

5.3Bezugsrahmen zur Wirtschaftlichkeitsbewertung von Cloud-Business-Intelligence & Analytics-Services

5.4Bewertung des Ressourceneinsatzes von Cloud-BIA-Services durch TCO-Kalkulation

5.5Nutzwertanalytische Bewertung von Cloud-BIA-Services

5.6Fazit

6Big Data in der Cloud – Welche Vorteile haben Cloud-Lösungen bei großen Datenmengen?

Dimitri Gross · Siegfried Höck

6.1Storage in der Cloud

6.2Wie kommen die Daten in die Cloud?

6.3»Ab morgen machen wir Big Data!«

6.4On-Premises vs. Cloud

6.5Gibt es noch andere Gründe für die Cloud?

6.6Fazit

Anwendungen

7Analytisches CRM unter Einbeziehung von Social-Media-Daten

Leschek Homann · Gottfried Vossen · Karsten Kraume

7.1Moderne Customer Journeys und Omni-Channel

7.2Anwendungsfälle

7.2.1Customer Profiling

7.2.2Key Performance Indicators

7.2.3Kundensegmentierung

7.2.4Häufige Teile

7.3Exemplarische Cloud-basierte Dienste

7.3.1Serviceprovider und Services

7.3.2Serviceintegration in eine Enterprise-Umgebung

7.3.3Data Preparation

7.3.4Data Processing

7.3.5Data Analytics

7.3.6Data Mining

7.3.7Data Visualization

7.4Ein Customer Service Monitor

7.4.1Anwendungsfall

7.4.2Anforderungen

7.4.3Architektur

7.4.4Data Access

7.4.5Data Analytics

7.4.6Data Visualization

7.4.7Fazit

8Monitoring und Steuerung der Supply Chain mit BI-Lösungen in der Cloud

Florian Wilhelm

8.1Herausforderungen in der modernen Supply Chain

8.2Monitoring und Steuerung der Supply Chain

8.3Die Rolle von Cloud-basierten Anwendungen

8.4BI in der Cloud kann helfen

8.5Das Modell »Supply Chain Control Tower«

8.6Projektbeispiel: Transport Control Tower

8.7Fazit

9Cloud-Nutzungsstrategien für Data Analytics

Stefan Hartmann · Fabian Hefner · Ralf Pürner

9.1Motivation

9.2Nutzungsstrategien in der Cloud

9.3Praxiserprobte Nutzungspotenziale

9.3.1Fallbeispiel Nutzungsstrategie: Cloud only

9.3.2Fallbeispiel Nutzungsstrategie: Hybrid Cloud

9.3.3Fallbeispiel Nutzungsstrategie: System of Record (On-Premises) vs. System of Innovation (Cloud)

9.4Zusammenfassende Chancen-Risiko-Betrachtung

9.5Fazit

Datenschutz

10Recht und Datenschutz in der Cloud

Nils Bruckhuisen

10.1Einleitung

10.2Anwendbares Recht

10.3Vertragsbeziehungen zwischen Anbieter und Nutzer

10.3.1Strukturelemente von Verträgen über Cloud Computing

10.3.2Vertragsbeendigung

10.4Schadensersatz, Minderung

10.5Datensicherung

10.6Datenschutz

10.6.1Pseudonymisierte und anonymisierte Daten

10.6.2Auftragsdatenverarbeitung

10.6.3Vertragliche Grundlage – AV

10.7Compliance

10.8Fazit

Marktdurchdringung und Trends

11BI-Cloud-Marktüberblick und Markttrends

Herbert Stauffer · Patrick Keller

11.1Einführung

11.2Treiber für BI-Cloud

11.3Markttrends

11.3.1Deutlich wachsende Akzeptanz von Cloud-BI

11.3.2BI vor Datenmanagement

11.3.3Treiber für Cloud-BI: Flexibilität und Kosten

11.3.4KMU haben die Nase vorn

11.3.5Unterschiedliche Wahrnehmung der Herausforderungen

11.4Lösungen

11.4.1Frontend

11.4.2Spezifische Plattformen

11.4.3Generische Plattformen

11.5Abwägung der Vor- und Nachteile des Einsatzes von Cloud-Software

11.6Fazit

12Aktueller Stand der Nutzung von Cloud-BI und Analytics

Michael Schulz · Peer Schwieren

12.1Einleitung

12.2Selektion und Aufbereitung der Datengrundlage

12.2.1Selektion geeigneter Stellenanzeigen

12.2.2Durchführung einer Frequenzanalyse

12.3Analyseergebnisse

12.3.1Infrastruktur

12.3.2Datenschutz und -sicherheit

12.3.3Lösungsanbieter

12.3.4Branche

12.3.5Anwendung

12.3.6Treiber

12.4Fazit

Anhang

AAutorenverzeichnis

BAbkürzungsverzeichnis

CLiteraturverzeichnis

Index

Einführung

1Cloud BI & Analytics – ein Überblick

Ralf Finger · Uwe Müller

Um die Konsequenzen und Vorteile einer Verlagerung von Business Intelligence & Analytics (BIA) in die Cloud zutreffend abzuschätzen, ist zunächst ein präzises Begriffsverständnis von Cloud Computing notwendig. Wie so oft bei neuen Technologietrends vermischen sich auch beim Thema Cloud die tatsächlichen Eigenschaften von Cloud Computing mit dem nicht gerade transparenzfördernden Marketinggetöse der Anbieter.

Darüber hinaus ist es für eine Nutzenbetrachtung wichtig, einen Überblick über derzeit vorhandene und entstehende Serviceangebote von Unternehmen, Kommunen und Communitys herzustellen. Hier sind die Entwicklungen hinsichtlich Open-Data-Angeboten und Data-born-in-the-Cloud von besonderer Bedeutung. Nur wenn die tatsächlichen Sourcing-Optionen und Services der Cloud sauber beschrieben und in ihren konkreten Auswirkungen klar definiert sind, lässt sich auch eine Strategie für Cloud Computing ableiten.

1.1Was ist Cloud Computing?

Definition

Cloud Computing umschreibt IT-Infrastrukturen (u.a. Rechenkapazität, Datenspeicher, Datensicherheit, Netzkapazitäten, Entwicklungsplattformen oder auch einsatzbereite Software), die entfernt über ein Netzwerk bereitgestellt werden und in der Regel in hohem Maße Mechanismen der Virtualisierung von IT-Ressourcen nutzen. Die Bereitstellung von Cloud Computing kann als Public Cloud über öffentliche Netze und in mehrmandantenfähigen Umgebungen erfolgen. Auch ist der Aufbau von Cloud-Infrastrukturen in privaten Rechenzentren der Anwenderorganisationen möglich. Letzteres wird als Private Cloud Computing bezeichnet, wobei hier die Übergänge zu klassischen Formen des Outsourcings fließend sind. In Abgrenzung zu Cloud werden eigene Infrastrukturen beim Anwender als »On-Premises« bezeichnet.

Business Intelligence & Analytics (BIA) kann heute vollständig in der Cloud betrieben werden. Diese Definition schließt explizit alle mit diesen Systemen verbundenen Datenhaushalte mit ein.

Potenziale von Cloud für BI & Analytics

Verantwortliche für BI & Analytics werden aktuell immer wieder mit zwei Anforderungen konfrontiert: Agilität und Skalierbarkeit. BIA-Anwendungen sollen sich schnell auf ändernde Bedürfnisse der Fachbereiche anpassen lassen – möglichst ohne langwierige Implementierungsprojekte. Darüber hinaus sollen BIA-Infrastrukturen im Hinblick auf Datenvolumen und Benutzeranzahlen skalieren. Allerdings müssen auch umfangreiche Leerkapazitäten vermieden werden – die Kosten sollen überschaubar und planbar bleiben.

Für all diese Anforderungen bietet Cloud-BIA heute überzeugende Lösungsansätze, sei es als eigenständige BIA-Plattform in der Cloud, als hybride Ansätze integriert in die On-Premises-Angebote der großen BIA-Plattformanbieter oder auf Basis von beispielsweise Amazon AWS, Microsoft Azure, Oracle Cloud, Google Cloud, IBM, SAP etc. Stets gilt das Leistungsversprechen: Hohe Investitionsvolumina und Großprojekte werden vermieden, die Kosten werden monatlich oder auf der Basis von Pay-per-Use-Modellen berechnet – bis hin zu minutengenauer Abrechnung von Nutzungsentgelten und Zahlung per Kreditkarte.

Anwendungen für Cloud BI & Analytics auf dem Vormarsch

Nicht alle BIA-Anwendungsszenarien sind für Cloud-BIA geeignet. Pauschale Abwehrhaltungen z.B. mit Hinweis auf Datenschutz und Datensicherheit gehen jedoch fehl. Cloud-BIA muss vielmehr schon aus diesen Gründen bewusst thematisiert werden. Nur so lässt sich klar unterscheiden, in welchen Bereichen des Unternehmens Cloud-Lösungen genutzt werden dürfen und in welchen nicht.

Cloud-BIA hat sich dabei als Mittel zur Bereitstellung von Reporting- und Analysefunktionen und den damit verbundenen Inhalten über das Internet bereits etabliert. Oft als On-Demand-BIA bezeichnet, ermöglicht Cloud-BIA die standortunabhängige Bereitstellung und Verwaltung der erforderlichen BIA-Komponenten. Dies geschieht in der Regel durch Hosting-Serviceprovider.

Nach einer Anfang 2017 veröffentlichten Studie von BARC und der Eckerson Group zeigt sich, dass die Akzeptanz von Cloud-Lösungen im BIA- und Datenmanagement-Umfeld wächst [BARC & Eckerson 2017]. Die Studie zeigt ein Wachstum von weltweit um 50% zwischen 2013 und 2016 bezogen auf den Einsatz von Cloud-BIA- und Datenmanagementlösungen. Für die Anwender zählen dabei vor allem die wegfallenden Kosten für Hardware und Infrastruktur sowie der geringere Administrationsaufwand.

Mit über 50% setzen Power-User doppelt so häufig auf Cloud-Lösungen wie reine Informationskonsumenten. On-Demand-BIA-Tools bieten dabei die Möglichkeit, Umgebungen zu erstellen (z.B. durch Eröffnung eines Kontos), Daten in die Umgebung zu laden und für Auswertungen und Visualisierung bereitzustellen. Am häufigsten kommen dabei Reporting- und Dashboarding-Werkzeuge zum Einsatz. Darüber hinaus finden Werkzeuge für Ad-hoc-Analysen, Datenaufbereitung, Advanced und Predictive Analytics immer mehr ihren Weg in die Cloud [BARC & Eckerson 2017].

Die bedeutenden BIA-Anbieter haben diesen Trend erkannt und bieten ihre Reporting- und Analyseplattformen in der Cloud an. In Teilen wird der volle Leistungsumfang nur noch in der Cloud angeboten bzw. die On-Premises-Lösungen werden nicht mehr weiterentwickelt. Umfangreiche Lösungen im Bereich von Cognitive Computing werden derzeit im Rahmen von Platform-as-a-Service-Angeboten (z.B. IBM Watson) zur Verfügung gestellt und können so schneller in die Analyse- und Entscheidungsprozesse des Unternehmens integriert werden.

1.2Servicemodelle in der Cloud

Bei den Servicemodellen ist zwischen den klassischen Modellen der Cloud-Anbieter und darauf aufbauenden BIA-Services zu unterscheiden. BIA-Services können dabei von den Cloud-Providern selbst angeboten, von Drittanbietern als BIA-Service bereitgestellt oder von den Unternehmen selbst implementiert werden.

1.2.1Typische Cloud-Service-Modelle

Bei der Gliederung von Cloud Computing werden typischerweise die folgenden Servicemodelle unterschieden:

Infrastructure as a Service (IaaS)

Platform as a Service (PaaS)

Software as a Service (SaaS)

Jedes Servicemodell bietet eine unterschiedlich weitgehende Servicetiefe, mit der IT-Leistungen in der Cloud bereitgestellt werden.

Eine moderne Cloud-Strategie für BI & Analytics nutzt heute bedarfsabhängig alle drei Servicemodelle des Cloud Computing und bildet damit eine zusätzliche Sourcing-Option für IT-Leistungen.

Infrastructure as a Service (IaaS)

Bei IaaS greift der Benutzer auf IT-Basisdienste zu. Diese umfassen virtuelle Server, Storages und Netze. Der wesentliche Vorteil gegenüber traditionellem IT-Sourcing ist die Skalierbarkeit: Die Recheninstanzen können bedarfsorientiert angepasst (vertikale Skalierung) oder auch um weitere Instanzen ergänzt oder reduziert werden (horizontale Skalierung). Der Benutzer hat dabei alle Berechtigungen auf die jeweiligen virtuellen Instanzen, damit aber auch die volle Verantwortung für die Infrastruktur ab der Betriebssystemebene.

Für den Anwender bedeutet dies, dass On-Premises-Infrastrukturen schnell und flexibel ergänzt werden können. Dies ist z.B. für Testszenarien hilfreich, bei denen die neueste Version der Software einer On-Premises-Installation geprüft werden soll, um funktionale Unterschiede oder die Komplexität bei der Migration abzuschätzen. Mit IaaS kann dies geschehen, ohne die bestehende Infrastruktur anzutasten.

Platform as a Service (PaaS)

PaaS bietet Entwicklungs- und Laufzeitumgebungen für Anwendungsentwicklung und -betrieb in der Cloud. Im Unterschied zu IaaS hat der Benutzer hier keinen direkten Zugriff auf die Rechnerinstanzen. Er betreibt auch keine virtuellen Server. In PaaS-Szenarien bringt er vielmehr seine Programm-/Ablauflogik in die Cloud. Schnittstellen in Form von Programmierschnittstellen oder komfortable GUIs dienen dabei als Unterstützung. Die Cloud-Infrastruktur regelt hierbei die erforderliche Instanziierung der Verarbeitungseinheiten und das Verteilen der zu verarbeitenden Daten sowie auf Wunsch eine automatische Skalierung an Leistungsanforderungen.

Im Kontext von Business Intelligence & Analytics finden sich solche Entwicklungsplattformen in der Cloud insbesondere bei den Datenspeichern. Hier sind relationale Datenbanken, Big Data Stores und Object Stores gut etablierte Angebote von Cloud-BIA.

Software as a Service (SaaS)

SaaS stellt die Funktionalitäten einer Anwendungssoftware in der Cloud bereit. Der Endnutzer bringt hierbei weder eine Applikation in die Cloud ein, noch muss er sich um Skalierbarkeit, Datenhaltung oder IT-Ressourcen kümmern. Er nutzt lediglich die Applikation, die in der Cloud bereitgestellt wird. Anpassungen an der Applikation bewegen sich dabei in dem Rahmen einer Standardsoftware. Die IT-Administration liegt vollständig in den Händen des Servicegebers.

BIA-Umgebungen werden typischerweise durch den Einsatz von Werkzeugumgebungen aufgebaut. Diese umfassen Datenbanken, Reporting, Planungsumgebungen und Datenintegrationswerkzeuge. Die mit diesen Softwarewerkzeugen erzeugten Artefakte werden über Laufzeitumgebungen der zugehörigen Plattformen ausgeführt. Alle genannten Werkzeuge sind heute als Software as a Service in der Cloud verfügbar, sodass sich BIA-Umgebungen vollständig in der Cloud aufbauen lassen.

Business Intelligence & Analytics as a Service

Alle typischen Komponenten einer BIA-Architektur können heute über Cloud-basierte Angebote bezogen werden. Diese sind als SaaS-Angebote ausgestaltet, wodurch der Anwender von infrastrukturbezogenen Tätigkeiten weitgehend entlastet wird. Aufgrund der Besonderheit der Cloud und der Charakteristik der Komponenten ergeben sich jedoch Eigenheiten dieser Angebote, die im Einzelnen zu bedenken sind:

Reporting as a Service

bezeichnet den Aufbau berichtsorientierter Anwendungen in der Cloud. Hierzu gehören formatierte Berichte, geführte Berichtsanwendungen, Dashboards und einfach zu bedienende Self-Service-Werkzeuge für die Datenanalyse. Reporting-as-a-Service-Angebote ähneln in der Funktionsweise den On-Premises-Varianten. So sind typischerweise Administrationsoberflächen zum Beispiel für die Anlage von Anwendern und die Berechtigungsverwaltung vorhanden, wie Report-Designer-Oberflächen, mit denen letztlich Anwendungen für Berichtsempfänger erstellt werden. Diese Werkzeuge müssen jedoch stets auf Daten zugreifen. Diese müssen entweder ebenfalls in die Cloud geladen werden oder werden über gesicherte Verbindungen online aus den unternehmensinternen Datenbanken gezogen. Moderne technische Konzepte erlauben mitunter, dass die Daten auch im Falle eines Onlinezugriffs das Unternehmensnetzwerk verlassen (z.B. SAP Analytics Cloud). Hierbei werden Cross-Origin-Resource-Mechanismen eingesetzt, die es Webbrowsern erlauben, auf die Ressourcen unterschiedlicher Server zuzugreifen [

CORS 2018

].

Bei

Planning as a Service

werden Planungsanwendungen in der Cloud etabliert. Der besondere Vorteil von Cloud-basierten Planungslösungen ist, dass diese u.U. nur temporär benötigt werden (z.B. Planungszyklus von drei Monaten zur Grobplanung der nächsten fünf Geschäftsjahre). Außerdem können dezentrale Planer über die Cloud leicht angebunden werden, auch wenn diese nicht über das Unternehmensnetzwerk erreichbar wären. Allerdings werden Plandaten stets in einem Cloud-basierten Datenhaushalt erfasst. Des Weiteren können Planungen typischerweise nicht sinnvoll ohne zugehörige Ist-Referenzdaten durchgeführt werden. Immer werden Stammdaten (Produkte, Regionen, Kundengruppen etc.) für die Ausgestaltung der Planungsanwendung benötigt. In aller Regel sind auch historische Wertreihen als Vergleichs- oder Vorgabegrößen erforderlich. Daher ist bei Planning as a Service sorgfältig zu prüfen, ob die Vertraulichkeit der Daten eine Cloud-Lösung zulässt und falls ja, unter welchen besonderen Rahmenbedingungen dies erfolgen kann.

Data Warehouses as a Service

(DWHaaS) bezeichnet die Bereitstellung kompletter DWH-Services in der Cloud. So bietet z.B. Amazon Redshift ein schnelles, vollständig verwaltetes Data Warehouse, mit dem Unternehmen im Zusammenspiel mit ihren vorhandenen Business-Intelligence-Tools und mithilfe von Standard-SQL alle Unternehmensdaten analysieren können. Die Auslagerung von vollständigen Data Warehouses wird allerdings mitunter noch kritisch gesehen. Im Mittelpunkt dieser Bedenken stehen dabei oft Anforderungen an Integration, Informationssicherheit und Individualisierbarkeit. Es ist aber zu erwarten, dass neben den klassischen Cloud-Angeboten wie SaaS, IaaS und PaaS Cloud-basierte Data Warehouses in sämtlichen Branchen mehr und mehr an Bedeutung gewinnen werden. Als Gründe dafür gelten vor allem wirtschaftliche Faktoren sowie ein Zugewinn an Flexibilität und Agilität. Aber auch die typischen Bedenken gegen Data Warehouses in der Cloud dürften durch den hohen Professionalitätsgrad großer Cloud-Anbieter gepaart mit geeigneten technischen Lösungen an Bedeutung verlieren.

Stets basieren BIA-Lösungen auf auszuwertenden Daten. Entsprechend existeren auch

Data-Integration-as-a-Service-

Angebote, die auf Daten On-Premises oder in der Cloud zugreifen und geeignete Verfahren der Datentransformation unterstützen. Für den Zugriff auf unternehmensinterne Daten werden hierfür Secure Gateways etabliert, die mit der hausinternen IT-Sicherheit abzustimmen sind. In diesem Kontext jedoch sind stets die Latenz der Datenübertragung und die Datenmenge zu prüfen. So wird in der Regel ein Online-Umzug sehr großer Datenmengen mit diesen Werkzeugen nicht im Standard durchzuführen sein. Als Alternative zum physischen Transfer von Datenträgern sind Spezialangebote ausgewählter Hersteller zu prüfen (z.B. IBM Lift).

Mittels

Predictive as a Service

werden Werkzeuge aus Data Science, Machine Learning und Cognitive Computing über die Cloud bereitgestellt. Cloud-basierte Data-Science-Plattformen (z.B. IBM Watson Studio, SAS Viya) unterstützen dabei den kompletten Arbeitsprozess von Data-Scientisten von der Datenvorbereitung über die Modellbildung bis hin zur Bereitstellung. Fertige Prognosemodelle können auf diesen Plattformen zum Aufruf für andere Werkzeuge bereitgestellt werden. Dazu werden APIs verwendet, die von Web-calls mittels JavaScript oder auch mit aus Data Science gängigen Sprachen wie Python nutzbar sind. Einen besonderen Vorteil bietet der Funktionsreichtum Cloud-basierter analytischer Services. So können z.B. Verfahren der Bilderkennung oder des Cognitive Computing per Mausklick genutzt werden, ohne dass kostspielige Infrastrukturprojekte nötig werden. Lediglich die Frage des Datenschutzes ist wiederum aufmerksam zu prüfen.

Die obige Aufzählung zeigt die wichtigsten Funktionskreise von Cloud-BIA. Dabei ist zu beachten, dass eine Cloud-BIA-Strategie stets eine Kombination dieser Elemente sein wird. Zum Beispiel erfordern Predictive-Modelle stets Daten, die ihrerseits über Datenintegrationsverfahren und Data Warehouses bereitgestellt werden müssen. Außerdem wird Cloud-BIA selten isoliert, sondern typischerweise mit unternehmenseigenen Komponenten eingesetzt. So können mittels logischer Data Warehouses Teile eines Data Warehouse in die Cloud verlagert werden, wodurch sich die Stärken von On-Premises und Cloud sinnvoll kombinieren lassen. Mithilfe von Datenvirtualisierungswerkzeugen können die jeweiligen Data Repositories für Auswertungen und Analysen verbunden werden. Eine solche hybride Architektur kann daher nur ausgehend von den Anforderungen des Unternehmens individuell ausgestaltet werden.

1.2.2Data-born-in-the-Cloud

Digitalisierung, Internet of Things, Social Media und Cloud-basierte Geschäftsmodelle produzieren Daten, die verwertbar und überall zugänglich sein sollen. Die besondere Eigenheit vieler dieser Daten ist, dass die Datenproduzenten selbst auf der Cloud basieren. In der Konsequenz entstehen die Daten in der Cloud und sind dort unmittelbar zugreifbar. Aus diesem Grund ist die Überlegung, diese Daten auch mittels Cloud-BIA auszuwerten, naheliegend, umso mehr, wenn für die Nutzung des Service keine unternehmensinternen Daten in die Cloud bewegt werden müssen.

Diese Angebote beinhalten die Vorteile der Cloud, wie schnelle Verfügbarkeit, Skalierbarkeit und On-Demand-Zugriff, sowie die schnelle Entwicklung von Diensten basierend auf diesen Daten und Anwendungen. Wetterdaten, Social Media und Open Data sind typische Beispiele für Data-born-in-the-Cloud.

Wetterdaten

Das Wetter hat für Unternehmen ein hohe wirtschaftliche Bedeutung. Umsatzsteigerungen, Verluste oder zu erwartende Schäden hängen vom Wetter ab. Ein Großteil der Wirtschaft ist derzeit wetterabhängig, dennoch nutzen immer noch verhältnismäßig wenig Unternehmen die Möglichkeiten von Wetterinformationen strategisch zu ihrem Vorteil.

Fast alle Bereiche der Wertschöpfungskette werden vom Wetter beeinflusst, so beispielsweise beim Transport von Waren oder beim Angebot in Kaufhäusern. Versicherungsunternehmen behalten die Wetterprognosen und -entwicklungen im Blick, um ihre Risikomodelle anzupassen, oder beispielsweise Stromversorger, um durch schlechtes Wetter erhöhte Bedarfe frühzeitig zu prognostizieren oder durch schlechtes Wetter die geringere Ausbeute von Sonnenkollektoren vorherzusagen.

Das Wetter stellt somit für viele Unternehmen einen der größten externen Einflussfaktoren auf das Geschäftsergebnis dar, unabhängig von der jeweiligen Branche (Handel, Landwirtschaft, Transport und Logistik, Tourismus, Versicherungen, Energiewirtschaft usw.).

In der Regel wird jedoch nur reaktiv auf die Wetterentwicklung reagiert. Dabei ergeben sich heute neue Möglichkeiten, proaktiv mit Wetterinformationen umzugehen. Der Einsatz moderner Sensorik, genauer Wetterprognosen und Analyseverfahren sowie die Nutzung mobiler Geräte eröffnen neue Optionen für die Unternehmensplanung. Die Verknüpfung mit Unternehmensdaten, externen Datenquellen und kognitiven Werkzeugen schafft zusätzliche Potenziale. Die Zusammenführung aller Informationen im Rahmen von BIA-Plattformen, die die Verknüpfung ermöglichen, führt zu zielsicheren Vorhersagen für die jeweiligen Geschäftsprozesse und deren Steuerung.

Genau an diesem Punkt setzen Dienstleister wie »The Weather Company« an. Das Unternehmen ist einer der weltweit größten Wetterdienstleister und stellt seinen Kunden präzise Wetterdaten zur Verfügung, um damit besser auf Wetterphänomene reagieren zu können [Weather].

Social-Media-Daten

Social-Media-Daten sind Informationen, die von individuellen Benutzern erstellt und veröffentlicht und von allgemein zugänglichen Seiten eingesammelt werden. Dazu gehören z.B. soziale Netzwerke wie Twitter, Facebook, Instagram oder Meinungs- und Bewertungsseiten sowie Multimedia-Plattformen wie z.B. YouTube.

Social Media ist ein Medium, das Internetnutzern aus aller Welt dient, Informationen in Echtzeit erstellen und teilen zu können. Dies ist sowohl der größte Vorteil als auch die größte Hürde für das Potenzial von Social-Media-Daten. Zwar stehen uns sofort zugängliche, reale Informationen, die in Echtzeit von Menschen produziert werden, zur Verfügung, um aber sinnvolle Schlussfolgerungen aus diesen Daten zu ziehen, müssen wir die richtigen Parameter für die Nutzung bestimmen.

Grundsätzlich stellen sich im Zusammenhang mit Social Media die Fragen, welchen Nutzen die Daten geschäftlich haben und wie der Zugriff erfolgen kann. Dabei ist zwischen Social-Media-Daten und Social Media Intelligence zu unterscheiden. Mit Social-Media-Daten bezeichnet man das Rohmaterial. Dieses wird mit bestimmten Zielen und unter Anwendung von Kriterien gesammelt und ausgewertet. Dies wird dann ganzheitlich als Social Media Intelligence verstanden.

Die Zielsetzung von Social Media Intelligence kann dabei sehr unterschiedlich sein, beispielsweise die Aufnahme des Stimmungsbilds am Markt zu den angebotenen Produkten, die Verbesserung des Kundenservice oder die Sammlung von Feedback zu Marketingkampagnen.

Um ein Gefühl zu erhalten, wie ein interessierendes Produkt am Markt wahrgenommen wird, können Wortmeldungen aus sozialen Netzwerken wie z.B. Twitter gesammelt werden. Werkzeuge erlauben eine Suche nach relevanten Hashtags unter Verwendung der Produktnamen. Geliefert werden alle Tweets, die wiederum mithilfe einer Sentimentanalyse bewertet werden können. Dabei wird ein Wert ermittelt, inwieweit die Aussage positiv oder eher negativ ist. Dies dient als Grundlage für eine Stimmungsanalyse hinsichtlich der Marke und auch um zu sehen, wie hoch der Prozentsatz an Beschwerden, Anfragen oder positivem Feedback ist. Die Tweets können für tiefergehende Analysen gespeichert werden.

Jedoch ist auch bei der Nutzung von Social-Media-Daten Vorsicht geboten: So kann nicht immer davon ausgegangen werden, dass die in sozialen Netzwerken geäußerte Meinung die am weitesten verbreitete ist. Es existiert auch eine große Nutzergruppe von »Schweigern« und Nicht-Nutzern von Social Media. Des Weiteren werden die jeweiligen sozialen Netzwerke von unterschiedlichen Nutzergruppen bevorzugt (alt, jung, Frau, Mann usw.). Darüber hinaus existiert, auch wenn von den Anbietern nicht gewünscht, eine Vielzahl von Fake-Accounts. All dies kann das Bild stark verzerren.

Der wohl größte Vorteil von Social Media ist das enorme Volumen an Informationen über Demografien und menschliche Verhaltensmuster weltweit. Diese Informationsquelle lässt sich sofort durch die Werbeplattformen der Social-Media-Anbieter nutzen, auch ohne fragwürdige Techniken einzusetzen, die die Daten von Einzelpersonen laden. Letztere müssen stets unter Gesichtspunkten des Datenschutzes bewertet und im praktischen Einsatz auf öffentliche Daten begrenzt bleiben.

Open Data

Open Data bezeichnet öffentlich publizierte Daten, die oft mit weniger beschränkten Lizenzfreigaben und in einfach lesbaren Formaten angeboten werden. Die Bereitstellung erfolgt in der Regel online, wodurch die Wiederverwendbarkeit und der freie Zugriff leicht ermöglicht und gefördert wird [Lucke & Geiger 2010].

Zu Open Data gehören Daten öffentlicher oder privater Herkunft, beispielsweise Lehrmaterial, Geodaten, statistische Wetterdaten, ausgewählte Finanzinformationen (Kurse, Risiken, Prognosen), Statistiken, Verkehrsinformationen, Forschungsergebnisse sowie Hörfunk- und Fernsehsendungen. Dabei kann es sich um Datenbestände staatlicher Stellen oder privatwirtschaftlich agierender Unternehmen, Hochschulen sowie Non-Profit-Einrichtungen handeln. Zu beachten ist jedoch stets die Lizenzbedingung der im Einzelnen betrachteten Quelle.

Es existieren mittlerweile eine Vielzahl von Open-Data-Angeboten am Markt, die in sehr unterschiedlicher Form auch für Unternehmen nutzbar sind. Im Folgenden werden einige Beispiele vorgestellt.

International Monetary Fund

Der IMF wurde 1945 gegründet und besteht derzeit aus 189 Ländern, die sich für die Förderung der weltweiten währungspolitischen Zusammenarbeit, die Sicherung der Finanzstabilität, die Erleichterung des internationalen Handels, die Förderung von hoher Beschäftigung und nachhaltigem Wirtschaftswachstum sowie die Verringerung der Armut in der Welt einsetzt.

Der IMF dient als globaler Knotenpunkt für Wissen in wirtschaftlichen und finanziellen Fragen. Auf der Grundlage seiner Erfahrungen aus verschiedenen Ländern in unterschiedlichen Entwicklungsstadien teilt der IMF dieses Wissen mit den Mitgliedstaaten durch praktische Beratung, Schulungen und Peer-to-Peer-Lernen.

Die Kapazitätsentwicklung des IMF ist Teil seines Kernauftrags – neben der Verfolgung der globalen wirtschaftlichen Entwicklungen und der Kreditvergabe an Länder mit Zahlungsbilanzkrisen. Diese Wissensaustauscharbeit konzentriert sich auf die Bereiche öffentliche Finanzen, Geld- und Finanzsysteme, Rechtsrahmen, Statistiken und makroökonomische Rahmenbedingungen.

Der IMF stellt diese Informationen im Rahmen einer Data-Plattform bereit, die es Nutzern ermöglicht, Finanzinformationen weltweit abzufragen [IMF].

Weltbank-Datenbank

Die Weltbankgruppe besteht aus fünf Organisationen, der International Bank for Reconstruction and Development, der International Development Association, der International Finance Corporation, der Multilateral Investment Guarantee Agency und dem International Centre for Settlement of Investment Disputes.

Sie unterstützen Entwicklungsländer durch politische Beratung, Forschung und Analyse sowie technische Hilfe. Die analytische Arbeit bildet die Grundlage für die Finanzierung durch die Weltbank und trägt dazu bei, die Entwicklungsländer über Investitionen zu informieren. Darüber hinaus unterstützen sie den Kapazitätsaufbau in den betreuten Ländern.

Die Weltbank stellt eine Open-Data-Plattform bereit, die einen freien Zugang zu globalen Entwicklungsdaten ermöglicht. Die Dienste bestehen u.a. aus dem Open-Data-Katalog, weltweiten Finanzdaten, weltweite Entwicklungsindikatoren, erweiterte Tools zum Exportieren, Herunterladen und Analysieren der Daten sowie zum Erstellen benutzerdefinierter Visualisierungen und gefilterter Ansichten [WB].

Die Daten können abgerufen werden und als Grundlage für weitere Anwendungen dienen, mit denen Entwickler und Analysten spezielle Fragestellungen zum Beispiel im strategischen Marketing und in der Vertriebsplanung beantworten können. So sind etwa die Absatzerwartungen im Investitionsgüterumfeld stark von der globalen wirtschaftlichen Entwicklung abhängig.

Open-Government-Plattformen

Open-Government-Plattformen ermöglichen u.a. Bürgern die Handlungen von Abgeordneten nachzuvollziehen. Neben Informationen, wie jeder Abgeordnete abgestimmt hat, kann auch nachvollzogen werden, welcher Abgeordnete wie viel Spenden erhält. Hierdurch kann z.B. Korruption und Stimmenkauf durch Lobbyisten vorgebeugt werden.

Die Daten können dazu genutzt werden, im Rahmen von Netzwerkanalysen hinsichtlich Korruptionsbekämpfung zu unterstützen.

Statistisches Bundesamt

Das Statistische Bundesamt liefert qualitativ hochwertige statistische Informationen über Deutschland. Dazu gehören Indikatoren zu Konjunktur, Nachhaltigkeit, Globalisierung und Bürokratiekosten, Informationen zur Preis und Gehaltsenwicklug u.v.m.

Mit GENESIS-Online stellt das Statistische Bundesamt eine Datenbank zur Verfügung, die ein breites Themenspektrum fachlich gegliederter Ergebnisse der amtlichen Statistiken enthält.

Die Daten können durch zeitliche, sachliche und regionale Auswahlmöglichkeiten gefiltert und abgerufen werden. Die Ergebnisse können in verschiedenen Formaten (Excel, CSV, HTML) abgespeichert werden.

Darüber hinaus besteht die Möglichkeit, die Daten über einen Webservice abzurufen und über eine automatisierte Verarbeitung in bestehende Datenmanagementprozesse eines Unternehmens zu überführen [Destatis 2018].

Die Daten können somit den BIA-Prozessen in den Unternehmen zugänglich gemacht und in Warehouses integriert werden.

Paradise Papers

Die Paradise Papers stellen in Tausenden Fällen dar, wie Einzelpersonen und Unternehmen auf dem Wege von Offshore-Gesellschaften Steuervermeidung betreiben.

Die geleakten Unterlagen enthalten Informationen zu mehr als 120 Staats- und Regierungschefs sowie Politikern aus 47 Ländern. Diese Daten können in die internen Analysen von Unternehmen und Sicherheitsbehörden einfließen, um diese Netzwerke zu erkennen, zu bekämpfen oder Geschäfte gezielt mit diesen Unternehmen zu vermeiden [ICIJ].

Für die Nutzung entstehen derzeit Open-Data-Anwendungen und -Plattformen, die es ermöglichen, Daten zu unterschiedlichen Themen bereitzustellen. Diese können dann in eigene Datenhaushalte gespeichert, historisiert und für Auswertungen aufbereitet werden. Da sich diese Daten außerhalb des Unternehmens befinden und sie keine sensiblen Unternehmensdaten enthalten, können diese Datenhaltungen auch problemlos in der Cloud verwaltet werden. Über die Möglichkeiten von hybriden Cloud-Szenarien können die Daten dann für Analysezwecke mit internen Daten verknüpft werden. Eine Integration eines Open Data Hub in die Unternehmensarchitektur ist somit nicht zwingend erforderlich.

1.3Organisationsformen der Cloud

Neben den technischen Servicemodellen werden die Organisationsformen der Cloud-Bereitstellung unterschieden. Die Definitionen für Begriffe wie z.B. »private« und »public« wurden dabei vom NIST (National Institute of Standards and Technology) geprägt und sind seit 2014 auch in ISO/IEC 17788 verfügbar [ISO/IEC 2014]: NIST 800-145 listet fünf Charakteristika für Cloud Computing [Mell & Grance 2011]:

Selbstzuweisung von Leistungen

Zugreifbarkeit über Netze für vielfältige Endgeräte

Ressourcen-Pooling und Multimandanten-Fähigkeit

Flexible Bereitstellung und Freigabe von Ressourcen

Messbarkeit und automatische Kontrolle und Optimierung

Diese Leistungsmerkmale können über unterschiedliche Liefermodelle bereitgestellt werden. NIST definiert vier Liefermodelle.

1.3.1Liefermodelle der Cloud

Public Cloud

Die Public Cloud bietet den Zugang zu einer multimandantenfähigen IT-Infrastruktur für die öffentliche Nutzung über das Internet. In der Public Cloud können Kunden IT-Infrastruktur auf einer flexiblen Basis des Bezahlens (monatliche Abonnements, leistungsabhängige Abrechnung) mieten, ohne in Rechner- und IT-Infrastruktur investieren zu müssen.

BI & Analytics profitiert von Public Clouds durch die Bereitstellung von temporären Infrastrukturen oder Plattformen. Dies ist stets hilfreich, wenn Proof of Concepts durchgeführt werden müssen, um innovative Konzepte zu testen. Darüber hinaus ist stets zu erwägen, ob Teile der BI & Analytics dauerhaft von Leistungsmerkmalen der Cloud profitieren können (z.B. Skalierbarkeit, Flexibilität).

Private Cloud

Die Private Cloud bietet eine virtualisierte IT-Infrastruktur, bei der sich die Rechner innerhalb der eigenen Organisation (Behörde, Firma, Verein) befinden. Im Rahmen der Private Cloud kann zwischen zwei weiteren Betriebskonzepten unterschieden werden: Bei der Managed Private Cloud erfolgt der Betrieb durch den externen IT-Dienstleister. Die Cloud-Infrastruktur verbleibt in der Regel im Hause des Kunden und in seinem Eigentum. Bei der Outsourced Private Cloud übernimmt ein externer IT-Dienstleister von einem Kunden eine dedizierte Cloud-Infrastruktur (oder baut sie auf) und betreibt diese vollverantwortlich. Die Infrastruktur steht physisch beim externen Partner, der auch Eigentümer der Assets ist.

Private Clouds sind ein Mittel zur Flexibilitätssteigerung der internen IT und heute weitgehender Standard. Hier ergeben sich für BI & Analytics keine besonderen Schlussfolgerungen.

Hybrid Cloud

Die Hybrid Cloud kombiniert Public und Private Clouds nach den Bedürfnissen ihrer Nutzer.

Der typische Ansatzpunkt für Hybrid Clouds im BIA-Umfeld ist der Aufbau eines Data Warehouse, in dessen Architektur Cloud-Komponenten integriert werden. Beispiel hierfür ist die Integration von Datenquellen, die über Cloud-Services günstig angebunden werden können wie Social-Media- oder Wetterdaten. Diese lassen sich auch durch Microservices sehr gezielt aus der Cloud abrufen.

Community Cloud

Die Community Cloud entspricht im Wesentlichen der Public Cloud jedoch für einen ausgewählten Nutzerkreis, der räumlich verteilt ist und sich die Kosten teilt. Hierunter fallen oft städtische Behörden, Universitäten, Forschungsgemeinschaften, Genossenschaften, Kooperationsnetze von Unternehmen usw.

Der naheliegende Anwendungsfall für Community Clouds im Bereich BI & Analytics findet sich immer dann, wenn vertrauliche Daten in ähnlicher Form bei unterschiedlichen Anwenderunternehmen vorliegen und leicht über die Cloud gesammelt werden können. Um diese übergreifend auszuwerten, wird ein vertrauenswürdiger Partner etabliert, der die Daten zusammenführt und Erkenntnisse an die Mitglieder der Community verteilt. Praktisch ist dies etwa im Bereich Industrie 4.0 anzutreffen: Ein Maschinenbauunternehmen tritt hier nicht selten als vertrauenswürdiger Partner auf und sammelt Prozessdaten aus der Fertigung der angeschlossenen Produktionsunternehmen für Zwecke der prädiktiven Wartung.

1.3.2BIA-Cloud-Strategie

Cloud-basierte BIA-Tools und -Services sind in den letzten Jahren immer reifer und beliebter geworden. Vor allem kleine und mittlere Unternehmen haben erkannt, dass das Outsourcing von BIA-Infrastrukturen Ressourcen bereitstellen kann, die bisher nur großen Unternehmen zur Verfügung standen. Nun sind die BIA-Anwendungen in kleinen und mittleren Unternehmen oft überschaubar hinsichtlich der genutzten Komponenten und der benötigten BIA-Szenarien. Operative Systeme sind oft schon Cloud-basiert und im BIA-Umfeld werden nur die Daten genutzt, die ohnehin schon in der Cloud sind. In diesem Fall liegen die Vorteile einer Cloud-basierten BIA-Lösung nahe.

In Unternehmen, in denen die BIA-Landschaften komplexer und mitunter historisch gewachsen sind und operative Systeme ausschließlich oder größtenteils als On-Premises-Systeme realisiert sind, ist die Entscheidung nicht mehr ganz so einfach. Die Komplexität der Architektur, im Besonderen hinsichtlich der Abhängigkeiten, sowie eventuell gesetzliche Regelungen und Anforderungen von Aufsichtsbehörden erschweren eine Migration in die Cloud. Kriterien sind festzulegen, die regeln, unter welchen Bedingungen ein Einsatz in der Cloud machbar ist. Der Ausbau der BIA-Landschaft um Anwendungen für die Verwertung von Open Data ist sicher ein Szenario, das für den Aufbau in der Cloud geeignet ist. Aber auch die Nutzung von Analytic Services spricht für die Cloud. So können z.B. Analytic Labs in der Cloud schnell bereitgestellt, genutzt und nach Gebrauch wieder abgebaut werden.