Das Ergebnis haben wir in unserem Blogbeitrag veröffentlicht.

An dieser Stelle herzlichen Dank an Mohammed für den interessanten Austausch.

Einleitung

Jedes Unternehmen muss zukünftig weitere Erkenntnisse gewinnen, um seine Wettbewerbsvorteile zu behalten oder auszubauen. Die Grundlage hierfür sind die Daten, die als das neue Öl bezeichnet werden, obwohl der Vergleich ein wenig hinkt, da die Daten nicht verbraucht werden.

Es reicht nicht mehr aus, nur die Unternehmensdaten zu betrachten, sondern auch alle externen Daten, wie z.B. Marketing-Informationen, die über Kampagnen ermittelt werden oder Webseitenbesuche, um zu erkennen wie hoch die tatsächliche Konvertierung ist, müssen in dem gemeinsamen Kontext betrachtet werden. Noch schwieriger wird es, wenn unstrukturierte Daten wie Streaming Daten (Twitter & Co.) eine Rolle spielen. Diese Daten müssen über unterschiedliche Systeme und Technologien mit den klassischen betriebswirtschaftlichen Daten in Beziehung gebracht werden.

Der Weg dorthin ist jedoch keineswegs einfach und stellt eine große Herausforderung für alle Unternehmen dar. Insbesondere für kleine und mittlere Unternehmen, die Ihre verteilten Datenbereiche konsolidieren und damit analysierbar machen wollen, wird es noch komplizierter. Sie können sich die Big Data, Data Science und Business Intelligence – Einheiten nicht leisten bzw. sind diese Experten derzeit am Markt sehr schwierig zu bekommen. Größere Unternehmen haben bereits vor Jahren den Bedarf erkannt und entsprechende Organisationen geschaffen und können bei Bedarf auch noch externe Dienstleister einschalten, um maßgeschneiderte Analyse Plattformen, Data-Lakes oder Business Intelligence Systeme aufzubauen.

Damit ist es jedoch nicht getan, solche komplexen Projekte haben ein hohes Investitionsvolumen hinsichtlich der Projekteinführung, Beschaffung von Hardware & Softwarelizenzen sowie Einsatz von externen Dienstleistern und der internen Ressourcen. Wenn Sie jemals an einem solchen Unterfangen beteiligt waren, wissen Sie, dass eine solche Prozessumsetzung schon einige Millionen Euro kosten kann. Zudem sind die Folgekosten für den Betrieb zu beachten.

Nun gut, dass wir in Zeiten der Demokratisierung der fortschrittlichsten Instrumente und Dienstleistungen eine Vielzahl von Möglichkeiten haben und nicht darauf angewiesen sind, die großen Standardlösungen einzuführen.

bimanu hat es sich zur Aufgabe gemacht, Unternehmen aller Größen und insbesondere Mittelständler mit einer All-In-One Plattform für Datenintegration und Analyse zu unterstützen und zu begleiten, die sich deutlich von den bisherigen SaaS Angeboten unterscheidet und nicht auf ein einziges proprietäres Alles-oder-Nichts-Angebot setzt, sondern auf die Kombination von Best of Breed-Tools.

Ich bin Mohammed Brückner und dies ist ein Interview mit Swen Göllner, Gründer von bimanu und erfahrener BI-Veteran.

Swen, könntest du mir ein wenig über dich und bimanu erzählen?

Sehr gerne Mohammed, zuerst vielen Dank für das Interview und das Interesse an unserer Lösung. Kurz zu meiner Person – Ich bin verheiratet, Vater von 3 Kids im Alter von 2, 6, und 11 Jahren und seit 3 Jahren selbständig mit der bimanu im Bereich Business Intelligence. Ich beschäftige mich seit über 15 Jahren mit dem Thema Daten & Analysen, ursprünglich gestartet im Anwendungsunternehmen, später im Beratungshaus weitere Business Intelligence – Erfahrungen gesammelt und bin in den letzten Jahren im Banken und Versicherungsumfeld als Business Intelligence Berater tätig gewesen.

Nebenberuflich habe ich noch zwei Studiengänge in Wirtschaftsinformatik und General Management absolviert.  Der MBA war letztendlich auch die Entscheidung den Weg in die Selbständigkeit zu wählen, da die Vorlesungsreihe Entrepreneurship die Wege aufgezeigt hat, welche Freiräume mit einem Blick über den Tellerrand möglich sind. Zudem bin ich sehr neugierig und hinterfrage die Dinge und versuche damit nicht immer den Standardweg einzuhalten. In den Unternehmen gibt es klare Hierarchiestrukturen, Prozesse aber auch Unternehmenskulturen, die berücksichtigt werden müssen und mich als Person doch ziemlich einschränken.

Vor 2016 hatte ich zusammen mit meinem jetzigen Geschäftspartner Michael Jungschläger bereits die Idee, einer einfachen Auswerte – Plattform nur für Endanwender, die ohne IT-Kenntnisse Ihre Daten analysieren können und sich im Vorfeld nicht vollumfängliche Gedanken machen müssen, wie bekomme ich diese Daten in der korrekten Form zusammen. Die Umsetzung haben wir Anfang 2015 nebenberuflich vorgenommen. Erste Gespräche mit Softwarefirmen, Business Angels oder Inkubatoren waren ernüchternd.

Also haben wir den Entschluss gefasst, unsere sicheren Arbeitsverhältnisse zu kündigen und die bimanu GmbH zu gründen und das in einer Phase, wo andere gedacht haben, wie könnt Ihr ein solches Risiko eingehen?

Direkt am Anfang konnten wir auch noch Dr. Jon Nedelmann als erfahrenden Data Scientist Experten gewinnen und damit wurde die Entwicklung der bimanu Cloud gemeinsam gestartet.

Dennoch waren wir hinsichtlich der Finanzierung sowie der Marktlage gut vorbereitet, da wir mit dem starteten, was wir gut können – die Business Intelligence Dienstleistung und nebenbei wurde unsere Software Idee bimanu Cloud mit dem bimanu Team realisiert. Jetzt sind wir bereits seit 3 Jahren am Markt, unser Team ist bereits auf 7 Personen angewachsen und die bimanu Cloud ist seit Anfang 2019 auf dem Markt.

An dieser Stelle möchte ich mich insbesondere bei Michael & Jon, aber auch beim restlichen bimanu Team ganz herzlich für die bisherigen 3 tollen Jahre bedanken.

Was ist das Leistungsversprechen hinter bimanu, in deinen eigenen Worten?

Es gibt für uns neben einem hohen Qualitätsanspruch, die Verlässlichkeit. Die Verlässlichkeit haben wir damals sogar als Wettbewerbsvorteil in unserem Business Plan aufgeführt. Konkret, wir stehen zu unserem Wort und bieten auch nur das an, was wir tatsächlich leisten können. Unser Vorteil ist, dass wir beide Seiten sehr intensiv kennengelernt haben, die Anwendungsunternehmen im IT & Fachbereich und die Beraterseite.

Wir verstehen beide Welten und genau diesen Anspruch, den wir in der klassischen Dienstleistung an uns haben, haben wir in die bimanu Cloud übertragen. Es ist uns wichtig, immer von der Anforderungsseite zu kommen, d.h.  was wollen die Endkonsumenten mit den Daten erreichen und was ist deren Zweck dahinter? Im Gegenzug konzentriert sich die IT in der Regel so sehr auf die Technologie und die technischen Umsetzungen, anstatt den Fachbereich im Auge zu haben. Dann kann es halt passieren, dass die Konsumenten zwar die Daten- und Analyseplattformen nutzen, aber die Weiterveredlung findet in den Fachbereichen statt und damit entsteht wieder eine neue Schatten-IT – unterschiedliche Interpretationen der Daten oder eine inkonsistente Datenbasis sind die Folge.

Wir wollen nicht über die Technik diskutieren, diese ist wichtig, aber nur als unterstützende Maßnahme, letztendlich geht es allein um den Kunden. In den letzten Jahren werden die Möglichkeiten immer größer, aber die Technologien werden immer schwerer beherrschbar – auch für die IT’ ler. Konsequenz: Es werden Spezialisten benötigt, die nicht umfassend zur Verfügung stehen. Am schlimmsten sind aber die sogenannten Buzzwords IoT, KI oder BigData. Diese werden von allen betroffen Parteien aufgegriffen und als heilbringende Lösung für die Digitalisierung genannt. Dies ist definitiv nicht der Fall, sondern es muss im ersten Schritt eine solide Datenbasis aufgebaut werden, ansonsten sitzt der Data Scientist – Kollege auf dem Trockenen oder ist selber für die Datenintegration verantwortlich. Auch für das Thema Machine Learning werden qualitätsgesicherte – und ganz wichtig – vergangenheitsbezogene Daten benötigt. Eine Betrachtung von nur 2 Monaten ist damit nicht ausreichend, um das Lernen des Programms zu ermöglichen.

Welche sind die größten Herausforderungen, die Du heute für mittelständische Unternehmen siehst, die versuchen, ihr Spiel in Bezug auf Reporting und erweiterte Analysen zu verbessern?

Die mittelständischen Unternehmen haben längst erkannt, dass Business Intelligence ein wichtiges Instrument für die Unternehmenssteuerung sein kann. Wir konnten in den letzten Monaten mit einigen mittelständischen Unternehmen sprechen und haben für alle das gleiche Problem identifiziert.

Die relevanten Informationen zur Unternehmenssteuerung liegen meist in verteilten Systemen vor und sind schwer kombinierbar. In der Regel wird versucht diese Daten manuell in diversen Auswertewerkzeugen wie z.B. Qlik, PowerBI oder Excel aufzubereiten und auszuwerten. Die Folge ist immer wiederkehrender Aufwand in der Analyse- und Berichtserstellung. Zudem müssen die Daten von der Quelle bis hin zur Analyse selber organisiert werden und die Gefahr. dass die Datenqualität darunter leidet, ist hoch.

Auch dem Thema Cloud BI stehen nun viele positiv gegenüber, das war vor ein paar Jahren anderes. Zu diesem Erkenntnis ist auch die Barc in Ihrer Studie „Cloud BI weiter auf dem Vormarsch“ gekommen- https://barc.de/news/cloud-bi-weiter-auf-dem-vormarsch.

Die Vorteile aus Unternehmenssicht liegen auf Hand. Schnelle Implementierung im Vergleich zu On-Premise Lösungen. Die Kostenreduktion: Es fallen keine Lizenz-, Wartungs- und Hardwarekosten an, es werden keine zusätzlichen Mitarbeiter benötigt und es wird nur das bezahlt, was tatsächlich verbraucht wird. Es wird keine spezielle Expertise benötigt, da nur ein bestimmtes Einsatzszenario eingesetzt wird. Das hilft den Unternehmen, die wegen Ihren knappen Ressourcen keine eigene Datenintegration- und Analyse – Plattformen erstellen können.

Aber nicht nur die fachlichen Anforderungen sind als Herausforderung zu nennen, auch der Markt der Softwareanbieter ist intransparent und macht es für die Entscheider nicht gerade einfach. Natürlich können Gartner Magic Quadranten als Vergleiche herangezogen werden oder man orientiert sich an den bekannten Softwareherstellern wie SAP, Qlik & Co. die mit Ihrem Marketing den Self Services Ansatz versprechen. Nicht falsch verstehen, das sind gute Software Applikationen, aber es reicht nicht aus. Die Softwaresysteme bilden nur die Basis und der Endanwender ist von der Quelle bis zur Analyse für seine Daten verantwortlich.

Wie haben sich aus Deiner Sicht Compliance-Anforderungen und gesetzlichen Verpflichtungen wie DSGVO auf die Art und Weise ausgewirkt, wie Unternehmen ein besseres Kundenverständnis gewinnen?

Interessante Frage – in der Tat hat sich der Umgang mit den Daten geändert. Früher war es selbstverständlich die Daten schnell per Excel aufzubereiten und per Email zur Verfügung zu stellen oder personenbezogene Daten waren auch in der Testumgebung einsehbar. Das ist aufgrund der Compliance der Unternehmen definitiv nicht mehr der Fall. Die Anstrengungen sind aber enorm im Bereich Testdatenmanagement.

Die Anonymisierung von personenbezogen Daten muss gewährleistet sein doch in der Regel bieten die eingesetzten Datenintegrationswerkzeuge eine solche Funktionalität nicht. Für alle beteiligten ist dieser Aufwand in den Projekten nicht zu unterschätzen. Insbesondere im Bankenwesen sind die Auflagen (z.B. BCBS 239 – Grundsätze für die effektive Aggregation von Risikodaten und Reporting) extrem hoch und die meisten produktiven Datawarehouse-Systeme erfüllen die Anforderungen nicht und müssen im Nachgang mit großen Mühen angepasst werden, wenn das so einfach möglich ist. Vergleichbar mit dem Umbau eines Kellers bei einer Bestandsimmobilie.

Schöne Metapher! Nehmen wir an, ich bin ein mittelständisches Unternehmen und möchte agil Vorgehensmodelle einsetzen, um z.B. ein Minimum Viable Product (MVP) zu erschaffen mit dem Ziel Kunden- und Marktbedarf zu wecken.  Was wäre ein vernünftiger Ansatz von Deiner Seite oder was hast Du bei Deiner Arbeit gesehen?

Die Rückmeldungen der Kunden sind extrem hilfreich um ein bedarfsgerechtes Produkt zu entwickeln, mit dem Vorteil, dass das Produkt von Anfang nicht perfekt sein muss. Unsere Lösung orientiert sich an der Scrum Methode – ein Vorgehensmodell im Projektmanagement Umfeld – mit deren Hilfe wir inkrementell und iterativ zum einen die Anforderungserhebung mit Hilfe von User Stories durchführen, zum anderen ist unser Datenmodell nach diesem agilen Ansatz entsprechend ausgerichtet. Wir können in wenigen Tagen die Zwischenergebnisse präsentieren und der Kunde kann Einfluss nehmen und sein Datenmodell so designen, dass er den größtmöglichen Nutzen erzielt. Ein weiterer Vorteil ist die Weiterentwicklung oder Anpassung. Neue Schnittstellen oder neue Datenfelder sind für uns kein Problem. Unser Modell ist agil genug, um neue Entwicklungen ohne Auswirkung auf das bestehende Modell aufzunehmen, der Vorteil – der Testaufwand für das bisherige Modell entfällt und die Testszenarien betreffen nur die Neuentwicklung.

Welche Analyse – Lösungen werden durch die bimanu Cloud unterstützt? Und welche Lösung würdest Du welchem Unternehmen aus welchem Grund empfehlen?

Die bimanu Cloud ist eine All-In-One Lösung und vereint alle Schritte von der Integration bis zum Datenmodell automatisiert in einer Plattform.

Zudem kann unser eigenentwickeltes TriData Modell wie oben bereits erwähnt Unternehmensdaten aus allen möglichen Bereichen aufnehmen und diese Daten mit Marketing Informationen verknüpfen, aber auch gemeinsame Auswertungen mit IoT Streaming Daten sind möglich. Das Interessante daran ist, dass wir gemäß Analysebedarf eine Bestands- oder Bestandsbewegungssicht auf Basis dieser 3 Datenbereiche ermöglichen, also entweder eine Zeitpunktbetrachtung oder Zeitraumbetrachtung.

Im Rahmen des bimanu Starter Paket werden mit Hilfe von User Stories die genauen Analyseanforderungen ermittelt und auf deren Basis wird das benötigte Datenmodell automatisiert erzeugt. Damit stellen wir den genauen Bedarf sicher. Die Empfehlung richtet sich immer nach der Anforderung des Kunden, somit lässt sich keine pauschale Empfehlung herleiten. Es hat sich aber bewährt, erst mit einem kleinen Auswertebereich zu starten und dann in weiteren Iterationen neue Informationen hinzuzunehmen. Das hinterlegte Datenmodell ist genau für dieses zyklisches Wachstum ausgelegt.

Im ersten Schritt erhält jeder Kunde dann ein Dashboard in der modifizierten bimanu Tableau Online Umgebung und erhält damit eine standardisierte 360 Grad Unternehmenssicht auf die zur Verfügung stehenden Daten.

Also nehme ich an, dass ihr den Tooling- und Integrationssupport abgedeckt habt, also alle technischen Details. Was würdet ihr den Kunden in Bezug auf Organisation und Kultur raten, wenn sie sich daran machen, "more data driven" zu werden?

Genau das haben wir mit unserer Lösung geschaffen. Der Kunde erhält eine All-In-One Plattform inkl. Betrieb und Support unseres bimanu Teams. Aber was genau bedeutet es für ein Unternehmen datengesteuert zu sein? Es müssen z.B. folgende Voraussetzungen geschaffen werden:

Das Unternehmen muss Daten sammeln – nicht irgendwelche, sondern die richtigen, die für die Fragestellung relevanten Informationen. Und diese müssen folgenden Anforderungen entsprechen: zeitnah, genau, qualitätsgesichert und vertrauenswürdig.

Die Daten müssen zugänglich und analysierbar sein. Genaue, zeitnahe und relevante Daten reichen im ersten Schritt nicht aus, um als datengetrieben zu gelten. Die Daten müssen in einer einheitlichen Form vorliegen, welche bei Bedarf mit anderen Unternehmensdaten verknüpft werden können. Also die strukturierten Daten mit semistrukturieren Daten (BigData, IoT, Streaming) einfach in Beziehung setzen. Können das die heutigen Unternehmen so einfach? Ich denke nicht.

Unternehmen müssen einer zulässigen Datenaustauschkultur innerhalb der Organisation zustimmen, damit Daten verknüpft werden können, wie z.B. die Kombination des Clickstreams der Kunden mit ihrer Transaktionshistorie. Am besten gelingt dies mit einer qualitätsgesicherten Ausgangsbasis.

Die weitere wichtige Voraussetzung ist die richtige Auswahl eines Analysewerkzeuges zum Abfragen der Daten. Alle Dashboards und Analysen erfordern das Filtern, Gruppieren und Aggregieren von Daten, um die großen Mengen an Rohdaten in einen kleineren Satz von übergeordneten Zahlen zu reduzieren, die uns helfen, zu verstehen, was in einem Unternehmen genau passiert. Zudem wird ein zentraler Ablageort der Objekte benötigt, wo der Zugriff entweder am Desktop oder Mobil erfolgen kann und das jederzeit ohne Verzögerung.

OK, was denkst Du – wohin gehen Business Intelligence und Data Analytics im Allgemeinen, um einen Blick in die Kristallkugel zu werfen? Und bitte sag uns, welche Investition aus Deiner Sicht wirklich sinnvoll ist und welche nicht.

Der Trend ist schon erkennbar. Immer mehr Werkzeuge zeigen einen Self Services Ansatz, d.h. der Analyst bekommt genügend Hilfestellung hinsichtlich der Datenanalyse und Interpretation seiner Daten. Das der Business Intelligence Markt weiterhin wächst zeigen auch die Marktforschungsergebnisse von Gartner, Lünedonk oder Barc.

Die Analytics Werkzeuge werden zukünftig verstärkt den Self Services – Ansatz in Richtung Data Scientist umsetzen. Aber auch hier werden durch den Einsatz von Machine Learning immer mehr Automatismen zur Verfügung stehen, so dass im Endeffekt der Analyst in der Lage sein muss das Ergebnis des Algorithmus bewerten zu können. Im Integrationsumfeld weisen einige ETL Werkzeuge einen hohen Automatisierungsgrad auf, insbesondere durch die Data Vault Datenmodellierungsmethode lassen sich immer mehr Datenintegrationsprozesse weiter automatisieren. Mit Machine Learning werden noch weitere Potentiale aufgedeckt – was wäre, wenn das Programm aus den Metadaten das Datenmodell automatisch richtig erzeugt? Es gibt erste Startups, die auf diesem Weg erste Umgebungen realisiert haben.

Investitionen im klassischen Sinne in Form von on-Premise Produkten sind nicht mehr zeitgemäß, d.h. das Aufsetzen von Serverinfrastrukturen, manuelle Installationen und sogenanntem Customizing können durch entsprechende SaaS Anbieter bereits heute abgelöst werden. Unternehmen sollten den Microansatz für Ihre spezielle operative Anforderung einsetzen, die Software für alle Bereiche wird es nicht geben. Unternehmen sollten lieber auf spezialisierte Lösungen, die einen bestimmten Zweck erfüllen und gut vernetzbar für spätere übergreifende Auswertungen sind, zurückgreifen.

Dies kann eine sinnvolle Investition sein. Hier können Cloud Ansätze einen Mehrwert bieten, da diese Systeme schnell und mit wenig Kosten evaluiert werden können. Auch wir sind mit unser bimanu Cloud – Lösung noch lange nicht am Ende der Entwicklung – Sprachsteuerung für die Analyse oder Machine Learning für das automatische Fehlerhandling sind nur einige Punkte, die wir in Zukunft umsetzen wollen.

Vielen Dank, Swen! Ich schätze es ist klar, dass bimanu das Rüstzeug mitbringt um Unternehmen zu helfen, die sich noch nicht sicher sind wie sie mit den Herausforderungen fortgeschrittener Datenanalyse umgehen sollen. Wie Du richtig sagst, ist die Technik eine Dimension, die gemeistert werden will, aber eben noch lange nicht die einzige. Auf bimanu.de erfahren Interessierte mehr.

Mohammed ist Technologe, CRM- und E-Commerce-Experte und interessiert sich für Cloud Computing. Er liebt es, über Plattformökonomien zu sprechen.