Weniger, aber aussagefähige und verlässliche Kennzahlen zu haben, deren Inhalt und Herleitung wirklich nachvollziehen zu können – ein Wunsch vieler Manager. Warum ist es so schwer, diesen Wunsch trotz hoher Investitionen in Data Warehouse- und Business Intelligence-Lösungen zu erfüllen? Bevor Sie resigniert abwinken, lesen Sie weiter! Durch eine strategische Herangehensweise und geeignete Kontroll- und Steuerungsstrukturen werden Korrektheit, Transparenz und Nachvollziehbarkeit der Kennzahlen verbessert. Dadurch wächst das Vertrauen in die Kennzahlen und gleichzeitig sinken die Kosten zur „Produktion“ der benötigten Informationen.

Ein Beispiel aus der Praxis: Finanzvorstand Herr Bartel nimmt den Quartalsbericht für das letzte Quartal zum wiederholten Male in die Hand. Aus seiner Sicht sieht dieser eigentlich ganz gut aus. Aber da sind noch die Berichte der einzelnen Gesellschaften. Beim Abgleich der Einzelberichte mit dem konsolidierten Bericht scheint plötzlich gar nichts mehr zu stimmen, die Zusammenführung der Zahlen ist nicht nachvollziehbar. Außerdem gibt es in den Berichten zahlreiche Fußnoten, die auf Ausschlüsse, besondere Einschlüsse, andere zeitliche Abgrenzungen sowie verschiedene Verknüpfungen hinweisen. Herr Bartel ist stark verunsichert. Wo steht das Unternehmen tatsächlich? Welchen Zahlen soll er trauen?  

Dieses fiktive Szenario ist in der Realität, vor allem in Großunternehmen, eine häufig anzutreffende Situation. Obwohl in den Firmen in den vergangenen Jahren viel Geld investiert wurde, um Data Warehouse-Lösungen zu schaffen und darauf mittels moderner Frontend-Tools ein entsprechendes Kennzahlen-Reporting aufzusetzen, ist die Qualität dieser Reports oft nicht befriedigend. Dies wiegt um so schwerer, da Data Warehouse basierte Lösungen zunehmend in kritischen Unternehmensbereichen wie Unternehmenssteuerung, Corporate Performance Management, Risiko-Management oder in auditierungsrelevanten Bereichen eingesetzt werden. Gerade hier kommt es auf Genauigkeit und Zuverlässigkeit der Informationen in besonderem Maße an.

Neue Technologien – aber zu wenig neue Informationskultur

Die Idee des Data Warehouse ist vielversprechend: Integration aller für das Reporting benötigten Quelldaten in einer Datenbank, getrennt von den operativen Datenbanken. Dazu die Nutzung von spezifischen Datenstrukturen, welche die Generierung unterschiedlicher Geschäftssichten auf die Daten einschließlich historischer Daten ermöglichen und die Lieferung der Abfrageergebnisse in akzeptabler Zeit unterstützen. Darauf basiert der Zugriff über moderne OLAP (Online Analytical Processing) -Tools mit Analyse- und Reportingmöglichkeiten und optisch ansprechender Informationsaufbereitung. Die Initiative zu diesen Lösungen ging in den 90er Jahren mehrheitlich von der Unternehmens-IT aus, später dann zunehmend von einzelnen Fachbereichen wie Controlling oder Vertriebscontrolling.

Zur Deckung des Reporting- und Analysebedarfs des jeweiligen Fachbereiches wurden die benötigten operativen Datenquellen in ein bereichsspezifisches Data Warehouse (Data Mart) integriert. Die Modellierung erfolgte in Eigenregie bei freier Wahl von Benennungen für Kennzahlen, Auswertungsdimensionen und deren Hierarchiestufen. Stammdaten, die in fast jedem Bereich benötigt werden, beispielsweise Kunden- oder Produktdaten, wurden vielfach dupliziert und dann nach eigenem Ermessen weiterverwendet.
Weiter