Das Dokument thematisiert die aktuellen Herausforderungen und Entwicklungen von Business Intelligence Competence Centers (BICC) im Kontext moderner Technologien und agiler Vorgehensmodelle. Es wird argumentiert, dass die bestehende zentrale Organisation von BI zunehmend überholt ist und ein Trend zur Dezentralisierung in der Datenarchitektur zu beobachten ist, wodurch BI- und Analytics-Experten stärker integriert und autonom agieren sollten. Zudem betont der Artikel die Bedeutung von Data Governance und agilem Arbeiten, um die Zusammenarbeit von IT und Fachbereichen zu optimieren.

1. Link: https://www.computerwoche.de/a/sind-bi-competence-center-noch-zeitgemaess,3549844
Datum:
Autor(en):
Dezentral statt zentral
Sind BI Competence Center noch zeitgemäß?
30.09.2020
Daniel Eiduzzis
Geänderte Anforderungen, der Einsatz neuer Technologien und die Anwendung agiler
Vorgehensmodelle lassen Zweifel an den bestehenden BI-Strukturen aufkommen.
Gerade erst eingeführt, scheinen BICC nicht mehr dem aktuellen Zeitgeist zu entsprechen. Doch was kommt
danach?
Foto: Bas Nastassia - shutterstock.com
Gefühlt haben viele Anwenderunternehmen ihre sogenannten Business Intelligence Competence
Center (BICC) erst gestern etabliert - doch neue Anforderungen sowie Technologien und Kompetenzen im BI-
und Analytics-Umfeld zeigen heute, dass die Betriebe das Organisationsmodell ihres BI-Einsatzes überdenken
und womöglich neu aufstellen sollten.
Dabei spielt insbesondere der Einsatz von künstlicher Intelligence (KI) im Zusammenspiel mit Data Science
eine gewichtige Rolle. Zudem unterstreichen agile Projektmethodiken immer mehr die Notwendigkeit, dieser
Vorgehensweise auch in anderen Bereichen Rechnung zu tragen. Vor dem Hintergrund dieser Entwicklung stellt
sich die Frage, ob das BICC in seiner bisherigen Form noch zeitgemäß ist.
BI ist mehr als nur Reporting
1
2

2. Vor etwa zehn Jahren kamen erste Diskussionen und in der Folge Initiativen auf, das Thema BI
grundsätzlich neu zu organisieren . Viele Anwendungsunternehmen hatten über vorangegangene
Projekte eine umfassende Reporting-Architektur aufgebaut. So wurden auch erste Erfahrungen gesammelt,
welche Maßnahmen sich erfolgreich umsetzen ließen und welche weniger. Um die Schnittstelle zwischen IT und
Fachbereich dauerhaft zu verankern und die Synergien aus dem Konglomerat von Fach- und IT-Kompetenz zu
nutzen, wurden neue Competence Center ins Leben gerufen. BI war fortan nicht mehr nur ein Oberbegriff für
Reporting.
In der Umsetzung dieser neuen Abteilungen gab es unterschiedliche Ausprägungsformen - von komplett
virtuellen, hybriden bis zu physischen Competence Centern, die BI- und Prozessexperten aus IT und Fachbereich
umfassten. Zudem gab es auch in der Berichtslinie verschiedene Herangehensweisen, ob das BICC als
eigenständige Abteilung im Finanzbereich, in der hauseigenen IT oder als eigene separate Stabstelle aufgehängt
wurde.
Lesen Sie mehr zum Thema Business Intelligence:
FAQ: BI - Definition und Bedeutung
Wie Otto BI und Fachbereiche eng miteinander verzahnt
Die besten BI-Tools
Gerade in der Anfangszeit dieser neuen Organisationsmodelle und allen voran bei virtuellen
Zusammenschlüssen zeichneten sich allerdings immer wieder Probleme im laufenden Betrieb der BI Competence
Center ab. Waren insbesondere Delegierte der Fachfunktionen nur virtuell oder in Teilzeit dem BICC abgestellt,
kam es nicht selten zu Konflikten im Zeitmanagement, da die involvierten Mitarbeiter der Arbeit im BICC
zumindest zu Beginn meist nur eine untergeordnete Priorität einräumten.
Mit der Zeit fanden indes viele Unternehmen das für sie passende BICC-Konstrukt finden und etablierten die
entsprechenden Organisationsstrukturen. Die zahlreichen Vorteile, die mit der Einführung eines BI Competence
Center einhergingen, galten in der Folge oft als Vorbild für andere Geschäftsprozesse. So wurden in Anlehnung
an diese Konglomerate auch Competence Center für Customer Relationship Management (CRM) oder
beispielsweise Data Management beziehungsweise Data Governance aufgebaut.
Agilität wirkt nicht nur auf Projektarbeit
Nicht nur BI-Projekte wurden lange Zeit nach klassischer Wasserfallmethodik geplant und durchgeführt.
Die Vorteile waren aus Sicht der Anwenderunternehmen dabei die mehr oder weniger verlässlichen Prognosen
hinsichtlich Projektkosten sowie Projektdauer. Mit der Zeit haben sich aber mehr und mehr agile
Vorgehensweisen durchgesetzt.
Teilweise setzen technische wie fachliche Bedingungen eine agile Projektierung voraus. Data-Science-
Projekte skizzieren oftmals nur einen rudimentären betriebswirtschaftlichen Rahmen und beanspruchen
Raum für Erkenntnisse, die sich erst im Laufe des Projektes herausschälen. Außerdem gibt es mittlerweile eine
Fülle an neuen Werkzeugen im BI- und Analytics-Markt, deren Anwendung durch eine agile Herangehensweise
erprobt werden müssen. Spezielle Anforderungen an Analytics und Visualisierungen bedingen zum Teil
dedizierte Tools.
Agile Projektteams sind ein Stück weit vergleichbar mit den zuvor beschriebenen BI Competence Centern. Für
einen zuvor abgesteckten Zeitraum verfolgen Vertreter aus IT und Fachbereich das gleiche Projektziel und
arbeiten in einem temporären Team eng zusammen. Auch hier bringt jedes Projektmitglied seine jeweiligen
Kompetenzen und Fertigkeiten aus seiner Spezialdisziplin ein und gewährleistet so ein hochgradig
leistungsstarkes Team. Somit hat der Ansatz nach Scrum oder anderen agilen Projektmethodiken mehr und
mehr Einfluss auf die Aufbauorganisation.
3
4
5
6
7
8
9
10
11

3. Um insbesondere eine enge Verknüpfung zwischen den fachlichen Anforderungen und der Machbarkeit einer
technischen Umsetzung herzustellen, können gerade in frühen Projektphasen agile Projektvorgehensweisen
hilfreich sein. Agile Vorgehensmodelle bieten sich in mehrfacher Hinsicht an, um beispielsweis technisches
und konzeptionelles Neuland zu beschreiten.
Das Arbeiten in kleinen exklusiven Teams, die in Sprints von nur wenigen Wochen ununterbrochen Output
erzeugen, lässt schnell Rückmeldungen zu, ob die avisierten Ziele zu erreichen sind.
Dieser Output bietet dauerhaft die Möglichkeit, in der technischen Ausrichtung nachzujustieren oder -
wenn nötig - Diskussionen hinsichtlich fachlicher Kompromisse anzustrengen.
Somit trägt dieser methodische Ansatz dem Wunsch nach einem höheren Tempo in der Umsetzung und
Ergebniserzeugung Rechnung. Erste Erfahrungen aus der Praxis zeigen, dass Lösungen aus agilen Projekten
sehr viel häufiger als gemeinsamer Projekterfolg aus IT und Fachbereich verstanden werden und somit eine
ungleich höhere Akzeptanz bei allen Projektbeteiligten schaffen.
[Hinweis auf Bildergalerie: Warum agile Organisationen und Methoden effizienter sind]
Dezentral ist das neue zentral
In der Vergangenheit verfolgten viele Anwenderunternehmen den Aufbau eines zentralen Data
Warehouses , um dem "Single-Point-of-Truth" Anspruch gerecht zu werden. Mittlerweile haben sich solche
Initiativen überholt. Stattdessen lässt sich ein verstärkter Trend hin zur Dezentralisierung feststellen.
Sinnvollerweise steht zu Beginn von Big-Data-Initiativen der konkrete Anwendungsfall im Mittelpunkt. Data
Scientists werden in diesem Zusammenhang direkt dem entsprechenden Fachbereich zugeordnet. In der
Umsetzung kommen dabei von Fall zu Fall unterschiedliche Modellierungs- und Analytics-Werkzeuge zum
Einsatz. Immer seltener besteht der zwingende Bedarf, temporär oder dauerhaft generierte Datenbestände
zentral bereitzustellen und vorzuhalten. Dezentral ist das neue zentral. Dabei gilt es, Schnittstellen für den
fachbereichsübergreifenden Datenaustausch im Bedarfsfall zu berücksichtigen.
Der "Single-Point-of-Truth" wird sozusagen durch das "Single-Net-of-Truth" ersetzt. Die Daten verbleiben dort,
wo sie benötigt beziehungsweise generiert werden. Eine Data Governance schafft den Rahmen für ein
unternehmensweit durchlässiges Netz an Informationen.
Ein solcher dezentraler Ansatz einer neuen Datenarchitektur kann sich schlussendlich auch in der
Aufbauorganisation widerspiegeln. Der Netzwerkgedanke löst den zentralistischen Ansatz mehr und mehr ab.
Wie zuvor beschrieben werden Data-Science-Kompetenzen in der Regel direkt in der Prozessorganisation
angesiedelt. Da diese Funktionen auch fachliche und technische Unterstützung von orginären BI-Disziplinen
benötigen, ist eine Ansiedlung weiterer BI-Rollen im Fachbereich die logische Folge. Somit finden sich in den
Linienorganisationen komplette Teams wieder, die von der fachlichen bis zur technischen Expertise den
kompletten BI- und Analytics-Stack abdecken - ähnlich, wie es in agilen Projektteams für einen temporären
Zeitraum der Fall ist.
Auf die Data Governance kommt es an
Somit tritt an die Stelle des vormals zentralistisch angelegten BICC zukünftig ein unternehmensweites Netz an
BI-Experten, die sich über entsprechende Governance-Strukturen vor allem virtuell organisieren und
abstimmen. Dabei gibt es Funktionen, wie Infrastruktur und Cloud-Architektur, die zunehmend an Bedeutung
gewinnen und auch weiterhin in zentralen Competence Centern beziehungsweise der IT organisiert werden
sollten.
12
gal1
13
14
15

4. Mit Blick auf eine vermehrte Anzahl von BI- und Analytics-Werkzeugen sowie unterschiedlichen Datentöpfen ist
eine funktionierende Data Governance wichtiger denn je. Hier können zentrale Instanzen Richtlinien vorgeben,
die für alle Funktionen und Beteiligten im unternehmensweiten Netz maßgeblich sind.
Die Projekte werden agil und mit cross-funktionalen Teams besetzt. Fach- und IT-Experten arbeiten für eine
abgesteckte Projektdauer eng zusammen. Die Praxis zeigt, dass diese Vorgehensweise immer häufiger von Erfolg
gekrönt ist. Warum sollten also Anwenderunternehmen nicht folgerichtig den nächsten Schritt gehen und
zentrale Strukturen aufbrechen und an deren Stelle ein Netzwerk aus BI- und Analytics-Experten aufsetzen?
Business Intelligence wäre damit nach der Einführung der BI Competence Centern einmal mehr der Taktgeber
hinsichtlich neuer Organisationsmodelle. (ba)
Links im Artikel:
https://www.computerwoche.de/a/wie-sie-business-intelligence-strategisch-
organisieren,2545258
https://www.computerwoche.de/k/kuenstliche-intelligenz-artificial-intelligence,3544
https://www.computerwoche.de/a/wie-sie-business-intelligence-strategisch-
organisieren,2545258
https://www.computerwoche.de/a/bi-definition-und-bedeutung,3608609
https://www.computerwoche.de/a/wie-otto-bi-und-fachbereiche-eng-miteinander-
verzahnt,3640152
https://www.computerwoche.de/a/die-besten-bi-tools,3548631
https://www.computerwoche.de/a/crm-anwender-kaempfen-mit-datenproblemen,3548033
https://www.computerwoche.de/a/vom-kleinen-punkt-zum-grossen-ganzen,3549201
https://www.computerwoche.de/a/agil-versus-wasserfall,3547451
https://www.computerwoche.de/a/kommt-der-datenwissenschaftler-2-0,3549205
https://www.computerwoche.de/a/scrum-entfesselt-kreativitaet,3609722
https://www.computerwoche.de/a/was-kommt-nach-der-agilitaet,3547971
https://www.computerwoche.de/a/data-warehouse-behaelt-wichtige-analytics-
rolle,3546683
https://www.computerwoche.de/a/nur-das-einstellen-von-spezialisten-reicht-nicht,3547637
https://www.computerwoche.de/a/der-richtige-weg-zur-data-governance,3546149
Bildergalerien im Artikel:
Warum agile Organisationen und Methoden effizienter sind
IDG Business Media GmbH
Alle Rechte vorbehalten. Jegliche Vervielfältigung oder Weiterverbreitung in jedem Medium in Teilen oder als Ganzes bedarf der schriftlichen Zustimmung der IDG Business Media
GmbH. dpa-Texte und Bilder sind urheberrechtlich geschützt und dürfen weder reproduziert noch wiederverwendet oder für gewerbliche Zwecke verwendet werden. Für den Fall,
dass auf dieser Webseite unzutreffende Informationen veröffentlicht oder in Programmen oder Datenbanken Fehler enthalten sein sollten, kommt eine Haftung nur bei grober
Fahrlässigkeit des Verlages oder seiner Mitarbeiter in Betracht. Die Redaktion übernimmt keine Haftung für unverlangt eingesandte Manuskripte, Fotos und Illustrationen. Für
Inhalte externer Seiten, auf die von dieser Webseite aus gelinkt wird, übernimmt die IDG Business Media GmbH keine Verantwortung.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
gal1