thinkBI

Ein Modell wird nicht dadurch besser, dass seine Felder vollständig wirken. Es wird besser, wenn andere Menschen darin Lücken, Spannungen und Anschlussstellen erkennen. Im thinkBI Podcast stehen diesmal genau diese Rückmeldungen zum Entscheidungswirkraster im Mittelpunkt.

Eine dieser Rückmeldungen trifft einen besonders wichtigen Punkt. Organisationen können sehr viel Energie in Ideen, Analysen und Entscheidungsunterlagen investieren – und trotzdem zu wenig über Wirkung sprechen. Das Problem ist nicht, dass Denken unwichtig wäre. Das Problem entsteht, wenn Denken und Ausführung gedanklich getrennt werden.

thinkBI #033 – Zwischen guter Idee und neuer Erkenntnis weiterlesen

Im thinkBI Podcast geht es diesmal um eine Frage, die nach jedem Dashboard und jeder Analyse offenbleibt: Was geschieht eigentlich mit der Information, nachdem sie bereitgestellt wurde? Rückmeldungen zur Dashboard-Nutzung bilden den aktuellen Anlass, einen Entwurf vorzustellen, der sich aus den Gedanken der vergangenen Podcastfolgen entwickelt hat: das Entscheidungswirkraster.

Nutzungsmetriken können zeigen, ob ein Bericht geöffnet wird. Sie zeigen aber noch nicht, ob er eine Entscheidung verbessert hat. Ein nie aufgerufener Bericht ist ein klares Signal. Ein einmal geöffneter Bericht kann es ebenfalls sein. Doch selbst regelmäßige Nutzung beantwortet noch nicht die entscheidendere Frage: Welche Wahl wurde durch welche Information unterstützt, welche Handlung ist daraus entstanden und woran erkennen wir später ihre Wirkung?

thinkBI #032 – Entscheidungen brauchen einen sichtbaren Wirkungsweg weiterlesen

Im thinkBI Podcast geht es diesmal nicht darum, wo KI überall eingesetzt werden kann. Im Mittelpunkt steht eine ruhigere und wichtigere Frage: Wo sollte sie nicht die erste Wahl sein? Der Anstoß für diese Unterscheidung kommt aus einem Video der IBM-Technology-Reihe, das du hier findest: IBM Technology Video auf YouTube.

Die gegenwärtige Diskussion erzeugt leicht den Eindruck, jedes Problem werde besser, sobald ein großes Sprachmodell, ein Agent oder eine generative Oberfläche darauf angesetzt wird. Diese Vorstellung verwechselt technische Reichweite mit fachlicher Angemessenheit. Eine Lösung ist nicht deshalb gut, weil sie möglichst viel kann. Sie ist gut, wenn sie zur Aufgabe passt, nachvollziehbar bleibt und die nötige Verantwortung dort verankert, wo sie hingehört.

Der Ausgangspunkt ist deshalb nicht die Technologie. Es ist die Art der Aufgabe.

thinkBI #031 – Nicht jede Aufgabe braucht generative KI weiterlesen

Im thinkBI Podcast geht es diesmal um den Punkt, an dem ein Dashboard den geschützten Raum von Entwurf, Entwicklung und Test verlässt: die Nutzung im Fachbereich.

Dieser Übergang wird leicht als letzte technische Aufgabe behandelt. Das Dashboard wird veröffentlicht, der Link geteilt, das Projekt abgeschlossen. Doch genau dort beginnt die entscheidende Prüfung. Ein Dashboard ist nicht wertvoll, weil es gebaut wurde. Es ist wertvoll, wenn Menschen daraus Erkenntnisse ableiten und auf dieser Grundlage besser entscheiden als zuvor.

Das sichtbare Ergebnis eines Projekts ist ein Bericht. Das eigentliche Ergebnis ist eine veränderte Entscheidungsfähigkeit.

thinkBI #030 – Ein Dashboard schafft Nutzen erst in der Nutzung weiterlesen

Im thinkBI Podcast geht es diesmal um eine Eigenschaft von Dashboards, die in vielen Projekten erst spät betrachtet wird: Zugänglichkeit. Ausgangspunkt sind Rückmeldungen aus der Community zur verständlichen Visualisierung und zur Trennung von semantischem Modell, Interaktion und Präsentation.

Ein Dashboard kann fachlich korrekt modelliert, visuell aufgeräumt und technisch sauber umgesetzt sein. Trotzdem kann es einen Teil seiner Nutzer ausschließen. Dann liegt das Problem nicht in den Daten. Es liegt in der Art, wie die Information erreichbar gemacht wird.

Barrierefreiheit ist deshalb keine zusätzliche Qualitätsstufe für besonders sorgfältige Projekte. Sie gehört zur grundlegenden Aufgabe eines Dashboards, Informationen so zu vermitteln, dass Menschen sie verstehen und für ihre Arbeit nutzen können.

thinkBI #029 – Zugänglichkeit macht Dashboards für alle besser weiterlesen

Im thinkBI Podcast geht es diesmal um die Umsetzung eines Dashboard-Prototyps. KI verändert diesen Schritt grundlegend: Visualisierungen, die früher an Werkzeuggrenzen scheiterten, lassen sich heute deutlich leichter individuell entwickeln.

Das klingt zunächst nach einem eindeutigen Fortschritt. Wer eine besondere Darstellung benötigt, muss nicht mehr darauf warten, dass sie als Standardfunktion im BI-Werkzeug verfügbar wird. Offene Frameworks, HTML, SVG oder eigene Visuals schaffen zusätzliche Wege. KI senkt dabei die Hürde, den notwendigen Code zu erzeugen.

Doch genau mit dieser neuen Freiheit wird eine alte Frage wichtiger: Sollten wir alles visualisieren, was wir technisch umsetzen können?

thinkBI #028 – Nicht alles, was KI visualisieren kann, gehört ins Dashboard weiterlesen

Im thinkBI Podcast geht es diesmal um eine Rückfrage aus der Community. Sind die Überlegungen zum Sternschema der Schlüssel zum Gold Layer und beginnt danach das semantische Modell? Um diese Begriffe zu sortieren, kommt erstmals auch ChatGPT als Gesprächspartner hinzu.

Die Frage ist wichtig, weil Schichtenmodelle schnell eine Eindeutigkeit erzeugen, die in der Praxis gar nicht vorhanden ist. Raw, Silver und Gold klingen nach einer klaren Abfolge. Rohdaten werden aufbereitet, fachlich geordnet und schließlich analytisch nutzbar gemacht. Doch spätestens beim Gold Layer beginnt die Unschärfe. Ist er bereits die fertige semantische Schicht? Gehört das Power-BI-Modell noch dazu? Oder liegt es als weitere Ebene darüber?

Die Begriffe lösen dieses Problem nicht von selbst. Entscheidend ist deshalb weniger der Name einer Schicht als ihre Aufgabe.

thinkBI #027 – Datenstruktur ist noch keine Semantik weiterlesen

Im thinkBI Podcast ging es zuletzt um Datenmodellierung. Der eigentliche Punkt daran ist nicht technisch, sondern konzeptionell: Zwischen vorbereiteten Tabellen und belastbarer Analyse liegt mehr als ein weiterer Implementierungsschritt.

Datenmodellierung wirkt auf den ersten Blick oft wie eine Fleißaufgabe nach der Datenaufbereitung. Tabellen sind bereinigt, Fakten und Dimensionen angelegt, die Struktur ist sauber. Damit scheint die analytische Arbeit fast abgeschlossen zu sein. Genau hier beginnt aber der eigentliche Unterschied zwischen einem geordneten Datenbestand und einem Modell, das Analyse wirklich trägt.

thinkBI #026 – Zwischen Sternschema und semantischem Modell weiterlesen

Im thinkBI Podcast geht es diesmal um Datenaufbereitung. Das klingt zunächst nach einem technischen Zwischenschritt. Ein paar Transformationen, ein paar Bereinigungen, dann kann das Reporting beginnen. Genau dieses Bild ist zu klein.

Denn Datenaufbereitung entscheidet nicht nur darüber, wie Daten aussehen. Sie entscheidet auch darüber, wo Last entsteht, wie oft Quellsysteme berührt werden, wie stabil Verarbeitung abläuft und ob BI auf einem Werkzeug oder auf einer tragfähigen Architektur aufsetzt.

thinkBI #025 – Datenaufbereitung ist keine Nebenaufgabe der BI weiterlesen