Berufsbild BI Analyst*in

Ein bisschen BI schadet nie.

Als BI Analyst (m/w) nutzt man für Erkenntnisse über Status quo und Potenziale Daten aus diversen Quellen und analysiert sie systematisch. So deckt man in- und externe Stärken und Schwächen auf und steigert anschließend mit softwaregestützten Handlungsempfehlungen die Profitabilität. Im Strategic Alignment machen BI Analyst*innen die Beziehung zwischen gelebten Prozessen und eigentlicher Srategie sichtbar – Synergieverschwendung? Nein, danke!

Typische Aufgaben als BI-Analyst*in

  • ETL-Prozesse rund um ERP-Daten
  • Pflege des Data Warehouse
  • Data Delivery, Data Discovery (oft auch mit Data Mining)
  • strategische Ausrichtung von Prozessen und Strategien
  • Markt- und Kundenanalyse

Das A und O eines erfolgreichen Unternenhmens ist die strategische Entwicklung. Und genau an dieser Stelle sitzt man als Business Intelligence Analyst*in am langen Hebel: Ob man nun den scharfen geschäftsstrategischen Blick auf die Seite des eigenen Unternehmens richtet, oder auf die der Kunden: Irgendwo gibt es immer einen Ansatzpunkt für Optimierungen. Das kann allerlei konkrete Aufgaben umfassen: Mit hochgekrempelten Ärmeln greift man akute Problemstellungen auf und ersinnt anschließend Konzepte und passgenaue Richtlinien für geeignete Lösungen. Beispiele dafür wären etwa die Einführung neuer Softwarelösungen für Anwendungsentwickler oder die Optimierung crossfunktionaler Schnittstellenprozesse. Dabei sind betriebswirtschaftliche Ansatzpunkte oft genauso wichtig, wie technologische – und das macht eine Sache für BI-Jobs elementar, mit der man nicht unbedingt rechnet: harmonische Zusammenarbeit und viel Teamspirit. Auch die Unterstützung der auf die angestoßenen Optimierungen folgende QA gehört übrigens nicht selten zum Arbeitsalltag in der Business Intelligence.

Schaubild zum typischen BI-Prozess
Aus den verschiedenen Datensilos wird homogenisiert zusammengetragen und schließlich ausgewertet. Grafik: D. Martin.

Und in welchem Habitat findet man BI-Analyst*innen typischerweise? Naturgemäß sind Unternehmen, die auf ein stabiles DWH-Fundament und ordentlich ERP-Power bauen, die Hauptabnehmer für dieses Berufsfeld – das umfasst etwa Großkonzerne aus der Automobilindustrie, Telko-Riesen oder Logistik- oder Pharma-Unternehmen. Aber auch in Onlineunternehmen oder System- und Medienhäusern finden sich zahlreiche BI-Jobs, die dann mit Ihren wechselnden Kundenprojekten durchaus mehr Dynamik und Abwechslung versprechen. Zudem gilt: Ab einer bestimmten Unternehmensgröße geht es kaum noch ohne BI-Analyst*innen, denn je mehr Ressourcen im Spiel sind, desto eher schlagen auch kleinere Optimierungen im ERP zu Buche.

Welche Techs sind im BI-Umfeld gefragt?

  • Kenntnisse in gängigen ERP- und BI-Systemen
  • am besten SAP, Oracle, IBM Cognos etc.
  • Datenbanken bzw. Abfragesprachen aller Art, egal ob SQL/NoSQL
  • ansonsten Prozessmodellierung etwa über UML

Dass sich die betriebswirtschaftliche Detektivarbeit auf der Suche nach verstrickten Prozessen, ineffizienten Supply Chains und nach sperrigem Stückwerk im Data Warehouse nicht rein manuell stemmen lässt – geschenkt. Doch zum Glück gibt’s mächtige BI-Lösungen, die BI-Analyst*innen das Tagewerk erleichtern. Da wären etwa die ERP-Module von SAP, Oracle und IBM Cognos, die nicht nur einen strategischen Gesamtüberblick erlauben, sondern auch granulare Detailaufnahmen, wenn man der Lösung bereits auf der Spur ist. Die Modulbauweise und Komplexität dieser BI-Lösungen (insbesondere natürlich dem deutschen Giganten SAP) sorgt für einen hohen Anspruch, bei dem sich jedes bisschen Erfahrung rechnet. Aber auch mit Datenbanken und deren Abfragesprachen hat man in BI-Jobs fast unumgänglich zu tun. Je nach Unternehmen setzt man dabei ganz relational auf SQL und Konsorten, oder pflegt das DWH bereits nach NoSQL-Art. Letzteres ist insbesondere in Big-Data-lastigen Settings wahrscheinlich. Die Prozess- und Strategie-Seite der BI dröselt man am besten mit grafischen Modellierungssprachen wie UML auf, während man sich auch im BI-Job mit Jira das interpersonelle Miteinander in den Projekten erleichtert.

Technologien

  • SAP, Oracle, IBM Cognos
  • SQL, NoSQL
  • UML
  • oft auch Big-Data-Techs wie Hadoop

Häufig verwendete Tools

  • Jira, Confluence

Tools und Methoden, die man sonst noch kennen sollte

  • Automatisierung diverser Prozesse
  • etwa Planung, Forecasting, Controlling oder Reporting
  • Wettbewerbsanalyse
  • Homogenisierung des Data Warehouse
  • Cloud-BI
  • Datenaggregation, Standardreports
  • Aneignung neuester Techs und Trends

Auch in der BI-Analyse kommt es natürlich auf die richtige Methodik an. Um verschiedenste Datenquellen aus allen Unternehmensbereichen strukturiert zusammen zu bringen, hat man als BI-Analyst*in am besten den ETL-Prozess im Blut. So macht man aus heterogenen schnell homogene Daten im Warehouse. Nach der Datenextraktion geht es an die Transformation ins Zielformat und schließlich an die Zusammenführung unter einem Dach – klar, dass man dafür nicht nur die Quellformate schnell durchdringen muss, sondern auch das Datenbank-Zielformat im Griff haben muss. Das Feld, das innerhalb der BI am schnellsten an Bedeutung gewinnt, die Cloud-basierte Business Intelligence, erfordert dabei naturgemäß noch weiteres Methodenwissen in diese Richtung. Denn auch die beste BI ist nicht viel wert, wenn die Erkenntnisse der BI-Analysten nicht durch umfassendes Wissensmanagement und Knowledge Sharing in alle Unternehmensrichtungen getragen werden und dort etwa in Prozessanpassungen resultieren.

Methoden und Konzepte

  • ETL
  • OLAP
  • Data Mining
  • Automatisierung
  • fallbasierte Argumentation
  • systematische Analyse
  • strategisches Roadmapping
  • DWH-Homogenisierung

Was darf es noch sein?

  • gern gesehen: ein wirtschaftliches, mathematisches oder IT-nahes Studium
  • alternativ: eine Ausbildung in ähnlichen Bereichen oder auch Buchhaltung
  • natürlich von Vorteil: Berufserfahrung in der Daten- oder Business-Analyse
  • je, mehr desto Senior!

Da es in Fragen der Business Intelligence im Gegensatz etwa zu klassischen Devs eher schwierig ist, in Hobby- und Tüftelprojekten Erfahrung zu sammeln, kommt es hier für Einsteiger auf den theoretischen Hintergrund an. Schon während Ausbildung oder Studium kann man sich über Praktika und Projektarbeit an die Praxis heran hangeln. Absolventen sind bei Konzernen durchaus stark gefragt, handelt es sich doch um die BI-Profis der Unternehmenslandschaft von morgen. Auch nach Quereinsteigern wie Data oder Business Analyst*innen sowie generell aus datenlastigen Feldern ist dabei häufig Bedarf – echte Spezialist*innen, gerade für das immer wichtigere Big-Data-Umfeld, sind dabei naturgemäß knapp und werden händeringend gesucht. Dabei sind nicht nur “harte” Anforderungen für den Einsatz im Unternehmensumfeld von Relevanz: Auch Softskills sind für BI-Analyst*innen durchaus wichtig: So sollte man detektivisch die Beschaffenheiten verschiedener Prozesse und deren Bedeutung für das Unternehmen durchdringen können, um anschließend klar und verständlich zu transportieren, warum hie und dort business-intelligente Anpassungen etwa an Prozessen und Richtlinien notwendig sind.

Wohin der Weg sonst noch führt.

  • Big Data
  • Distributed Computing
  • Data Science
  • Automatisierung
  • DWH-Architektur

Wem es noch nicht genügt, die Daten-DNA seines Unternehmens zu durchdringen und zu optimieren, der kann langfristig auch noch andere Felder erschließen. Kann man nicht nur Datenbanken lesen, sondern versteht auch etwas von der Software-Entwicklung an sich, kommt auch ein Wechsel in Richtung Datenbank-Architektur in Frage. Umfasst das eigene Vorwissen dazu noch Big Data-Technologien wie Apache Hadoop, steht auch dem Schnuppern in Richtung Cloud-Architekturen und distributed computing nichts im Weg. Die Daten werden dadurch nur noch heterogener, für viele BI Analyst*innen eine interessante Perspektive. Zudem hat man dann nicht mehr nur Einfluss auf die Datenstrukturen, die ins DWH einfließen, sondern formt dessen Infrastruktur direkt mit. Der Einfluss auf die datenbasierten Prozesse lässt sich damit unternehmensweit noch weiter ausbauen. Weiterhin gibt es natürlich auch Schnittstellen zur klassischen Business Analyse, wenn man langfristig als BI Analyst*in seine Expertise lieber noch geschäftsstrategischer ausrichten möchte.

Perspektive wird gern gesehen

  • Lust auf neue (Software-)Entwicklungen
  • Weiterbildungswille
  • guter Marktüberblick
Die Big-Five der Business Intelligence.
Um die kommt man als BI Analyst*in kaum herum: Die Big-Five der Business Intelligence.

Wissenswertes zur Business Intelligence

Der Begriff Business Intelligence wurde zum ersten mal im Oktober 1958 im IBM Journal, einer Branchenpublikation benutzt. Wieder aufgegriffen und damit gefestigt hat ihn dann die Gartner Inc. 1989. Heute nimmt die Konzentration am BI-Markt stetig zu. Die BIg Five, Oracle, IBM, SAP, Microsoft und SAS, liegen bei über 60 %, viele kleinere Anbieter – genauer: 24 von 52 Anbietern im Feld – konnten Ihre Umsätze in den letzten Jahren nicht konsolidieren und liegen noch unter 1 Mio. Euro im Jahr. Von den größten Anbietern umfassender BI-Lösungen verzeichnet nach wie vor IBM den größten Zuwachs, nicht zuletzt auch durch den Zukauf von SPSS. Dazu lässt sich festhalten, dass dieser Trend sich insbesondere bei den Backend-Lösungen und ERP-Systemen feststellen lässt – der Markt für BI-Anwender-Tools in richtung Frontend ist noch deutlich diverser. Und generell wird der Markt größer, denn effiziente Prozesse sind in Zeiten von Ressourcen-Knappheit und Arbeitnehmer-Mangel das A&O zum erfolgreichen Geschäft.

Wissenswert

  • Begriff zum ersten Mal im Oktober 1958 im IBM-Journal erwähnt
  • 1989 von Gartner Inc. wieder aufgegriffen
  • 52 Anbieter von BI-Lösungen mit mehr als 1 Mio. € Umsatz
  • Marktvolumen für BI-Software in DE: über 1,3 Mrd. €

Tech-Trends

  • non-persistente In-Memory-DBs gelten als der neue heiße BI-Trend, etwa LucaNet setzt im Rechnungswesen darauf

Und was verdient man als BI-Analyst*in?

BI-Analyst*innen vereinen Kompetenzen aus Business Analyse und IT – und nehmen dadurch auch gehaltlich das beste aus beiden Welten mit. Als Professional liegt das Gehalt bei etwa 60.000 €, je nach Erfahrung etwa plusminus 15 %. Je nach Konzerngröße und Zielregion ist die Range dabei nach oben quasi offen, auch ein dreistelliger Tausenderbetrag ist im Jahresgehalt keine Ausnahme. Dass ein gestandener Großkonzern mit tausenden Mitarbeitern und bereits klar definierter DWH-Infrastruktur oft mehr zahlt, als ein Online-Unternehmen mit gerade erst wachsender BI oder ein Systemhaus mit wechselnden Kunden – geschenkt. Geld ist aber wie so oft nicht alles: In Hinsicht auf die Rahmenbedingungen macht die Wahl des Arbeitgebers oft empfindliche Unterschiede, die man natürlich auch für sich verschieden priorisieren kann. Jobsicherheit, geregelte Zeiten, womöglich in weniger als 40 Wochenstunden, bezuschusste Altersvorsorge? Ab zum Großkonzern! Büromassagen, Kicker, flexible Zeiten, LAN-Partys? Systemhaus it is! Mit den richtigen Kenntnissen und Erfahrungen kommt man überall unter und wird es nicht bereuen. :-)

Verdienst

  • Einstieg ab etwa 45.000 €
  • ~60.000 € (Professionals)
  • 80.000+ € (Seniors)

Ihre Ansprechpartner für BI-Positionen: