Business Analytics bezeichnet die systematische Auswertung von Unternehmensdaten, um Entscheidungen auf Zahlen zu stützen statt auf Bauchgefühl. Der Begriff fasst zwei Bausteine unter einem Dach zusammen: Business Intelligence (Berichte und Dashboards, die zeigen, was im Unternehmen passiert ist) und Advanced Analytics (statistische Verfahren und Prognosen, die zeigen, was passieren wird und was zu tun ist).
Was ist Business Analytics?
Business Analytics ist der Sammelbegriff für die datenbasierte Analyse-Arbeit im Unternehmen. Er umfasst die Prozesse, Kennzahlen, Methoden und Rollen, mit denen aus Daten Entscheidungen werden. Populär gemacht wurde der Begriff durch Thomas Davenport und Jeanne Harris im Buch „Competing on Analytics" (Harvard Business Review Press, 2007), das Analytik als Rahmen für datengestützten Wettbewerb beschreibt. Fachverbände wie TDWI (The Data Warehousing Institute) und Analysten wie Gartner verwenden den Begriff seither als organisatorischen Sammelbegriff neben der Einteilung nach einzelnen Methoden.
Inhaltlich fasst Business Analytics zwei Bestandteile zusammen: Business Intelligence als deskriptive Analytik (Reporting, Dashboards, standardisierte Kennzahlen) und Advanced Analytics als methodische Vertiefung (statistische Modelle, Machine Learning, Optimierung, Simulation). Manche Definitionen ergänzen Data Mining und Text- oder Web-Analytik als eigenständige Bausteine.
Ein etablierter Ordnungsrahmen sind die vier Reifegrad-Ebenen der Analytik: descriptive (Was ist passiert?), diagnostic (Warum ist es passiert?), predictive (Was wird passieren?) und prescriptive (Was sollte getan werden?). Die ersten beiden Stufen zählen typischerweise zur klassischen Business Intelligence, die letzten beiden zur Advanced Analytics. Business Analytics umfasst alle vier Stufen als organisatorisches Ganzes.
Business Analytics beschreibt damit eine Perspektive auf die Daten-Arbeit im Unternehmen. Werkzeuge wie Power BI, Tableau, Databricks oder SAS werden für Business Analytics eingesetzt und decken je nach Ausbaustufe verschiedene Reifegrade ab; die Werkzeuge selbst tragen die Bezeichnung aber nicht per se. Ebenso ist der Begriff nicht auf eine Rolle beschränkt: „Business Analyst" bezeichnet einen konkreten Beruf, während Business Analytics die Funktion und Methodenwelt im Unternehmen meint, an der neben Analysten auch Data Engineers, Data Scientists und Fachbereiche mitwirken.
Abgrenzung zu verwandten Begriffen
Business Analytics wird häufig mit vier benachbarten Begriffen verwechselt. Die Abgrenzung verläuft entlang unterschiedlicher Achsen: Methoden-Tiefe, Datenvolumen, Disziplin und Artefakt-Ebene.
| Begriff | Achse | Kernunterschied |
|---|---|---|
| Business Intelligence | Methoden-Tiefe | BI ist die deskriptive Teilmenge von Business Analytics (Dashboards, Reporting). Business Analytics umfasst BI und ergänzt sie um Advanced-Analytics-Methoden. |
| Advanced Analytics | Methoden-Tiefe | Advanced Analytics ist die Methoden-Teilmenge mit statistischem, prädiktivem oder präskriptivem Anspruch (ML, Prognosen, Optimierung). Business Analytics ist der breitere Rahmen. |
| Big Data Analytics | Datenvolumen | Big Data Analytics ist eine Aussage über Volumen und Struktur der Daten, keine Unternehmensfunktion. Business Analytics kann auf kleinen wie großen Datenmengen laufen. |
| Data Science | Disziplin | Data Science ist die Disziplin und Rolle mit Forschungs- und Prototyping-Anteil. Business Analytics ist der Anwendungs- und Entscheidungs-Kontext, in dem Data-Science-Ergebnisse zu wiederholbaren Geschäfts-Workloads werden. |
| Analytic Models | Artefakt | Analytic Models sind einzelne statistische oder ML-Modelle als Artefakte (Regression, Klassifikation, Zeitreihe). Business Analytics ist der Rahmen, in dem solche Modelle definiert, eingeführt und genutzt werden. |
Am wichtigsten ist die Trennung zwischen Business Intelligence und Business Analytics: BI ist im Sprachgebrauch die engere, deskriptiv geprägte Teilmenge; Business Analytics ist der weitere Rahmen und schließt die prädiktiven und präskriptiven Methoden mit ein. Beide Begriffe werden häufig synonym verwendet, unterscheiden sich aber im Anspruch: BI beantwortet Fragen zu Vergangenheit und Gegenwart, Business Analytics adressiert zusätzlich Zukunft und Handlung.
Beispiel: Business Analytics in der Industrie
Ein Industrieunternehmen richtet eine Business-Analytics-Funktion ein, die drei Ebenen bündelt. Standardisierte Umsatz-, Marge- und Working-Capital-Dashboards liefern dem Management den Blick auf den vergangenen und laufenden Geschäftsverlauf; das ist die BI-Ebene. Monatliche Absatz- und Ersatzteil-Prognosen speisen die Bedarfsplanung und die Beschaffungs-Entscheidungen; das ist die predictive Ebene. Eine Optimierung der Lagerbestände pro Werk berechnet auf Basis der Prognosen und weiterer Restriktionen die empfohlenen Meldebestände; das ist die prescriptive Ebene.
Alle drei Ebenen greifen auf denselben Lakehouse-Datenbestand und dieselben Kennzahlen-Definitionen im Semantic Layer zu. Die Business-Analytics-Funktion verantwortet Datenqualität, Modell-Betrieb und die Kommunikation der Ergebnisse in die Fachbereiche. Die Trennung ist damit weniger technisch als methodisch: dieselben Daten, dieselbe Plattform, aber ein anderer Anspruch an die Fragestellung.
Business Analytics im eigenen Unternehmen umsetzen?
Wir zeigen, wie sich das in deiner Systemlandschaft konkret abbilden lässt.
Datenmodell und Werkzeuge für die deskriptive Analytik-Ebene
Künstliche Intelligenz und ML auf Databrickstechnische Umsetzung von Predictive- und Prescriptive-Methoden
Customer IntelligenceBusiness Analytics angewandt auf Kundendaten: Churn, CLV, Segmentation, Next Best Action