ca. 30 Minuten
nach Wunsch auch mit VideocallDarum geht es in dieser Blog-Serie:
Tableau, Looker, Incuda, Power BI oder Supermetrics - irgendwelche Magie mit Daten machen sie alle und häufig steht Business Intelligence drauf, aber wo ist BI tatsächlich drin? Die Auswahl an Software Lösungen ist groß und seither ist es schwierig geworden, bei all dem Angebot einen Überblick zu behalten. Abhilfe schafft dieser Ratgeber in Form von 4 aufeinanderfolgenden Blogartikeln – basierend auf unserer umfassenden BI-zentrierten Beratungs- und Entwicklungstätigkeit im Online-Sektor. Für alle, die die Unterschiede verstehen wollen. Und speziell für Online-Händler.
Episodenverzeichnis
- Business Intelligence - sieh das große Ganze. Das müssen Händler bei ihrer BI-Entscheidung beachten
- Supermetrics vs. minubo - Business Intelligence Software im Vergleich
- Looker vs. minubo - Business Intelligence Software im Vergleich (coming soon)
Episode 2
Business Intelligence Software im Vergleich - Tableau vs. minubo
Eine Business Intelligence Lösung unterstützt dabei, Daten zu sammeln, zu speichern, zu analysieren und zu visualisieren - das haben wir im letzten Artikel näher betrachtet. Eine BI Infrastruktur benötigt 4 Elemente (Datenquellen, ETL-Prozess, Data Warehouse, Datenanalyse- und visualisierung), die entweder über eine standardisierte BI-Komplettlösung oder durch einen eigens zusammengebauten BI Stack realisiert werden.
Viele Software-Anbieter schreiben sich BI auf die Fahne, aber welchen Anforderungsbereich sie tatsächlich abdecken, das werden wir uns anhand einer klassischen Business Intelligence Architektur im folgenden Beitrag näher anschauen. Für diesen Artikel haben wir Tableau ausgewählt, um zu verdeutlichen, wie sich diese Lösung in eine klassische BI- Infrastruktur eingliedert, was die Voraussetzungen für eine erfolgreiche Projektumsetzung sind und wo die Unterschiede, Vor-und Nachteile zu einer standardisierten BI-Komplettlösung - wie minubo - liegen.
Zur Einordnung: Der Unterschied liegt in der Architektur
Um das ganze etwas anschaulicher zu gestalten, werfen wir noch einmal einen Blick auf den Aufbau einer Business Intelligence Lösung. In Artikel 1 haben wir die BI-Architektur in vier Ebenen unterteilt: Datenquellen, ETL-Prozess, Data Warehouse und Datenanalyse- und Visualisierung. Anhand der Grafik wird klar deutlich, welchen Teil der Daten-Wertschöpfungskette Tableau und minubo abdecken, und wo die Unterstützung anderer Lösungen notwendig wird.
Tableau und minubo im Vergleich
Tableau - BI oder Visualisierungstool?
Tableau ist vielen Händlern mit großer Wahrscheinlichkeit ein Begriff. Eine Spitzenlösung, wenn es um das Veranschaulichen und Visualisieren von Daten geht. Neben Power BI, Google Data Studios oder QlikView, zählt Tableau vermutlich zu einem der bekanntesten Visualisierungstools auf dem Markt. Die Software ist ein mächtiges Tool, wenn es um den Funktionsumfang und die Flexibilität in der ad-hoc Datenmanipulation und Darstellung geht, und bietet zahlreiche Möglichkeiten in der Erstellung übersichtlicher Reportings und Dasboards. Tableau gab es lange Zeit ausschließlich als On-Premise Lösung, was bedeutet, dass das Tool beim Anwender auf dem eigenen Rechner selbst verwaltet wird. Mittlerweile bietet das Unternehmen auch Hybrid- und cloudbasierte Modelle für seine Kunden an. Der Einstieg für kleine Unternehmen ist nur unter sehr hohem Kostenaufwand möglich. Das liegt zum einen an preisintensiven Lizenzen sowie einer Mindestabnahme dieser.
Sich selbst bezeichnet Tableau als ‘Software für Business Intelligence und Analytics’. Wer die Lösung jedoch näher unter die Lupe nimmt, wird feststellen, dass sie - im Gegensatz zu einer BI Komplettlösung - nur einen Teilbereich von Business Intelligence abdeckt (siehe Abbildung oben). Die Herausforderung bei Tableau besteht demnach darin, dass das Tool die starke Dateninfrastruktur, sprich ETL-Prozess und Data Warehouse, nicht (oder nur in Teilen) selbst mitbringt. Wer Tableau ohne davor liegendem ETL oder Data Warehouse nutzt, kann zwar die Daten aus unterschiedlichen Systemen visualisieren, muss allerdings sehr viel Zeit in komplexe Arbeit investieren, da eine eigene Deduplizierung und umfangreiche Datenmodellierung durchgeführt werden muss und der Nutzer schlussendlich im Zweifel weder konsolidierte noch aussagekräftige Daten zu Gesicht bekommt. Das bedeutet, dass im Idealfall eine bereits ganzheitlich integrierte, strukturierte, performante Datenbasis als Zulieferer benötigt wird, um komplexe Daten in korrekte Entscheidungsgrundlagen verwandeln zu können. Denn wie wir wissen, liegt beim Aufbau von performantem Hosting, den Schnittstllen zu Quellsystemen, der Datenintegration- und transformation, der Datenmodellierung und der Bereitstellung von Daten, die eigentliche Herausforderung, wenn es darum geht, echte Wertschöpfung zu erreichen.
Eine BI-Komplettlösung, viele Vorteile
Eine Business Intelligence Komplettlösung, wie minubo, liefert eine ganzheitliche Lösung und deckt eine große Breite an Anforderungen an eine BI-Lösung ab: von Datenintegration, ETL, Datenbank, Datenmodell bis zu Visualisierung, Analyse und Automatisierung – das Big Picture sozusagen. Mit der Integration der Daten aus allen relevanten Systemen (POS, ERP, Online, Store, etc.) zu einer ganzheitlichen Datenbasis, schafft minubo somit auch die Grundvoraussetzung für die erfolgreiche Nutzung von Visualisierungs-Anwendungen und kann ergänzend und qualitätssteigernd zu Tableau eingesetzt werden. Darüber hinaus besteht die Möglichkeit weitere Daten in weitere Drittsysteme (Action Tools) flexibel zu integrieren, um sie so nutzbar zu machen und einzelne Komponente zu ergänzen oder zu ersetzen.
minubo selbst überzeugt mit einem eigenen starken Frontend zur Nutzbarmachung von Daten, welches zahlreiche flexible Visualisierungsmöglichkeiten bietet. Wer in diesem Bereich jedoch noch einen Schritt tiefer einsteigen möchte, für den kann es sinnvoll sein, minubo mit Tableau und co - also Speziallösungen für den Visualisierungsbereich - zu kombinieren. minubo gewährleistet somit, dass diese Tools ihren vollen Nutzen entfalten und das Vertrauen der Anwender verdienen.
Anforderungsabdeckung auf einen Blick
|
Tableau |
minubo |
|
|
Ebene 1: Datenquellen |
Tableau unterstützt Verbindungen zu einer Vielzahl von internen und externen Datenquellen im Unternehmen. Dazu gehören klassische Datenquellen wie Excel und Textfiles, aber vor allem ist Tableau auf Schnittstellen zu Datenbanken spezialisiert. Es handelt sich somit vor allem um Anbindungen zu technischen und weniger zu operative Systeme. Zu Systemen aus dem Commerce Bereich beispielsweise, stehen nur sehr ausgewählte Quellen zur Verfügung. Ist das gewünschte System nicht dabei, bedeutet dies für den Kunden, dass er mit Hilfe von weiteren Softwarelösungen (wie Supermetrics und co.) die Daten eigenständig extrahieren muss - ein Prozess der neben technischer Expertise auch Zeit erfordert. |
Im Gegensatz zu Tableau arbeitet minubo mit Connectoren zu allen gängigen operativen Systemen. Durch eine Vielzahl von Standard-Schnittstellen und individuellem Data-Pipelining, können somit die Daten aus unterschiedlichsten Quellsystemen (wie CRM, Shop-System, Webtracking, ERP oder Warenwirtschaft, etc.) per “Plug and Play”-Ansatz in minubo integriert und direkt weiterverarbeitet werden. Der zeitliche Aufwand wird somit minimiert und die Expertise über die unterschiedlichen Quellsysteme abgedeckt; Händler müssen diese somit nicht erst Inhouse aufbauen, sondern können direkt starten. |
|
Ebene 2: ETL |
Durch ETL wird die Verfügbarkeit und der Wert von Daten und deren Qualität deutlich erhöht. Tableau hat lange Zeit über keinen eigenen ETL-Prozess verfügt. Inzwischen gibt es Tableau Prep, eine eigene ETL Plattform, die allerdings weiterhin der Marke Eigenbau unterliegt. Sprich: wer Tableau Prep nutzen möchte, muss wieder einmal technische Expertise sowie Zeit mitbringen. |
minubo verfügt über einen eigenen ETL-Prozess, welcher in Apache Spark, einer Analytics Engine für Big-Data-Verarbeitung, gebaut wurde. Diese gewährleistet eine hohe Performance und Effizienz sowie vor allem volle Skalierbarkeit. Für den Kunden bedeutet das keinen zusätzlichen Aufwand und den Zugriff auf verlässliche Daten in korrekter validierter Form, die jeden Morgen automatisch zur Verfügung gestellt werden. |
|
Ebene 3: DWH |
Das Data Warehouse ist ein Massenspeicher, der dafür optimiert ist große Datenmengen für analytische Datenabfragen performant zur Verfügung zu stellen. Tableau verfügt über kein eigenes Data Warehouse. Auch dieses muss über einen anderen Software-Anbieter wie Snowflake oder Exasol in der BI Infrastruktur abgedeckt werden. |
Als vollständiger BI-Stack ist minubo mit einer flexiblen Analytics-Datenbank als Data Warehouse sowie mit einem integrierten Datenmodell ausgestattet, welches mittlerweile über fast 1.000 Kennzahlen, Attribute und Metriken – maßgeschneidert für die Reporting- und Analytics-Bedarfe in Commerce-Unternehmen - verfügt. Basierend auf elasticsearch, einer besonders schnellen Suchmaschinen-Technologie, hat minubo die Analytics-Datenbank entwickelt, die eine überragende Performance auf allen Leveln der Datenabfrage gewährleistet – von höchster Aggregation bis auf Rohdatenlevel. Das sorgt nicht nur dafür, dass minubo eine große Vielfalt an Daten-Tools anbieten kann, sondern ermöglicht auch, die Daten aus minubo in Drittsystemen flexibel zu nutzen. |
| Ebene 4: Visualisierung & Analyse |
Neben der Möglichkeit Ad-hoc-Analysen durchzuführen, liegt der Fokus bei Tableau ganz klar auf der visuellen Analyse. Dabei bietet das Tool eine unfassbar große Vielzahl an möglichen Visualisierungsformen und größte Flexibilität, wenn es um das darstellen, manipulieren oder gruppieren von Daten geht. Mit einer großen Auswahl unterschiedlicher Diagrammtypen, Grafen und Kurven, ist es möglich relevante Kennzahlen im Blick zu behalten und Reportings somit für jeden leicht verständlich und schnell erfassbar zu machen. Durch diese große Vielfalt an Möglichkeiten, wird die Bedienung jedoch recht komplex und ist primär auf die Nutzung von Analysten ausgelegt. Zudem bietet Tableau die Möglichkeit Farben, Hintergrund, Font und Logos individuell und flexibel dem Corporate Design und dem Inhalt anzupassen und als Vorlage zu speichern - eine große Zeitersparnis, wenn es um die CI konforme Erstellung von Dashboards und Reports geht. |
minubo selbst überzeugt mit einem eigenen starken Frontend, das durch die einfache Handhabung nicht nur Analysten, sondern die gesamte Organisation in die Lage versetzt, eine bessere, datengetriebene Entscheidungskultur und intelligente Prozessautomatisierung zu etablieren. Das umfassende webbasiertes Tool-Set, umfasst nicht nur eine Vielzahl von unterschiedlichen Visualisierungsmöglichkeiten, wie Dashboards und Reports, sondern bietet Zugriff auf ein performantes Data Warehouse und somit die Möglichkeit Daten zu operationalisieren und mit weiteren Drittsystemen (bspw. Marketingsysteme, Commerce Plattformen, externe Analytics & Reporting, externe KI & Machine Learning-Module, usw.) zu teilen. Die Nutzer können eine echte datengetriebene Arbeitskultur mit Tools wie Segmentierungen, proaktivem Alerting oder flexiblen Ad-hoc Analysen etablieren. Ein weiterer wichtiger Unterschied: minubo ist kein generisches Tool, sondern auf Handels-Cases spezialisiert – und bietet mit dem integrierten Datenmodell (fast 1.000 vordefinierte eCommerce Kennzahlen, Attribute und Metriken) und Best-Practice Reports und Analysen somit ein konkretes Werkzeug, im Handel erfolgreich datengetrieben zu arbeiten. |
Business Intelligence Setup - eigentlich keine Qual der Wahl
Nun muss ich mich also entscheiden: 1) baue ich in einem Inhouse BI-Projekt meinen eigenen individuellen BI Stack, der neben Tableau noch durch weitere Softwarelösungen in der Dateninfrastutkur ergänzt wird, oder 2) setze ich auf eine standardisierte Business Intelligence Komplettlösung - wie minubo - die zwar keinen direkten Tech-Zugriff ermöglicht, aber dafür Tech und Tools in einer Lösung mitbringt.
JA, ich kann mir den Software Stack bei meinem eigenen Inhouse BI-Projekt selbst und individuell nach meinem Gusto zusammenstellen, und JA, ich habe volle Kontrolle über Support, Wartung, Setup-Anpassung, -Erweiterung und Weiterentwicklung und JA, auch der Aufbau von Expertenwissen und Dateninfrastruktur-Kompetenz während des Entwicklungsprozesses ist ein Zugewinn, ABER…
… solch ein BI-Projekt ist, bis zur proaktiven Nutzung, nicht nur extrem langwierig und furchtbar teuer, es ist zudem recht risikoreich. Da keinerlei Skaleneffekte, wie beispielsweise der Bau von Schnittstellen oder Kostenteilung rechenintensiver Analysen greifen, ist ein BI-Projekt Marke Eigenbau mit großen Investitionen verbunden und macht nicht nur in der Entwicklung und Umsetzung, sondern auch in der Weiterentwicklung und Pflege abhängig von der Expertise einer oder weniger Personen im Unternehmen oder extern eingekauften Ressourcen. Zudem stellt sich die Frage, wie nutzerfreundlich diese Lösung am Ende sein wird, denn Self-Service gelingt in den wenigsten Fällen, und häufig müssen am Ende IT-ler und Analysten auf Anfrage Daten für Business-Stakeholder extrahieren.
Warum also mit mehr Arbeit, Kosten und einer am Ende meist mittelmäßigen Lösung dastehen, wenn es auch einfach, schnell und aus einer Hand gelingt?
Weitere Details sowie einen ausführlichen Einblick in das Thema, kannst Du im Blog von minubo CEO Lennard Stoever bekommen. Falls Du dich doch für ein eigenes BI-Projekt entscheiden solltest, dann gibt es zwei weitere Empfehlungen:
- Die Commerce Intelligence Blaupause von minubo zur grundsätzlichen Herangehensweise an ein BI-Projekt bzw. zu dessen wichtigsten Erfolgsfaktoren
- Die “Commerce Reporting Standard”-Initiative von minubo und Project A, die mit ihrer Matrix der Transaktionskennzahlen Starthilfe in Sachen Datenmodell bereithält
Fazit
Visualisierungstools wie Tableau sind sehr starke Lösungen, wenn es darum geht, Daten übersichtlich darzustellen. Sie bieten Unternehmen die Möglichkeit intuitiv Reports und Dashboards nach eigenen Anforderungen zu erstellen, und somit das Monitoring der Geschäftsprozesse zu verbessern und schnelle Einblicke in Entwicklungstrends zu gewähren. Und ja, natürlich kann ich Daten aus diversen Quellsystemen mittels Standardkonnektoren in den besagten Visualisierungs-Tools auch ad-hoc abfragen und eventuell auch ad-hoc modellieren. Um diese Tools jedoch zielführend einzusetzen und ihre Stärken tatsächlich zu nutzen, bedarf es einer soliden Dateninfrastruktur.
Business Intelligence Lösungen wie minubo liefern eine ganzheitliche Lösung, und neben eigenen Visualisierungsmöglichkeiten bieten sie eine qualitativ hochwertige, vollständige und gut strukturierte Datenbasis, auf deren Grundlage sich aussagekräftige und zuverlässige Ergebnisse darstellen lassen. Durch die Schnittstellen zu relevanten Quell- und Drittsystemen, ist der Aufwand der Anbindung und Datenintegration äußerst gering und ohne umfangreiche IT-Arbeit umzusetzen. Mit nur wenigen Klicks werden die Daten integriert und täglich automatisch aktualisiert. Das Kerndifferenzierungserkmal: in minubo wird ein für den digitalen Handel umfangreiches Kennzahlen-Set sowie Best-Practice Analysen und Reports fix und fertig mitgeliefert, sozusagen “out of the box”.
Das spart die lange Anlaufzeit, den Definitionsaufwand sowie das Einholen externer Expertise und bringt handfeste Analyseergebnisse und somit echten Mehrwert ab Tag 1. Ein weiterer Grund, warum sich ein BI-Projekt mit einer Business Intelligence Komplettlösung deutlich schneller – wir sprechen von wenigen Wochen anstatt Jahren Implementierungszeitkostengünstiger – und deutlich kostengünstiger – wir sprechen von einer bis zu 5-mal niedrigeren Kostenbelastung – realisieren lässt.
Mehr zu dem Thema? Ein Beispiel für das erfolgreiche Zusammenspiel einer Visualisierungslösung, hier Power BI, und der Business Intelligence Lösung minubo, zeigt der dänische Modehändler Masai Clothing.
