Wie ich als KMU in einem Tag eine Business Intelligence Lösung aufbaue

07.11.2022 | Matthias

Ausgangslage

Einen Tag pro Quartal haben alle Mitarbeitenden bei avega zur Verfügung, um an einem selbst gewählten Thema zu arbeiten. Dies kann alleine oder in Gruppen geschehen, das Thema soll dabei die Mitarbeitenden oder die Firma weiterbringen. Das Thema kann etwas Neues sein, das man ausprobieren will, eine Erweiterung eines unserer Angebote, die Entwicklung eines internen Tools, …

Vor einiger Zeit habe ich meinen Tag dafür eingesetzt, unseren Bedarf nach einer Übersicht über die wichtigsten Business-KPIs abzudecken und eine Business Intelligence Lösung aufzubauen. An einem Tag wirst du dich jetzt vielleicht fragen? Das bedingt doch sicherlich ein mehrmonatiges Projekt? Nun, erstens sind wir ein KMU Firma mit kurzen Entscheidungswegen, und zweitens beziehen wir unsere gesamten IT-Services als Software-as-a-Service (SaaS), oder bauen diese selber als Cloud-basierte Services auf der Google Cloud Platform auf. Das ermöglicht uns, agil und in kurzen Zyklen neue Services in Betrieb zu nehmen.

Technische Umsetzung

Die von uns verwendeten SaaS-Plattformen bieten alle Zugriff auf die verwalteten Daten mittels eines APIs an. Damit fehlte nur noch ein Zusammenzug und eine Aggregation der Daten sowie eine Visualisierungsmöglichkeit.

  1. Automatisierung des Datenimports mittels einer in Java geschriebenen Anbindung an die Datenquellen, kostengünstig betrieben als Serverless Container auf Cloud Run

  2. Ablage der Daten in einer relationalen Datenbank auf Cloud SQL

  3. Automatisierung von Build und Deployment mit Circle CI und Terraform

  4. Aggregation und Visualisierung der Daten in Looker Studio (ehemals Google Data Studio)

Context Diagram

Ergebnis

Die Lösung hat auf Anhieb ersten Wert geschaffen durch eine bessere Übersicht über unsere Geschäfts-KPIs. Mittlerweile haben wir weitere Datenquellen angebunden, einige der Grafiken sind Teil unseres wöchentlichen Team-Meetings geworden.

Einige Learnings aus den knapp 2 Jahren, welche diese Lösung nun in Betrieb ist:

  • Die Automatisierung von Build, Deployment und Betrieb mittels Cloud-Technologien ermöglicht die Skalierung und den Ausbau der Lösung auf eine von Beginn weg effiziente Art und Weise.

  • Einige der Reports haben uns geholfen, unsere Daten besser zu verstehen, und viele Ideen für weitere nützliche Auswertungen geliefert.

  • Mit dem Essen kommt der Appetit: “Könnten wir nicht … noch visualieren”? Dabei muss man immer Aufwand und Nutzen gegeneinander abwägen, auf wenn die Lösung sehr schlank gehalten ist.

  • Die Voraggregation der Daten als Materialisierte Sicht macht die Wartung und Auswertung in Looker Studio wesentlich einfacher. Es hilft, die Queries auf Seite der Auswertung einfach halten zu können.

Einige Impressionen von Daten-Visualisierungen aus Looker Studio:

Context Diagram Context Diagram Context Diagram

Wie löst du im KMU deine Bedürfnisse betreffend Business Intelligence? Wie förderst du Innovation? Ich freue mich auf den Austausch, vernetze dich gerne mit mir auf LinkedIn.