Früher verstand man darunter, Daten zu erfassen, sie zu verbinden, bestimmte Muster zu erkennen und so die Vergangenheit zu analysieren, um betriebliche Abläufe im Nachhinein anzupassen. Heute nutzen wir Business Intelligence (BI) nach vorn. Für Vorhersagen. Für den Absatz von Toastern, beispielsweise.

Natürlich weiß ein Unternehmen wie die Otto Group, das Toaster verkauft, wie viele Geräte es in den Jahren zuvor abgesetzt hat. Die erfahrenen Einkäufer wissen zudem, welche Innovationen auf den Markt kommen oder welche Farben und Formen im Trend  liegen. Daraus lassen sich Schlüsse ziehen. Mit Hilfe von BI lassen sich allerdings auch komplexere Zusammenhänge in gigantischen Datenmassen erfassen. Ein noch relativ simples Beispiel: Im Jahr 2013 führte der Bereich Group BI eine Regionalanalyse für alle Artikel der Einzelgesellschaft OTTO durch.

Auf manche Ergebnisse wäre man wohl ebenso schnell gekommen wie die Maschinen. Dass sich Outdoor-Jacken im Norden Deutschlands, wo es häufig feuchter, kälter und windiger ist, besser verkaufen als im Süden, geschenkt. Aber Toaster? Doch es ist so, warum auch immer: Fast 80 Prozent aller verkauften Toaster wurden von norddeutschen Kunden bestellt.

Diese eine Information wirkt sich – wie Millionen andere auch – auf die Logistik aus, eine der Schlüsselbranchen des digitalen Zeitalters. Schließlich ergibt es Sinn, die entsprechende Zahl von Toastern im Norden zu lagern. Diese Entscheidung verkürzt Lieferzeiten und erhöht so die Kundenzufriedenheit. Was wiederum – auch das wurde statistisch erhoben – die Zahl der Retouren reduziert. Was wiederum Kosten spart und den CO2-Ausstoß minimiert, also dem Unternehmen wie der Umwelt nützt.

Komplizierter wird es, wenn bestimmte Toaster im Norden gern zusammen mit Messerblöcken bestellt werden, die allerdings auch stark im Süden nachgefragt werden und deshalb dort gelagert werden. Wie organisiert man dies am besten?

Im Unterschied zum Handel von digitalen Inhalten wie Büchern, Filmen oder Musik lässt sich die Logistik für physische Waren nicht vollständig digitalisieren. Umso wichtiger ist es, die verfügbaren Daten zur Optimierung zu nutzen. Um kosteneffizient zu sein, aber insbesondere, um die Kunden möglichst schnell zu beliefern. Hier geht es darum, die Waren vorausschauend am richtigen Ort zu lagern, und die Routen zu optimieren. Datengetriebene Automatisierung kann hier einiges leisten.

Darum geht es zentral bei Business Intelligence: Entscheidungen zu optimieren, weil man über mehr und tieferes Wissen verfügt. Entscheidungen auch schneller zu treffen als der Mensch es allein könnte, würde er sich all diese Informationen von Hand zusammensuchen. Und, vor allem, individuellere, für einzelne Kunden optimierte Entscheidungen zu treffen.