{"id":156855,"date":"2026-08-17T12:37:00","date_gmt":"2026-08-17T12:37:00","guid":{"rendered":"https:\/\/barc.com\/?p=156855"},"modified":"2026-08-17T12:49:17","modified_gmt":"2026-08-17T12:49:17","slug":"bi-strategie-decision-enablement","status":"publish","type":"post","link":"https:\/\/barc.com\/de\/bi-strategie-decision-enablement\/","title":{"rendered":"BI-Strategie neu ausrichten: Wie BI-Teams bessere Entscheidungen erm\u00f6glichen"},"content":{"rendered":"\n

Die Business-Intelligence-Landschaft (BI-Landschaft) steht. Snowflake oder SQL Server im Backend, Power BI oder Tableau im Frontend, Dashboards f\u00fcr Vertrieb, Finance, Operations und Management. Die Investition ist get\u00e4tigt, die Plattform l\u00e4uft stabil, das Reporting ist verl\u00e4sslicher als noch vor f\u00fcnf Jahren.<\/p>\n\n\n\n

Und trotzdem kommt in Gesch\u00e4ftsleitungssitzungen regelm\u00e4\u00dfig dieselbe Frage auf den Tisch: Warum dauert es immer noch so lange, bis wir eine belastbare Antwort haben?<\/strong> Und im Nebensatz f\u00e4llt noch der Satz, dass sie den Daten kaum vertrauen.<\/p>\n\n\n\n

H\u00e4ufig fehlt die Verbindung zwischen Daten und Entscheidungen. Trotzdem flie\u00dft das n\u00e4chste Investitionspaket vielerorts bereits in KI. Die eigentliche L\u00fccke bleibt bestehen. Genau hier muss die BI-Strategie neu ansetzen.<\/p>\n\n\n\n

Damit verschiebt sich der Schwerpunkt von Reporting zu Decision Enablement<\/strong>, also zur gezielten Unterst\u00fctzung besserer Gesch\u00e4ftsentscheidungen. BI-Teams werden nicht weniger wichtig. Ihre Rolle wird anspruchsvoller.<\/p>\n\n\n\n

Eine Beobachtung aus einem laufenden Projekt<\/h2>\n\n\n\n

Ein Beispiel aus meiner Beratungspraxis, anonymisiert: ein familiengef\u00fchrtes Industrieunternehmen, rund 2.500 Mitarbeitende, \u00fcber 500 Millionen Euro Umsatz, \u00fcber 50 Tochtergesellschaften.<\/p>\n\n\n\n

Das Unternehmen hat vor rund anderthalb Jahren gemeinsam mit einem externen Partner eine moderne Datenplattform eingef\u00fchrt und darauf ein Vertriebsreporting aufgebaut. Erhebliches Budget, erhebliche interne Kapazit\u00e4t, sauber umgesetzt. Das Reporting funktioniert technisch einwandfrei.<\/p>\n\n\n\n

Und trotzdem: Bis belastbare Vertriebszahlen f\u00fcr eine Entscheidung vorliegen, vergehen mehrere Wochen. Ein fachlicher Owner f\u00fcr das Reporting war nicht benannt. Bis heute wird die Plattform im Wesentlichen f\u00fcr diesen einen Anwendungsfall genutzt. Kennzahlen existieren parallel in mehreren Systemen, ohne dass verbindlich gekl\u00e4rt w\u00e4re, welche Definition gilt.<\/p>\n\n\n\n

Statt diese L\u00fccke zu schlie\u00dfen, startete das Unternehmen das n\u00e4chste Investitionsthema: KI. \u201eMit den Daten sprechen\u201c, nat\u00fcrlichsprachige Auswertungen, ein digitaler Vertriebskanal auf derselben Datenbasis.<\/p>\n\n\n\n

Dieses Muster begegnet mir in Gespr\u00e4chen und Projekten immer h\u00e4ufiger: Weil das Reporting die Entscheidungsfrage nicht beantwortet, legt das Unternehmen die n\u00e4chste Technologieschicht dar\u00fcber. Ohne benannten Business Owner, ohne gekl\u00e4rte Semantik und ohne dokumentierte Datenqualit\u00e4t wird KI widerspr\u00fcchliche oder fachlich unsichere Antworten nur schneller produzieren.<\/p>\n\n\n\n

Wo verz\u00f6gert Ihre BI-Strategie wichtige Entscheidungen?<\/strong>
Uneinheitliche Kennzahlen und unklare Verantwortlichkeiten erschweren es, Managementfragen schnell und verl\u00e4sslich zu beantworten. In einem unverbindlichen Gespr\u00e4ch<\/strong><\/a> pr\u00fcfen wir gemeinsam, wie gut Ihre BI-Landschaft Entscheidungen heute unterst\u00fctzt und wo konkreter Handlungsbedarf besteht. Vereinbaren Sie jetzt einen kostenlosen Termin!<\/strong><\/a><\/p>\n\n\n\n

<\/p>\n\n\n\n

Warum reicht die klassische Dashboard-Rolle nicht mehr aus?<\/h2>\n\n\n\n

Viele BI-Teams wurden lange daran gemessen, wie schnell sie Berichte liefern, wie stabil die Plattform l\u00e4uft und wie viele Anforderungen sie abarbeiten. Diese Rolle hatte ihren Wert. Unternehmen brauchten gemeinsame Kennzahlen, verl\u00e4ssliche Reports und eine technische Basis f\u00fcr analytische Arbeit.<\/p>\n\n\n\n

Der Engpass liegt heute seltener im Zugang zu Daten. Er liegt in der \u00dcbersetzung von Daten in Entscheidungen. Ein Vertriebsleiter braucht nicht die n\u00e4chste Ansicht mit Umsatz, Marge und Rabattquote. Er braucht eine belastbare Antwort auf die Frage, welche Rabattlogik Wachstum bringt, ohne das Finanzergebnis zu besch\u00e4digen.<\/p>\n\n\n\n

Genau hier ver\u00e4ndert sich die BI-Rolle. Aus Report-Bauern werden Entscheidungspartner. Aus Dashboard-Backlogs werden kuratierte Datenprodukte. Aus Self-Service ohne gemeinsame Sprache wird semantische Governance.<\/p>\n\n\n\n

Was hat Self-Service BI in vielen Unternehmen nicht gel\u00f6st?<\/h2>\n\n\n\n

Self-Service BI hat ein reales Problem adressiert: Fachbereiche wollten nicht wochenlang auf jeden Bericht warten. Sie wollten selbst analysieren, variieren und visualisieren. Tools wie Power BI und Tableau haben diese Arbeit stark vereinfacht.<\/p>\n\n\n\n

Viele Unternehmen haben dabei Toolzugang mit Entscheidungsf\u00e4higkeit verwechselt.<\/p>\n\n\n\n

Wenn jeder eigene Kennzahlen baut, entstehen schnell mehrere Wahrheiten. Wenn Datenmodelle nicht gepflegt werden, wandern Logiken in einzelne Reports. Wenn Ownership fehlt, bleibt unklar, wer eine Kennzahl fachlich verantwortet. Dann w\u00e4chst die Zahl der Dashboards, aber nicht die Qualit\u00e4t der Entscheidungen.<\/p>\n\n\n\n

Die Zahlen aus dem BARC BI & Analytics Survey 26<\/a> st\u00fctzen diesen Befund deutlich. 84 Prozent der befragten Unternehmen setzen heute Dashboards und BI-Anwendungen produktiv ein. Der Verbreitungsgrad ist also hoch. Beim erzielten Nutzen sieht das Bild anders aus: Nur 19 Prozent der Befragten geben an, bessere Gesch\u00e4ftsentscheidungen mit ihrer BI-L\u00f6sung vollst\u00e4ndig erreicht zu haben. Der am h\u00e4ufigsten genannte Nutzen bleibt schnelleres Reporting und schnellere Analyse. Der Nutzen liegt damit vor allem in der schnelleren Produktion von Auswertungen und weniger in einer h\u00f6heren Entscheidungsqualit\u00e4t.<\/p>\n\n\n\n

Gleichzeitig zeigt der Survey<\/a>, wo die Befragten den Handlungsbedarf sehen. Als sehr wichtig bewerten sie Data Security and Privacy (66 Prozent), Data Quality Management (62 Prozent), eine Data-Driven Culture (51 Prozent) sowie Data & AI Governance (44 Prozent). Generative AI f\u00fcr Data & Analytics kommt in dieser Bewertung auf 22 Prozent.<\/p>\n\n\n\n

Die Priorit\u00e4ten liegen also nicht bei mehr Toolfreiheit und auch nicht bei der n\u00e4chsten KI-Schicht, sondern beim Fundament.<\/strong> Ein weiterer Wert passt ins Bild: Im Durchschnitt nutzen nur rund ein Viertel der Mitarbeitenden BI \u00fcberhaupt aktiv, der Median liegt sogar bei knapp 17 Prozent. Toolzugang allein f\u00fchrt also weder zu einer breiten Nutzung noch zu besseren Entscheidungen.<\/p>\n\n\n\n

Self-Service funktioniert nur, wenn BI-Teams die gemeinsame Sprache daf\u00fcr liefern. Das betrifft Kennzahlen, Datenprodukte, semantische Modelle, Zugriffsregeln und Verantwortlichkeiten. Ohne diese Basis wird Self-Service zur Schattenlogik mit sch\u00f6ner Oberfl\u00e4che.<\/p>\n\n\n\n

Was bedeutet Decision Enablement f\u00fcr BI-Teams?<\/h2>\n\n\n\n

Decision Enablement hei\u00dft: BI-Teams entwickeln nicht nur analytische Inhalte. Sie helfen F\u00fchrungskr\u00e4ften, Entscheidungen sauber zu strukturieren, mit Daten abzusichern und in messbare Wirkung zu \u00fcbersetzen. Das wird in der Praxis schnell konkret.<\/p>\n\n\n\n

Ein klassisches BI-Team beantwortet Fragen wie:<\/strong><\/p>\n\n\n\n

    \n
  • Was ist passiert?<\/li>\n\n\n\n
  • Warum ist es passiert?<\/li>\n\n\n\n
  • Welche Kennzahl ist gestiegen oder gefallen?<\/li>\n\n\n\n
  • Welcher Bereich weicht vom Plan ab?<\/li>\n<\/ul>\n\n\n\n

    Ein Decision-Enablement-Team arbeitet an anderen Fragen:<\/strong><\/p>\n\n\n\n

      \n
    • Was wird wahrscheinlich passieren?<\/li>\n\n\n\n
    • Welche Stellhebel ver\u00e4ndern das Ergebnis?<\/li>\n\n\n\n
    • Welche Annahmen liegen hinter dem Szenario?<\/li>\n\n\n\n
    • Welche Entscheidung f\u00f6rdert Wachstum und Effizienz oder senkt Risiken?<\/li>\n\n\n\n
    • Welche Daten sind verl\u00e4sslich genug, um diese Entscheidung zu st\u00fctzen?<\/li>\n<\/ul>\n\n\n\n

      Diese Rolle verlangt mehr N\u00e4he zum Gesch\u00e4ft. BI-Teams m\u00fcssen verstehen, welche Entscheidungen in Vertrieb, Finance, Supply Chain oder Management tats\u00e4chlich anstehen. Sie m\u00fcssen wissen, welche Kennzahlen steuerungsrelevant sind und wo Zahlen nur Aktivit\u00e4t messen.<\/p>\n\n\n\n

      Das ver\u00e4ndert auch die Beziehung zum Management. Das BI-Team wird fr\u00fcher in den Prozess einbezogen und hilft, die Entscheidungsfrage richtig zu stellen.<\/p>\n\n\n\n

      F\u00fcnf Fragen f\u00fcr eine entscheidungsorientierte BI-Strategie<\/h2>\n\n\n\n

      Wer bessere Entscheidungen will, muss BI fr\u00fcher einbinden und anders messen. F\u00fcnf Fragen helfen dabei zu pr\u00fcfen, ob die BI-Landschaft eine belastbare Entscheidungsgrundlage bietet.<\/p>\n\n\n\n

        \n
      1. Welche Managemententscheidungen sind heute zu langsam, zu unsicher oder zu stark von Bauchgef\u00fchl gepr\u00e4gt?<\/strong> Diese Entscheidungen sind der bessere Ausgangspunkt als jede Dashboard-Wunschliste. Wer sie nicht benennen kann, wird auch mit der n\u00e4chsten Plattform keine bessere Entscheidungsqualit\u00e4t erzeugen.<\/li>\n\n\n\n
      2. Welche Kennzahlen und Datenprodukte m\u00fcssen daf\u00fcr verbindlich definiert sein?<\/strong> Hier zeigt sich, ob die vorhandene BI-Landschaft eine gemeinsame Sprache hat oder nur viele Ansichten. Wenn in Meetings noch gekl\u00e4rt werden muss, ob Umsatz, Nettoerl\u00f6s oder Auftragseingang gemeint ist, fehlt die Grundlage.<\/li>\n\n\n\n
      3. Wer \u00fcbernimmt fachliche Verantwortung f\u00fcr Definitionen, Qualit\u00e4t und Nutzung?<\/strong> Ohne benannten Business Owner bleibt jede Governance unverbindlich. Ownership ist keine Rolle im Organigramm, sondern eine Zust\u00e4ndigkeit mit Zeitbudget.<\/li>\n\n\n\n
      4. Wie lange dauert es heute von der Managementfrage bis zur belastbaren Antwort?<\/strong> Diese Durchlaufzeit ist eine aussagekr\u00e4ftige BI-Kennzahl. In meiner Beratungspraxis wird sie selten gemessen. Wenn ein Unternehmen sie erhebt, \u00fcberrascht das Ergebnis fast immer.<\/li>\n\n\n\n
      5. Woran w\u00fcrden wir merken, dass unsere n\u00e4chste Daten- oder KI-Investition gewirkt hat?<\/strong> Wenn die Antwort \u201emehr Nutzer\u201c oder \u201emehr Use Cases\u201c lautet, wird das Ergebnis wieder hinter den Erwartungen zur\u00fcckbleiben. Die Antwort muss eine Entscheidung benennen, die schneller, sicherer oder g\u00fcnstiger getroffen wird.<\/li>\n<\/ol>\n\n\n\n

        F\u00fcr die Neuausrichtung der BI-Strategie brauchen BI-Teams ein Mandat, Entscheidungen aktiv mitzugestalten und die daf\u00fcr erforderlichen Kennzahlen bereitzustellen.<\/p>\n\n\n\n

        Warum werden Datenprodukte wichtiger als einzelne Reports?<\/h2>\n\n\n\n

        Reports beantworten h\u00e4ufig eine konkrete Frage zu einem bestimmten Zeitpunkt. Datenprodukte schaffen eine wiederverwendbare Grundlage f\u00fcr viele Fragen.<\/p>\n\n\n\n

        Ein Datenprodukt kann zum Beispiel ein kuratiertes Vertriebsdatenmodell sein, das Kunden, Produkte, Rabatte, Absatzmengen, Margen und Forecasts verbindet. Es hat definierte Ownership, dokumentierte Logiken, gepr\u00fcfte Qualit\u00e4t und klare Nutzungskontexte. Darauf k\u00f6nnen Reports, Self-Service-Analysen, Planungsmodelle oder Natural-Language-Interfaces aufbauen.<\/p>\n\n\n\n

        Damit wird BI skalierbarer. Teams m\u00fcssen nicht f\u00fcr jede Anfrage eine neue L\u00f6sung entwickeln. Sie investieren st\u00e4rker in belastbare Bausteine, die mehrfach nutzbar sind.<\/p>\n\n\n\n

        F\u00fcr F\u00fchrungskr\u00e4fte z\u00e4hlt das, weil Datenprodukte die Zeit zwischen Frage und Entscheidung verk\u00fcrzen. Wenn die Semantik stimmt, muss niemand in jedem Meeting neu kl\u00e4ren, ob Umsatz, Nettoerl\u00f6s oder Auftragseingang gemeint ist. Wenn Qualit\u00e4tsanforderungen und Verantwortlichkeiten gekl\u00e4rt sind, kann sich die Diskussion schneller auf die Handlungsoptionen konzentrieren.<\/p>\n\n\n\n

        Datenprodukte verbinden wiederverwendbare Daten mit klarer Ownership, dokumentierter Logik und definierten Qualit\u00e4tsanforderungen. Damit l\u00f6sen sie ein altes BI-Problem: zu viele Auswertungen, zu wenig gemeinsame Entscheidungsgrundlage.<\/p>\n\n\n\n

        Welche Rolle spielt semantische Governance?<\/h2>\n\n\n\n

        Semantische Governance legt fest, was Kennzahlen bedeuten, wer sie verantwortet und in welchem Kontext sie genutzt werden d\u00fcrfen. Sie ist der Teil von Governance, den Fachbereiche unmittelbar sp\u00fcren.<\/p>\n\n\n\n

        Ohne semantische Governance bleibt BI anf\u00e4llig f\u00fcr drei Probleme:<\/strong><\/p>\n\n\n\n

          \n
        1. Mehrdeutige Kennzahlen:<\/strong> Teams nutzen denselben Begriff, meinen aber unterschiedliche Berechnungen.<\/li>\n\n\n\n
        2. Verteilte Logik:<\/strong> Gesch\u00e4ftsregeln stecken in einzelnen Reports, Excel-Dateien oder lokalen Datenmodellen.<\/li>\n\n\n\n
        3. Unklare Verantwortung:<\/strong> Niemand entscheidet verbindlich, welche Definition gilt.<\/li>\n<\/ol>\n\n\n\n

          Natural-Language-Analysen und KI-gest\u00fctzte Interfaces versch\u00e4rfen diese Probleme. Wenn ein Nutzer eine Frage in nat\u00fcrlicher Sprache stellt, muss das System wissen, welche Entit\u00e4ten, Kennzahlen und Filter gemeint sind. Sonst klingt die Antwort plausibel, bleibt aber fachlich unsicher.<\/p>\n\n\n\n

          Semantische Governance wird damit zur Voraussetzung f\u00fcr Natural-Language-Analysen. Sie verbindet Business-Sprache mit Datenlogik. An dieser Schnittstelle k\u00f6nnen BI-Teams mehr Wert schaffen als in der reinen Report-Produktion.<\/p>\n\n\n\n

          Wie ver\u00e4ndert Natural Language die Arbeit mit BI?<\/h2>\n\n\n\n

          Natural Language senkt die Einstiegsh\u00fcrde zur Analyse. Nutzer k\u00f6nnen Fragen formulieren, statt Filter zu setzen, Felder zu ziehen oder SQL zu schreiben. Das hilft besonders F\u00fchrungskr\u00e4ften, die keine Zeit in Toolnavigation investieren wollen.<\/p>\n\n\n\n

          Der gr\u00f6\u00dfere Effekt sind neue Fragetypen. W\u00e4hrend klassisches Reporting zeigt, was passiert ist, k\u00f6nnen Natural-Language-Analysen Simulationen, Prognosen und Szenarioanalysen unterst\u00fctzen, wenn Datenbasis, Modelle und Governance daf\u00fcr reif genug sind.<\/p>\n\n\n\n

          Ein Beispiel aus der Vertriebssteuerung:<\/strong><\/p>\n\n\n\n

          Eine F\u00fchrungskraft fragt nicht nur: „Wie hat sich der Umsatz im letzten Quartal entwickelt?“ Sie fragt: „Was passiert mit Absatz, Marge und Finanzergebnis, wenn wir f\u00fcr Produktgruppe A in Region S\u00fcd einen Rabatt von 5 Prozent gew\u00e4hren?“ Die Antwort braucht historische Daten, Preislogiken, Elastizit\u00e4ten, Planannahmen und Finanzwirkung. Damit wird aus einer Dashboard-Frage eine Entscheidungsfrage.<\/strong><\/p>\n\n\n\n

          BI-Teams schaffen f\u00fcr solche Szenarien ein Entscheidungsmodell, dem F\u00fchrungskr\u00e4fte vertrauen k\u00f6nnen.<\/p>\n\n\n\n

          Welche F\u00e4higkeiten m\u00fcssen BI-Teams jetzt aufbauen?<\/h2>\n\n\n\n

          Der Rollenwechsel betrifft Technologie, F\u00e4higkeiten, Arbeitsweise und Selbstverst\u00e4ndnis.<\/p>\n\n\n\n

          BI-Teams brauchen k\u00fcnftig vor allem f\u00fcnf F\u00e4higkeiten:<\/strong><\/p>\n\n\n\n

            \n
          1. Business-Framing<\/strong> Teams m\u00fcssen Entscheidungsfragen aus dem Gesch\u00e4ft verstehen und pr\u00e4zisieren k\u00f6nnen. Aus „Wir brauchen ein Dashboard“ wird dann: „Welche Entscheidung soll damit besser getroffen werden?“<\/li>\n\n\n\n
          2. Datenprodukt-Management<\/strong> Datenprodukte brauchen Ownership, Roadmaps, Qualit\u00e4tskriterien, Nutzerfeedback und Lebenszyklusmanagement. Das ist n\u00e4her an Produktarbeit als an Ticketbearbeitung.<\/li>\n\n\n\n
          3. Semantische Modellierung<\/strong> Kennzahlen, Dimensionen, Hierarchien und Gesch\u00e4ftsregeln m\u00fcssen so modelliert werden, dass Menschen und Maschinen sie konsistent nutzen k\u00f6nnen.<\/li>\n\n\n\n
          4. Governance in der Praxis<\/strong> Governance darf nicht nur als Regelwerk existieren. Sie muss in Datenmodellen, Freigabeprozessen, Rollen und Werkzeugen wirksam werden.<\/li>\n\n\n\n
          5. Szenario- und Wirkungsdenken<\/strong> BI-Teams m\u00fcssen st\u00e4rker verstehen, wie Entscheidungen die Gesch\u00e4ftsergebnisse beeinflussen. Dazu geh\u00f6ren Treiberb\u00e4ume, Planung, Simulation und ein Grundverst\u00e4ndnis von finanzieller Wirkung.<\/li>\n<\/ol>\n\n\n\n

            Diese F\u00e4higkeiten ersetzen klassische BI-Kompetenzen nicht. Datenmodellierung, Visualisierung, Performance, Security und Plattformbetrieb bleiben wichtig. Der Unterschied liegt in der Gewichtung. Technische Exzellenz muss st\u00e4rker auf Entscheidungen ausgerichtet werden.<\/p>\n\n\n\n

            Warum werden BI-Teams wichtiger?<\/h2>\n\n\n\n

            KI, Natural Language und moderne Analysewerkzeuge ver\u00e4ndern die BI-Arbeit. Sie automatisieren Teile der klassischen Report-Produktion. Genau deshalb wird die fachliche und semantische Arbeit wichtiger.<\/p>\n\n\n\n

            Wenn mehr Nutzer direkt mit Daten sprechen, muss die Datenbasis verl\u00e4sslicher werden. Wenn Systeme Vorschl\u00e4ge machen, m\u00fcssen Annahmen, Grenzen und Verantwortlichkeiten klarer sein. Wenn F\u00fchrungskr\u00e4fte Szenarien live simulieren wollen, m\u00fcssen Kennzahlen, Modelle und Datenprodukte belastbar zusammenwirken.<\/p>\n\n\n\n

            BI-Teams stehen damit vor einer klaren Entscheidung. Sie k\u00f6nnen weiter eine wachsende Report-Fabrik betreiben. Oder sie entwickeln sich zu Teams, die Entscheidungen vorbereiten, absichern und verbessern.<\/p>\n\n\n\n

            Die Rolle als Entscheidungspartner ist anspruchsvoller, liegt aber n\u00e4her am Wertbeitrag, den Unternehmen von Daten erwarten.<\/p>\n\n\n\n

            Fazit: Die Zukunft von BI liegt nicht im n\u00e4chsten Dashboard<\/h2>\n\n\n\n

            Die Neuausrichtung der BI-Teams beginnt mit einer unbequemen Einsicht: Mehr Dashboards bedeuten nicht automatisch bessere Entscheidungen.<\/strong> Viele Unternehmen haben gen\u00fcgend Reports. Was fehlt, ist eine belastbare Verbindung zwischen Daten, Gesch\u00e4ftslogik und konkretem Handeln.<\/p>\n\n\n\n

            Decision Enablement beschreibt diese neue Aufgabe. BI-Teams bauen daf\u00fcr Datenprodukte, sichern Semantik und Governance, erm\u00f6glichen Natural-Language-Analysen und helfen F\u00fchrungskr\u00e4ften, Szenarien zu bewerten. Damit \u00fcbernimmt BI eine direkte Rolle bei der Vorbereitung und Absicherung von Managemententscheidungen.<\/p>\n\n\n\n

            Wenn Unternehmen heute in BI oder KI investieren, sollten sie deshalb zuerst fragen: Welche Entscheidungen wollen wir verbessern, und welches BI-Team brauchen wir daf\u00fcr?<\/p>\n","protected":false},"excerpt":{"rendered":"

            Die Business-Intelligence-Landschaft (BI-Landschaft) steht. Snowflake oder SQL Server im Backend, Power BI oder Tableau im Frontend, Dashboards f\u00fcr Vertrieb, Finance, Operations und Management. Die Investition ist get\u00e4tigt, die Plattform l\u00e4uft stabil, das Reporting ist verl\u00e4sslicher als noch vor f\u00fcnf Jahren. Und trotzdem kommt in Gesch\u00e4ftsleitungssitzungen regelm\u00e4\u00dfig dieselbe Frage auf den Tisch: Warum dauert es immer […]<\/p>\n","protected":false},"author":30,"featured_media":131561,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[462,464],"tags":[],"plus":[],"content_typ":[481],"layoutvorlage":[],"class_list":["post-156855","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-bi-analytics","category-strategy","content_typ-article"],"acf":[],"_links":{"self":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/156855","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/users\/30"}],"replies":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/comments?post=156855"}],"version-history":[{"count":4,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/156855\/revisions"}],"predecessor-version":[{"id":156898,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/156855\/revisions\/156898"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media\/131561"}],"wp:attachment":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media?parent=156855"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/categories?post=156855"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/tags?post=156855"},{"taxonomy":"plus","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/plus?post=156855"},{"taxonomy":"content_typ","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/content_typ?post=156855"},{"taxonomy":"layoutvorlage","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/layoutvorlage?post=156855"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}