Marketing Glossar

2.413 Fachbegriffe aus 22 Bereichen des Online Marketings

Business Intelligence (BI)

Definition: Business Intelligence (BI) bezeichnet das Gesamtsystem aus Technologien, Prozessen, Architekturen und Praktiken, mit denen Unternehmen Rohdaten aus verschiedenen internen und externen Quellen sammeln, integrieren, aufbereiten, analysieren und in aussagekräftige, handlungsrelevante Informationen für die Unternehmenssteuerung und Entscheidungsfindung transformieren. Der Begriff wurde 1958 vom IBM-Forscher Hans Peter Luhn geprägt, der in seinem Artikel „A Business Intelligence System" ein automatisches System zur Verteilung von Informationen an Wissenszentren in einer Organisation beschrieb. In seiner modernen Form wurde Business Intelligence maßgeblich durch den Datenbank-Pionier Howard Dresner geprägt, der das Konzept 1989 bei der Gartner Group als Oberbegriff für Konzepte und Methoden zur Entscheidungsverbesserung durch faktenbasierte Systeme popularisierte. Ein typisches BI-System umfasst vier technische Schichten: erstens Datenquellen (ERP-Systeme, CRM-Systeme, Web-Analytics, externe APIs, Marktdaten), zweitens eine ETL-Schicht (Extract, Transform, Load) zur Datenintegration und -bereinigung, drittens ein zentrales Data Warehouse oder Data Mart als analytische Datenhaltungsschicht und viertens eine Präsentationsschicht mit Dashboards, Reports und explorativen Analyse-Oberflächen. Laut dem Gartner BI and Analytics Market Report 2023 wuchs der globale BI-Markt auf ein Volumen von rund 31 Milliarden US-Dollar und wird bis 2027 auf über 54 Milliarden US-Dollar prognostiziert, was einem jährlichen Wachstum von etwa 12,5 % entspricht. Treiber sind Self-Service-BI-Ansätze, Cloud-Migration und die Integration von KI-gestützten Analysen.

Erläuterung

Business Intelligence hat sich von einem rein IT-getriebenen Reporting-Werkzeug zu einem strategischen Unternehmens-Asset entwickelt. Klassisches BI umfasste primär standardisierte Reports und OLAP-Cubes (Online Analytical Processing), mit denen Finanz- und Operationsdaten aggregiert und nach verschiedenen Dimensionen aufgeschlüsselt werden konnten. Moderne BI-Plattformen wie Microsoft Power BI (seit 2015 verfügbar, mit über 220.000 aktiven monatlichen Nutzern laut Microsoft 2023), Tableau (1997 als Forschungsprojekt an der Stanford University begonnen, 2019 von Salesforce für 15,7 Milliarden US-Dollar übernommen) und Looker (2011 gegründet, 2020 von Google für 2,6 Milliarden US-Dollar akquiriert und als Looker Studio als Freemium-Produkt verfügbar) demokratisieren die Datenanalyse: Sie ermöglichen es Fachanwendern ohne SQL-Kenntnisse, eigene Analysen zu erstellen und zu teilen. Im Marketingkontext liefert BI die technologische Grundlage für das sogenannte Marketing-Cockpit oder Marketing-Dashboard: eine integrierte Sicht auf Kampagnenperformance (Impressionen, Klicks, Conversions, ROAS), Website-KPIs (Sessions, Bounce Rate, Verweildauer), CRM-Daten (Kundenakquisitionskosten, Customer Lifetime Value, Churn Rate), Social-Media-Reichweite und E-Commerce-Umsatzdaten. Eine besondere Herausforderung besteht in der sogenannten Datensiloisierung: Kampagnendaten liegen in Google Ads, Meta Ads Manager und dem E-Mail-Marketing-Tool vor; Web-Daten in Google Analytics 4; Umsatzdaten im ERP-System; und Kundendaten im CRM. BI-Lösungen und Datenintegrations-Middleware (z. B. Fivetran, Airbyte, Stitch) adressieren dieses Problem durch automatisierte Daten-Pipelines. Eine wichtige Entwicklung ist Augmented BI (auch AI-Assisted BI): Plattformen wie Tableau mit Einstein AI, Power BI mit Copilot und ThoughtSpot mit NLP-basierter Suche ermöglichen es Nutzern, Fragen in natürlicher Sprache zu stellen und automatisch generierte Visualisierungen und Insights zu erhalten. Laut einer Forrester-Studie (2022) erzielen Unternehmen mit einer ausgereiften BI-Kultur eine um 36 % höhere Wahrscheinlichkeit, ihre Jahres-Umsatzziele zu erreichen, als Unternehmen mit geringer Datenkompetenz.

BI-Architektur-Komponenten

BI im Marketing: Anwendungsfelder

Praxistipp: Beginnen Sie den BI-Aufbau nicht mit der Technologiewahl, sondern mit einer Inventur der wichtigsten unternehmerischen Fragen, die durch Daten beantwortet werden sollen. Definieren Sie eine eindeutige Metrik-Hierarchie: wenige strategische North-Star-Metriken, abgeleitet von operativen KPIs. Investieren Sie frühzeitig in eine saubere semantische Schicht und einheitliche Datendefinitionen – unterschiedliche Definitionen von „Umsatz" oder „Conversion" zwischen Teams untergraben das Vertrauen in BI-Systeme schnell. Setzen Sie auf Cloud-native BI-Tools mit nativen Konnektoren zu Ihren Datenquellen, um den Wartungsaufwand zu minimieren.