Agile Methoden werden auch im Bereich Business Intelligence und Datenanalyse immer öfters eingesetzt. Dieser Beitrag umreisst grob das Konzept und zeigt die Vorteile gegenüber der traditionellen Wasserfallmethode auf.
Mit zunehmender Marktreife wollen Unternehmen schnellere Renditen für ihre Business Intelligence-Investitionen sehen und bringen so neue Herausforderungen und Belastungen für Entwicklungsteams. Angesichts des Drucks, den Unternehmen anspruchsvolle Dashboards und Berichte innerhalb ihrer bestehenden Anwendungen zu liefern, beginnen viele Entwicklungsteams, ein agiles Framework in ihre Business-Intelligence-Entwicklungszyklen einzubauen. Agile Business Intelligence-Rollouts sind oft effizienter und reduzieren die Fehlerquote im Vergleich zu anderen Ansätzen.
Was sind Agile Analytics und BI?
Agile Analytics oder Agile Business Intelligence ist vom Begriff „Agile Managment“ aus der Softwareentwicklung abgeleitet. Die Ableitung beschreibt den Einsatz von agilen Methoden in Analytics- oder BI-Projekten. Da sich BI-Projekte in einigen Aspekten von Softwareentwicklungsprojekten unterscheiden, sind die Werte und Prinzipien der agilen Vorgehensmodelle nicht direkt übertragbar.
Wie bei allen agilen Initiativen werden BI-Projekte in eine Reihe kleinerer Projekte aufgeteilt (priorisierter Backlog), die kontinuierlich geplant, entwickelt, getestet und ausgerollt werden. Dieser iterative Entwicklungsansatz bewirkt eine kontinuierliche Verbesserung und hilft einer Organisation, sich schneller an veränderte Marktbedingungen und Unternehmensziele anzupassen. Jede Iteration eines agilen BI-Projekts wird sowohl vom Entwicklungsteam als auch von den Geschäftsverantwortlichenngeplant und überprüft. Diese enge Zusammenarbeit zwischen Business und IT führt zu einer besseren Kommunikation, klar definierten Zielen und messbaren Endergebnissen, die helfen die Projekt-Erwartungen besser zu erfüllen.
Haupt-Vorteile des Einsatzes von Agile Business Intelligence
Projekttransparenz:
Durch die Einbeziehung von Business und IT in den Projektplan haben diese Stakeholder ein besseres Verständnis dafür, wie der Entwicklungsprozess abläuft, und übernehmen im Allgemeinen mehr Verantwortung für die Lösung. Dies hilft allen Beteiligten, einen realistischen Überblick über den Stand des Projekts zu bekommen, so dass Risiken, Herausforderungen und Probleme schnell angegangen werden können.
Durch eine schlechte Einbindung der Stakeholder bei traditionellen (nicht-agilen) Vorgehensweisen werden viele der Anforderungen und Erwartungen nicht zu Beginn eines Projekts festgehalten. Wenn ein z.B. ein traditioneller Wasserfall-Ansatz verfolgt wird, können Lösungen, Dashboards und Berichte mit diesen unvollständigen Anforderungen entwickelt werden. Ein agiler Ansatz zwingt die Beteiligten in mehrere Planungsphasen und reduziert so das Risiko, dass Anforderungen vergessen gehen.
Hoher Return On Investment:
Unternehmen, die agile Business Intelligence einsetzen, erzielen aufgrund kürzerer Entwicklungszyklen einen höheren Return-of-Investment (ROI). Agile BI reduziert die Anzahl der IT-Ressourcen und die Zeit, die für die Bearbeitung von Projekten aufgewendet werden muss. Kunden und andere Anwender werden durch die kontinuierliche Bereitstellung von brauchbarer Software zufriedengestellt.
In der Regel sind Agile Methoden bei Low-Level-Programmierung oder reinen Entwicklungsaufgaben grossartig ist. Da bei Business-Intelligence- und Data-Warehousing-Projekten die Methoden nicht direkt übernommen werden können, finden sich oft Anfangsschwierigkeiten.
“All models are wrong, but some are useful”. George E. P. Box
Das berühmte Zitat von George E. P. Box besagt, dass jedes Modell oder jede Methode eine Schwachstelle hat und niemals das exakte Realität oder – wie in diesem Beitrag – die beste und effizienteste Arbeitsweise hervorbringen wird. Auch wenn ein Modell (oder eine agile Methode) nicht alle Bedürfnisse abdeckt, kann es sehr hilfreich sein, wenn es nahe der Vollständigkeit ist. Jetzt geht es nur noch darum das passende Modell zu finden.
