Data Analytics – die wichtigsten Trends

Business Analytics steht im Markt für Unternehmenssoftware weiter hoch im Kurs und spielt bei der digitalen Transformation von Unternehmen eine zentrale Rolle. Technologien, die zur Weiterentwicklung von Analytics-Anwendungen dienen, sind jedoch noch nicht alle voll einsatzbereit. Anbieter müssen deshalb in der Lage sein, ausgereifte Trends, die sich schon heute auf reale Geschäftsszenarien anwenden lassen, von Trends zu unterscheiden, die erst noch Gestalt annehmen werden.

Derzeit dominierten vor allem drei Trends die Entwicklung von Business Analytics: Künstliche Intelligenz (KI), Natural Language Processing (NLP) beziehungsweise Natural Language Generation (NLG) sowie integrierte Analytics.

Assistive Assitence ist realistischer als KI in Analytics

Der Hype um Künstliche Intelligenz (KI), Machine Learning (ML; Maschinelles Lernen) und Deep Learning übertrifft heute längst den Rummel um Big Data. Die Vorstellung, dass KI die von Menschen durchgeführten manuellen Analyseaufgaben vollständig ersetzt und automatisiert, ist für die meisten Anwendungsfälle aber noch reine Zukunftsmusik. Eine vollständige Automatisierung der Analyse-Workflows sollte auch gar nicht in Betracht gezogen werden – weder heute noch in Zukunft.

Stattdessen müssen wir von einer Assistive Intelligence sprechen. Dabei werden Analysten und andere Anwender von integrierten Advanced-Analytics-Anwendungen und ML-Algorithmen unterstützt. Mehr und mehr Unternehmen übernehmen dieses Konzept bereits. Vor allem im Bereich der Datenvorbereitung und -integration und bei analytischen Prozessen wie dem Erkennen von Mustern, Korrelationen, Ausreißern und Anomalien sind smarte Programme von großem Nutzen.

Tableau 10.3 bietet Anwendern jetzt ganz neu die Möglichkeit, sich intelligente Empfehlungen zu Tabellen und Verknüpfungen geben zu lassen. Mithilfe von ML-Algorithmen analysiert Tableau Server aggregiert die Nutzung aller Datenquellen, um der gesamten Organisation geeignete Tabellen und die entsprechenden Verknüpfungen zu empfehlen.

Natürliche Sprache erleichtert den Umgang mit Analytics

Natural Language Processing (NLP) und Natural Language Generation (NLG) werden häufig synonym verwendet, dienen aber eigentlich völlig unterschiedlichen Zwecken. Beide ermöglichen zwar natürlichere Interaktionen mit Analytics-Anwendungen, aber mit einem großen Unterschied: Mit NLP-Funktionen können Anwender Fragen an die Daten stellen. NLG versucht dagegen, Erkenntnisse und Ergebnisse aus Daten für den Anwender in natürliche Sprache zu übersetzen.

Von beiden Technologien wird NLP bisher stärker wahrgenommen. Zum Beispiel in unserem persönlichen Alltag mit Siri, Cortana, Alexa, Google Home usw. Auch Analytics-Anbieter fügen ihren Produkten verstärkt NLP-Funktionen hinzu, um die Anwendung einer breiteren Zielgruppe zugänglich zu machen. NLP wird sich unweigerlich zu einer weit verbreiteten Kernkomponente von Analyseplattformen entwickeln. Allerdings wird NLP derzeit noch nicht von einem ausreichend breiten Benutzerspektrum oder für genügend Anwendungsfälle verwendet, um auf dem heutigen Markt als Mainstream-Lösung zu gelten.

NLG-Anwendungen gibt es auf der anderen Seite schon seit einigen Jahren. Analytics-Anbieter haben bereits begonnen, die visuelle Darstellung von Daten mit natürlicher Sprache zu ergänzen. Text-basierte Zusammenfassungen von Sport-Events, Spielerstatistiken oder die Performance von Investmentfonds werden beispielsweise schon mithilfe von NLG-Technologien erstellt. Zudem dienen NLG-Funktionen zunehmend dazu, KI-basierte Ausgabedaten der breiten Masse zugänglicher zu machen. Seit Tableau 10.0 lassen sich NLG-Funktionen auch einfach in Tableau-Anwendungen integrieren. Die Tools liefern Beschreibungen und Interpretationen für Daten, Grafiken und Dashboards und machen diese Nutzern so einfacher zugänglich. Zudem kann NLG den Erkenntnisgewinn beschleunigen, indem potenzielle Trends in den Daten hervorgehoben werden.

Die Kombination aus Geschäftsanalysen und NLG ist zwar noch relativ neu, doch sie gewinnt immer mehr Aufmerksamkeit und Zugkraft auf dem Markt und hat die Tür für neue Anwendungsfälle geöffnet.

Integrated Analytics für schnellere Erkenntnisse und Entscheidungen

Fließen Erkenntnisse aus Business Analytics direkt in Geschäftsentscheidungen und -prozesse ein, entsteht ein echter Mehrwert für das Unternehmen. Analytics-Anbieter sollten es den Anwendern deshalb so einfach wie möglich machen, Analytics-Tools in ihre gängigen Geschäftsanwendungen zu integrieren. So gelangen Erkenntnisse aus Daten direkt zu den Anwendern, die sie für ihre tägliche Arbeit benötigen. Entscheidungsprozesse werden damit deutlich beschleunigt.

Unternehmen bieten diese Anwendungsmöglichkeiten auch zunehmend ihren Kunden, Partnern und Lieferanten an. Das erhöht nicht nur ihre Differenzierung im Wettbewerb, sondern eröffnet auch neue Umsatzmöglichkeiten durch die wertschöpfende Nutzung von Datenbeständen und Analytics Anwendungen.