Analytik-Technologien werden allzu oft als Transformations-Magie gehypt. Diese fünf aufstrebenden Investitionen im Analytik-Bereich sehen jedoch vielversprechend und produktiv genug aus, um zukünftige Gewinne zu erzielen. [...]
Wenige bahnbrechende Technologien sind von so viel Hype begleitet worden wie die Analytik. Seit fast einem Jahrzehnt haben Datenanalyse und Business Intelligence (BI) höchste Priorität für IT-Investitionen, und obwohl viele Analytik-Investitionen den realen Wert steigern, ist es nicht immer leicht zu erkennen, welche Innovationen zu produktiven Ergebnissen führen und welche sich als Sackgassen entpuppen werden.
Beim Übergang ins Jahr 2020 führen IT- und Unternehmensführer Analytik und BI immer noch als oberste Priorität für Investitionen in Innovationen an, erklärt Jim Hare, Research Vice President bei Gartner. Schließlich ist Intelligence das Herzstück aller digitalen Unternehmen. Für diese Führungskräfte besteht der Trick darin, den Hype zu durchschauen und die richtigen Investitionen in die richtigen Technologien zu tätigen. Gartner hat dazu fünf Schlüsseltrends identifiziert, die laut Hare IT-Führungskräften dabei helfen werden, sich auf die Investitionen in die Analytik zu konzentrieren, die in den kommenden Jahren Auswirkungen haben werden.
Augmented Analytics
„Unternehmen haben mehr Daten, als dass sie noch wissen, was sie damit tun sollen, und jetzt versuchen sie, diese Daten sinnvoll zu nutzen. Sie versuchen, sie in nützliche Erkenntnisse zu verwandeln, um die Entscheidungsfindung nicht nur für das Business-Analysten-Team zu verbessern, sondern auch für die Benutzer an der vordersten Front des Unternehmens, die normalerweise keinen Zugang zu analytischen Erkenntnissen hatten“, so Hare.
Mit Hilfe von Augmented Analytics, das maschinelles Lernen nutzt, um die Datenaufbereitung, die Erkenntnisgewinnung, die Datenwissenschaft und die Weitergabe von Erkenntnissen für ein breites Spektrum von Geschäftsanwendern, operativen Mitarbeitern und Bürgern zu automatisieren – und das nicht nur für das Analytik-Team. Diese Entwicklung hin zu Augmented Analytics ist einer der fünf wichtigsten Trends, die Gartner für das Jahr 2020 definiert hat – einer, der laut Gartner in zwei bis fünf Jahren allgemeine Akzeptanz erreichen wird.
Hare erklärt, dass Datenentdeckungstools Geschäftsanalysten mit Self-Service-Funktionen ausgestattet haben, aber Geschäftsanalysten bislang noch mit weitgehend manuellen Prozessen arbeiten mussten.
„Man musste die Nadel im Heuhaufen finden können“, erläutert Hare. „Die Idee der Augmented Analytics bietet fast so etwas wie einen riesigen Magneten, der über dem Heuhaufen schwebt, um die Nadeln für Sie zu finden; die verborgenen Muster in den Daten zu entdecken und sie effektiver an die Oberfläche zu bringen. Was wir sehen, ist dass Augmented Analytics die Leistung der Maschine in Kombination mit dem menschlichen Anwender nutzt, wobei sie zusammen in der Lage sind, effektiver zu arbeiten und tatsächlich mehr Nutzen zu erzielen, als wenn sie es unabhängig voneinander täten.“
Digitale Kultur
Hare ist der Meinung, dass sich Unternehmen im Jahr 2020 auf die Entwicklung ihrer „digitalen Kultur“ konzentrieren sollten, denn dies sei der wichtigste Schritt, den jedes Unternehmen auf dem Weg der digitalen Transformation machen könne.
„In der Vergangenheit gab es eine Kluft zwischen den Business-Analysten und den Endanwendern, die wirklich versuchten, mehr von diesen Daten und den analytischen Erkenntnissen zu nutzen“, so Hare. „Ein wichtiger Trend, der dem zugrunde liegt, ist die zunehmende Nutzung von Analysen und Daten. Wie kann ich die Nutzung dieser Daten in meinem Unternehmen stärker in den Vordergrund rücken?“
Dies erfordert die Schaffung einer datengesteuerten Kultur, in deren Mittelpunkt die Datenkompetenz steht, insbesondere bei den Mitarbeitern an der Front des Unternehmens. „Damit [sie] in der Lage sind, alle die gleiche Sprache zu sprechen, wenn es um Daten geht“, erläutert Hare.
Hier ist Schulung die Schlüsselinvestition, die CIOs als Teil der Bemühungen um die Umgestaltung der Belegschaft zur Schaffung einer digitalen Kultur in Betracht ziehen sollten. Um die Datenkompetenz zu fördern, müssen Unternehmen ihre Mitarbeiter im Umgang mit dem Lesen, Schreiben und Kommunizieren von Daten im Kontext schulen, wobei ein Verständnis der Datenquellen und -konstrukte, der angewandten Analysemethoden und -techniken sowie die Fähigkeit, die Anwendung und den daraus resultierenden Wert zu beschreiben, erforderlich ist, so Gartner.
Hare weist auch auf die Bedeutung von Schulungen rund um die digitale Ethik hin, da die Geschwindigkeit, mit der sich Innovationen wie das Internet der Dinge (IoT), 3D-Druck, Cloud, Mobilfunk, Social Media und KI bewegen, es sehr wahrscheinlich macht, dass diese Technologien eine Lücke zwischen Moral und Handeln schaffen werden, was zu unbeabsichtigten Konsequenzen führen wird. Im Jahr 2020 werden Organisationen ihre Prinzipien mit den möglichen Folgen der von ihnen eingesetzten Technologien in Einklang bringen müssen.
CIOs sollten auch „Data for Good“-Initiativen in Betracht ziehen, bemerkt Gartner. Hier helfen Unternehmen aus dem kommerziellen Sektor NGOs und anderen Organisationen des öffentlichen Sektors, die versuchen, datengesteuert zu arbeiten, denen aber die Fähigkeiten und das Fachwissen fehlen, um Daten effektiv zu nutzen. Dies kann in Form von kostenlosen oder kostengünstigen Technologien, Daten oder Fachkräften geschehen. Solche philanthropischen Bemühungen können dazu beitragen, Arbeitskräfte in einem angespannten Arbeitsmarkt zu gewinnen und zu halten und möglichen Investoren soziale Verantwortung zu signalisieren, betont Hare.
Beziehungsanalysen
Grafische, ortsbezogene und sozialanalytische Techniken helfen Organisationen zu verstehen, wie Menschen, Orte und Dinge miteinander verbunden sind. Gartner ist der Ansicht, dass die wertvollsten Anwendungen in diesem Bereich auf das Entdecken konzentriert sind. Beispielsweise können grafische Techniken zur Identifizierung von illegalem Verhalten und kriminellen Aktivitäten eingesetzt werden, so dass Strafverfolgungsbehörden Geldwäsche und andere kriminelle Aktivitäten aufdecken können. Neben der Identifizierung von Betrug und anderem illegalen Verhalten bietet Graph Analytics Anwendungen in Bereichen wie Routenoptimierung, Warenkorbanalyse, CRM-Optimierung, Supply Chain Monitoring und mehr.
Location Intelligence kann die Form von Diensten und Lösungen annehmen, die Daten in einer Innenumgebung erzeugen, verarbeiten und analysieren, oder solche, die Erkenntnisse aus georäumlichen Beziehungen im Freien gewinnen. Indoor Location Intelligence wird in Bereichen wie dem Gesundheitswesen (Überwachung mobiler Geräte, Verfolgung von Patienten), dem Einzelhandel (Verwaltung von Mitarbeitern auf der Grundlage des Kundenverkehrs, Bereitstellung von Turn-by-Turn-Navigation in Geschäften), der Fertigung (Verfolgung von Teilen, Überwachung von nicht verwendeten Werkzeugen) und dem öffentlichen Sektor (Ortung von Geräten und Personen in Notfällen, Zugangskontrolle) eingesetzt. Outdoor Location Intelligence kann bei Themen wie demografische Analyse, Ladenplatzierung, Asset Tracking, Umweltanalyse und Verkehrsplanung helfen.
Bei den Social Analytics geht es darum, Unternehmen bei der Erfassung, Messung, Analyse und Interpretation der Ergebnisse von Interaktionen und Assoziationen zwischen Menschen, Themen und anderen Inhalten zu unterstützen. Laut Gartner helfen Social Analytics Unternehmen dabei, Trends (z. B. bei der Kundenzufriedenheit), Verhaltensweisen (Interesse an bestimmten Themen oder Ideen) und Frühwarnsignale (Quellen für Kundenzufriedenheit und Prozessbrüche) zu erkennen.
Decision Intelligence
Hare glaubt, dass Unternehmen im Jahr 2020 versuchen werden, Echtzeitdaten zu nutzen, um bessere Entscheidungen zu treffen. Hier hat sich Decision Intelligence als eine praktische Disziplin herauskristallisiert, die Innovationen wie Continuous Intelligence, Decision Automation und Event Stream Processing umfasst.
„Es geht darum, Entscheidungen zu betrachten, wie sie getroffen werden und welche Entscheidungen automatisiert werden könnten. Ich denke in Form von gelenkten Empfehlungen: Informationen, die einem Menschen gegeben werden, um ihm zu helfen, eine bessere Entscheidung zu treffen“, erklärt Hare.
Continuous Intelligence integriert Echtzeit-Analysen in den Geschäftsbetrieb, um Maßnahmen als Reaktion auf Geschäftsereignisse vorzuschreiben, die auf einer Mischung aus aktuellen und historischen Daten basieren. Um erfolgreich zu sein, nutzt Continuous Intelligence erweiterte Analysen, Event Stream Processing, Optimierung, Business Rule Management und maschinelles Lernen. Gartner prognostiziert, dass es fünf bis 10 Jahre dauern wird, bis Continuous Intelligence reif ist, aber dass es dann eine Transformation sein wird.
Für CIOs, die kurzfristig investieren wollen, ist die Event-Stream-Verarbeitung näher an der Marktreife – laut Gartner zwei bis fünf Jahre später – aber sie wird auch transformativ sein. Unternehmen, die IoT nutzen wollen, müssen diese Innovation bald in den Griff bekommen. Gartner geht davon aus, dass die Event-Stream-Verarbeitung schließlich von mehreren Abteilungen in jedem großen Unternehmen übernommen wird und die Abläufe durch Echtzeit-Dashboards und -Warnungen sowie die Erkennung von Anomalien unterstützt wird. Darüber hinaus wird es Unternehmen helfen, ihre Mitarbeiter vor einer Datenüberlastung zu schützen, indem nur die relevantesten Informationen präsentiert werden.
Operationalisierung und Skalierung der Datennutzung
Unternehmen werden ihre Bemühungen weiterhin auf die Operationalisierung ihrer Daten und die Skalierung der Datennutzung konzentrieren. Ein großer Teil davon wird die Kontextualisierung von Erkenntnissen für die verschiedenen Komponenten innerhalb der Organisation sein.
„Die Menschen an der Frontlinie brauchen die Analysen für ihre speziellen Bedürfnisse viel stärker kontextualisiert“, so Hare. „Jemand, der im Vertrieb tätig ist, braucht andere Analysen als diejenigen im Marketing oder Support. In manchen Fällen geht es nur darum, wie die Analysen kommuniziert werden. Sie brauchen genau die richtigen Informationen zum richtigen Zeitpunkt, um bei ihrer Arbeit eine bestimmte Entscheidung treffen zu können.
Da Daten innerhalb des Unternehmens immer häufiger vorkommen, wird ein Teil der Operationalisierung und Skalierung darin bestehen, eine Datenüberlastung zu vermeiden, indem man sich nur mit den Daten befasst, die man benötigt.
Hare zufolge müssen Unternehmen einen bimodalen Ansatz entwickeln. Bei den Analysen im Modus 1 geht es darum, wie Sie Ihr Unternehmen führen, während es bei den Analysen im Modus 2 um die Fähigkeit geht, zu experimentieren, verborgene Erkenntnisse aufzudecken und diese Erkenntnisse dann in Ihre Produktionsanalysen einfließen zu lassen. In der Vergangenheit neigten selbst Unternehmen, die beide Modi nutzten, dazu, sie diskret zu halten.
„Was wir in Zukunft sehen werden, ist eine viel stärker gemischte Herangehensweise zwischen den beiden Modi“, erklärt Hare. „Und man wird diese Art von kontinuierlichem Prozess zwischen dem schnelleren Entdecken neuer Erkenntnisse und der Möglichkeit, diese in der Produktion innerhalb des Unternehmens zu nutzen, beobachten können“.
*Thor Olavsrud deckt die Bereiche Datenanalyse, Business Intelligence und Datenwissenschaft für CIO.com ab.
Be the first to comment