Warum Analytics und Datenvisualisierung einbetten?

Die Einbettung von Analysen in Anwendungen ist ein intelligenter Weg, um Einblicke und Entscheidungsmöglichkeiten direkt in die Arbeitsabläufe der Mitarbeiter und in kundenorientierte Anwendungen zu integrieren. [...]

Viele Unternehmen entwickeln heute datenintensive Anwendungen, die interaktive Dashboards, Infografiken, personalisierte Datenvisualisierungen und Diagramme enthalten, die auf die Datenberechtigungen eines Benutzers reagieren. In Fällen, in denen eine Anwendung ein Balkendiagramm oder eine andere einfache Datenvisualisierung anzeigen muss, ist es einfach genug, ein Charting-Framework zu verwenden, um das Diagramm zu konfigurieren und zu rendern. Die in eine Datenvisualisierungsplattform eingebetteten Analysefunktionen können jedoch ein umfassenderes Erlebnis für den Endbenutzer und Tools zur Unterstützung einfacher und schnellerer Erweiterungen bieten.

Die Einbettung von Analysen kann ein leistungsfähiger Ansatz zur Verbesserung von Anwendungen sein, wenn Experimente mit den Visualisierungen wichtig sind. Der Produktverantwortliche einer Anwendung kann beispielsweise mit einer einfachen Visualisierung beginnen, dann aber feststellen, dass verschiedene Benutzer-Personas spezielle Dashboards benötigen. Eine Datenvisualisierungsplattform macht es viel einfacher, diese Dashboards zu entwickeln, zu testen und zu überarbeiten, als Visualisierungen zu programmieren.

Ein weiterer wichtiger Vorteil des Einsatzes von Datenvisualisierungsplattformen besteht darin, dass Datenwissenschaftler und Fachexperten in den Anwendungsentwicklungsprozess einbezogen werden können. Anstatt dass sie Anforderungen schreiben, die ein Softwareentwickler in Code umsetzen muss, werden die Visualisierungen iterativ von einer Gruppe von Personen verbessert, die die geschäftlichen Anforderungen, die Daten und die besten Verfahren für Datenvisualisierungen am besten kennen.

Warum Sie Datenvisualisierungstools verwenden sollten

Sehen wir uns einige Anwendungsfälle für die Einbindung von Datenvisualisierungen an, bei denen eine schnelle Entwicklung und ein schnelles Experimentieren erforderlich sind.

• Analysen können in ein Unternehmenssystem eingebettet werden, das Daten aus verschiedenen anderen Datenquellen enthält. Ein Beispiel dafür ist ein Dashboard für Vertriebsleiter, das innerhalb der CRM-Anwendung (Customer Relationship Management) angezeigt wird und Finanzdaten aus dem ERP-System (Enterprise Resource Planning) sowie Prospektierungsdaten aus Marketingautomatisierungsplattformen enthält.
• In kundenorientierten Mobil- und Webanwendungen kann ein einfaches Diagramm oder eine Grafik die Benutzerinteraktion anregen. Denken Sie an eine Aktienhandelsanwendung, die die Aktien auf der Beobachtungsliste eines Anlegers darstellt und diejenigen hervorhebt, die sich in der Nähe ihres Tiefstpreises befinden, wenn es möglicherweise der richtige Zeitpunkt zum Kauf ist.
• Medienorganisationen und andere, die Inhalte veröffentlichen, können Datenjournalismus betreiben, bei dem ein Journalist einen Artikel über einen Datensatz und eine oder mehrere Datenvisualisierungen schreibt, wobei Daten und Analysen die Grundlage bilden.
• Marketing-Infografiken, einschließlich grafischer Designs oder Datenvisualisierungen, werden in Websites und andere Marketing-Tools eingebettet.
• Für Unternehmen, die versuchen, datengesteuert zu arbeiten, kann dies der richtige Zeitpunkt sein, eine Datenvisualisierungsplattform zu wählen, um Analysen zu entwickeln und sie in Unternehmens- oder kundenorientierte Anwendungen einzubetten.
• Unternehmen, die bereits Datenvisualisierungstools verwenden, müssen möglicherweise eine Visualisierung mit benutzerdefinierten Integrationen und Funktionen erweitern, um Daten zu manipulieren oder durch einen Workflow zu verarbeiten.
• Komplette kundenorientierte Anwendungen können Datenvisualisierungen für Datenprodukte und -dienste sein. Dieser Ansatz ist bei Daten-, Finanzdienstleistungs-, Versicherungs- und E-Commerce-Unternehmen üblich, bei denen die Daten das Produkt sind und die Analytik ein Unterscheidungsmerkmal sein kann. In diesen Fällen ermöglicht die Verwendung einer Datenvisualisierungsplattform für die Entwicklung des Produkts und die Nutzung der Flexibilität der Plattform für die Einbettung in ein anderes System den Teams Innovationen und schnelle Erweiterungen.

Top 15: Die besten Predictive Analytics Tools

Die Einbettung von Analysen fördert die Innovation

Das Besondere an der Datenvisualisierung ist, dass die Anforderungen, das Design und die erforderlichen Funktionen in hohem Maße iterativ sein können. Je mehr Stakeholder und Benutzer mehr über die Daten und die nützlichen Erkenntnisse erfahren, desto eher werden sie die gewünschte Erfahrung, das Design und die Funktionalität ändern.

Aus diesem Grund sind Visualisierungsbibliotheken, auch wenn sie für den Entwickler einfach zu handhaben sind, möglicherweise kein optimaler Entwicklungsansatz für die Einbettung von Analysen, die häufige Iterationen erfordern. Iteratives Design ist vor allem im Journalismus und im Marketing der Fall, wo das Ziel darin besteht, dass Benutzer Datenvisualisierungen entwerfen, entwickeln und veröffentlichen können, ohne auf die Unterstützung von Entwicklern und Technologen angewiesen zu sein.

Schritte zur Einbettung von Analysen in Anwendungen

Wenn Sie über die Einbindung von Analysen in Anwendungen nachdenken, sollten Sie die folgenden Entwicklungsüberlegungen anstellen:

• Wer sind die Nutzer, und welche Fragen wollen Sie ihnen mit den Analysen beantworten helfen? Die besten Dashboards und Datenvisualisierungen beantworten spezifische Fragen und erfüllen eine Geschäftsfunktion, anstatt nur über Daten zu berichten.
• Wird die App im Web, auf dem Handy oder beides genutzt? Diese Anforderung bestimmt die Größe des Bildschirms, die Anzahl der Diagramme und das Datenvolumen, das die Entwickler bei der Gestaltung berücksichtigen müssen.
• Wie viele Daten müssen verarbeitet werden, und wie hoch sind die Leistungsanforderungen? Bei größeren Datensätzen und höherer Leistung kann die Verwendung von materialisierten Datenbankansichten, In-Memory-Datenbanken und Visualisierungen auf aggregierten Daten erforderlich sein.
• Welche Data Governance und Sicherheit definieren die Datenberechtigungen eines Benutzers? Die Entwickler sollten diese Regeln als Anwendungsfälle dimensionieren und Testszenarien erstellen, um zu überprüfen, ob die Implementierungen die Data Governance einhalten. Darüber hinaus kann es sein, dass die visuellen Darstellungen geändert werden müssen, wenn es wichtige Data-Governance-Regeln auf Zeilen- und Spaltenebene gibt.
• Teams sollten Standards und ein Kompetenzzentrum für Datenvisualisierungen entwickeln, die Diagrammtypen, Farbschemata, Beschriftungen, Stilrichtlinien und andere Regeln vorgeben, die eine konsistente Benutzererfahrung ermöglichen.
• Prüfen Sie die Einbettungsoptionen für Datenvisualisierungen, zu denen oft einfach zu implementierende Iframe-Integrationen, REST-APIs und JavaScript-SDKs gehören.
• Da sich die Daten ändern können, empfiehlt es sich, Testautomatisierungen für Datenvisualisierungen zu erstellen, die in Pipelines für kontinuierliche Integration und kontinuierliche Bereitstellung (CI/CD) ausgeführt werden, aber auch als Anwendungsmonitore laufen können, die bei Produktionsvorfällen Alarm schlagen.

Data Visualization: Was ist Datenvisualisierung?

Dies sind einige der Schritte, die Entwickler, Datenwissenschaftler und agile Teams bei der Einbindung von Analysen in Anwendungen berücksichtigen sollten.

Sie möchten sich inspirieren lassen? Schauen Sie sich die Analysen auf Tableau Public, Microsoft Power BI Galleries, Sisense-Beispiel-Dashboards und Qlik Gallery an, um Beispiele zu finden. Auch wenn viele Dashboards als eigenständige Tools nützlich sind, können sie einen größeren Geschäftswert liefern, wenn sie in kundenorientierte und interne Workflow-Anwendungen eingebettet sind.

*Isaac Sacolick ist Präsident von StarCIO und der Autor des Amazon-Bestsellers Driving Digital: The Leader’s Guide to Business Transformation through Technology, der viele Praktiken wie agile Planung, Devops und Data Science behandelt, die für erfolgreiche digitale Transformationsprogramme entscheidend sind. Sacolick ist ein anerkannter Top-Social-CIO und Influencer im Bereich der digitalen Transformation. Er hat mehr als 700 Artikel auf InfoWorld.com, CIO.com, seinem Blog Social, Agile, and Transformation und anderen Websites veröffentlicht.