BARC: Demokratisierte Datennutzung benötigt die richtigen Werkzeuge

Zum dritten Mal bewertet der BARC Score Analytics for Business Users 16 marktrelevante Plattformen für Governed Self-Service Analytics. Das Ergebnis: Nur Unternehmen, die vorhandene Daten optimal nutzen, haben in der heutigen Wirtschaft Chancen zu wachsen und zu gedeihen. [...]

Viele Anwender haben zwar Zugriff zu Daten, können sie aber nicht effizient aufbereiten. (c) Unsplash

Die Datennutzung muss demnach für eine möglichst große Zahl an Mitarbeiter einfach möglich sein – die Datennutzung muss also demokratisiert werden. Dafür braucht es als Grundlage mächtige Werkzeuge, die Anwender gut durch alle Schritte der Aufbereitung leiten.

Ein Beispiel für das Senken der Hürden bei der Verwendung mächtiger Funktionen ist Machine Learning für schnellere Analysen. Bei „Automated Insights“, also den Funktionen zum automatisierten Aufdecken von Abhängigkeiten, Mustern und Ausreißern in Datensets, haben die Anbieter laut dem Report heuer große Fortschritte gemacht. Das hilft, komplizierte Daten schneller zu verstehen und die Essenz daraus effektiv nutzen zu können.

„Zu viele Anwenderinnen und Anwender haben zwar Zugriff zu Daten, können sie aber nicht effizient aufbereiten, verbinden und ansehnlich präsentieren. Der BARC Score Analytics for Business Users zeigt genau, welche Werkzeuge Stärken im Erstellen und gemeinsamen Verwenden wichtiger Inhalte für die die Entscheidungsunterstützung haben“, so BARC-Analyst und Co-Autor Robert Tischler über die Publikation.

„So vielfältig wie die Herausforderungen und Anforderungen im Bereich von Analytics sind, so vielfältig muss der Einsatzbereich der Werkzeuge sein. Egal ob Daten in einer oder vielen Clouds liegen oder über einfache Dateien angeliefert werden, das Werkzeug muss für alle Anforderungen die optimale Unterstützung bereitstellen. Keine Kompromisse“, sagt Tischler.

Zu weiteren Informationen und der vollständigen Software-Evaluation gelangen Sie hier.


Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*