"Klassische" Datenanalysen haben zwei Schwachpunkte: Sie sind unvollständig und langsam. Beide Aspekte beeinträchtigen die mögliche Qualität der Entscheidungen. [...]
Business-Intelligence Systeme-dienen der Unternehmenssteuerung. Sie sollen durch die sorgfältige Analyse von Daten Unternehmen helfen, Entscheidungen auf Faktenbasis zu treffen. Traditionelle BI-Infrastrukturen nutzen dazu die in strukturierter Form vorhandenen Daten der operativen Systeme. Und es werden Analysetechniken wie beispielsweise Standardberichte, Ad-hoc Reports, Abfragen & Drittdown, Alarmierungen, Statistische Analyse, Vorhersage durch Extrapolation, Prognosemodelle oder Optimierungen eingesetzt, um diese Daten möglichst gewinnbringend zu nutzen.
Leider hat diese Art der Datenanalyse zwei Schwachpunkte; Sie ist unvollständig und langsam. Unvollständig ist sie, weil 80 Prozent der unternehmensrelevanten Daten nicht einbezogen werden. Daten wie beispielsweise Social Media Content, Geo-Lokationsinformationen, Office-Dokumente oder auch Weblogs werden ignoriert. Und die Analysen werden mit erheblicher Verspätung durchgeführt.
Beide Aspekte beeinträchtigen die mögliche Qualität der Entscheidungen, die auf diesen Information basiert und gefährden damit den möglichen Wettbewerbsvorteil, der eine kluge und rechtzeitige Analyse mit sich bringen könnte. Die zeitnahe Analyse der grossen Datenflut der nichtstrukturierten Daten kombiniert mit der Analyse der strukturierten Daten bedeutet ein Zusammenführen von Big-Data-Technologien mit Business-Intelligence-Infrastrukturen. Der Begriff „Business Analytics“ wird von vielen Analysten, Hochschulen und Hersteller immer mehr genau dafür verwendet. Der praktische Einsatz steckt noch in den Kinderschuhen – die Möglichkeiten sind jedoch überaus vielversprechend.
* Daniel Liebhart ist Dozent für Informatik an der Hochschule für Technik in Zürich und Solution Manager der Trivadis AG. Er ist Autor des Buches „SOA goes real“ (Hanser Verlag) und Coautor verschiedener Fachbücher.
Be the first to comment