Advanced Analytics als Wegbereiter

Mehr Nutzerakzeptanz für Analytics-Prozesse

Christian Werling, Regional Director DACH bei Thoughtspot, im Interview über die Zukunft der Datenanalyse.

Christian Werling, Regional Director DACH bei Thoughtspot

Laut Christian Werling war die Rolle des Datenexperten oder Datenanalysten noch nie so wichtig wie heute.

IT-DIRECTOR: Herr Werling, was können neue Technologien wie Machine Learning bei der Datenanalyse leisten – und was nicht?
C. Werling:
KI und maschinelles Lernen stellen eine große Chance für die Datenanalyse dar. Automated Data-Discovery automatisiert etwa den Prozess der Datenanalyse und -erkundung in Echtzeit. Dies umfasst alles von der Auswahl der Datensätze über die Ausführung von Abfragen, die Suche nach Erkenntnissen bis hin zur Auswahl einer geeigneten Visualisierung. Die Anzahl der möglichen Fragen, die an Daten gestellt werden können, ist oft zu groß für den Menschen. Maschinelles Lernen hilft, die komplexe Datensätze mit wenigen Klicks zu erforschen und sich die Ergebnisse in natürlicher Sprache erklären zu lassen.

KI-gesteuerte Suche ermöglicht es zum Beispiel wiederum, eine Frage entweder durch Eingabe in eine Suchleiste oder über einen sprachgesteuerten Assistenten zu stellen, um innerhalb von Sekunden Antworten zu erhalten. Analytische Suchmaschinen nutzen KI-Techniken wie Natural Language Processing (NLP), um die Fragen zu analysieren und in eine Abfrage für relationale Datenbanken und maschinelles Lernen zu transformieren und um personalisierte, relevante Suchvorschläge in Echtzeit zu präsentieren. KI-gestützte Datenmodellierung kann den Zeitaufwand für diese Art von Arbeit reduzieren, indem sie automatisch Statistiken über Datensätze erstellt, Datentypen ableitet, Hierarchien und Beziehungen innerhalb von Datensätzen identifiziert und Daten zur Abfragezeit dynamisch aggregiert.

IT-DIRECTOR: Worin unterscheiden sich Advanced Analytics und Business Intelligence?
C. Werling:
Advanced Analytics ist eine Weiterentwicklung von Business Intelligence (BI). Die erste Generation von BI-Tools – viele davon sind heute noch im Einsatz – kam in den 80er Jahren auf den Markt, war sehr komplex und wurde für Datenexperten und Statistiker entwickelt. Die zweite BI-Welle begann Mitte der 90er Jahre und zeichnete sich durch große Fortschritte im Bereich der Datenvisualisierung aus. Viele dieser BI-2.0-Tools bieten aufwendige Drag-and-Drop-Benutzeroberflächen und Hunderte von Schaltflächen für viele Abfrageszenarien. Sie benötigen jedoch Datenexperten, um multidimensionale Datensätze, voraggregierte Daten-Modelle und teilweise auch immer noch „OLAP-Würfel“ zur Isolierung und Analyse von Datenquellen, einzurichten. Da der durchschnittliche Mitarbeiter nicht die Zeit, die Fähigkeiten oder die Aufmerksamkeitsspanne hat, um eine so komplizierte Software zu nutzen, sind die Akzeptanzraten gering.

Die dritte BI-Welle, in der wir uns derzeit befinden, ist die Zeit von Advanced Analytics. Die Anbieter von Analysesoftware packen endlich die Probleme an, die einer breiten Akzeptanz im Wege stehen. Ähnlich wie in der Konsumwelt machen Technologien wie Search, KI, oder maschinelles Lernen die Analysen für alle Mitarbeiter einfach und schnell jederzeit verfügbar. Infolgedessen ist die Nutzerakzeptanz, nachdem sie mehr als zehn Jahre bei 20 Prozent verharrte, nun auf 30 Prozent gestiegen und steigt weiter an. Darüber hinaus unterscheidet sich Advanced Analytics auch in der Art und Weise, wie die Nutzer mit den Daten interagieren, von seinen Vorläufern. Advanced Analytics ermöglicht es den Anwendern, die Daten wirklich zu erforschen und Antworten auf Fragen zu finden, an die sie vielleicht noch nicht einmal gedacht haben. Da die Nutzer Feedback darüber geben können, wie nützlich und relevant die Datenergebnisse sind, lernen diese intelligenten Systeme kontinuierlich hinzu und profitieren von der Intelligenz der gesamten Mitarbeiterschaft.

IT-DIRECTOR: Welche Aspekte sind bei der Anbindung und Implementierung von Systemen für Advanced Analytics zu beachten?
C. Werling:
Drei Hauptaspekte müssen bei der Anbindung und Implementierung von Advanced Analytics berücksichtigt werden:

Erstens erfordert Advanced Analytics ein Umdenken aller Mitarbeiter. Dank KI, Search und anderen neuen Technologien werden die IT-Barrieren für die Interaktion mit Daten beseitigt. Mitarbeiter können sich auf das Wesentliche konzentrieren: die richtigen Entscheidungen auf der Grundlage von Daten zu treffen. Aber das erfordert eine neue Fähigkeit: Datenkompetenz. Es ist die Fähigkeit, aus Daten aussagekräftige Erkenntnisse zu gewinnen und diese in einer Weise anzuwenden, die dem Unternehmen zugutekommt.

Der zweite Aspekt betrifft die Datenarchitektur. Aufgrund von Technologien wie IoT, Mobile und Cloud steigt die Datenmenge kontinuierlich an. Aber es sind nicht nur die Daten von heute, sondern auch die Daten von morgen, für die Unternehmen planen müssen. Im Telco-Bereich werden zum Beispiel Unmengen zusätzlicher Daten aus der neuen 5G-Infrastruktur anfallen. Die Datenarchitektur muss in der Lage sein, all diese verschiedenen Systeme zu unterstützen, Abfragen über sie hinweg auszuführen und sie zu verbinden – je schneller, desto besser.

Drittens muss der richtige Anwendungsfall gefunden werden. In Zusammenarbeit mit Unternehmen aller Branchen haben wir festgestellt, dass vor allem die Kunden mit Advanced Analytics erfolgreich sind, die das Konzept „Start small, think big“ umsetzen. Mit einem fokussierten, klar definierten Anwendungsfall zu beginnen, erhöht nicht nur die Chance eine Genehmigung für das Projekt zu erhalten, sondern auch, es erfolgreich abzuschließen.

IT-DIRECTOR: Wie unterscheiden sich die Anforderungen an die Anwender von Advanced-Analytics-Lösungen im Vergleich zu Self-Service-BI?
C. Werling:
Advanced Analytics hält das Versprechen ein, das ursprünglich von Self-Service-BI gemacht wurde, aber nie eingelöst wurde: Daten und Erkenntnisse unternehmensweit jedem Mitarbeiter, unabhängig von dessen technischen Fähigkeiten, zur Verfügung zu stellen. Stattdessen werden Self-Service-BI-Tools hauptsächlich von Datenexperten und gelegentlich von einigen technisch versierten Mitarbeitern verwendet. Aber nicht vom Gros der Mitarbeiter. Doch selbst bei Datenexperten stoßen die bestehende Self-Service-BI-Tools angesichts der wachsenden Datenmengen an ihre Grenzen.

IT-DIRECTOR: Wie wird sich die Rolle von Datenanalysten im Unternehmensbereich prinzipiell verändern?
C. Werling:
Die Rolle des Datenexperten oder Datenanalysten war noch nie so wichtig wie heute. Unternehmen brauchen so viele wie möglich von ihnen. Ja, Advanced Analytics macht Daten für Geschäftsanwender zugänglich. Um diese aber voll auszuschöpfen, helfen die Datenexperten dabei diesen Zugriff so zu ermöglichen, dass weder Leistung, noch Genauigkeit oder Sicherheit beeinträchtigt werden. Datenanalysten helfen Geschäftsbereichen und anderen nicht-technischen Anwendern dabei zu verstehen, wie sie die verfügbaren Technologien nutzen können, um ihre Fragen zu beantworten. Sie sind Mentoren für Datenkompetenz. Und sie sind wichtig, wenn es darum geht, das Vertrauen der Mitarbeiter in die KI herzustellen.

Bildquelle: Thoughtspot

©2020Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok