Suchen

Datenanalyse

Die Top 10 Business-Intelligence-Trends 2019

| Autor/ Redakteur: Henrik Jorgensen / Melanie Krauß

Wie sich der Business-Intelligence-(BI-)Markt 2019 weiterentwickeln wird und wie produzierende Unternehmen ihren Datenschatz noch gewinnbringender heben und verwerten können, das haben die Experten von Tableau in zehn Punkten zusammengefasst.

Firmen zum Thema

Business-Intelligence-Tools können dabei helfen, gezielten Nutzen aus Daten zu ziehen.
Business-Intelligence-Tools können dabei helfen, gezielten Nutzen aus Daten zu ziehen.
(Bild: ©peshkov - stock.adobe.com)

Immer mehr Unternehmen aus der Industrie setzen auf moderne Business-Intelligence-(BI-)Konzepte, um mehr Nutzen aus ihren Daten zu ziehen. Dabei zeigt sich, dass nicht nur technische, sondern auch datenrechtliche Fragen den Umgang mit Daten und Analytics künftig stärker beeinflussen. Hier sind die Top-Trends im Überblick:

1. Erklärbare künstliche Intelligenz führt zu mehr Transparenz

Künstliche Intelligenz (KI) und Machine Learning besitzen das Potenzial, Industrieunternehmen bei Problemlösungen und Entscheidungsfindungen zu unterstützen und werden daher bereits vielfach eingesetzt. Gerade deshalb stellen sich immer mehr Anwender die Frage: Wie können wir sicherstellen, dass die automatisierten Empfehlungen und Modelle vertrauenswürdig sind? Die Forderung nach Transparenz wird den Aufstieg der sogenannten „erklärbaren künstlichen Intelligenz“ stark vorantreiben. Nutzer sollen transparente Einblicke in Machine Learning-Modelle und damit ein Verständnis für deren Funktionsweise erhalten.

2. Mit den Daten im Gespräch – wenn Dashboards reden lernen

Die natürliche Sprachverarbeitung (NLP) entwickelt sich zügig weiter und vereinfacht die Interaktion der Benutzer mit ihrer BI-Lösung. Anwender können so frei formulierte Fragen an ihr Dashboard stellen. Die Übersetzung in die darunterliegenden Datenbankabfragen übernimmt die Software. Dialoge zwischen Mensch und Maschine gestalten sich so immer natürlicher.

Stellt jemand eine Nachfrage, weil er nähere Details benötigt oder etwas unklar ist, soll er seine Frage nicht erst umformulieren müssen. Wenn beispielsweise die ursprüngliche Anfrage lautete: „Suche Industrieunternehmen in der Nähe von Stuttgart“, dann soll der Anwender mit „Und in der Nähe von Hamburg?“ nachhaken können, ohne erneut das Wort „Industrieunternehmen“ zu verwenden. Je weiter die BI-Branche NLP verfeinert, desto zügiger wird die Akzeptanzschwelle für Analytics-Lösungen sinken. Das erleichtert die Transformation zum datengetriebenen Unternehmen.

3. Daten im Kontext erschließen mit Embedded und Mobile Analytics

Datascientists müssen auf Daten zugreifen und Maßnahmen umsetzen – möglichst in ein und demselben Workflow. Dabei helfen Funktionen wie Mobile Analytics, Embedded Analytics, Dashboard-Erweiterungen und Programmierschnittstellen (APIs). Auf unterschiedliche Weise machen diese Technologien Daten schneller wirtschaftlich nutzbar. Mobile Analytics stellen Daten und Auswertungen für Mitarbeiter im Außeneinsatz jederzeit zur Verfügung und erleichtern so beispielsweise den Einsatz von BI-Lösungen im Vertrieb oder für Servicetechniker vor Ort.

4. Wachsender Einsatz von Daten für den guten Zweck

Sozial engagierte Organisationen entdecken zunehmend, wie sich Daten vorteilhaft für ihre Initiativen nutzen lassen. Einen wichtigen Beitrag hierzu leisten Cloud-Lösungen. Mit ihrer Hilfe können gemeinnützige Organisationen komplexe Datenumgebungen entwickeln, ohne massiv in die lokale Infrastruktur investieren zu müssen.

5. Ethikfragen im Umgang mit Daten gewinnen in Unternehmen an Bedeutung

Nicht zuletzt aufgrund neuer Datenschutzvorschriften wie der Datenschutz-Grundverordnung (DSGVO) der EU befassen sich Führungskräfte in der Industrie zunehmend mit den ethischen Aspekten des Umgangs mit Daten. Auch 2019 wird der Datenschutz ein wichtiges Thema bleiben, denn Kunden und Verbraucher machen sich Gedanken über die Weitergabe personenbezogener Daten. Ein Ethikkodex kann zukünftig helfen, datenethische Grundsätze zu vermitteln.

6. BI entwickelt Datenmanagement weiter zu Datenkuratierung

Immer mehr und komplexere Datenquellen stellen eine Herausforderung für Datenmanagement und Data Governance dar. Einen Lösungsansatz für diese Aufgabe bietet die sogenannte Datenkuratierung. Bei dieser Form des Datenmanagements werden unterschiedliche Datentypen erfasst, aufbereitet, definiert und ausgerichtet. Die darauf spezialisierten Tools und Prozesse, wie zum Beispiel Datenkataloge und semantische Governance und BI-Plattformen wachsen zusammen, um Daten mit dem Geschäftskontext zu verknüpfen und übergreifende Governance zu realisieren.

7. Datenstorys: die neue Sprache der Industrieunternehmen

Heute gehört es zur Kernkompetenz von Analysten, die Schritte ihrer Analyse auf einfache, leicht verständliche Weise mittels passender Visualisierungen für alle im Unternehmen darzustellen. Sie müssen „Datenstorys“ erzählen können. Anstatt eine Schlussfolgerung zu präsentieren, zielen Datenstorys darauf ab, einen Dialog in Gang zu bringen und die Daten aus verschiedenen Perspektiven zu betrachten. Hieraus entstehen auch neue Visualisierungstrends: Ausführliche Formate in Form scrollbarer oder mehrseitiger Dashboards setzen sich durch.

8. Communities fördern Analytics-Einsatz

Die Etablierung von BI benötigt Mitarbeit auf allen Ebenen. Um sie zu fördern, setzen Unternehmen vermehrt auf interne Communities. Hier können die Verantwortlichen Analyseaufgaben verteilen und neue Anwender trainieren. Interne Datenchampions aus den Fachabteilungen versorgen ihre Kollegen etwa mit Best Practices und Datendefinitionen. Das steigert nicht nur die Effizienz, sondern auch die Zufriedenheit der Mitarbeiter aller Bereiche.

9. Datenwissen wandert in die Fachabteilungen

Immer mehr Mitarbeiter verfügen über Kompetenzen im Umgang mit Daten. Das verändert auch die Definition und Aufgaben von Datascientists und lässt die Grenzen zwischen traditionellen Datenexperten und den Anwendern im Unternehmen verschwimmen. Von modernen Datascientists werden heute nicht nur tiefe Kenntnisse in Statistik und Machine Learning erwartet, sondern auch die Fähigkeit, die Erkenntnisse aus den Daten in Entscheidungen mit geschäftlichem Mehrwert umzusetzen. Tools für Self-Service-Analytics helfen ihnen dabei, Daten und Erkenntnisse effizient im Industrieunternehmen zu verbreiten.

10. BI-Anwendungen wandern zunehmend in die Cloud

Jedes Unternehmen muss sich die Frage stellen: Wo speichern wir unsere Daten? Mehr Flexibilität und Skalierbarkeit bei geringeren Gesamtbetriebskosten machen die Cloud zum bevorzugten Speicherort für Daten. Das Phänomen der sogenannten Datengravitation sorgt zunehmend dafür, dass auch die BI-Anwendungen in die Cloud wandern. Denn Effizienz und Leistung steigen, wenn sich Daten und Anwendungen auf einer Plattform befinden.

* Henrik Jorgensen ist Country Manager DACH bei der Tableau Germany GmbH in 60322 Frankfurt am Main, Tel. 06 95 89 97 67 00, hjorgensen@tableau.com, www.tableau.com

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 45711881)