Analytics: Welche Innovationen sind einsatzbereit?

Person analyzing a financial dashboard with key performance indicators (KPI) and business intelligence (BI) charts with a business district cityscape in background

Business-Analytics-Anwendungen stehen auf dem Markt für Unternehmenssoftware weiterhin hoch im Kurs. Sie stellen eine Kernkomponente bei der digitalen Transformation jeder Organisation dar. Doch noch nicht jede neue Technologie, die zur Weiterentwicklung solcher Anwendungen dient, ist voll einsatzbereit. Technologieanbieter müssen deshalb in der Lage sein, ausgereifte Möglichkeiten, die schon heute auf reale Geschäftsszenarien angewendet werden können, von Trends zu unterscheiden, die erst noch Gestalt annehmen müssen.

Autor: Paul Bremhorst

Vor allem drei Trends dominieren im Moment die Entwicklung von Business Analytics: Künstliche Intelligenz (KI), Natural Language Processing (NLP) und Natural Language Generation (NLG) sowie integrierte Analytics.

Künstliche ergänzt menschliche Intelligenz

Der Hype um Künstliche Intelligenz (KI), Machine Learning (ML, Maschinelles Lernen) und Deep Learning übertrifft heute längst den Rummel um Big Data. Die Vorstellung, dass KI die von Menschen durchgeführten manuellen Analyseaufgaben vollständig ersetzt und automatisiert, ist für die meisten Anwendungsfälle aber noch reine Zukunftsmusik. Eine vollständige Automatisierung der Analyse-Workflows sollte auch gar nicht in Betracht gezogen werden – weder heute noch in Zukunft.

Stattdessen müssen wir von einer Assistive Intelligence sprechen. Dabei werden Analysten und andere Anwender von integrierten Advanced-Analytics-Anwendungen und ML-Algorithmen unterstützt. Mehr und mehr Unternehmen übernehmen dieses Konzept bereits. Vor allem im Bereich der Datenvorbereitung und -integration und bei analytischen Prozessen sind smarte Programme von großem Nutzen. Sie zahlen sich zum Beispiel aus, wenn Muster, Korrelationen, Ausreißer oder Anomalien erkannt werden müssen.

Natürliche Interaktionen erleichtern den Zugang zu Analytics

Natural Language Processing (NLP) und Natural Language Generation (NLG) werden häufig synonym verwendet. Sie dienen aber eigentlich völlig unterschiedlichen Zwecken. Beide ermöglichen zwar natürlichere Interaktionen mit Analytics-Anwendungen, aber mit einem großen Unterschied: Mit NLP-Funktionen können Anwender Fragen an die Daten stellen. NLG versucht dagegen, Erkenntnisse und Ergebnisse aus Daten für den Anwender in natürliche Sprache zu übersetzen.

Von beiden Technologien wird NLP bisher stärker wahrgenommen. Zum Beispiel in unserem persönlichen Alltag mit Siri, Cortana, Alexa, Google Home et cetera. Auch Analytics-Anbieter fügen ihren Produkten verstärkt NLP-Funktionen hinzu, um die Anwendung einer breiteren Zielgruppe zugänglich zu machen. NLP wird sich unweigerlich zu einer weit verbreiteten Kernkomponente von Analyseplattformen entwickeln. Allerdings wird NLP derzeit noch nicht von einem ausreichend breiten Benutzerspektrum oder für genügend Anwendungsfälle verwendet, um auf dem heutigen Markt als Mainstream-Lösung zu gelten.

NLG-Anwendungen gibt es auf der anderen Seite schon seit einigen Jahren. Analytics-Anbieter haben bereits begonnen, die visuelle Darstellung von Daten mit natürlicher Sprache zu ergänzen. Text-basierte Zusammenfassungen von Sport-Events, Spielerstatistiken oder die Performance von Investmentfonds werden beispielsweise schon mithilfe von NLG-Technologien erstellt. Zudem dienen NLG-Funktionen zunehmend dazu, KI-basierte Ausgabedaten der breiten Masse zugänglicher zu machen.

Die Kombination aus Geschäftsanalysen und NLG ist zwar noch relativ neu, doch sie gewinnt immer mehr Aufmerksamkeit und Zugkraft auf dem Markt. Die Tür für neue Anwendungsfälle steht weit offen.

Integrierte Analytics bringen Erkenntnisse direkt zum Anwender

Fließen Erkenntnisse aus Business Analytics direkt in Geschäftsentscheidungen und -prozesse ein, entsteht ein echter Mehrwert für jede Organisation. Analytics-Anbieter machen es Anwendern deshalb besonders einfach, Analytics-Tools in ihre gängigen Geschäftsanwendungen zu integrieren. So gelangen Erkenntnisse aus Daten direkt zu den Anwendern, die sie für ihre tägliche Arbeit benötigen. Entscheidungsprozesse werden damit deutlich beschleunigt.

Unternehmen bieten diese Anwendungsmöglichkeiten auch zunehmend ihren Kunden, Partnern und Lieferanten an. Das erhöht nicht nur ihre Differenzierung im Wettbewerb, sondern eröffnet auch neue Umsatzmöglichkeiten durch die Wertschöpfung aus Datenbeständen und Analytics -Anwendungen.

Der Autor:

Tableau

Paul Bremhorst ist Sales Consulting Manager bei Tableau Software.