Mit der allmählichen Verbreitung von Computern seit den 1960er Jahren und der Internet-Revolution in den 1990er Jahren entwickelte sich Business Intelligence, d. h. die betriebswirtschaftliche Analyse, für viele Unternehmen zu einem unverzichtbaren Bereich. Die rasche Entwicklung der Infrastruktur ermöglichte es, Werkzeuge zu entwickeln, um mehrere Datenquellen besser miteinander zu verbinden und Analysten den Zugang zur Kunst der Visualisierung zu ermöglichen, ohne die wir uns die Arbeit mit Daten heute nicht mehr vorstellen können.
Experten sagen, dass wir uns jetzt inmitten einer weiteren digitalen Revolution befinden, die von Daten geprägt ist, die in riesigen Mengen erzeugt und verarbeitet werden. Der Wert und die Rolle von Business Intelligence nimmt definitiv zu, da die Bedeutung von Daten bei der Entscheidungsfindung und der Abwicklung von Geschäftsprozessen zunimmt. Die digitale Welt hat sich bereits erheblich verändert. Sehen Sie sich nur die schnelle Verbreitung von Cloud Computing und die stufenweise Zunahme der künstlichen Intelligenz an. Diese und andere aktuelle Veränderungen prägen die Landschaft der modernen Business Analytics. Welches sind die wichtigsten Trends, die wir derzeit auf diesem Markt beobachten, und wie könnte die nahe Zukunft aussehen?
Demokratisches Data Science
Bis vor kurzem schien die Arbeit an der Datenanalyse ein Bereich zu sein, der ausschließlich Experten vorbehalten war. Eine angemessene Ausbildung und ein breites Spektrum an Statistik- und Programmierungskenntnissen waren eine Voraussetzung für die Erzielung von Ergebnissen in diesem Bereich. Die Nachfrage nach diesen Fertigkeiten übersteigt immer noch bei weitem die auf den Arbeitsmärkten verfügbaren Ressourcen und dies wird wahrscheinlich noch lange Zeit so bleiben. Die Nachfrage nach neuem Wissen, das aus Daten resultiert, während gleichzeitig ein Mangel an Spezialisten herrscht, war einer der Impulse, den Zugang zu Daten in Organisationen zu demokratisieren – und Instrumente zu entwickeln, die es Menschen ohne langjährige Erfahrung und spezielle Ausbildung in diesem Bereich ermöglichen, intuitiv mit Daten zu arbeiten.
Heutige Organisationen entscheiden sich immer öfter für die Einführung von Analysen im Self-Service, bei dem praktisch alle Teammitglieder die erforderlichen Daten selbst analysieren können und nur die komplexesten Fragestellungen spezialisierten Analysten überlassen. Die richtige Business-Intelligence-Plattform ist in der Lage, jedem zwei Schlüsselelemente zur Verfügung zu stellen, die für die eigenständige Arbeit mit Daten erforderlich sind: eine intuitive und einfache Analyse und die Trennung der Datenquellen von der analytischen Ebene, um das Risiko auszuschließen, irgendwelche Schäden zu verursachen. Noch viele Male werden Sie Ausdrücke wie „Citizen Data Scientist“ oder „Self-Service Analytics“ hören, und innerhalb weniger Jahre werden Millionen von Mitarbeitern in Unternehmen unbeabsichtigt zu Analysten und – sehr wahrscheinlich – ihre tägliche Arbeit erheblich verbessern.
Eine schnelle Absatzprognose, die den Trend und die saisonalen Schwankungen in Tableau berücksichtigt, ist eine Sache von Minuten.
Intelligentere Business Intelligence
Obwohl wir oft von künstlicher Intelligenz und maschinellem Lernen hören, ist noch immer nicht klar, wie diese in der Praxis eingesetzt werden können. Beides kann mit dem Ersatz von Analytikern durch selbstoptimierende Algorithmen oder intelligente Systeme verbunden sein, die komplexe Analysen auf der Grundlage eines einzigen Sprachbefehls durchführen. Diese beiden Visionen sind recht weit voneinander entfernt, aber einige ihrer Grundelemente werden nach und nach in analytischen Plattformen umgesetzt.
Das Maschinenlernen wird die Anwender dabei unterstützen, Muster und Ursachen zu finden, die unter den Erscheinungen beobachteten Zusammenhänge zu verstehen. Die Modelle finden die potenziellen Ursachen für nicht standardisierte Beobachtungen und Veränderungen, indem sie Tausende von potenziellen Relationen durchsuchen. Stellen Sie sich einen Anwendungsfall vor, bei dem eine Region eine deutlich niedrigere durchschnittliche Marge als die anderen Regionen aufweist. Mit einer umfangreichen Datenbank verbundener Daten kann sich die Suche nach potenziellen Spuren als eine echte Detektivarbeit erweisen.
Explain Data ist eine Tableau-Funktionalität, die potenzielle Ursachen findet, die die Unterschiede zwischen den untersuchten Beobachtungen beeinflussen
Die auf der Analyseplattform implementierten Modelle des Maschinenlernens unterstützen uns bei der raschen Identifizierung potenzieller Ursachen und zeigen diejenigen auf, die die niedrigere durchschnittliche Marge am stärksten beeinflussen. Dabei kann es sich z. B. um eine größere Anzahl von Kunden mit Rabattkarten als in anderen Märkten oder einen Rekordanteil von Produkten mit niedrigen Margen am Umsatz handeln. Es liegt jedoch am Anwender, wie er diese Hinweise interpretieren und seine Analyse verfeinern wird. Außerdem werden automatisierte Business-Intelligence-Tools entwickelt, die eine schnellere und genauere Erstellung von Prognosen oder Segmentierungsmodellen ohne Programmierung ermöglichen.
Darüber hinaus wird die künstliche Intelligenz den Benutzern neue Möglichkeiten der Interaktion mit Analysewerkzeugen ermöglichen. Allmählich zeichnen sich Lösungen ab, die eine Datenanalyse auf der Grundlage einfacher Fragen in natürlicher Sprache ermöglichen. Mit der Entwicklung dieses Bereichs wird die Oberfläche der Plattform um Möglichkeiten erweitert, mit der Plattform in einer Weise zu kommunizieren, die der Arbeit mit einer Suchmaschine oder sogar der Eingabe von Sprachbefehlen ähnelt.
Tableau Ask Data ermöglicht die Analyse durch eine verbale Beschreibung der Anfrage.
Wachsende Verbreitung der Analysemöglichkeiten
Bisher konnte der Analytiker vor allem mit komplexen Diagrammen in Verbindung gebracht werden, die auf großen Bildschirmen in Firmenbüros angezeigt wurden. Heutzutage sind Geschäftsdaten jedoch immer mehr außerhalb dieses Umfelds zu finden. Die Nutzung von Smartphones diktiert die Bedingungen für die gesamte digitale Welt, einschließlich der Geschäftsanalyse. Heutzutage sollte die Analyseplattform so gestaltet werden, dass die Visualisierung bequem auf mobilen Geräten angezeigt werden kann, wobei spezielle Funktionalitäten unterstützt werden sollten, die an die Möglichkeiten kleinerer Bildschirme angepasst sind. Die Herangehensweise an den Informationsaustausch ändert sich und macht unsere Smartphones zur ersten Wahl für den Informationsaustausch und Einblicke. Der Zugriff auf Daten ist jedoch nicht nur für Business Anwender innerhalb des Unternehmens möglich.
Immer öfter generieren moderne Organisationen einen Mehrwert, indem sie ihren Kunden entsprechende Visualisierungen und Dashboards auf der Grundlage von Daten zur Verfügung stellen. Für diese spezielle Anwendung werden neue Möglichkeiten der Einbettung von Analytik in externe Anwendungen und Websites geschaffen. Mit der Demokratisierung des Zugangs zu Daten ändert sich auch der Ansatz für das Dashboard-Design. Die Schaffung von Lösungen für Tausende von externen Nutzern erfordert es, Intuitivität und Transparenz an die erste Stelle zu setzen, und es ist ein unbestreitbarer Wert, den Nutzern ein breites Spektrum an Möglichkeiten zur Erforschung von Daten zu geben.
Mobile Analyse-Dashboards mit Tableau.
Lassen Sie uns über Business Intelligence und Tableau-Implementierung in Ihrem Unternehmen sprechen – kontaktieren Sie uns!
