Distri-Award
– Jetzt zur Umfrage!

Suchen

Datenanalysen auf Knopfdruck Augmented Analytics – der neue Megatrend?

| Autor / Redakteur: Dipl. Betriebswirt Otto Geißler / Nico Litzel

Langwierige Analytics-Projekte bringen eher selten die erhofften Erkenntnisse. Wer nicht nur mehr datengetriebene Entscheidungen in seinem Unternehmen möchte, sondern auch die Sicherheit, dass die getroffenen Entscheidungen richtig sind, muss sich mit Augmented Analytics befassen.

Firmen zum Thema

Das Marktforschungsunternehmen Gartner stellte den Begriff Augmented Analytics in der Studie über den „Hype Cycle for Emerging Technologies“ vor. Augmented Analytics-Tools werden als der nächste Meilenstein in der intelligenten Datenanalyse gehandelt.
Das Marktforschungsunternehmen Gartner stellte den Begriff Augmented Analytics in der Studie über den „Hype Cycle for Emerging Technologies“ vor. Augmented Analytics-Tools werden als der nächste Meilenstein in der intelligenten Datenanalyse gehandelt.
(Bild: gemeinfrei / Pixabay )

Die Erfassung, Aufbereitung und Analyse von Daten zur Entscheidungsfindung in Unternehmen gehört heute zu den wichtigsten Aufgaben, um im Wettbewerbsumfeld zu bestehen. Oftmals werden valide Daten sehr schnell benötigt. Doch das widerspricht vielfach noch dem datengetriebenen Arbeiten. Mit großer Wahrscheinlichkeit würde das Management der Unternehmen weitaus mehr Daten in ihre Entscheidungen miteinfließen lassen, wenn Analysen einfacher, schneller und mit zuverlässigeren Ergebnissen zu bewerkstelligen wären.

Business-Intelligence-Lösungen gibt es für diesen Zweck zuhauf, aber Datenanalysen werden zusehends auch komplexer. Fragt man Data Scientists, sofern sie denn überhaupt im Unternehmen vorhanden sind, lernt man schnell, dass die dafür relevanten Daten erstmal in wochenlanger Arbeit zusammengesucht werden müssen. Hinzu kommt, dass der Talentpool für beispielsweise Data Scientists und Analysten dem Marktbedarf weit hinterherhinkt.

Automatisierung statt knapper Ressourcen

Da also die Ressourcen in den Unternehmen meist recht knapp ausfallen, fokussieren sie sich bei Datenanalysen häufig auf die wichtigsten Punkte. Aus diesem Grunde untersuchen Anwender oftmals nur die Hypothesen, die ihnen am wichtigsten erscheinen. Andere - nicht geringer wichtige Aspekte - bleiben vielfach unberücksichtigt. Die unweigerliche Folge: Fehlentscheidungen des Managements. Schon alleine deshalb, weil die Hypothese bereits verzerrt wurde.

Ist der Einsatz eines erfahrenen Data Scientist nicht möglich, so entstehen bei der Interpretation der Resultate nicht selten Missverständnisse. Das bedeutet, es hapert also gleich an mehreren Voraussetzungen, die eine datengestützte Entscheidungsfindung in der Folge problematisch machen, die aber notwendig ist, um aus Daten nachhaltig einen signifikanten ROI zu generieren. Die Lösung dieser problematischen Gemengelage: Automatisierung in Form von Augmented Analytics.

Mix aus Technologien mit NLP

Im Vergleich zu den bisherigen Business-Intelligence-Lösungen ist Augmented Analytics ein intelligenter Mix aus verschiedenen Technologien. Dazu zählen unter anderem Machine Learning, KI-Algorithmen, zukunftsweisende statistische Methoden sowie Sprachverarbeitung (Natural Language Processing - NLP). Mit Augmented Analytics wird also ein Prozess beschrieben, für den Daten aus Rohdatenquellen automatisiert entnommen, unvoreingenommen aufbereitet, analysiert und in einem Report mithilfe der natürlichen Sprache kommuniziert werden.

Reports auf Basis von Augmented Analytics sind ebenso für nicht technische Mitarbeiter leicht verständlich. Ein „technischer Vermittler“ zur Erklärung der Ergebnisse ist daher nicht erforderlich. So kann eine Augmented-Analytics-Lösung relevante Zusammenhänge erkennen, Abweichungen identifizieren, künftige Entwicklungen antizipieren und die Resultate in einem passenden, interaktiven Format darstellen.

Für das Verständnis von Augmented Analytics müssen jedoch folgende Aspekte betrachtet werden: optimierte Nutzung von Ressourcen, proaktive Herangehensweise und Vermeidung von kostenintensiven Fehlern.

Optimierte Nutzung von Ressourcen

IT-Spezialisten müssen für die Sammlung von Daten aus isolierten Silos, die Verarbeitung und Aufbereitung dieser Daten sowie deren Analyse viel Zeit verwenden. Augmented-Analytics-Plattformen sollen die Anwender bei diesen Aufgaben unterstützen, indem sie fragmentierte Informationen vereinen und bereinigen und dann handlungsrelevante Erkenntnisse automatisiert erstellen.

Da solche Plattformen vielfach auch ohne die Mitarbeit von Data Scientists und Analysten auskommen, kann der Einsatz dieser Experten auf spezifische Bereiche wie beispielsweise strategische Fragen und spezielle, anspruchsvolle Projekte konzentriert werden, in denen sie am meisten Mehrwert erzeugen.

Mit einer solchen „vereinfachten“ Umwandlung von Daten in Mehrwert lassen sich die Ressourcen beispielsweise im Vertrieb, Marketing oder Kundendienst deutlich optimieren, bei gleichzeitiger Steigerung der Performance. Da wertvolle Insights auch ohne geschulte Datenanalysten gewonnen werden können, qualifiziert sich Augmented Analytics auch ideal für kleinere Unternehmen.

Proaktive Herangehensweise

Business-Intelligence-Lösungen weisen eine Reihe von schwerwiegenden Nachteilen aus. Sie sind im Wesentlichen ein investigatives Instrument, denn die Spezialisten müssen in den vorliegenden Datenmaterialien quasi händisch nach Ergebnissen fahnden. Wenn diese jedoch nur vage wissen, wonach sie überhaupt suchen sollen, kann sich eine Suche dauerhaft als schwierig und zeitaufwendig herausstellen. Hinzu kommt, dass sie von falschen Annahmen ausgehen, die auf früheren Erkenntnissen basieren, wodurch sie möglicherweise auf eine falsche Fährte kämen und wichtige Erkenntnisse könnten übersehen werden.

Durch die Kombination unterschiedlicher Instrumentarien, Verfahren und Tools kann mit Augmented Analytics ein proaktiver Weg beschritten werden. Das heißt, bei der Datenanalyse lassen sich Muster und Trends automatisch und quasi ohne das Zutun eines Mitarbeiters ermitteln. Die Technologie kann Potenziale entdecken und Möglichkeiten empfehlen, ohne dass Mitarbeiter unendlich lange Datensätze durchsuchen müssen.

Vermeidung von kostenintensiven Fehlern

Unstimmigkeiten in Datensätzen werden von herkömmlichem Business-Intelligence-Lösungen meist übersehen oder zu spät erkannt. Durch die Kombination verschiedener statistischer Verfahren und Methoden des Maschinellen Lernens lassen sich Anomalien auf eine hochentwickelte Weise erfassen, um so recht zügig ungewöhnliche Muster zu detektieren und Maßnahmen einzuleiten, damit kein großer Schaden entstehen kann. Darüber hinaus kann Augmented Analytics Differenzen in den einzelnen Datensätzen erkennen und so mögliche Verzerrungen bei den Resultaten vermeiden. Da Maschinen schier unendliche Daten und Kombinationen sehr schnell analysieren können, bietet Augmented Analytics eine deutlich effizientere Datenanalyse – quasi „auf Knopfdruck“.

(ID:46748522)

Über den Autor