Michael Schmahl

Bei Data Analytics handelt es sich um eine Erweiterung des Business-Intelligence-Gedankens. Ebenso wie Business Intelligence will Data Analytics die Entscheidungsprozesse in Unternehmen durch die Analyse von Geschäftsdaten unterstützen und optimieren. Allerdings greift Data Analytics dabei zwei wichtige Entwicklungen der vergangenen Jahre auf: Zum einen stehen den Unternehmen immer mehr Daten in erheblich größerer Vielfalt sowie aus viel mehr Quellen zur Verfügung. Zum anderen erkennen vor allem Management und Fachbereiche zunehmend das Potenzial in diesen Daten und wollen jenes mit Hilfe entsprechender Analysemethoden umfassend erschließen.

Die Zukunft vorhersagen

Die Werkzeuge der Data Analytics sind daher äußerst breitgefächert. Sie reichen von traditionellen Excel-Auswertungen über statistische Verfahren bis hin zu visuellen Ansätzen der Datenanalyse. Zu den wohl bekanntesten und für Unternehmen attraktivsten Methoden zählen die sogenannten Predictive Analytics, mit deren Hilfe künftige Ergebnisse und Ereignisse gezielt vorhergesagt werden können. Gleichzeitig findet das klassische Data Mining seine zeitgemäße Fortführung: Im Rahmen sogenannter Machine-Learning-Modelle werden vorhandene Daten anhand festgelegter Fragestellungen nach Auffälligkeiten und Mustern untersucht, die sich wiederum auf neue bzw. unbekannte Daten anwenden lassen. Spezielle Testverfahren untermauern schließlich die Richtigkeit und Relevanz solcher Modelle.

Data Analytics erweitern das Spektrum der unternehmensweiten Datenanalyse in vielfältiger Hinsicht.

Data Analytics erweitert das Spektrum der unternehmensweiten Datenanalyse in vielfältiger Hinsicht. Unter anderem werden Fachanwender eigenständige Prognosen zu künftigen Ereignissen und Ergebnissen ermöglicht.

Data Analytics verlangt Kulturwandel

Der Einsatz von Data Analytics setzt eine moderne Analyseumgebung voraus. Stabile Basis bilden eher traditionelle Formen der Datenspeicherung, wie etwa Data Marts oder ein zentrales Enterprise Data Warehouse. Daneben muss Raum für den explorativen Umgang mit großen Datenmengen geschaffen werden, etwa in Form von Sandbox-Modellen, Data Lakes oder Hadoop-Ökosystemen. Ebenso unverzichtbar sind leistungsfähige Self-Service-Lösungen, mit deren Hilfe auch Fachanwender eine selbstständige Datenbearbeitung vornehmen können. Vor allem aber verlangt Data Analytics nach einem umfassenden Kulturwandel, bei dem sich das Management in der Verantwortung sieht, für die erforderlichen Strukturen, Prozesse und Ressourcen zu sorgen.

 

Einführung PREDICTIVE ANALYTICS: Wir zeigen Ihnen, wie Sie Zukunftsprognosen gewinnbringend nutzen können!