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:

  • Unternehmen stehen immer mehr Daten in erheblich größerer Vielfalt sowie aus viel mehr Quellen zur Verfügung.
  • Management und Fachbereiche erkennen zunehmend das Potenzial dieser Daten und wollen jenes mit passenden Analysemethoden erschließen.

Prognose von Ergebnissen und Ereignissen

Die Werkzeuge der Data Analytics sind äußerst breitgefächert. Sie umfassen:

  • traditionellen Excel-Auswertungen
  • statistische Verfahren
  • visuellen Ansätzen der Datenanalyse

Zu den wohl bekanntesten und für Unternehmen attraktivsten Methoden zählen Predictive Analytics, durch die sich künftige Ergebnisse und Ereignisse gezielt vorhersagen lassen. 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. Fachanwendern werden eigenständige Prognosen zu künftigen Ereignissen und Ergebnissen ermöglicht. (Bild: istockphoto, gradyreese)

Data Analytics verlangt Kulturwandel

Eine Data Analytics Platform von ORAYLIS lässt sich genau auf Ihre Anforderungen zuschneiden. Stabile Basis bilden eher traditionelle Formen der Datenspeicherung, wie etwa Data Marts oder ein zentrales Data Warehouse. Daneben schaffen wir Raum für den explorativen Umgang mit Big Data, etwa in Form von Sandbox-Modellen, Data Lakes oder Hadoop-Ökosystemen. Ebenso werden leistungsfähige Self-Service-Lösungen integriert, mit deren Hilfe Ihre Fachanwender eine selbstständige Datenbearbeitung vornehmen können.

Der Erfolg einer Data Analytics Platform hängt jedoch nicht nur von den verwendeten Technologien ab. Ebenso ist ein umfassenden Kulturwandel hin zur datengetriebenen Organisation notwendig. Dabei ist insbesondere das Management gefordert, für die entsprechende Strukturen, Prozesse und Ressourcen zu sorgen.