Daten und Analysen aus einer Hand

Fallstricke vermeiden

von - 11.10.2021
Wenn ein Unternehmen die richtige Balance zwischen Technologien, Menschen, Prozessen und Best Practices gefunden hat, dann hat es einen großen Schritt in Richtung einer erfolgreichen Implementierung von Unified Data Analytics getan. Doch es gibt weitere potenzielle Stolpersteine, erläutert Wayne W. Eckerson, Gründer und Präsident des amerikanischen Beratungsunternehmens Eckerson Group in der Studie „The Rise of Unified and Analytic Platforms“.
„Das größte Risiko ist ein Vendor-Lock-in“, so Eckerson. „Unternehmen, die für ihre gesamte Daten- und Analytics-Umgebung die Lösung eines einzelnen Anbieters nutzen, müssen diesem Hersteller ein hohes Maß an Vertrauen entgegenbringen.“ Allerdings nehmen viele Firmen dieses Risiko in Kauf, um Kostenvorteile und kürzere Markteinführungszeiten zu erreichen, so der Fachmann. Weitere mögliche Problempunkte sind die mangelnde Skalierung und die Bindung an spezielle Funktionen und Features, die die Plattform bereitstellt. Zudem sollten Interessenten darauf achten, dass Schnittstellen zu vorhandenen Business-Intelligence-Lösungen, Datenbanken und KI-/Machine-Learning-Programmen vorhanden sind. Sonst kann es leicht passieren, dass sich die Unified-Data-Analytics-Plattform zu einem neuen „Silo“ in der IT-Landschaft entwickelt.
Wayne W. Eckerson, Gründer und Präsident der
Eckerson Group
Foto: Eckerson Group
Das größte Risiko im Zusammenhang mit Unified-Data-and-Analytics-Plattformen ist ein Vendor-Lock-in.
Doch unterm Strich überwiegen bei Weitem die Vorteile von Unified Data Analytics, so Eckerson. Zu den wichtigsten zählen, dass Unternehmen schnell und mit akzeptablem Aufwand Erkenntnisse erhalten, mit deren Hilfe sie umgehend auf veränderte Marktgegebenheiten reagieren und neue Angebote entwickeln können. Diese Faktoren haben gerade durch die Digitalisierung an Bedeutung gewonnen.
Zudem steht Nutzern eine Lösung aus einem Guss zur Verfügung. Das reduziert die Kosten für Betrieb und Wartung, vor allem, wenn die Plattform ein Cloud-Angebot ist. Hinzu kommt, dass – im Idealfall – unterschiedliche Gruppen die Lösung verwenden können, vom Manager bis zu den Mitarbeitern in Fachbereichen oder bei einem Schwesterunternehmen. Das heißt, es lässt sich eine „Demokratisierung“ von Daten und Analysen erreichen. So haben nicht nur elitäre Zirkel im Unternehmen Zugang zu Informationen, sondern alle, die Daten für ihre Arbeit nutzen wollen.
Wichtig für Nutzer im EU-Raum ist, dass eine Plattform Data-Governance-Funktionen bereitstellt. Dadurch lassen sich Datenschutz- und Compliance-Vorgaben erfüllen, etwa die der DSGVO. Data Governance ist außerdem wichtig, damit nur dazu autorisierte Nutzergruppen Zugang zu bestimmten Daten und Analysen erhalten.

Lösungen im Bereich Unified Data Analytics (Auswahl)

Anbieter

Lösungen

Details (Auswahl)

Amazon Web Services; https://aws.amazon.com/de/

QuickSight; Kinesis Data Analytics;

Cloudbasierte Analyse-Sservices für BI (QuickSight mit Machine-Learning-Funktionen) und Streaming-Daten (Kinesis Data Analytics); Integration eigener ML-Modelle möglich;

Apache Spark; https://spark.apache.org/

Spark

Engine für Bearbeitung großer Datenbestände; Kombination von SQL-, Streaming- und weiteren komplexen Analysen; Machine-Learning-Modul; Implementierung in Clustern

Board;
https://www.board.com/de

Board Platform

Plattform BI, Analytics und Performance-Management; Identifizierung und Integration von Datenquellen; Planungs- und Simulationsfunktionen; Predictive und Advanced Analytics

Cubeware; https://www.cubeware.com/de/

Cubeware Solutions Platform

Deutscher Anbieter; Analyse-Anwendungen nicht nur für Datenspezialisten; Datenaufbereitung, Governance

Databricks;
https://databricks.com/de/

Lakehouse

Integration von Daten, Analysen und KI auf einer Cloud-Plattform;  Collaboration-Funktionen für Data Scientists, Data-Engineering- und KI-Fachleute; Entwicklungsumgebungen

Domo;
https://www.domo.com/de

Domo Platform

Datenplattform mit KI-basierten Analytics-Funktionen u..a für Risikomanagement, Kundenverhalten, IoT; unterstützt BI- und Visualisierungstools

Exasol;
https://www.exasol.com/de

Exasol Analytics-Datenbank

In-Memory-Datenbank für Unified-Analytics-Anwendungen; Übersicht über alle Datensilos und datenbezogenen Prozesse; Schnittstellen für KI, ML, BI etc.

Google (Looker); https://de.looker.com/

Google Looker

BI- und Analytics-Plattform, Teil der Google Cloud ist; Hosting auf AWS und Multi-Cloud-/Hybrid-Clouds

IBM;
https://www.ibm.com/de-de

IBM Cloud Pak for Data

Daten- und KI-Plattform für Cloud-basierte Analytics- und Datenservices; Dienste fürs Erstellen von KI- und ML-Modellen sowie  Anbinden und Optimieren von Datenquellen; Entwicklungstools und Branchenlösungen;

Incorta;
https://www.incorta.com/

Direct Data Platform

Mapping von Daten aus unterschiedlichen Quellen mittels spezieller Engine; keine Datenmodellierung oder ETL-Jobs erforderlich; Analysen innerhalb weniger als einer Sekunde; Datenmanagement mittels Spark; Machine-Learning-Funktionen; 

Infor;
https://www.infor.com/de-de

Infor Birst; Infor CloudSuite;

Cloud-Plattform für Integration von Geschäftsprozessen, Anwendungsentwicklung, Datenstrategie und Datenanalyse

Microsoft;
https://azure.microsoft.com/de-de/services/analysis-services

Azure Analysis Services; Azure Synapse Analytics;

Cloud-basierter Unified-Analytics-Dienst mit Datenintegration, Data Warehouse und Big-Data-Analysefunktion; Integration von Azure Machine Learning; Echtzeitanalysen

Microstrategy; https://www.microstrategy.com/de

Microstrategy Platform;

"Hyperintelligence"-Analytics- und Business-Intelligence-Plattform; Integration von Analysefunktionen in Anwendungen wie Salesforce, Workday oder Microsoft Office; Anbindung von Datenquellen im Unternehmen und in der Cloud; 

Oracle;
https://www.oracle.com/de/

Oracle Analytics Cloud; Oracle Analytics Server

Funktionen für Datenaufbereitung und -integration sowie Metadaten und Visualisierung; Collaboration-Funktionen; machinelles Lernen

Pega;
https://www.pega.com/de

Pega Plattform

 Unified Data Analytics mit KI- und ML-Funktionen; Branchen- Lösungen etwa für Kundenbeziehungsmanagement

Pyramid Analytics; https://www.pyramidanalytics.com/

Pyramid v2020

Augmented-Analytics-Funktionen mit Machine-Learning; Abdeckung des gesamten Lebenszyklus von Daten, hoher Automatisierungsgrad; 

Qlik;
https://www.qlik.com/de-de

Qlik Platform; Qlik Sense; Qlik View; Qlik Alerting

Plattform für Augmented Analytics mit KI / Machine Learning; SQL-Analytics; Guided Analytics mit Data-Discovery 

Riverlogic; https://www.riverlogic.com/

River Logic Platform

Schwerpunkt Prescriptive Analytics für Lieferketten-Management, Produktions-und Kapazitätsplanung in Industrie und Logistik

SAP;
https://www.sap.com/germany/index.html

SAP Analytics Cloud

Schwerpunkt Geschäftsprozesse und Kundenbeziehungen; Funktionen für BI, Predictive Analytics, Planung, integriertes Datenmanagement 

SAS;
https://www.sas.com/de_de

SAS Viya (Erweiterung der SAS-Plattform); SAS Unified Insights MM

SAS Viya kombiniert KI, Analytics, Datenmanagement; Unified Insights MM bietet Self-Service-Funktionen für Data Mining, KI, Maschine Learning; Abdeckung des gesamten Analyse-Lebenszyklus

Sisense;
https://www.sisense.com/de/

Sisense Analytics Plattform

Embedded Analytics-Lösung mit umfassende Funktionen für Datenerfassung,  -Aufbereitung und -Analyse;  Marktplatz für externe Angebote

Tableau;
https://www.tableau.com/de-de/

Tableau Plattform

Kooperation mit Databricks bei SQL Analytics; Integration von Salesforce Einstein-Discovery für predictive Analytics; Prognosemodellierung; Datenmanagement über Tableau Data Management; 

Talend / Stitch Data; https://www.stitchdata.com/

Stitch

Unternehmensbereich von Talend; als Cloud-Service verfügbar; Schwerpunkt Integration von Daten aus unterschiedlichen Quellen in Data Warehouse; Analytics-Funktionen über Drittanbieter

TCS;
https://www.tcs.com/de-de/home

Connected Inteligence Platform

Kombination von Data-Engineering- und Data-Science-Funktionen; Echtzeitanalysen; Predictive Analytics; Analyse von Streaming-Daten; Machine Learning für Erstellen von Insights; automatisierte Workflows

Teradata;
https://www.teradata.de

Teradata Vantage

Datenmanagement- und Analytics-Funktionen mit KI und ML; speziell für Hybrid- und Multi-Cloud, aber auch auch On Premises einsetzbar;  No-Code-Funktionen 

Thoughtspot; https://www.thoughtspot.com/de

Thoughtspot Platform

Analytics-Plattform mit einfacher Bedienung, In-Memory-Datenbank und KI-Unterstützung;  automatisierte Insights

Tibco;
https://www.tibco.com/de

Tibco Spotfire

"Hyperconverged"-Analytics-Plattform; Daten von Data Warehouses, Data Lakes und NoSQL/Hadoop/Spark-Datenbank-Clustern; Support von Streaming-Daten; automatische Abstimmung von Analysen und Visualisierungen auf Nutzergruppen

Vertica;

https://www.vertica.com/

Vertica Analytics Platform 

als Unified Analytics Warehouse vermarktet; Integration von Elementen von Data Warehouses und Data Lakes; KI und Machine Learning für Predictive Analytics; 

Yellofin;
https://www.yellowfinbi.com

Yellofin Suite

Kombination von automatisierter Data Discovery mit Dashboards und datenbezogenen "Story-Telling"-Funktionen; Einbindung anderer Anbieter; mobiler  Zugriff möglich; Collaboration-Funktionen

Fazit & Ausblick

Eine Plattform statt eines ganzen „Zoos“ von Tools. Das Versprechen, das Unified-Data-Analytics-Lösungen geben, klingt verlockend. Natürlich werden solche Plattformen in der Praxis nicht jedem Unternehmen die gesamte Palette an Vorteilen bieten, die die Hersteller aufführen. Klar ist aber auch, dass in vielen Firmen Datensilos und „Herrschaftswissen“ ein Problem sind. Herkömmliche Business-Intelligence- und Analytics-Ansätze bieten dafür oft keinen brauchbaren Ausweg. Deshalb sollten sich Unternehmen jeder Größe mit dem Thema Unified Data Analytics auseinandersetzen. Denn Daten sind nun einmal zu einem zentralen Wirtschaftsfaktor avanciert. Und offenkundig täte auch die öffentliche Hand gut daran, ihre Datenstrategie und die eingesetzten Lösungen kritisch zu hinterfragen und Unified-Data-Analytics-Ansätze zu evaluieren.
Verwandte Themen