Prognostische Analytik

Mit dem Stichwort „Prognostische Analytik“ spricht Jagoda einen wichtigen BI-Trend an. Aktuelle Business-Cases für Business Intelligence werden zunehmend von Fragestellungen bestimmt, die wesentlich stärker in Richtung Zukunft reichen. Wie verhalten sich meine Kunden künftig? Wie dynamisch sollte ich daher meine Preise anpassen? Welchen Einfluss hat das auf meine Marge und mein Jahresergebnis?

„Solche Fragen allein mit Bauchgefühl und langjähriger Erfahrung absichern zu wollen, kann für unangenehme Überraschungen sorgen. Um Entwicklungen möglichst zutreffend zu prognostizieren und Risiken deutlich zu reduzieren, setzen Firmen im Rahmen von BI-Projekten vermehrt auf Predictive Analytics“, erklärt Dirk Böckmann von avantum. „Die Erfolgsquoten konkreter Projekte sind hoch, auch dank Künstlicher Intelligenz, da hier schnell Muster in Daten erkannt werden.“

Mit Hilfe von KI lassen sich laut Böckmann nicht nur stupide Prozesse wie die Zuordnung von Eingangsrechnungen zu den korrespondierenden Kostenstellen intelligent automatisieren, sondern auch mehr Ressourcen für anspruchsvolle Lenkungsaufgaben freischaufeln.

Wichtig dabei ist: Den jeweiligen Mitarbeitern müssen zur richtigen Zeit die richtigen Daten zur Verfügung stehen, damit sie diese Entscheidungen treffen können. Hier kommt Selfservice-BI ins Spiel. Damit können Mitarbeiter aus den Fachabteilungen ohne Hilfe der IT auf die Unternehmens­daten zugreifen, diese analysieren und visualisieren. Da die Fachanwender nicht immer über das passende technische Know-how verfügen, müssen die Selfservice-Oberflächen einfach zu bedienen sein. Sie können damit unterschiedliche Datenquellen nutzen, bündeln und aufbereiten.

Grundlegende Voraussetzung für die effiziente Datenanalyse ist ein leistungsfähiges Data Warehouse beziehungsweise eine Infrastruktur, die auch große Datenmengen schnell auswertet. Es ist unerlässlich, Daten aus unterschiedlichsten Quellen zu aggregieren und zu analysieren. Sämtliche Datenquellen wie Maschinen, Prozesse, Social Media, Produkte oder Wetterdaten und Systeme wie ERP, CRM oder BI müssen miteinander integriert werden. Die Daten sollten natürlich alle Kriterien für hohe Qualität erfüllen wie Korrektheit, Konsistenz, Vollständigkeit, Aktualität oder Einheitlichkeit.

Wie wichtig Datenqualität und Datenmanagement sind, zeigt der „BI Trend Monitor 2018“ von BARC, der eine Übersicht der weltweit wichtigsten BI-Trends gibt. Für die Studie wurden rund 2800 Anwender, Berater und Software-Hersteller weltweit befragt. Zum ersten Mal nennen die Teilnehmer Master Data Management und Data Quality Management als aktuell führenden Trend in der BI-Branche mit der größten Relevanz für ihre tägliche Arbeit. Dieses Thema stieg von Platz drei im vergangenen Jahr zum Spitzenreiter auf und liegt nun vor Data Discovery/Data Visualization und Selfservice BI, die in den beiden Jahren zuvor das Feld anführten.

„Trotz des enormen Hypes um Themen wie Data Discovery, Visualisierung und Selfservice-BI, die sehr attraktiv für Fachanwender sind, geht nichts ohne eine solide Datenbasis. Ein mit ausreichenden Ressourcen ausgestattetes, gut organisiertes und kontinuierliches Programm zur Datenintegra­tion und Datenqualität ist unerlässlich für jede datengesteuerte Organisation“, kommentiert Carsten Bange, Gründer von BARC, die Ergebnisse. „Fehlt in einem Unternehmen das Vertrauen in die zugrunde liegenden Daten, stehen die Business-Intelligence-Systeme – und damit letztendlich die Entscheidungsfindung – auf wackeligen Beinen.“

Zu den Trends, die zuletzt an Relevanz gewonnen haben, zählen Data Governance, Realtime Analytics, Collaboration und die Nutzung von externen Daten/Open Data. Beim Thema Cloud-BI zögern laut BARC insbesondere die Firmen in Europa noch. Hauptgrund sind Bedenken hinsichtlich rechtlicher Aspekte, Sicherheit und Datenschutz, oder die Firmen verfügen noch über zu wenig Fachwissen in puncto Implementierung und Betrieb von Cloud-BI-Lösungen.