Werkzeuge für Datenexperten

Die konkrete IT-technische Umsetzung der Datenanalyse erfolgt mit BI- und Analytics-Tools. Die Werkzeuge werten die Daten aus und visualisieren die Ergebnisse in der Regel gleich so, dass die Zusammenhänge verständlich werden. Wie simpel sich dieser Prozess gestaltet und wie gut sich Daten konkret visualisieren lassen, ist stark abhängig von der gewählten Software.

In vielen Unternehmen sind Analytics-Anwendungen im Einsatz, mit denen nur versierte User aus der IT oder BI-Experten umgehen können. Auf der untersten Ebene sind das Programmierwerkzeuge wie Python und Statistik-Software wie R oder SPSS, die eigentlich nur für Hardcore-Datenwissenschaftler interessant sind.

Auf einer höheren Stufe angesiedelt ist Analytics-Software wie SAS Advanced Analytics oder das recht populäre Open-Source-Tool Apache Spark, das insbesondere für die Analyse unstrukturierter Daten beziehungsweise großer Datenmengen entwickelt wurde.

Darüber hinaus gibt es Werkzeuge speziell für Predictive Analytics - etwa IBMs Predic­tive-Analytics-Toolset oder die Watson-Tools für Predictive Analytics. Datenanalysten und Datenwissenschaftler mögen diese Tools gern nutzen und die Ergebnisse der Auswertungen auch sofort verstehen, aber im wirklichen Leben müssen auch Marketingspezialisten, Vertriebsteams oder andere Interessenvertreter mit den Resultaten vertraut gemacht werden.

Das herkömmliche Vorgehen ist, dass ein Datenexperte mit diesen Tools Analysen im Auftrag der Fachabteilungen durchführt. Er bearbeitet deren Fragen mit Hilfe mehr oder weniger komplexer Programmiermethoden. Auf Basis der Analysen erstellt der Daten­experte dann einen Report für die Fachabteilungen. Oft generiert er auch umsetzbare Analyseanwendungen und integriert so Dateneinblicke in Arbeitsabläufe. Beispielsweise erstellen Entwickler Dashboards, sodass Geschäftsanwender Daten leicht visualisieren und Einblicke entdecken können, die speziell auf ihre Bedürfnisse zugeschnitten sind.