Beziehungen und Wissen

Viel Potenzial zugesprochen wird im Bereich ML und Analytics auch den Verfahren Graph Analytics und Knowledge Graphs.

Graph Analytics: Darunter versteht man eine Reihe von Techniken, die  das Erforschen und Abbilden von Beziehungen zwischen Datensätzen ermöglichen - von Organisationen, Personen und Transaktionen. Bei sozialen Netzen stellen solche Graphen Beziehungen zwischen Menschen dar, deren gemeinsame Interessen und Beiträge. Sie analysieren dann etwa, welche Person auf wen Einfluss hat und welche Verbindungen zwischen Personengruppen bestehen. Google und Facebook sind hier besonders aktiv.

Im Unternehmen kann Graph Analytics bei Marketing-Strategien und im Kundenbeziehungs-Management ein wertvolles Instrument sein. Die Information, wer was wann gekauft hat, kann mit weiteren Daten angereichert werden und mit Verknüpfungen zu anderen Personen überprüft werden.

Knowledge Graphs: Konzeptionell eng mit Graph Analytics verbunden sind Wissensgraphen oder Knowledge Graphs. Sie bilden komplexe Wissensdomänen in einem seman­tischen Netzwerk aus Knoten ab und helfen bei der Informationsgewinnung und Entscheidungsfindung.

Ein Knowledge Graph bereitet die wichtigsten Informationen zu einem Suchbegriff in grafischer Form auf. Dabei werden Informationen aus beliebigen Quellen herangezogen - im Unternehmensbereich aus eigenen Datenquellen wie Mail-Programmen oder auch aus freiem Internet-Content.

Mitarbeiter im Kundenservice kann ein Knowledge Graph beispielsweise dabei unterstützen, Supportanfragen von Kunden schnell und präzise zu beantworten. Geht es etwa um ein Problem mit einem technischen Gerät, kann der Graph, ausgehend von der Ausgangsfrage des Kunden und unter Berücksichtigung des vorhandenen Wissens über den Kunden, den Mitarbeiter zielgerichtet durch die nächsten logischen Fragen führen und mögliche Ursachen anzeigen.

Continuous Intelligence: Die Auswertung von Live-Datenströmen ist eine weitere Analytics-Disziplin, die künftig relevant werden dürfte. Das Verfahren kombiniert Rohdaten und Analysen mit transaktionalen Geschäftsprozessen und anderen Echtzeit-Interaktionen. Dabei werden sowohl historische als auch aktuelle Daten in die Analysen einbezogen.

„Bei Continuous Intelligence geht es nicht nur darum, historische Daten aus statischen Datenbanken auszuwerten, sondern Stream- und Event-Daten in Nah-Echtzeit zu analysieren“, erklärt Gartner-Analyst Thomas Oestreich.

Gartner sieht eine Vielzahl an Möglichkeiten, Continuous Intelligence fürs Geschäft zu nutzen. „Wenn Sie in Nah-Echtzeit wissen, was Ihre Kunden gerade wollen, können Sie mit Ihren Kunden anders umgehen und gegenüber der Konkurrenz einen Vorsprung erarbeiten - denn der bessere Service steigert die Erwartungen der Kunden, auch gegenüber der Konkurrenz“, so Oestreich weiter.