Fünf Trends im Bereich von Business Analytics, Big Data und Data Analytics lassen sich erkennen. Zu den Entwicklungen gehören Wide Data, DataOps, Self Service Analytics und Shazamen von Daten.
Wir unterstützen Ihr Unternehmen mit unseren Partnern und führenden Anbietern, die erforderlichen Prozess-Schritte zu realisieren um Daten aufzubereiten bzw. zur Verfügung zu stellen. Dabei prüfen wir, ob im Rahmen der Digitalisierungsförderung durch Bund und Länder Mittel zur Verfügung stehen.
1. Business Analytics: Aus Big Data wird Wide Data
Dank skalierbarer Cloud-Lösungen sind in Big-Data-Umgebungen nicht länger die Kapazitätslimits unternehmensinterner IT-Infrastrukturen ein begrenzender Faktor. Die Herausforderung der Stunde lautet „Wide Data“. Die Aufmerksamkeit wendet sich den fragmentierten, weitverzweigten Datenlandschaften zu, die durch uneinheitliche oder fehlerhaft formatierte Daten sowie für sich stehende Datensilos entstanden sind.
Allein in den letzten fünf Jahren hat sich die Anzahl der Datenbanken, die es für unterschiedlichste Datenarten gibt, von 162 auf 342 verdoppelt. Unternehmen, denen es künftig gelingt, diese Daten in einer Synthese sinnvoll zusammenzuführen, werden klar im Vorteil sein.
2. DataOps und Self Service Analytics: mehr Agilität für die Datennutzung
Während Data Analytics auf der Business-Ebene durch moderne BI-Technologie und Self-Service-Tools längst Einzug gehalten hat, fehlt es für das Datenmangement immer noch an agilen Möglichkeiten. Die Lösung heißt: „DataOps“. Dieser Ansatz macht es möglich, mit automatisierten und prozessorientierten Technologien die Geschwindigkeit und Qualität des Datenmanagements zu erhöhen. Dafür werden On-Demand IT-Ressourcen genutzt, Tests automatisiert und Daten bereitgestellt.
Technologien wie Echtzeit-Datenintegration, Change Data Capture (CDC) und Streaming Data Pipelines sind die Basis dafür. Dank DataOps können 80 Prozent der Kerndaten systematisch an Geschäftsanwender geliefert werden. Kobek: „Mit DataOps im operativen Datenmanagement und Self-Service Analytics auf der Business-Seite lässt sich ein fließender Prozess über die gesamte Informationswertschöpfungskette erreichen. Synthese und Analyse greifen ineinander.“
3. Business Analytics: intelligente Metadaten-Kataloge als Bindeglied
Die Nachfrage nach Datenkatalogen steigt, um Rohdaten in den verteilten und vielfältigen Datenbeständen zu lokalisieren, zu erfassen und zu synthetisieren. Im kommenden Jahr werden die Metadatenkataloge zunehmend mit KI augestattet werden, um eine aktive, adaptive und schnelle Datenbereitstellung zu ermöglichen. Dies ist die Voraussetzung für die Agilität, die durch den Einsatz von DataOps und Self-Service-Analytik ermöglicht wird.
4. Aufbau von Datenkompetenz als Service-Leistung
Durch die Verknüpfung von Datensynthese und Datenanalyse lässt sich die Nutzung von Daten weiter vorantreiben. Gute Technologien oder Prozesse bringen nichts, wenn die erforderlichen Experten nicht vorhanden sind. Es reicht nicht aus, Anwendern die Tools zur Verfügung zu stellen. Erfolgsentscheidend ist Mitarbeiter darin zu schulen, sich mit dem Lesen, Arbeiten, Analysieren und Kommunizieren von Daten sachkundig zu machen.
Viele Unternehmen möchten im kommenden Jahr die Datenkenntnisse ihrer Mitarbeiter fördern und suchen dafür gezielt nach Partnern, die Software, Training sowie Support im SaaS-Modell (Software as a Service) anbieten. Das Ziel: Das Daten-Know how so zu verbessern, dass DataOps und Self-Service-Analytics ineinandergreifen können und sich datengestütztes Entscheiden bei den Mitarbeitern im Alltag durchsetzen kann.
5. Business Analytics: Shazamen von Daten
Die Fortschritte im Bereich Data Analytics sind enorm. Experten sehen den größten Meilenstein noch kommen: Das „Shazamen“ von Daten d.h. permanent Daten zu identifizieren und Informationen dazu bereit zu stellen. Es wird angestrebt, das Umfeld von Daten näher zu analysieren; woher stammen sie, wer hat sie verwendet, welche Qualität haben sie und wie haben sie sich zeitnah verändert. Algorithmen werden den Analyse-Systemen helfen, Datenmuster zu erkennen, Anomalien nachzuvollziehen und neue Daten für weitere Analysen vorzuschlagen. Dadurch werden Data und Analytics schlanker und wir können zur richtigen Zeit mit den richtigen Daten arbeiten.
Business Analytics: neue Möglichkeiten für Umgang mit Daten
Der Umgang mit Daten wird über Suche, Dashboards und Visualisierung hinausgehen, z.B.über alternative Eingabetechniken mit digitalen Geräten zu kommunizieren u.a. über Gedanken, Bewegungen oder auch auf sensorischer Ebene.