Kollaborative Datenanalyse bezeichnet Auswertungen, die als Team im Unternehmen vorgenommen wurden. Es handelt sich hierbei um geteilte Auswertungen, die meist von mehreren Mitarbeitern gleichzeitig bearbeitet und eingesehen werden können.

Beiträge

Große Unternehmen wie Amazon, Google und Co. machen es vor und setzen intelligente Modelle und Algorithmen ein, die erstaunlich präzise Vorhersagen über das Kaufverhalten von Kunden treffen können. Doch die Zukunft vorherzusagen, bleibt und ist eine schwierige und immer noch ungenaue Angelegenheit. Gelernte Muster aus der Vergangenheit können nur mit einer bestimmten Wahrscheinlichkeit, Auskunft über die nächsten Tage oder Wochen geben. Diese Muster gelten auch nur solange bis sich, die darunterliegenden Parameter stark verändern. So könnte sich bei vollständiger Erneuerung einer Webseite, das vorherige Muster komplett von dem Neuen unterscheiden. Eine Vorhersage zu treffen, wie diese neue Webseite bei den Kunden ankommt, wäre ohne entsprechenden Erfahrungswert so gut wie unmöglich.

Kann man Vorhersagen im Business treffen?

Den gibt es! Mit Hilfe eines doch recht einfachen und pragmatischen Ansatzes. Wie vorhin gelernt, ist die Wahrscheinlichkeit zur Vorhersage eines erwarteten Ereignisses, stark von den darunterliegenden Parametern abhängig. Diese können Prozesse, sowie die Höhe der Werbeausgaben, geplante Post in Social Media, Messeauftritte usw. sein. Auch externe Parameter, die durch Beziehungen mit Kunden, Partnern vorhanden sind können das Bild verzerren.

Wenn das so ist dann sollte man meinen, dass die Lösung in der Planung an sich liegt. Die Zukunft vorherzusagen auf Basis von geplanten Aktionen ist doch eigentlich recht logisch. Wir haben als Menschen eine wunderbare Gabe, nämlich unsere Zukunft mit zu gestalten. Ob das auch immer so gelingt wie man sich das zu anfangs vorstellt, das sei erstmal dahin gestellt.

Predictive Analytics funktioniert am besten wenn gilt, “Business as usual”.

Aktuelle und geplante Maßnahmen analysieren

Im Grunde kann man Daten aus aktuellen und vergangenen Prozessen analysieren um die Vergangenheit besser zu verstehen und damit womöglich die Zukunft vorherzusagen. Genauso wichtig ist es geplante Maßnahmen zu analysieren und in die Prognosen einfließen zu lassen. Doch das ist schwierig denn man hat noch keine Messwerte, da die Maßnahmen erst noch ausgeführt werden müssen. Vielleicht hat man zufällig Erfahrungswerte ähnlicher Maßnahmen, das wäre schon ein guter Anfang.

Den Einfluss einer geplanten Aktion bewerten

Geplante Maßnahmen werden selten in die Analyse eingebracht. Wieso auch, es sind ja in der Regel keine Daten vorhanden. Aber das macht nichts, erschaffen Sie selbst welche. Diese Daten könnten als Annahme dienen. Je öfter sie Erwartungen und die tatsächlichen Ergebnisse miteinander vergleichen desto besser wird ihre Fähigkeit Annahmen zu treffen.

Sie finden dann alles recht abgedreht und überzogen? Dann denken Sie einfach an eine Simulation. Hier werden mögliche eintretende Aktionen in einem Plan einfach mal durchgespielt. Die Analyse der eingetretenen Effekte kann dann Auskunft über die nächsten Ergebnisse geben.

Falls Sie vor haben Predictive Analytics in ihrem Unternehmen aktiv einzusetzen dann denken sie daran, die operative Planung mit in die Betrachtung einfließen zu lassen. Ist Ihnen der Aufwand hierfür zu hoch dann sollten Sie darüber nachdenken eine Analyse-Softwarelösung als Bindeglied zwischen Ihren Tools und IT-Lösungen einzusetzen um die Verfügbarkeit aller nötigen Datenpunkte in die Bewertung mit einfließen zu lassen. Nur die Vergangenheit zu betrachten und für Predictive Analytics im Online-Marketing einzusetzen wäre teils vergeudete Zeit.

Über den Autor und Gründer von ABIS

David Patrick Chang ist Gründer eines Cloud Analytics Startups aus München und Visionär im Bereich der künstlichen Intelligenz. Sein Team und Er arbeiten mit Universitäten und Startups an intelligenten Cloud Business Apps die dafür eingesetzt werden, Daten automatisiert zu analysieren und aktiv für die Steuerung von Prozessen einzusetzen.

wenn intelligente analysebots die aufgaben eines datenanalysten übernehmen

Intelligente Analysebots könnten Daten bald selbständig auswerten und an Mitarbeiter kommunizieren

Laut einer Studie der IDC, soll sich die jährlich erzeugte Datenmenge, bis 2025 verzehnfachen. Viele mittelständische Unternehmen ersticken bereits jetzt, in einer Flut von Daten. Überall fehlen Fachkräfte und Analysten. Wer soll das enorme Potential von Daten überhaupt noch heben? Das Berichtswesen und die Datenanalyse werden immer zeitaufwendiger, die Kosten steigen.

Ein Abteilungsleiter einer Marketingagentur investiert fast 30% seiner Zeit, Auswertungen zu erstellen, Daten zu interpretieren, oder wichtige Erkenntnisse ad hoc an Kollegen weiterzuleiten. Gleichzeitig ist die Kommunikation von Kennzahlen und Auswertungen oft mühsam. Vor allem wenn komplexe Berichte von Mitarbeitern oder Kunden, ohne fachliche Vorkenntnisse, nicht ohne weiteres verstanden werden.

Ein Startup aus München arbeitet bereits an der Vision

In ABIS übernehmen intelligente Analysebots, die komplexen Aufgaben eines Datenanalysten. Damit müssen Mitarbeiter ihre Daten nicht mehr selbst laufend auswerten um aktuelle Ergebnisse zu erhalten. Bei signifikanten Vorfällen erstellt der Analysebot selbständig, einen leicht verständlichen Bericht, der dann an die verantwortliche Person kommuniziert wird.

Mitarbeiter können ihren Analysebots, ad hoc Auswertungen zuweisen und erhalten blitzschnell ein Ergebnis. Der Mitarbeiter bekommt ein automatisiertes Reporting auf Knopfdruck oder Zuruf. Zudem könnte ein Analysebot die Erhöhung eines Werbebudgets in sozialen Netzwerken vorschlagen, da diese sich womöglich, positiv auf die Ergebnisse einer Kampagne auswirken könnte. Der Mitarbeiter hat nun die Möglichkeit mit ABIS die vorgeschlagene Maßnahme direkt in Auftrag zu geben.

Smart Data City App München

Zu den beiden Firmengründern

Die Gründer David Patrick Chang und Daniel Janz sind überzeugte Datenaktivisten. Sie haben während ihrer Tätigkeit in Konzernen und mittelständischen Unternehmen bereits früh erkannt, dass Daten und Informationen ein wertvolles Allgemeingut sind und nicht einfach Wenigen überlassen werden sollten. Daten können Menschen dazu bewegen umzudenken. Aus diesem Grund möchten die Gründer die Daten-Demokratisierung weiter vorantreiben. Mehr erfahrt ihr hier 🙂

founder of abis cloud

Social BI bietet einen pragmatischen Ansatz um Big Data sinnvoll im Unternehmen einzusetzen

Soziale Netzwerke decken fast jeden Aspekt des modernen Lebens ab, sowohl privat als auch geschäftlich. Es beinhaltet das Teilen und die soziale Interaktion, ob man nun Informationen über ein kürzlich stattgefundenes Familienereignis sendet, ein Bild veröffentlicht, Meinungen bei der Arbeit einholt oder für ein neues Produkt wirbt. Die Vorteile eines sozialen Netzwerks, sind die laufend aktuellen und meist relevanten Informationen, die einem Nutzer präsentiert werden.

Früher tauschten sich Teammitglieder und Mitarbeiter in der Cafeteria oder in unendlichen Meetings aus. Content-Management-Systeme (CMS) und Online-Meeting-Software förderten die Zusammenarbeit und den Austausch und halfen Geschäftsanwendern, Dokumente zu prüfen und zu editieren und gemeinsam an Projekten zu arbeiten. Und so ist es nicht verwunderlich, dass die heutigen Geschäftsanwender, die gleiche Kapazität für die gemeinsame Nutzung und Zusammenarbeit in einem Social-Business-Intelligence-Tool erwarten.

Warum Social BI vor allem den Endanwendern und nicht nur der IT-Abteilung hilft

Trockene Berichte und restriktive Dashboards, dienen in den meisten Fällen nicht mehr dem Zweck, des Unternehmens oder seiner Benutzer. Getrieben von der steigenden Nachfrage nach Self-Service-BI-Tools und gemeinsam genutzten Ressourcen wie z.B. Wissen muss Business Intelligence, die Funktion eines Social Networks unterstützen, um relevant zu bleiben und weiterhin einen nachhaltigen Wert für Nutzer und das Unternehmen zu schaffen.

Stellen Sie sich eine Welt vor, in der Ihre Benutzer soziale Interaktion und Zusammenarbeit in ihrem Unternehmen betreiben und Daten und Analysen in Berichten oder in Key-Performance-Indicators (KPIs) Dashboards diskutieren, bewerten und kommentieren können – eine Art “Facebook für Datenanalysen”- Ansatz für Business Intelligence.

bi tools verändern den modernen workplace

Cloud Analytics kann Unternehmen helfen schnell zu analysieren

Die Einführung von Self-Service-Analytics, Plug-and-Play-Predictive-Analytics und intelligenter Datenvisualisierung in der Cloud unterstützen Geschäftsanwender dabei, anspruchsvolle Tools und Algorithmen in einer benutzerfreundlichen Umgebung einzusetzen und dabei die Datenflexibilität und -aktualität laufend zu verbessern. Fachanwender können ihr eigenes Domänen- und rollenspezifisches Wissen in die Datenanalyse mit einbringen. Die Verfügbarkeit und der Zugriff auf solide Daten und die kreative, prägnante Berichterstattung mit flexiblen Datenfreigaben, führen zu einer verbesserten Benutzerakzeptanz und dem Entstehen der “populären” Citizen Data Scientist Mentalität, für leicht umsetzbare Berichtstechniken und einfach verständlichen Datenpräsentation.

Benutzer können eine bestimmte Datenquelle, einen bestimmten Bericht oder ein bestimmtes Dashboard annotieren und im Team diskutieren. Datenagilität und -zugänglichkeit sind dabei nicht dasselbe wie 100% qualitativ hochwertige Daten, die von Analysten oder IT-Ressourcen erzeugt werden. Für viele Geschäftsanwendungen ist die gemeinsame Datenaufbereitung genau das Richtige, um aktuelle, solide Informationen zu erhalten und Analysen durchzuführen, damit gute Entscheidungen getroffen werden können.

business intelligence agentur und dienstleister für dashboards

100% Datengenauigkeit zu welchem Preis?

Wo und wann eine 100-prozentige Genauigkeit erforderlich ist, können weitere Recherchen und Berichte mit Hilfe qualifizierter Ressourcen und ETL- oder Data-Warehouse-Techniken beauftragt werden. Für alles andere ist die Self-Service-Datenaufbereitung eine großartige Möglichkeit, Datenanalyse- und Business-Intelligence-Tools gemeinsam zu nutzen, zu bewerten und zu popularisieren. Mit Social BI kann ein unmittelbarer Return-on-Investment (ROI) für das Unternehmen erzielt werden.

Geschäftsanwender können die “Selbstbedienungsdatenaufbereitung” in einer “Social-Networking”-Umgebung nutzen und bewerten. Die gemeinsame Verwendung von kommentierten Kennzahlen ermöglicht den nahtlosen Austausch von Informationen. Die Verantwortlichkeit und die entscheidende Interaktion zwischen den Team-Mitgliedern verbessert sich. Ihre Benutzer sehen sich keine trockenen, statischen Berichte in einer isolierten Umgebung an. Stattdessen können sie zusammenarbeiten und auf der Arbeit anderer Mitarbeiter aufbauen, um damit das beste Ergebnis zu erzielen.

Die gemeinsame Nutzung und Bewertung von Kennzahlen veranschaulicht die Art von Daten und Berichten, die am einfachsten zu verstehen sind, siehe Smart Data. Also die Auswertungen, die Mitarbeiter am nützlichsten finden um einen unmittelbaren Mehrwert für das Unternehmen zu liefern.

Social BI fördert die Zusammenarbeit über mehrere Abteilungen

Das durch Social BI verbesserte Verständnis in der Datenanalyse und der Datenpopularität kann auch IT-Mitarbeitern und Führungskräften dabei helfen, einen tieferen Einblick in die Prozesse der Endanwender zu gewinnen um zu erfahren, welche zusätzlichen Ressourcen die beste Unterstützung bieten können. Dieses Feedback hilft der Organisation bei der Planung zusätzlicher Analyseverfahren, Berichterstellung, Datenintegration, Datenzertifizierung sowie ETL- und DWH-Konfiguration, Bereinigung und im Ressourcenmanagement.

Dieser Ansatz ermöglicht der Organisation, Ressourcen auszubalancieren und die Datenqualität gegenüber der Datenpopularität zu messen und zu verwalten, so dass der soziale Aspekt der Datenanalyse Hand in Hand arbeiten kann, um Datenagilität und Datenqualität sicherzustellen.