Data Analytics

Wie funktioniert Data Analytics?

Grundsätzlich wird Data Analytics in vier verschiedene Methoden unterteilt:

1. Descriptive Analytics: Die klassische Analyseform, bei der aktuelle und historische Daten aus verschiedenen Quellen analysiert werden, um einen Status Quo zu beschreiben. Die Kernfragen, die es zu beantworten gilt, lauten: „Was ist in der Vergangenheit passiert?“ sowie „Was passiert jetzt gerade?“
2. Diagnostic Analytics: Hier steht das „Warum?“ von vergangenen und aktuellen Ereignissen im Fokus. Entsprechend dienen oftmals die Ergebnisse von Descriptive Analytics als Datengrundlage. Ermittelt werden die Faktoren bzw. Gründe für bestimmte historische Werte.
3. Predictive Analytics: Bei dieser Methodik geht es darum, künftige Ereignissen vorherzusagen – als einfache Frage formuliert: „Was passiert in der Zukunft?“. Ausgangspunkt bilden die Ergebnisse von Descriptive Analytics und Diagnostic Analytics, die beispielsweise mit Techniken aus der Statistik sowie Machine Learning und Deep Learning weiterverwertet.
4. Prescriptive Analytics: Durch preskriptive Analysen werden schließlich fundierte Handlungsempfehlungen für die Zukunft ermöglicht. Es dreht sich alles um die Frage: „Was muss ich tun, um ein bestimmtes Ziel zu erreichen?“. Die Antworten werden mit Hilfe von Algorithmen und Machine-Learning-Modellen ermittelt, wobei sämtliche Erkenntnisse aus den vorherigen Analyse-Stufen als Grundlage dienen können.

Die verschiedenen Analytics-Methoden bauen also weitestgehend aufeinander auf. Im Regelfall liefern deskriptive und diagnostische Verfahren die Bausteine, um fortgeschrittene Erkenntnisse über die Zukunft zu ermöglichen. Werden die Prozesse rund um die prediktive und preskriptive Analysen dazu noch automatisiert, bewegen wir uns bereits in Bereichen der Künstlichen Intelligenz.

Wie können Sie mit Data Analytics neue Werte schaffen?

Um Data Analytics über die gesamte Bandbreite hinweg nutzen zu können, ist eine moderne Analytics-Plattform auf Basis von Cloud-Technologien erforderlich. Angebote wie die Azure Cloud von Microsoft bestehen aus modularen Services, mit denen sich eine solche Plattform nach individuellen Anforderungen zusammenstellen und skalieren lässt. Unternehmen können somit Schritt für Schritt in die vielfältigen Möglichkeiten von Data Analytics hineinwachsen.

Als Referenzarchitektur hat sich das „Azure Databricks Lakehouse“ etabliert – eine moderne Data Intelligence Platform, bei der ein Data Lake die zentrale Sammelstelle für sämtliche Daten bildet. Alle Unternehmensbereiche und Mitarbeiter erhalten über eine einheitliche Office-Oberfläche Zugriff auf die Datenbasis sowie entsprechende Analysefunktionen. Abhängig von den gewünschten Anwendungsszenarien lassen sich dann weitere Dienste in die Gesamtlösung einbinden, z. B. für die Verarbeitung von Echtzeitdaten, die Umsetzung Künstlicher Intelligenz und die Automatisierung von Prozessen.

Wollen auch Sie mit Data Analytics Ihre Prozesse optimieren und die besseren Geschäftsentscheidungen treffen? Dann schauen Sie doch mal im Bereich Datenstrategie vorbei oder informieren Sie sich zu unserem Data Strategy Assessment.