Nicht nur technologische, sondern auch ethische Fragen beeinflussen den Umgang mit Daten und Analytics. Das sagt der Business-Intelligence-Spezialanbieter Tableau für dieses Jahr voraus.
1. Künstliche Intelligenz wird nachvollziehbar und vertrauenswürdig.
Künstliche Intelligenz hat das Potenzial, Unternehmen bei Problemlösungen und Entscheidungsfindungen zu unterstützen. Gerade deshalb stellen sich immer mehr Anwender die Frage, wie sie sicherstellen, dass die automatisierten Empfehlungen und Modelle vertrauenswürdig sind. Einen Lösungsansatz soll die sogenannte „erklärbare künstliche Intelligenz“ liefern: Nutzer erhalten dabei transparente Einblicke in Machine Learning-Modelle und somit ein Verständnis für deren Funktionsweise. Datenexperten tragen in Zukunft dazu bei, dass Schlussfolgerungen auf Basis künstlicher Intelligenz mithilfe von Business-Intelligence-Plattformen interaktiv überprüft werden.
2. Dashboards lernen sprechen.
Natürliche Sprachverarbeitung vereinfacht die Interaktion der Benutzer mit ihrer Business-Intelligence-Lösung. Anwender können künftig frei formulierte Fragen an ihr Dashboard stellen. Die Übersetzung in die darunterliegenden Datenbankabfragen übernimmt die Software selbst.
3. Daten werden im Kontext betrachtet.
Data Scientists müssen auf Daten zugreifen und Maßnahmen umsetzen – möglichst in ein und demselben Workflow. Dabei helfen Funktionen wie Mobile Analytics, Embedded Analytics, Dashboard-Erweiterungen und Schnittstellen. Diese Technologien machen auf unterschiedliche Weise Daten wirtschaftlich schneller nutzbar. Durch eingebettete Analytics sind Daten und Erkenntnisse dort verfügbar, wo die Benutzer ohnehin arbeiten.
4. Analysen fördern das Gemeinwohl.
Gemeinnützige Organisationen entdecken, wie Datenanalysen sozialen Initiativen nützen. Einen wichtigen Beitrag zu dieser Entwicklung leisten Cloud-Lösungen. Mit ihrer Hilfe entwickeln gemeinnützige Organisationen komplexe Datenumgebungen, ohne massiv in die lokale Infrastruktur zu investieren.
5. Ethikfragen im Umgang mit Daten gewinnen an Bedeutung.
Die Zahl der Chief Digital Officer, die ethische Fragen als Teil ihres Aufgabenbereiches begreifen, ist zwischen 2016 und 2017 um 10 Prozentpunkte gestiegen. Das offenbart eine 2017 durchgeführte Gartner-Umfrage unter diesen Experten. Damit reagieren die Verantwortlichen auf die steigende Bedeutung der Daten. Ein Kodex vermittelt künftig datenethische Grundsätze.
6. Datenmanagement wird zur Datenkuratierung.
Immer mehr und komplexere Daten stellen eine Herausforderung für Datenmanagement und Data Governance dar. Einen Lösungsansatz für diese Aufgabe bietet die sogenannte Datenkuratierung. Dazu gehören das Erfassen, Aufbereiten, Definieren und Auswerten verschiedenartiger Daten. Die darauf spezialisierten Werkzeuge und Prozesse, wie zum Beispiel Datenkataloge und semantische Governance und Business-Intelligence-Plattformen wachsen zusammen, um Daten mit dem Geschäftskontext zu verknüpfen und übergreifende Governance zu realisieren.
7. Datenstorys sind bald eine Unternehmenssprache.
Wer aus seinen Daten keine Erkenntnisse vermitteln kann, der bewirkt nichts mit seiner Analyse. Zur Kernkompetenz von Data Scientists gehört es heute, die Schritte ihrer Analyse auf einfache, leicht verständliche Weise zu vermitteln. Die Analysten müssen Datenstorys erzählen. Anstatt eine einzige Schlussfolgerung zu präsentieren, zielen Datenstorys darauf ab, eine Konversation in Gang zu bringen und die Daten aus verschiedenen Perspektiven zu betrachten.
8. Communities fördern die Analytics-Nutzung.
Business Intelligence in Unternehmen braucht Mitarbeit auf allen Ebenen. Um sie zu fördern, setzen Unternehmen vermehrt auf interne Communities. Hier verteilen die Verantwortlichen Analyseaufgaben und trainieren neue Benutzer-Rollen. Dieses Vorgehen steigert Effizienz und Zufriedenheit der Mitarbeiter sowohl in den Fachabteilungen als auch in der IT.
9. Data Scientists formulieren Business-Fragen.
Immer mehr Mitarbeiter in unterschiedlichen Abteilungen verfügen über Kompetenzen im Umgang mit Daten. Das verändert auch die Definition und Aufgaben von Data Scientists und lässt die Grenzen zwischen traditionellen Datenexperten und reinen Geschäftsanwendern verschwimmen. Moderne Data Scientists brauchen künftig nicht nur tiefe Kenntnisse in Statistik und Machine Learning, sondern auch strategisches Geschäftsdenken, fundiertes Branchenwissen und die Fähigkeit, die Erkenntnisse aus den Daten in Entscheidungen mit geschäftlichem Mehrwert umzusetzen.
10. Datengravitation zieht Analytics in die Cloud.
Mehr Flexibilität und Skalierbarkeit bei geringeren Gesamtbetriebskosten machen die Cloud zum bevorzugten Speicherort für Daten. Das sorgt zunehmend dafür, dass auch die Business-Intelligence-Anwendungen in die Cloud wandern. Effizienz und Performance steigen, wenn Daten und Anwendungen sich auf einer Plattform befinden. Jürgen Frisch
