Der folgende Blogbeitrag gibt einen Überblick über die Business Intelligence Trends 2020. Neben Gartner hat vor allem der Analytics Specialist Qlik eine Vision, wie die Zukunft von BI aussehen kann und was uns im kommenden Jahr erwarten wird.
Self Service Business Intelligence and Self Service Analytics
Um den Entscheidungsträgern den größtmöglichen Nutzen aus BI-Anwendungen zu bieten, ist ein Wandel hin zu Self-Service-BI-Plattformen im Gange. Ein Self-Service-BI-Modell gibt dem Endbenutzer Zugriff auf Toolsets, die es ihm ermöglichen, On-Demand-Datenberichte zu erstellen. SSBI bietet den entscheidenden Vorteil, BI-Anwendungen auf mehrere Mitarbeiter unterschiedlichster Fachabteilungen (wie z. B. Vertrieb, Marketing, Einkauf) zu verteilen und sich somit nicht nur auf die IT-Abteilung, die in der Regel für das BI-Reporting zuständig ist, zu beschränken. Mit dem geht außerdem eine organisatorische Flexibilität einher. Jede Fachabteilung wird nun in die Lage versetzt, eigenständig und unabhängig von der IT-Abteilung auf Unternehmensdaten zuzugreifen und selbstständig Datenanalysen durchzuführen. Dies hat das Vorteil, dass das Domänen-Wissen unmittelbar in die Analysen einfließt. Natürlich wird die IT-Abteilung weiterhin die Voraussetzungen für SSBI schaffen müssen: sie ist verantwortlich für die Bereitstellung der Daten (Data Warehouse), des BI-Systems und der Reporting-Tools. Werden diese Voraussetzungen einwandfrei erfüllt, können fachbereichsübergreifend deutliche Vorteile in der datengetriebenen Prozessoptimierung und -durchführung erzielt werden. Wichtige Unternehmensentscheidungen werden dann nicht mehr nur auf Grundlage „einseitiger“ Datenanalysen der IT durch die Geschäftsleitung getroffen, sondern durch Business Intelligence-Anwendungen unterstützt.
Gartner definiert Self-Service Analytics wie folgt: Self-Service Analytics is a form of business intelligence (BI) in which line-of-business professionals are enabled and encouraged to perform queries and generate reports on their own, with nominal IT support. Self-service analytics is often characterized by simple-to-use BI tools with basic analytic capabilities and an underlying data model that has been simplified or scaled down for ease of understanding and straightforward data access.
Der Erfolg eines Self-Service-Modells wird stark davon abhängen, ob das Daten- und Analyse-Governance-Modell flexibel genug ist, um die Freiform-Analyse von Self-Service-Nutzern zu ermöglichen und zu unterstützen“, sagte Frau Idoine. Das Fehlen einer ordnungsgemäßen Verwaltung kann die Nutzer mit irrelevanten Daten überfordern und zu wenigerr Anwendung von BI in der Fachabteilung führen. „IT-Führungskräfte müssen die richtige Balance finden, um Self-Service erfolgreich und skalierbar zu machen“, fügte sie hinzu. Datenanalysten müssen begeisterte Business-Self-Service-Nutzer mit der richtigen Anleitung unterstützen, wie sie ihre neuen Tools schnell in Betrieb nehmen und auf ihre spezifischen Geschäftsprobleme anwenden können“, sagte Frau Idoine. „Ein formeller Onboarding-Plan wird helfen, diesen Prozess zu automatisieren und zu standardisieren, so dass er viel skalierbarer wird, da sich die Selbstbedienung im gesamten Unternehmen ausbreitet.
Data literacy will gain company-wide and societal priority.
Die Datenkompetenz wird unternehmensweit und gesellschaftlich an Bedeutung gewinnen. Datenkompetenz umfasst dabei das Lesen und Verarbeiten von Daten, das Analysieren von Daten und die Argumentation auf Basis von Analyseergebnissen. Garner prognostiziert, dass bis 2020 80 % eine bewusste Kompetenzentwicklung im Bereich Datenkompetenz vorantreiben werden.
Hybrid multi-cloud will emerge to connect the dots.
Hybride Multi-Cloud wird entstehen, um die Punkte zu verbinden. Die Zahl von Cloud-Service-Anbietern steigt rasant. 2018 werden zahlreiche Daten auf Grund von regulatorischen, Sicherheits-, Kosten- und Leistungsgründen aus der Cloud verbannt werden. Dies führt somit unter anderem zu einem Anstieg von „Computing at the edge“. Es ist demzufolge notwendig, dass künftige analytische Architekturen in der Lage sein müssen, Multi-Cloud-Konzepte, Multi-Plattformen und hybride Umgebungen zu schaffen.
Big Data, data discovery, and data science will converge.
Big Data, Datenentdeckung und Datenwissenschaft werden zusammenwachsen. Typischerweise sind diese Bereiche voneinander getrennt, da die Anwender verschiedene Werkzeuge nutzen und Fertigkeiten besitzen. Wird diese Hürde überwunden, haben Anwender die Möglichkeit, komplexere Zusammenhänge zu erforschen und aus Datensätzen vielfältige Ergebnisse zu ziehen.
Need for interoperability and new business models puts focus on APIs.
Der Bedarf an Interoperabilität und neuen Geschäftsmodellen konzentriert sich auf APIs. Analyseplattformen müssen also offen, interoperabel und erweiterbar sein. Unternehmen sind nicht mehr auf der Suche nach End-to-End-Lösungen. Unternehmen sind auf der Suche nach Teillösungen, die sich flexibel zusammensetzen lassen. Wichtig dabei ist Kommunikation einzelner Softwarelösungen untereinander. Außerdem können sie moderne APIs einbinden. Somit verwischt zunehmend die Grenze zwischen BI-Anwendungen, wie sie heute durchgeführt werden mit datengetriebenen Anwendungen, die die Analytik-Wirtschaft vorantreiben.
Blockchain hype will drive experimental applications beyond cryptocurrencies.
Blockchain-Hype wird experimentelle Anwendungen jenseits von Krypto-Währungen vorantreiben. Informationstechnologie und -management sind im Wandel, sie treiben die Entstehung von neuen Techniken zur Verarbeitung, Verwaltung und Integration von verteilten Daten, die zu einer Reduzierung der Daten an einem Standort führen, weiter voran. Diese Ansätze können durch Blockchains oder Peer-to-Peer-Technologien realisiert werden. Innovationen gehen dabei weit über die Nutzung von Krypto-Währung hinaus. Der eigentliche Wert hinter einer Blockchain liegt in der Fähigkeit, die Herkunft und Authentizität der Daten zu verifizieren.
Analytics become conversational.
Analytik wird zum Gesprächsstoff. Neue Ansätze bietet die „conversational analytics“, die die Analyse, die Ergebnisse und das Storytelling umfassen. Dies kann die Abfrage in natürlicher Sprache und die Verarbeitung umfassen; ergänzt durch Stimmverarbeitung. Diese Technologie, unterstützt von virtuellen Assistenten und Chatbots durch API-Integration, bieten einen neues Mittel zur Interaktion.
Augmented intelligence system changes users into participants and facilitators.
Augmented Intelligence System verwandelt Benutzer in Teilnehmer und Moderatoren. Augmented Reality wird künftig ein wesentlicher Bestandteil aller Trends sein. Künftige Systeme vereinen maschinelle Intelligenz mit dem Faktor „Mensch“ zu einem breiten Ökosystem. Die Interkationen und das gegenseite Lernen werden als erweiterte Intelligenz bezeichnet. Bereits heute findet der Einsatz von künstlicher Intelligenz bezogen auf unterschiedliche aber spezifische Probleme statt. Künftig werden sich KI mit Technologien wie intelligente Agenten vermischen. Bots und automatisierte Aktivitäten, zusammen mit traditionellen analytischen Tools wie Datenanalysen, Visualisierung, Dashboards und Berichte machen die Daten nutzbar.
