print logo

10 Data & Analytics Trends, die Euer Business verändern (werden)

Hey, Zukunftsdenker: Diese 10 Daten & Analytics Trends werden in den nächsten drei bis fünf Jahren Euer Business verändern!
ODOSCOPE GmbH | 12.11.2019
Trends-Innovation © ODOSCOPE GmbH
 

Daten werden in fast allen Branchen in unvorstellbaren Mengen generiert und gesammelt. Weltweit wird laut IDC Bericht die Datenmenge von 33 Zettabyte in 2018 auf 175 Zettabyte im Jahr 2025 anwachsen. Zur Einordnung: 175 Zettabyte = 175 Billionen Gigabyte – das ist eine Zahl mit 12 Nullen!

Doch selbst große Unternehmen mit hohen Budgets und großen Teams stehen aktuell noch vor vielen ungelösten Herausforderungen bezüglich der Verarbeitung, Auswertung und effizienten Nutzung dieser Datenberge. Zukunftsträchtige Lösungsmöglichkeiten für diese Herausforderungen halten die Gartner Trends 2019 bereit. Das US-Analyse- und Beratungsunternehmen Gartner ist bekannt für seine tiefgehenden Studien wie den „Magic Quadrant“ und Technologie-Prognosen wie die „Hype Cycles“.

Die folgenden 10 Daten & Analytics Trends werden in den nächsten drei bis fünf Jahren Euer Business verändern. Fach- und Führungskräfte in diesen Bereichen oder angrenzenden Branchen (z.B. E-Commerce, Marketing, IT oder Consulting) sollten diese Trends daher auf ihr Disruptionspotenzial für das eigene Marktumfeld oder Tätigkeitsfeld untersuchen. Denn Vorsicht ist ja bekanntlich besser als Nachsicht!

 

Für weitere Expertenmeinungen und spannende Praxistipps rund um das Thema Customer Experience, steht unser Whitepaper zur datengetriebenen Customer Experience Optimierung kostenlos zur Verfügung!

 

1. Augmented Analytics

Datenanalyse ist komplex und erfordert im Allgemeinen einen oder mehrere Data Scientists, die Mehrwert aus großen Datenmengen extrahieren können. Die Komplexität ist meist darauf zurückzuführen, dass Daten aus einer Reihe von unterschiedlichen Quellen wie Webanalyse, ERP, PIM, Marketingsoftware oder Social Media gesammelt werden.

Aufgrund des hohen manuellen Aufwands für die Aufbereitung, Bereinigung und Zusammenführung von Daten, verbringen Data Scientists ihren Großteil der Zeit mit solchen Aufgaben – schätzungsweise bis zu 80%. Hier kann Augmented Analytics helfen, Arbeitsaufwände mithilfe von Machine Learning zu reduzieren. Data Scientists können dadurch mehr Arbeit in die Suche nach umsetzungsfähigen Insights investieren.

Bis 2020 wird Augmented Analytics ein dominanter Treiber für Kaufentscheidungen von Analytics und Business Intelligence sowie von Data Science und Machine Learning Plattformen sein. Auch der Data Consultant Marc Preusche bezeichnete Augmented Analytics im Experteninterview als einen der Trends im Rahmen der Customer Experience Optimierung.

 

2. Augmented Data Management

Auch mit Augmented Data Management lässt sich der oben beschriebene manuelle Aufwand erheblich reduzieren – insbesondere bei der Bereinigung und Zusammenführung von großen Datenmengen aus unterschiedlichen Quellen. Bis 2022 könnten die manuellen Aufgaben des Datenmanagements durch maschinelles Lernen und automatisierte Workflows laut Gartner um 45% reduziert werden. Diese Unterstützung bei der Datenaufbereitung wird Augmented Data Management genannt.

3. Continuous Intelligence

Bis 2022 werden mehr als die Hälfte aller großen neuen Geschäftssysteme über Continuous Intelligence verfügen. Diese soll Echtzeit-Kontextdaten nutzen, um Entscheidungen zu verbessern. Continuous Intelligence kombiniert also Rohdaten und Analysen mit transaktionalen Geschäftsprozessen und anderen Echtzeit-Interaktionen. Es werden hierfür Methoden wie Event Stream Processing (ein Verfahren zur Echtzeit-Analyse), Business Rule Management (regelbasierte Entscheidungssysteme) und natürlich auch Machine Learning genutzt. Continuous Intelligence lässt sich außerdem durchaus als eine Weiterentwicklung von Operational Intelligence bezeichnen.

 

4. Erklärbare KI

Künstliche Intelligenz (kurz KI) ist in aller Munde. Doch undurchsichtige KI-Anwendungen könnten potenziell auch Schaden anrichten. Daher werden über 75% der großen Unternehmen bis 2023 eigene Spezialisten für künstliche Intelligenz in den Bereichen wie IT-Forensik oder Datenschutz einstellen, um das Marken- und Reputationsrisiko für ihre Unternehmen zu reduzieren.

Mithilfe von Augmented Analytics werden verstärkt automatisch generierte Insights und Modelle genutzt. Die Erklärbarkeit dieser Insights und Modelle (z.B. deren Herleitung) ist allerdings entscheidend für das Vertrauen, die Einhaltung gesetzlicher Vorschriften und das Management der Markenreputation. Denn unerklärbare Entscheidungen, die von Algorithmen getroffen werden, lösen sicherlich bei den meisten Menschen keine Begeisterungsströme aus. Außerdem wird einigen KI-Anwendungen nachgesagt bestimmte Vorurteile zu verstärken bzw. aus Trainingsdaten zu „erlernen“.

Als erklärbare KI (im Original Explainable AI) bezeichnet man Modelle, deren Stärken und Schwächen identifiziert werden können. Das wahrscheinliche Verhalten eines solchen Modells kann genauso vorhersagt werden wie mögliche Verzerrungen. Eine erklärbare KI macht Entscheidungen eines deskriptiven, prädiktiven oder präskriptiven Modells also transparenter. So können wichtige Faktoren wie die Genauigkeit, Fairness, Stabilität oder Transparenz einer algorithmischen Entscheidungsfindung sichergestellt werden.