Advanced Analytics
Mit Data Science und Künstlicher Intelligenz (KI) in die Zukunft blicken...
Advanced Analytics ist eine spezielle Form der Datenanalyse. Der Hauptunterscheid zu Business Intelligence ist, dass sich die Analysen oftmals auf die Zukunft beziehen. Dabei setzen entsprechenden Lösungen auf den historischen Daten bzw. Zahlen – wie sie Business Intelligence bereitstellt – auf und generieren mithilfe von Machine Learning, Künstlicher Intelligenz und entsprechenden Algorithmen Zukunftsprognosen (Forecasting). Weitere grundsätzliche Ansätze von Advanced Analytics in Bezug auf Daten sind die Segmentierung (Gruppierung basierend auf Ähnlichkeiten), Klassifikation (Einordung auf Basis gemeinsamer Eigenschaften), die Korrelation (Identifizierung wechselseitiger Beziehungen) sowie die Assoziation (Regelableitung aus der Häufigkeit gemeinsamen Auftretens).
Voraussetzung
Um Advanced Analytics einzusetzen, müssen Unternehmen zunächst die Voraussetzungen schaffen. Hierzu gehören eine entsprechende Strategie auf Basis des Geschäftsmodells sowie eine Analyse der IT-Landschaft hinsichtlich Datenverfügbarkeit und Datenqualität. Zudem sollte der Digitalisierungsstand beispielsweise per Reifegradermittlung erfasst werden. Auf dieser Grundlage lassen sich geeignete Use Cases und die geeigneten Technologien für Advanced Analytics finden.
Analytics Platform
Unter einer Analytics Platform versteht man ein Modern Data Warehouse (MDWH) mit ergänzender Ausrichtung auf Data Science Use Cases und Advanced Analytics. Sie kombiniert als einheitliche Lösung unterschiedliche Technologien, um die Anforderungen über den gesamten Analyse-Lebenszyklus hinweg zu erfüllen. Dieser reicht von der Datenspeicherung über das Datenmanagement und die Datenaufbereitung bis hin zu verschiedenen Datenanalyseprozessen. Eine zukunftsorientierte und skalierbare Analytics Platform sollte hierbei auf eine flexible Architektur setzen und sich dem individuellen Bedarf eines Unternehmens anpassen. Sie bildet dann die Basis für moderne Analysemethoden. Hauptziel ist es, datengesteuerte Entscheidungen zu treffen und Innovationen zu fördern. Dabei sind Aspekte wie IT-Sicherheit und Data Governance zu berücksichtigen. Eine spezielle Form der Analytics Platform ist die IoT Platform, die Advanced Analytics rund um das „Internet der Dinge“ ermöglicht, also die Vernetzung physischer und virtueller Objekte. Eine Customer Analytics Platform erfasst hingegen sämtliche Kundendaten über alle Touchpoints hinweg, um sie für die Marketing- und Kommunikationskanäle nutzbar zu machen.
Beispiele für Advanced Analytics in Unternehmensbereichen
Industrial Analytics
Im Produktionsbereich lassen sich per Industrial Analytics mit Künstlicher Intelligenz und Data Science aus digitalen Datensätzen Erkenntnisse zu gewinnen, mit denen die Unternehmensproduktion nachhaltig optimiert werden kann. Dies geschieht beispielsweise innerhalb der oben genannten IoT-Platform, in der sich AI-Modelle entwickeln und in IoT-Use-Cases einsetzen lassen, per Digitalem Shopflor Managment zur Optimierung von Produktionsprozessen, mit Predictive Quality und Parameter Recommendern zur Verbesserung der Produktqualität oder per Verfahren zur Anomalieerkennung in Produktionsprozessen.
Digital Controlling & Finance Analytics
Auch für die Bereiche Finance und Controlling stehen Advanced-Analytics-Lösungen rund um Unternehmensentscheidungen bereit. Mögliche Lösungen widmen sich über integrierte Finanzplattformen für Corporate Planning & Simulation Themen wie „Predictive Analytics“ oder dem Einsatz von Künstlicher Intelligenz im Controlling.
Marketing & Customer Analytics
Für ein besseres Verständnis des Kundenverhaltens kommen Marketing Analytics bzw. Customer Analytics zum Einsatz. Damit lassen sich entlang der Customer Journey entscheidende Trends und Muster in Kundendaten identifizieren. Per AI und Data Science können Unternehmen hierbei aus den Daten die richtigen Schlüsse ziehen und entsprechende Marketing-Maßnahmen durchführen. Hierbei kommt oftmals die oben genannte Customer Analytics Platform zum Einsatz, die eine 360-Grad-Sicht auf die Kunden ermöglicht.
Supply Chain Analytics
Im Bereich von Einkauf & Logistik wird Advanced Analytics beispielsweise in Form von Supply Chain Analytics genutzt. Hier geht es um die nachhaltige Optimierung von Einkauf- und Logistikprozessen, etwa durch ein datengetriebenes Supply-Chain- und Lieferantenmanagement oder mit Vorhersagen zu Rohstoffpreisen.