Net.Law.S 2018
20.02.18 - 21.02.18
In Nürnberg, Messezentrum

CESIS 2018
20.02.18 - 21.02.18
In München

SAMS 2018
26.02.18 - 27.02.18
In Berlin, Maritim proArte

Plentymarkets Online-Händler-Kongress
03.03.18 - 03.03.18
In Kassel

Search Marketing Expo 2018
20.03.18 - 21.03.18
In München, ICM – Internationales Congress Center

HumanizedDie Fähigkeit, Daten adäquat aus einem vorhandenen Datenpool zu extrahieren und auswerten zu können, entwickelt sich immer stärker zu einem strategischen Erfolgsfaktor. So verwundert es nicht, dass immer mehr Unternehmen den Blick nach „Innen“ (Insights) richten und den vorhandenen Daten mehr Aufmerksamkeit schenken.

In kaum einem anderen Bereich gibt es so viele neue technologische Entwicklungen wie rund um Big Data. Gründe dafür sind unter anderem die rasant steigende Menge an Daten und deren verteilte Speicherung auf unterschiedlichen Systemen in Unternehmen. Dadurch gestaltet sich die Handhabung, Verarbeitung, Bereitstellung und die Auswertung zunehmend schwieriger.

Einer Studie von Bitkom Research und KPMG zufolge, treffen 75 % der Unternehmen in Deutschland, relevante Entscheidungen basierend auf den Erkenntnissen der Analyse von Unternehmens- und Kundendaten. Ungefähr die Hälfte der Unternehmen (48 Prozent) gibt sogar an, einen konkreten Nutzen aus der Datenanalyse ziehen zu können.

Big Data und die digitale Transformation

Auch europäische Unternehmen befinden sich inmitten der digitalen Transformation. Je weiter die Digitalisierung fortschreitet, umso offensichtlicher wird, dass in Bezug auf Auswertung und Analyse von Daten noch Nachholbedarf besteht, um im täglichen Wettbewerb um Marktführerschaft, Marktanteile und Kunden bestehen zu können.

Technologien, die Daten sammeln und analysieren stehen schon lange zur Verfügung. Das quantitative Fundament stellt einerseits die größte Stärke und andererseits auch gleichzeitig die größte Schwäche von Big Data dar, denn aus diesen oft technischen Analysen lassen sich nur schwer konkrete Handlungsrichtlinien ableiten und Geschäftsentscheidungen treffen. Was fehlt ist das spezifische Know-how, also Fachkräfte, sogenannte Data Scientists, die diese Analysen interpretieren. Um dies umgehen zu können, müssen Unternehmen einen neuen Weg einschlagen und die qualitative Aufbereitung der Daten, abgestimmt auf den Anwender („Humanzied Big Data“), in den Vordergrund stellen.

Dafür muss eine Abgrenzung zwischen den Begriffen Daten, Informationen und Insights stattfinden. Daten sind rohe, unbearbeitete Fakten, die computerfreundlich sind und meist in Form von Nummern oder Texten vorliegen. Im Gegensatz dazu sind Informationen aufbereitete Daten und bieten mehr Inhalt. Insights oder Einblicke werden erst durch die Analyse von Information und das anschließende Ziehen von Schlussfolgerungen erzeugt. Wenn diese Erkenntnisse sowohl auf die Gegenwart als auch auf die Zukunft angewandt werden können, spricht man von Actionable Insights. So müssen Daten entsprechend aufbereitet werden, dass auch Nicht-Data Scientist Maßnahmen daraus ableiten können. In jegliche Maßnahmen und Entscheidungen sollten alle Unternehmensbereiche miteingebunden werden, da sowohl Prozesse und Strukturen, also auch Mitarbeiter und Kommunikationskanäle, von der digitalen Transformation betroffen sind.

Analysen werden intelligenter

Heute werden dafür sogenannte Insight Engines basierend auf den bekannten Technologien von unter anderem Enterprise Search eingesetzt. Insight Engines stützen sich auf Methoden des Machine und Deep Learnings sowie Formen der Künstlichen Intelligenz und nutzen diese, um das vorhandene Wissen im Unternehmen zu bündeln, Informationen zu extrahieren und jene Daten in ihrer Gesamtheit verfügbar zu machen.

Die Datenbasis verbinden
Unternehmen speichern in der Regel ihre Daten an vielen verschiedenen Orten. So liegen in unterschiedlichen Anwendungen innerhalb und auch außerhalb - also beispielsweise in der Cloud - große Mengen an Daten. All jene Daten sollten der Insight Engine zur Verfügung gestellt werden, um eine optimale Basis für Abfragen zu gewährleisten. Mithilfe von Konnektoren können die verschiedenste Datenquellen an die Insight Engine angebunden werden. Für die Lösung ist es irrelevant, ob es sich um strukturierte oder unstrukturierte Daten handelt; sobald die Datenquelle angebunden ist, kann die Insight Engine darauf zugreifen, analysieren und Zusammenhänge von unterschiedlichen Daten herstellen. Wird nun nach einem Sachverhalt recherchiert, extrahieren Insight Engines aus allen Informationen des Unternehmens nur die aktuell benötigten Informationen. Diese extrahierten Fakten werden schließlich mithilfe von semantischen Analysen mit spezifischen Zusatzinformationen, die aufgrund des Kontextes von Bedeutung sein könnten, angereichert.

Nahtlose Integration

Bild 1: Nahtlose Integration in den Arbeitsplatz (Bildquelle Mindbreeze).

Sicherheit durch Zugriffsbeschränkungen
Auch wenn intelligente Systeme wie Insight Engines den schnellen und unkomplizierten Zugriff auf die gesamte bestehende Datenbasis bieten, stellt Sicherheit eine übergeordnete Rolle dar. Sensible Unternehmensdaten können nur mit spezifischen Berechtigungen eingesehen werden. Jene Zugriffsrechte werden bei jeder einzelnen Abfrage überprüft und die Ergebnisse entsprechend eingegrenzt. So erhält jeder Mitarbeiter eine gesonderte Sicht auf das Unternehmenswissen - Positions- oder Abteilungswechsel beispielsweise stellen in der Folge keine Schwierigkeit mehr dar.

Schnelles verstehen von Anfragen
Moderne Suchtechnologien haben sich schon länger von dem klassischen Suchfeld-Ergebnisliste-Schema verabschiedet. Heutzutage ist die Suche viel mehr wie ein Dialog gegliedert und bietet die Möglichkeit zur Interaktion. Rund um den Suchbegriff wird anstelle von endlosen Trefferlisten eine Art Wissensdatenbank gebildet. Intelligente Technologien wie Natural Language Processing (NLP) und Natural Language Question Answering (NLQA) ermöglichen diese neuen Dimensionen. Mithilfe von NLP kann die menschliche Sprache verstanden, interpretiert, übersetzt und Textinhalte nachempfunden und zusammengefasst werden. NLQA ermöglicht im Gegensatz dazu, den Bedarf des Anwenders korrekt zu ermitteln, indem die Technologie die Abfragen linguistisch interpretiert. So können Suchabfragen in natürlicher Sprache gestellt, direkt weiterverarbeitet und die Suchresultate spezifisch auf den Bedarf des Benutzers abgestimmt werden.

Natürliche Sprachverarbeitung

Bild 2: Natürliche Sprachverarbeitung (Bildquelle Minbreeze).

Proaktive Arbeitsweise
Technologien wie diese sind mithilfe von Machine und Deep Learning außerdem fähig, ihr Wissen kontinuierlich zu erweitern. So ermöglicht die Analyse von Arbeitsweisen eine Kategorisierung von wichtigen und unwichtigen Informationen. Jene relevanten Daten werden dann dem Anwender proaktiv, personalisiert und rechtzeitig zu Verfügung gestellt. So ähnlich wie ein persönlicher Assistent, der bei wichtigen Ergebnissen und Erinnerungen Alarm schlägt.

Kontextspezifisch aufbereitet und überall einsetzbar
Insight Engines sind in jeder Abteilung, in jedem Fachbereich, in jedem Geschäftsfall und in jeder Ebene eines Unternehmens einsetzbar. Jene Systeme passen sich optimal an die bestehenden Erfordernisse an und filtern nur die für den spezifischen Bereich relevante Information aus den Unternehmensdaten. So wird Information aus der angereicherten Wissensdatenbank für die jeweiligen Fachbereiche kontextspezifisch aufbereitet. Sowohl die Inhalte als auch die Form der Darstellung wird individuell von den jeweiligen Anwendungsfällen und Abteilungen abgeleitet.

Übergreifenden Vernetzung
So sorgen Insight Engines für eine unternehmensweite Vernetzung. Lediglich durch die starke Verknüpfung zwischen den einzelnen Anwendungen, den einzelnen Abteilungen und den etwaigen Business Units können die benötigten Informationen von der richtigen Person zum richtigen Zeitpunkt und im richtigen Kontext abgerufen werden. Diese 360-Grad-Sicht beschleunigt Geschäftsprozesse und sorgt für eine effizientere Verrichtung der Arbeit. Mitarbeiter sind nun nicht mehr damit beschäftigt, Daten aus unterschiedlichen Abteilungen und Anwendungen zusammenzutragen, sondern werden für Wichtigeres freigespielt. Der dabei entstehende umfassende Überblick über alle Kunden, Lieferanten, Verantwortlichkeiten, Geschäftsfälle und beispielsweise Bauteile ergibt einen entscheidenden Vorteil, wenn es um die Aufmerksamkeit der Kunden geht und generiert dadurch einen bedeutenden Wettbewerbsvorteil gegenüber der Konkurrenz.

Typische Datenquellen

Bild 3: Datenquellen eines Unternehmens mit einer Insight Engine (Bildquelle Mindbreeze).

Fazit

Aufgrund der kontinuierlich steigenden Mengen an Daten hat sich innerhalb der letzten Jahre ein eindeutiger Trend in Richtung Analyse und Verstehen von Informationen gebildet. Unternehmen sind gefordert, die Ressource „Wissen“ gewinnbringend zu nutzen und einzusetzen. Dazu dienen ihnen intelligente Technologien wie Insight Engines. Neben der Fähigkeit als Such-Tool die Konsolidierung und gewinnbringende Nutzung des vorhandenen Unternehmenswissens zu erreichen, können diese innovativen Systeme als eine Art persönlichen Assistent eingesetzt werden und Fachkräfte zur richtigen Zeit mit der richtigen Information versorgen. Insight Engines bieten sofort einsatzbare, leicht zu implementierende Lösungen für Unternehmen jeglicher Branchen und Größenordnungen. Sie optimieren Geschäftsprozesse, verhelfen dem Unternehmen einen Mehrwert aus den vorhandenen Daten zu ziehen und generieren dadurch wichtige Wettbewerbsvorteile.

Patrick GeschwentnerPatrick Geschwentner ist Customer Success Manager bei Mindbreeze.

 

 

GRID LIST
Tb W190 H80 Crop Int 74532d0eacb31d5d7ec7a54979240d99

Neue In-Memory-Datenbankplattform Terracotta DB

Die Software AG gab die Verfügbarkeit der In-Memory-Datenbank (IMDB) Terracotta DB…
Analytics Summit 2017

Google Analytics Konferenz in Deutschland

Bereits zum sechsten Mal veranstaltet der zertifizierte Google Analytics Partner Trakken…
Tb W190 H80 Crop Int 8934e8c1736b537d6fa8ae0594f8bc01

Digitale Signatur trotzt Quantencomputern

Die Kryptografie und die Rechenkraft von Computern sind in einem ständigen Wettlauf:…
Stefan Müller

Hitachi Vantara ein neuer Player entsteht auf dem Markt | Kommentar

Die Data Intelligence-Szene wurde aufgemischt: Hitachi gab die Fusion seiner Sparten…
Digitalisierung Auto

Datenmanagement: Die Autobranche sucht das Geschäft der Zukunft

Uber hat einen höheren Börsenwert als General Motors; Tesla verkauft seine…
Programmcode

Programmcode von Yago ist nun für jedermann nutzbar

Im Internet hat fast jedes Wort mehr als eine Bedeutung, was die Suche oft mühsam macht.…
Smarte News aus der IT-Welt

IT Newsletter


Hier unsere Newsletter bestellen:

 IT-Management

 IT-Security