Anzeige

Anzeige

VERANSTALTUNGEN

B2B Service Management
22.10.19 - 23.10.19
In Titanic Chaussee Hotel, Berlin

PM Forum 2019
22.10.19 - 23.10.19
In Nürnberg, NCC Ost

DILK 2019
28.10.19 - 30.10.19
In Düsseldorf

Digital X
29.10.19 - 30.10.19
In Köln

DIGITAL FUTUREcongress
05.11.19 - 05.11.19
In Essen, Halle 8 im Congress Center Ost

Anzeige

Anzeige

Trends 2019

Da Datenmanagement und Analytik enger integriert werden, können Unternehmen Daten in diesem Jahr optimaler nutzen, so Information Builders. Zudem unterstützen BI-Technologien bald auch die Konvergenz von Blockchain- und Big-Data-Zugriffen und ermöglichen damit vollständige Transparenz bei innovativen Analytik-Anwendungen.

Im Bereich der Data Analytics können Unternehmen heute eine Vielzahl von Technologien einsetzen, die ihnen den Zugang zu den unterschiedlichsten Datenquellen für den internen und externen Gebrauch eröffnen. Die Möglichkeit, Daten durch Embedded Analytics zu monetarisieren und neue datenbasierte Dienstleistungen anzubieten, steigert die Wertschöpfung deutlich und ermöglicht, das enorme Potenzial von Data Analytics besser zu erschließen. Einige der aktuellen Technologien kommen erst nach und nach in verschiedenen Anwendungsszenarien in den Bereichen Analytik und Datenmanagement zum Einsatz. Information Builders, ein führender Anbieter von Business-Intelligence (BI)-, Analytics-, Datenintegritäts- und Datenqualitätslösungen, nennt die fünf wichtigsten Trends für die kommenden zwölf Monate.

1. Umfassende unternehmensweite Analytik

Die Nachfrage aus den Fachabteilungen nach einem effizienteren Datenmanagement und einer Data Value Chain, die entscheidungsrelevante Informationen bereitstellt, steigt weiter rasant an. Gleichzeitig werden hohe Datenqualität, Stammdatenmanagement und andere datenzentrierte Funktionen immer wichtiger. Erfolgreiche Unternehmen kombinieren all diese Aktivitäten und Komponenten in einer abteilungsübergreifenden und unternehmensweit skalierbaren Analytics-Strategie.

2. Es stehen immer mehr Daten für Analysen bereit

Eine höhere Effizienz in der Fertigung, bei Connected Vehicles und Smart Cities sind einige der typischen IoT-Anwendungsszenarien, die sich immer stärker in den Unternehmen und in vielen Lebensbereichen verbreiten. Darüber hinaus entstehen mit dem zunehmenden Einsatz von intelligenten Wearables, beispielsweise im Gesundheitswesen oder für den persönlichen Gebrauch, umfangreiche Ökosysteme, die Verbrauchern, aber auch spezialisierten Dienstleistungsunternehmen wichtige Erkenntnisse über Zuverlässigkeit, Sicherheit und Gesundheit liefern.

3. Konvergenz von Technologien

KI, Predictive Analytics, IoT und Blockchain sind Technologien, die eine verlässliche Datenerfassung und zielgerichtete Auswertung erfordern. Durch die zunehmende Konvergenz dieser Technologien entstehen neue Möglichkeiten. Unternehmen können die immer größeren Datenmengen erschließen, analysieren und aufbereiten. Damit schaffen sie eine leistungsstarke Grundlage, um von hier aus weiteren Benutzergruppen innerhalb sowie außerhalb der eigenen Organisation einen sicheren Zugriff zu gewähren und neue handlungsrelevante Einblicke zu ermöglichen.

4. Ausbau von Embedded Analytics

Unternehmen werden die Vorteile von Embedded Analytics in allen Abteilungen auf breiterer Ebene nutzen – sowohl intern als Erweiterung der Transparenz von Geschäftsprozessen als auch als Möglichkeit, die Interaktionen mit Kunden, Lieferanten und Geschäftspartnern zu verbessern. Darüber hinaus wird sich der Einsatz von Embedded Analytics an der Konvergenz anderer Schlüsseltechnologien für Datenanalysen ausrichten, da mehr Unternehmen KI und Machine Learning einsetzen, um auf Basis einer fundierten Data Value Chain ihre Prozesse zu optimieren und effizienter zu steuern.

5. Verbesserter Datenschutz und höhere Datensicherheit

Die DSGVO war die erste von vielen Maßnahmen, um höhere Anforderungen an die Datensicherheit, den Datenschutz, die Speicherung und die Nutzung persönlicher und vertraulicher Daten umzusetzen. Regierungen und Unternehmen werden noch stärker als bislang gefordert sein, persönliche und vertrauliche Daten vor unbefugtem Zugriff zu schützen und zu definieren, was öffentlich zugänglich sein darf.

„Die zunehmende Menge und Komplexität der Daten kann auf den ersten Blick als Hindernis erscheinen, wenn Unternehmen mit Big-Data-Verfahren ihre Wertschöpfung steigern wollen. Zur Unterstützung bei der Auswertung und Aufbereitung benötigen sie innovative Datenmanagement- und Analytics-Lösungen“, sagt Peter Walker, Vice President EMEA North bei Information Builders. „Ergänzt um Methoden der Künstlichen Intelligenz, Machine Learning und Embedded Analytics sind Unternehmen damit in der Lage, neue Geschäftsfelder zu identifizieren und ihre Wettbewerbsfähigkeit zu steigern.“

www.informationbuilders.de


Dieser Leitfaden könnte Sie ebenfalls interessieren:

Innovatives Input Management

Titel Input Management

Dieser Leitfaden beschreibt ausführlich die sechs Schlüsselelemente einer modernen Smart-Capture-Plattform: Erfassung, Bildverarbeitung, Klassifizierung, Extraktion, Validierung, Export und Übergabe.

Letzten Endes ist ein modernes Input Management wichtig, und zwar nicht nur, um die Effizienz zu steigern und Betriebskosten zu senken. Darüber hinaus können Klassifizierung und Datenextraktion zu schnelleren und zuverlässigen Geschäftsabläufen führen.

Lesen Sie hier den Leitfaden für innovatives Input Management:

 Download 


Deutsch, 13 Seiten, PDF 4 MB, kostenlos   

 

 

GRID LIST
Fragezeichen

Cloud-Server vs. NAS: Wann ist welche Methode sinnvoll?

Heutzutage hat die sichere Lagerung der eigenen Daten eine enorme Bedeutung. Da immer…
Digitale Erde

Die drei Bausteine moderner Datenanalyse

Unsere Welt besteht aus einer Vielfalt an Informationen - laut einer kürzlich erschienen…
KI Daten

KI braucht intelligentes Datenmanagement

Künstliche Intelligenz (KI) verändert nicht nur die Produktions- und Arbeitswelt in den…
Korallenriff

Kristallklare Data Lakes

Die Bereinigung von Stammdaten sorgt dafür, dass Mitarbeiter ein besseres Gesamtbild über…
Zwei IT-Ingenieure im Rechenzentrum

Schrittweise Migration von Mainframe-Anwendungen

Großrechner, sogenannte Mainframes, sind aus dem Finanz- und Bankenwesen kaum…
Daten unter der Lupe

Daten sind wertvoll, aber die Qualität muss stimmen

Im Zuge der fortgeschrittenen Digitalisierung sind Daten zu einem entscheidenden Faktor…