Swen Deobald
 - 14. Mai 2020

Augmented Analytics

Sie brauchen einen Berater f├╝r Augmented Analytics und/oder m├Âchten, dass wir Ihnen unser Angebot in diesem Umfeld vorstellen?

Jetzt kostenloses Beratungsgespr├Ąch vereinbaren!

Augmented Analytics ist der Einsatz von maschinellem Lernen (ML) und natürlicher Sprachverarbeitung (NLP) zur Verbesserung von Datenanalyse, Datenaustausch und Business Intelligence. Doch was genau kann es? Warum ist es besser als herkömmliche Analysen? Und wie funktioniert es? Wir beantworten Ihnen diese Fragen!

Wir starten mit der allgemeinen Erkl├Ąrung und dem Nutzen von Augmented Analytics. Wenn Sie sich eher von den technischen Begebenheiten angezogen f├╝hlen, springen Sie gerne direkt dorthin!

Im Juli ver├Âffentlichte Gartner die Ausgabe 2020 des Berichts, in dem nun auch ÔÇ×Augmented Analytics” Einzug hielt. Dies ist alles andere als verwunderlich, da es als ÔÇ×Zukunft der Datenanalyse” bezeichnet wird.

In dem Bericht beschreibt Gartner Augmented Analytics als:
“an approach that automates insights using machine learning and natural-language generation, marks the next wave of disruption in the data and analytics market.”.

├ťbersetzt bedeutet dies, dass Augmented Analytics ein Ansatz ist, der Erkenntnisse mit Hilfe von maschinellem Lernen und nat├╝rlicher Sprachgenerierung automatisiert und so die n├Ąchste Welle von St├Ârungen auf dem Daten- und Analysemarkt voraussieht. Obwohl das eine gro├čartige Definition f├╝r Datenexperten ist, ist sie f├╝r die meisten Menschen nicht detailliert genug, um zu verstehen, was ÔÇ×Augmented Analytics” wirklich bedeutet. Lassen Sie uns also heute einmal kl├Ąren, was ÔÇ×Augmented Analytics” wirklich ist ÔÇô und warum Sie sich daf├╝r interessieren sollten.

Was ist Augmented Analytics?

├ťbersetzt bedeutet Augmented Analytics ÔÇ×erweiterte AnalysenÔÇť und um dieses Konzept zu verstehen, m├╝ssen wir zuerst das Problem ermitteln, das es l├Âst. Das hei├čt, wir m├╝ssen verinnerlichen, warum die Generierung von Erkenntnissen aus Daten eine gro├če Herausforderung f├╝r fast alle Unternehmen bleibt.

In der Gesch├Ąftswelt sind sich alle einig, dass eine Datenanalyse gut f├╝r Unternehmen ist und das Potenzial hat, die Zugkraft und die Einnahmen drastisch zu erh├Âhen (wenn sie richtig durchgef├╝hrt wird). Das Problem ist jedoch, dass die Datenanalyse nicht gerade die einfachste Sache ist.

Rohdaten

Tats├Ąchlich sind Rohdaten an sich f├╝r Ihr Unternehmen v├Âllig nutzlos, wenn Sie nicht wissen, wie Sie damit umgehen sollen und wie diese zu deuten sind. Nehmen wir mal an, Ihre Online-Daten zeigen, dass Ihre Einnahmen gegen├╝ber dem letzten Monat um 10 % zur├╝ckgehen. Aber was bedeutet das wirklich f├╝r Sie? Ist dieser R├╝ckgang ein Branchentrend? Liegt es daran, dass einer Ihrer Werbekan├Ąle nicht funktioniert? Oder gibt es andere Gr├╝nde?

Um hier ein besseres Verst├Ąndnis zu erhalten, m├╝ssen Sie tiefer in Ihre Webanalyse-, E-Commerce- und Social-Media-Daten eintauchen, um herauszufinden, was zu dem R├╝ckgang Ihrer Einnahmen gef├╝hrt hat. Dann m├╝ssen Sie diese Ver├Ąnderungen in einen gesch├Ąftlichen Kontext stellen und solche identifizieren, auf die Sie sofort reagieren m├╝ssen.

Erkenntnisanalyse

Wenn Sie auf das Beispiel der sinkenden Einnahmen zur├╝ckkommen, stellen Sie m├Âglicherweise fest, dass Ihre Social-Media-Anzeigen 10 % weniger effektiv sind als im Vormonat und dass Sie Ihre Werbeausgaben optimieren m├╝ssen. Diese Einsicht ist jetzt umsetzbar, weil sie direkt mit einer Ma├čnahme verbunden ist, die Sie zur L├Âsung Ihres Gesch├Ąftsproblems ergreifen k├Ânnen. Diese umsetzbaren Erkenntnisse sind ├Ąu├čerst hilfreich, da sie als Leitfaden daf├╝r dienen, welche Priorit├Ąten Sie in Ihrem Unternehmen setzen sollten.

Um jedoch von Rohdaten zu Erkenntnissen zu gelangen, m├╝ssen Sie viele technische Schritte durchlaufen, unter anderem
1) Daten aus verschiedenen Quellen sammeln,
2) Daten bereinigen, damit sie f├╝r die Analyse bereit sind,
3) Analysen durchf├╝hren,
4) Erkenntnisse generieren und
5) diese Erkenntnisse mit der Organisation kommunizieren und sie in Aktionspl├Ąne umsetzen.

Diese Schritte sind ├Ąu├čerst komplex und in der Praxis tats├Ąchlich mit einer Menge Umsetzungsaufwand verbunden. F├╝r die Durchf├╝hrung empfehle ich Ihnen, Data Analysts zu beauftragen, die diese Schritte f├╝r Ihr Unternehmen durchf├╝hren.

Zun├Ąchst einmal sind Data Scientists und Analysts WIRKLICH knapp und teuer in der Einstellung, was es f├╝r kleinere Unternehmen ├Ąu├čerst kostenintensiv macht, Analysen zu nutzen. Falls dies auf Sie zutrifft, sollten Sie auf Schulungen oder Workshops setzen, um Ihre Mitarbeiter weiterzubilden. Schauen Sie sich gerne bei unseren Angeboten um oder kontaktieren Sie uns via Mail.

Data Scientist

Das bedeutet, dass die F├╝hrungskr├Ąfte sehr eng mit den Data Scientists zusammenarbeiten m├╝ssen, um sicherzustellen, dass die Analyseergebnisse tats├Ąchlich ÔÇ×gesch├Ąftlich sinnvoll” sind. Dies raubt den F├╝hrungskr├Ąften wertvolle Zeit.

Wie ├╝berall, best├Ątigen auch hier Ausnahmen die Regel, selbst wenn nur ein sehr kleiner Teil der Bev├Âlkerung diese darstellen. Zu nennen sind hier beispielsweise Wirtschaftsingenieure mit Fokus auf Data Science & Analytics, wie es der Fachbereichsleiter von Compamind ist.

Augmented Analytics

Au├čerdem verbringen die Data Scientists in der Praxis ├╝ber 80 % ihrer Zeit mit einfachen mechanischen Dingen wie der Kennzeichnung und Reinigung Ihrer Daten. Dies verschwendet die Zeit und Investitionen des Unternehmens.

Schlie├člich sind Data Scientists immer noch Menschen, weshalb ihre Aufmerksamkeitsspanne und ihre F├Ąhigkeit, sich wiederholende Arbeiten zu erledigen, begrenzt sind. Daher kann ein Mensch nur einen kleinen Teil (wahrscheinlich 10 %) Ihrer Daten analysieren, von denen er glaubt, dass sie das gr├Â├čte Potenzial haben, Ihnen gro├čartige Erkenntnisse zu liefern. Das bedeutet, dass Sie in den verbleibenden 90 % wertvolle Erkenntnisse vers├Ąumen k├Ânnten ÔÇô Erkenntnisse, die f├╝r Ihr Unternehmen m├Âglicherweise von entscheidender Bedeutung sind.

Es befinden sich fast alle kleinen und mittleren Unternehmen noch in der fr├╝hen Phase der Einf├╝hrung von Analysen, obwohl sie den starken Wunsch haben, ihre Daten zu nutzen.

Die Herausforderung, vor der die Unternehmen hier stehen, wird nicht so schnell verschwinden. Wir k├Ânnen nicht erwarten, dass pl├Âtzlich Data Scientists von Marsmenschen abgesetzt werden, um den Talentmangel zu beheben. Wir k├Ânnen auch nicht erwarten, dass die Analyse dieser Daten f├╝r nicht-technische Gesch├Ąftsleute auf magische Weise einfacher wird.

Augmented-Analytics-Engine

Augmented Analytics generiert Erkenntnisse in einem Unternehmen durch den Einsatz fortschrittlicher Algorithmen des maschinellen Lernens und der Automation der K├╝nstlichen Intelligenz. Dadurch ist ein Unternehmen nicht mehr von Menschen abh├Ąngig.

Eine Augmented-Analytics-Engine kann die Daten eines Unternehmens automatisch durchgehen, sie bereinigen, analysieren und diese Erkenntnisse in Handlungsschritte f├╝r die F├╝hrungskr├Ąfte oder Marketingexperten umsetzen. Und das alles ohne oder mit nur wenig Aufsicht durch eine Person, die mit dem Thema vertraut ist.

Softwarevergleich

Das ist der allgemeine Irrtum, den ich von jedem au├čerhalb (oder sogar innerhalb) der Analytics-Industrie h├Âre. Software-Werkzeuge wie Tableau und SAS sind Werkzeuge, die die Analyse ÔÇ×unterst├╝tzen”. Das bedeutet, dass diese Werkzeuge die Analyse und die Kommunikation der Ergebnisse f├╝r die Analytics in Ihrem Unternehmen erleichtern. Sie f├╝hren jedoch nicht die Analysen f├╝r Sie durch, und sie eliminieren sicherlich nicht die Notwendigkeit eines Business Analysts oder Data Scientists.

Augmented Analytics hingegen ist so konzipiert, dass Analysen und Gesch├Ąftseinblicke automatisch und ohne (oder mit nur geringer) Aufsicht durchgef├╝hrt und direkt von Marketingfachleuten und Gesch├Ąftsinhabern verwendet werden k├Ânnen, ohne dass sie die Hilfe eines Business Analysts oder Data Scientists ben├Âtigen. Deswegen ist diese Anwendung weitaus fortschrittlicher und leistungsf├Ąhiger als Tools wie SAS und Tableau.

Unser E-Book zum Thema SAP Analytics

Augmented Analytics mit SAP (E-Book)

Mehr Input zu Augmented Analytics, Predictive Analytics, BW & Co.? Laden Sie sich jetzt unser E-Book herunter!

Tableau + SAS

Auf der technischen Seite konzentrieren sich Werkzeuge wie SAS und Tableau darauf, extrem flexible Schnittstellen anzubieten. Auf diese Weise k├Ânnen Analysten jede Art von Analyse auf der Plattform einfach durchf├╝hren und die Ergebnisse sch├Ân pr├Ąsentieren. Auf der anderen Seite konzentriert sich Augmented Analytics wesentlich st├Ąrker auf das Endziel dieser Analyseneinsichten.

W├Ąhrend Sie beispielsweise mit Tableau sch├Âne Balkendiagramme erstellen k├Ânnen (ohne auszusagen, was das Balkendiagramm tats├Ąchlich f├╝r Ihr Unternehmen bedeutet), k├Ânnte eine Augmented-Analytics-Engine Ihnen einfach sagen, was Ihre Daten ├╝ber Ihr Unternehmen aussagen. Es zeigt m├Âglicherweise nur die relevanten Informationen an, die das System zu dieser Schlussfolgerung gef├╝hrt haben.

Daher konzentriert sich Augmented-Analytics-Software viel mehr auf die Erstellung einer Wissensbasis von Gesch├Ąftsinformationen, um Gesch├Ąftstrends zu erkennen. Und auf die Verwendung von Algorithmen f├╝r maschinelles Lernen, um diese Trends in den Daten eines Unternehmens zu erkennen.

Entwicklung Augmented Analytics

In den letzten zwei Jahren ist Augmented Reality SEHR schnell gewachsen, also freuen Sie sich ├╝ber diese Datenrevolution! Als Data Scientists, der in diesem Bereich arbeitet, freue ich mich sehr dar├╝ber, dass Augmented Analytics den Einzug in die Gesch├Ąftswelt geschafft hat.

Ich vergleiche die Entwicklung der Datenanalysetechnologien gerne mit der Entwicklung des Automobils. Zun├Ąchst einmal handelt es sich bei beiden um ├Ąu├čerst komplexe Systeme, die Tausende, wenn nicht Millionen von Teilen enthalten, damit sie ordnungsgem├Ą├č funktionieren. Allerdings kann fast jeder in diesem Land ein Auto fahren, trotz der Komplexit├Ąt der Technologie. Und zum Trotze von den fr├╝hen Kritikern, die von der Unm├Âglichkeit dieses Fortschritts ├╝berzeugt waren.

Das liegt daran, dass der gr├Â├čte Teil der Komplexit├Ąt durch die Technologie abstrahiert wird. Die Benutzer m├╝ssen nur die f├╝r sie relevanten ÔÇ×Daten” kennen (z. B. wie man das Lenkrad benutzt), um w├Ąhrend der Fahrt Entscheidungen zu treffen. Jetzt kommen wir noch weiter voran, um die Aufgabe des ÔÇ×Fahrens” ├╝berfl├╝ssig zu machen, damit sich die Benutzer einfach um das k├╝mmern k├Ânnen, was ihnen wirklich wichtig ist: sich so effizient wie m├Âglich von Punkt A nach Punkt B zu bewegen. In der Datenwelt sind wir nicht einmal ann├Ąhernd so weit wie die Design- und Technologieleistungen der Automobilindustrie (angesichts der Tatsache, dass wir erst 10 Jahre in der Datenrevolution stecken, ├╝berrascht mich das nicht).

Datenquellen

Eine Datenanalysesoftware kann Augmented Analytics Tools integrieren, um gro├če Datenmengen zu verarbeiten. Unternehmen k├Ânnen Informationen aus Rohdatenquellen in diese Plattformen eingeben, die dann die Schl├╝sseldaten f├╝r die Analyse bereinigt, analysieren und zur├╝ckgeben. Der Einsatz von maschinellem Lernen und NLP gibt Augmented Analytics Tools die M├Âglichkeit, Daten organisch zu verstehen und mit ihnen zu interagieren sowie wertvolle oder ungew├Âhnliche Trends zu erkennen.

Das Feld der Datenanalyse ist komplex und erfordert im Allgemeinen einen Data Scientists, der aus gro├čen Daten jeden Wert extrahieren kann. Diese Komplexit├Ąt ist zum Teil darauf zur├╝ckzuf├╝hren, dass die Daten aus einer Reihe von unterschiedlichen Quellen wie Webanalysen, Marketingmitteilungen und Social Media Posts gesammelt werden m├╝ssen. Das Sammeln der Daten ist nur der erste Schritt, sie m├╝ssen auch f├╝r die Analyse vorbereitet werden, indem sie organisiert und verfeinert werden, bevor der Analyst oder Data Scientists n├╝tzliche Erkenntnisse gewinnen kann. Die Ergebnisse m├╝ssen dann zusammen mit Aktionspl├Ąnen an die Organisation kommuniziert werden, um diese Erkenntnisse zu nutzen.

Augmented Analytics

Datenaufbereitung

Aufgrund des manuellen Aufwands, der f├╝r diese Aufgaben erforderlich ist, sind Data Scientists derzeit sehr gefragt und k├Ânnen f├╝r einige Unternehmen unpraktisch & teuer sein. Es wird gesch├Ątzt, dass ein Data Scientists bis zu 80% seiner Zeit mit der Sammlung, Aufbereitung und Bereinigung von Daten verbringt. An dieser Stelle kann Augmented Analytics eingesetzt werden.

Mit der Erg├Ąnzung der Datenanalyse durch maschinelles Lernen k├Ânnen viele der zeitaufw├Ąndigen Aufgaben der Datenerfassung und -aufbereitung schnell, automatisch und mit weniger Fehlern durchgef├╝hrt werden. Dadurch k├Ânnen die Data Scientists mehr Zeit f├╝r die Suche nach verwertbaren Erkenntnissen aufwenden. Das eigentliche, ultimative Ziel von Augmented Analytics ist jedoch die vollst├Ąndige Ersetzung der datenwissenschaftlichen Teams durch KI. Dabei wird der gesamte Analyseprozess von der Datenerfassung bis hin zu den Gesch├Ąftsempfehlungen von den Entscheidungstr├Ągern ├╝bernommen.

Um es ganz klar zu machen, Sie k├Ânnten das Augmented Analytics-Tool bitten, Online-Rezensionen ├╝ber eines Ihrer Produkte zu finden und Ihnen zu sagen, was Sie verbessern sollten, um mehr davon zu verkaufen. Dabei antwortet die Maschine mit einer klaren textlichen Antwort und einigen ├╝berzeugenden Diagrammen.

Augmented Analytics Services

Augmented Data Preparation

Augmented Data Preparation erm├Âglicht es Gesch├Ąftsanwendern, auf aussagekr├Ąftige Daten zuzugreifen, um Theorien und Hypothesen ohne die Hilfe von Data Scientists oder IT-Mitarbeitern zu testen. Sie erm├Âglicht den Anwendern den Zugriff auf wichtige Daten und Informationen und erlaubt ihnen die Verbindung zu verschiedenen Datenquellen (pers├Ânliche, externe, Cloud- und IT-gef├╝hrte).

Die Benutzer k├Ânnen Daten in einer einzigen, einheitlichen, interaktiven Ansicht zusammenfassen und integrieren und automatisch vorgeschlagene Beziehungen, JOINs, Type Casts, Hierarchien und Daten bereinigen, reduzieren und kl├Ąren, so dass sie leichter zu verwenden und zu interpretieren sind. Dabei werden integrierte statistische Algorithmen wie Binning, Clustering und Regression zur Rauschunterdr├╝ckung und zur Identifizierung von Trends und Mustern verwendet. Die ideale L├Âsung sollte ein Gleichgewicht zwischen Agilit├Ąt und Data Governance herstellen, um die Datenqualit├Ąt und klare Wasserzeichen zur Identifizierung der Datenquelle zu gew├Ąhrleisten.

Augmented Data Discovery

Augmented Data Discovery ist eine aufstrebende BI-Funktionalit├Ąt zur automatischen Vorbereitung und Organisation von Unternehmensdaten f├╝r Self-Service-BI. Dies ist eine besondere Herausforderung f├╝r unstrukturierte Daten aus Quellen wie E-Mail, Social-Media-Kan├Ąlen, IoT-Feeds und Kundenservice-Interaktionen.

Herk├Âmmliche BI-Tools haben grundlegende F├Ąhigkeiten zum Zusammenf├╝hren, Manipulieren und Transformieren strukturierter Daten unterst├╝tzt. Die erweiterte Datenermittlung kann auf diesen Grundfunktionen mit erweiterter Datenvorbereitung und automatisierter Mustererkennung f├╝r Self-Service-BI aufbauen, so das Forschungsunternehmen Gartner Inc. Die erweiterte Datenvorbereitung rationalisiert Prozesse f├╝r die Datenprofilierung, die Qualit├Ątsverwaltung, die Datenbereinigung, die Modellierung, die Anreicherung und die Kennzeichnung von Metadaten in einer Weise, die die Wiederverwendung und die Verwaltung unterst├╝tzt. Die automatische Mustererkennung baut auf traditionellen BI-Tools auf, um komplexe, gro├če Datens├Ątze zu unterst├╝tzen.

Conversational Analytics

Conversational Analytics ist eine Technologie, die Sprache transkribiert und in Daten umwandelt. Die Daten werden dann so strukturiert, dass die Gespr├Ąche auf Einsichten hin analysiert werden k├Ânnen. Konversationsanalyse-L├Âsungen bestehen in der Regel aus einer Transkriptionsmaschine, die Sprache in Daten umwandelt; einer Indexierungsschicht, die die Daten durchsuchbar macht; einer Abfrage- und Such-Benutzeroberfl├Ąche, die es dem Benutzer erm├Âglicht, Anforderungen zu definieren und Suchvorg├Ąnge durchzuf├╝hren; Berichtsanwendungen zur Darstellung der Analysen, oft in grafischer Form; und Gesch├Ąftsanwendungen, die von Anbietern bereitgestellt werden, um Benutzer mit spezifischen Anforderungen zu unterst├╝tzen.

Datenanalyse automatisieren

Augmented Analytics erleichtert dies, indem es den Prozess der Datenanalyse und der Generierung von Erkenntnissen automatisiert.
Es identifiziert Trends und erkl├Ąrt, was diese praktisch f├╝r ein Unternehmen bedeuten, durch klare Visualisierungen und sauber verpackte Trends. Ein Merkmal von Augmented Analytics, das sich von anderen Technologien unterscheidet, ist die F├Ąhigkeit, eine “nat├╝rlichsprachliche” Generierung durchzuf├╝hren, die komplexen Jargon auspackt und Einblicke in einfachen, verst├Ąndlichen Begriffen wie “56% der Leads wurden aus PPC-Anzeigen generiert” bietet.

Dar├╝ber hinaus eliminiert Augmented Analytics die Einschr├Ąnkungen, die menschliche Voreingenommenheit mit sich bringen kann. Sie ist nicht an eine bestimmte Forschungsfrage gebunden und gibt Unternehmen die Freiheit, die zahlreichen Schichten von Erkenntnissen aufzudecken, die ihre Daten zu bieten haben – sogar Erkenntnisse, die von vornherein nicht ber├╝cksichtigt wurden.
Alles in allem bedeutet dies, dass F├╝hrungskr├Ąfte ihre Aufmerksamkeit auf die strategische Seite der Dinge richten k├Ânnen, anstatt sich durch routinem├Ą├čige Rechenaufgaben zu binden.

Einige sch├Ątzen, dass Augmented Analytics, sobald es seinen H├Âhepunkt erreicht hat, Data Scientists und Analysten ├╝berfl├╝ssig machen wird. Experten sind sich jedoch einig, dass in Wirklichkeit das wahrscheinlichste Ergebnis darin besteht, dass sich diese Rollen einfach weiterentwickeln und sich st├Ąrker auf spezialisierte Probleme und die Einbettung von Modellen in Unternehmensanwendungen konzentrieren werden, wobei sie Hand in Hand mit der Augmented Analytics arbeiten werden, um ihre Rollen effizienter auszuf├╝hren.

Augmented Analytics

Gesch├Ąftsprozesse

Der Zweck der Augmented Analytics ist nicht, den Entscheidungsprozess zu ersetzen, sondern ihn zu unterst├╝tzen.
Das Sch├Âne an der Augmented Analytics ist, dass sie nicht die Notwendigkeit bestimmter technischer Rollen innerhalb einer Organisation ersetzt, sondern dass sie tats├Ąchlich hilft, menschliches Fachwissen zu nutzen.

Anstatt Monate mit der Vorbereitung und Analyse von Daten zu verbringen, erhalten F├╝hrungskr├Ąfte die Schl├╝ssel, um klare Trends, Visualisierungen und Einsichten nach Belieben freizusetzen. Das hilft bei der Unterst├╝tzung von Gesch├Ąftsentscheidungen und erm├Âglicht es den Experten, ihre Arbeit mit gr├Â├čerer Genauigkeit auszuf├╝hren.

Mit Augmented Analytics wird die menschliche Expertise tats├Ąchlich entscheidender denn je. Die F├╝lle der Erkenntnisse bietet die Versuchung, sich in einem “Shiny Object Syndrom” zu verfangen, da jede Erkenntnis potenziell ebenso aufregende M├Âglichkeiten zur Erforschung bietet. Die Experten m├╝ssen ihre Fachkenntnisse mit der Initiative kombinieren, um diese Nuggets zu sortieren und nur diejenigen herauszufiltern, die mit der allgemeinen Gesch├Ąftsstrategie ├╝bereinstimmen.

Diese umfassenderen Einsichten werden die Experten auch dazu auffordern, tiefer zu graben, um einen noch gr├Â├čeren Wert f├╝r das Unternehmen zu schaffen, und sie werden eine entscheidende Rolle dabei spielen, sicherzustellen, dass ihre Organisation von Daten getrieben wird.

Letztendlich wird Augmented Analytics die langweiligen, robotergest├╝tzten Prozesse, die mit BI verbunden sind, beseitigen und die Mitarbeiter in die Lage versetzen, sich auf das Menschsein zu konzentrieren.

Unser E-Book zum Thema SAP Analytics

Augmented Analytics mit SAP (E-Book)

Mehr Input zu Augmented Analytics, Predictive Analytics, BW & Co.? Laden Sie sich jetzt unser E-Book herunter!

Fazit

Hier sind ein paar Gr├╝nde, warum Sie erweiterte Analysen und eine erweiterte Datenaufbereitung f├╝r Ihr Unternehmen in Betracht ziehensollten:

  • Diese L├Âsungen erm├Âglichen es den Data Scientists und der IT-Community, sich auf strategische Themen und spezielle Projekte zu konzentrieren
  • Zug├Ąngliche Augmented Analytics schafft Citizen Data Scientists und verbessert die Verantwortlichkeit und das Empowerment
  • Fortschritte in der intelligenten Datenermittlung und andere anspruchsvolle Techniken und L├Âsungen k├Ânnen sich positiv auf ROI und TCO auswirken
  • Diese L├Âsungen f├╝hren zu besseren Entscheidungen, genaueren Gesch├Ąftsvorhersagen und messbaren Analysen von Produkt- und Dienstleistungsangeboten, Preisgestaltung, Finanzen, Produktion und anderen Aspekten des Gesch├Ąfts
  • Die erweiterte Datenaufbereitung und die damit verbundenen Tools verbessern die Benutzerakzeptanz, die Datenpopularit├Ąt, die soziale BI-Integration und die Datenkompetenz

Aber, um Gartner zu zitieren, war die Augmented Reality 2017 die Zukunft der Datenanalyse, weil sie uns n├Ąher als je zuvor an die Vision einer ÔÇ×demokratisierten Analytics” heranbringt, da sie g├╝nstiger, einfacher und besser ist. 2020 sehen wir endlich, dass immer mehr Unternehmen aller Gr├Â├čenordnungen die Analytics nutzen und davon profitieren. Zwei Jahre nach dieser Studie k├Ânnen wir nun behaupten, dass Augmented Reality im Hier und Jetzt angekommen ist und wir Ihnen bei der Einf├╝hrung helfen k├Ânnen.

Kostenlose Websession Augmented Analytics

M├Âchten Sie endlich datengetriebene Entscheidungen treffen? Lassen Sie uns in einer kostenlosen Websession ├╝ber Ihre Herausforderungen und W├╝nsche sprechen!

Swen Deobald

Swen Deobald

Mein Name ist Swen Deobald und ich bin begeisterter SAP Analytics Berater. Als Fachbereichsleiter von Compamind unterst├╝tze ich Sie mit meinem Team bei allen Fragen rund um SAP Analytics, Business Warehouse, BusinessObjects und der SAP Analytics Cloud.

Sie haben Fragen? Kontaktieren Sie mich!


Das k├Ânnte Sie auch interessieren:

E-Book SAP Analytics Tools
SAP Analytics

Das k├Ânnte Sie auch interessieren

Time Series Forecasting erm├Âglicht es, sichere Entscheidungen durch Zeitreihen- und Prognoseverfahren zu treffen. Daten aus Zeitreihen enthalten einen Wert ├╝ber die Zeit, z.B. Umsatz nach Monat oder Anrufvolumen nach Woche.

weiterlesen

SAP Analytics Cloud (SAC) gibt es schon seit einiger Zeit und ist in erster Linie ein Werkzeug f├╝r die cloudbasierte Datenanalyse, insbesondere f├╝r Kunden, die eine nahtlose Anbindung an ihre bestehenden Cloud-basierten L├Âsungen w├╝nschen. Ab der Version 2019.8 bietet die […]

weiterlesen

Wie Taiwan Big Data, neue Technologien und eine resolute Regierung einsetzte, um die Verbreitung des Coronavirus zu kontrollieren.

weiterlesen

Schreiben Sie einen Kommentar

Bitte f├╝llen Sie alle mit * gekennzeichneten Felder aus. Ihre E-Mail Adresse wird nicht ver├Âffentlicht.





Angebot anfordern
Expert Session
Preisliste anfordern