Wiki

Data Analytics

Was ist Data Analytics?

Data Analytics bezeichnet allgemein die Erschließung, Transformation und Analyse von Daten. Dabei umfasst der Begriff auch alle Prozesse, Techniken und Werkzeuge, die in diesem Zusammenhang zum Einsatz kommen. Das wesentliche Ziel von Data Analytics ist es, Trends und Muster in den Daten zu identifizieren. Die gewonnenen Erkenntnisse werden meist in Form von Reports, Dashboards oder Visualisierungen präsentiert. Sie ermöglichen Unternehmen eine Verbesserung von Geschäftsprozessen sowie faktenbasierte Entscheidungen von der strategischen bis zur operativen Ebene.

In der ursprünglichen Form basiert Data Analytics auf der manuellen Auswertung von historischen Daten durch Business Analysten und Data Scientists. Im Kontext moderner Datenlösungen kommen aber auch zunehmend Streaming-Daten zum Einsatz, die über das Internet of Things in Echtzeit bereitgestellt werden. Zudem lassen sich inzwischen viele Prozesse rund um die Sammlung, Organisation und Analyse automatisieren, sodass die Nutzer immer schneller wirkungsvolle Maßnahmen aus ihren Daten ableiten können.

Wie funktioniert Data Analytics?

Grundsätzlich wird Data Analytics in vier verschiedene Methoden unterteilt:

  1. Descriptive Analytics: Die klassische Analyseform, bei der aktuelle und historische Daten aus verschiedenen Quellen analysiert werden, um einen Status Quo zu beschreiben. Die Kernfragen, die es zu beantworten gilt, lauten: „Was ist in der Vergangenheit passiert?“ sowie „Was passiert jetzt gerade?“
  2. Diagnostic Analytics: Hier steht das „Warum?“ von vergangenen und aktuellen Ereignissen im Fokus. Entsprechend dienen oftmals die Ergebnisse von Descriptive Analytics als Datengrundlage. Ermittelt werden die Faktoren bzw. Gründe für bestimmte historische Werte.
  3. Predictive Analytics: Bei dieser Methodik geht es darum, künftige Ereignissen vorherzusagen – als einfache Frage formuliert: „Was passiert in der Zukunft?“. Ausgangspunkt bilden die Ergebnisse von Descriptive Analytics und Diagnostic Analytics, die beispielsweise mit Techniken aus der Statistik sowie Machine Learning und Deep Learning weiterverwertet.
  4. Prescriptive Analytics: Durch preskriptive Analysen werden schließlich fundierte Handlungsempfehlungen für die Zukunft ermöglicht. Es dreht sich alles um die Frage: „Was muss ich tun, um ein bestimmtes Ziel zu erreichen?“. Die Antworten werden mit Hilfe von Algorithmen und Machine-Learning-Modellen ermittelt, wobei sämtliche Erkenntnisse aus den vorherigen Analyse-Stufen als Grundlage dienen können.

Die verschiedenen Analytics-Methoden bauen also weitestgehend aufeinander auf. Im Regelfall liefern deskriptive und diagnostische Verfahren die Bausteine, um fortgeschrittene Erkenntnisse über die Zukunft zu ermöglichen. Werden die Prozesse rund um die prediktive und preskriptive Analysen dazu noch automatisiert, bewegen wir uns bereits in Bereichen der Künstlichen Intelligenz.

Wie können Sie mit Data Analytics neue Werte schaffen?

Datenarchitektur für Big Data Engineering mit Azure Services

Um Data Analytics über die gesamte Bandbreite hinweg nutzen zu können, ist eine moderne Analytics-Plattform auf Basis von Cloud-Technologien erforderlich. Angebote wie die Azure Cloud von Microsoft bestehen aus modularen Services, mit denen sich eine solche Plattform nach individuellen Anforderungen zusammenstellen und skalieren lässt. Unternehmen können somit Schritt für Schritt in die vielfältigen Möglichkeiten von Data Analytics hineinwachsen.

Als Referenzarchitektur hat sich das „Azure Databricks Lakehouse“ etabliert – eine moderne Data Intelligence Platform, bei der ein Data Lake die zentrale Sammelstelle für sämtliche Daten bildet. Alle Unternehmensbereiche und Mitarbeiter erhalten über eine einheitliche Office-Oberfläche Zugriff auf die Datenbasis sowie entsprechende Analysefunktionen. Abhängig von den gewünschten Anwendungsszenarien lassen sich dann weitere Dienste in die Gesamtlösung einbinden, z. B. für die Verarbeitung von Echtzeitdaten, die Umsetzung Künstlicher Intelligenz und die Automatisierung von Prozessen.

Wollen auch Sie mit Data Analytics Ihre Prozesse optimieren und die besseren Geschäftsentscheidungen treffen? Dann schauen Sie doch mal im Bereich Datenstrategie vorbei oder informieren Sie sich zu unserem Data Strategy Assessment.

Ihr Einstieg

Data Strategy Assessment

Sie wollen die Potenziale in Ihren Daten ausschöpfen und für Ihr künftiges Wachstum nutzbar machen? Aber Sie wissen nicht, wo Sie starten sollen? In unserem Data Strategy Assessment definieren wir gemeinsam Ihr erstes Leuchtturmprojekt und entwickeln einen Plan für die technische Umsetzung in der Cloud.

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten