X

Neuste Trends, Tipps, Strategien &
Events rund um das Thema Cloud

Maximal aussagekräftige Datenanalyse? Ja, bitte!

Was ich bei Kundengesprächen immer wieder feststelle: Sie münden in die Diskussion rund um Daten und Analytics – jedenfalls, wenn es um den Bedarf des Kunden an Analysen geht.

 

Auf einen Blick: So hilft eine Integrierte Daten- und Analysestrategie zu mehr Insight in Ihre Daten

Erfolgreiche Daten- und Analyse-Strategien von Unternehmen lassen sich mit Analytics-Tools und autonomen Datenbanken aus der Cloud von Oracle umsetzen.

 

Im Grunde genommen ist das logisch. Daten und Analytics haben immer miteinander zu tun, denn sowohl bei Bereichsleitern als auch auf Vorstandsebene geht es oft darum, dass sie bestimmte Metriken oder Leistungskennzahlen (KPIs) nicht oder nicht rechtzeitig genug in die Hand bekommen, die sie aber zur Information oder als Erkenntnis einfach brauchen. Diese Dinge dauern zu lange bzw. erfordern zu viel Aufwand. 

Nicht selten hängen diese Probleme schlicht mit den verfügbaren Analytics-Ressourcen zusammen: Die Daten wären an sich sofort da; sie bräuchten lediglich ein Tool, um sie auch wirklich nutzen zu können. Mit einem solchen Tool können Daten- und Geschäftsanalysten aussagekräftige Self-Service-Datenvisualisierungen und -analysen erstellen.

Außerdem liegen Daten oft verstreut an völlig verschiedenen Orten. Sie mussten bisher also zuerst manuell zusammengestellt werden, bevor überhaupt an irgendwelche Analysen auch nur zu denken war. Um eine Vorstellung davon zu vermitteln: Es können mehrere Datenquellen im Spiel sein, weil unterschiedliche Vertriebsanwendungen verwendet werden. Möglicherweise gibt es dann noch Zugriffe auf extrahierte Marketing- oder Finanzdaten in einem CSV- oder Excel-Dateiformat. Und vielleicht werden zusätzliche Daten noch ad hoc aus anderen Quellen herangezogen… Dann müssen diese Daten zusammengeführt werden, wobei man in der Regel Excel wie eine Datenbank verwendet und Metriken oder Analysen davon ausgehend erstellt.

Tatsächlich ist dieser Prozess weitaus komplexer und zeitaufwändiger als die eigentliche Datenanalyse. Hinzu kommt: Durch die manuelle Durchführung sind diese Arbeitsschritte nicht automatisiert. Wenn Sie also drei Wochen später eine neue Analyse durchführen lassen wollen, fängt der Prozess von vorne an. Dabei entsteht auch ein Problem mit der Konsistenz der Daten. Denn: Wenn Sie eine Kalkulationstabelle mit jemand anderem teilen, werden danach Daten kontinuierlich aktualisiert. Die ursprüngliche Kalkulationstabelle ist dann nicht mehr synchronisiert: Verschiedene Teams greifen wahrscheinlich auf unterschiedliche Versionen zu – statt alle auf eine gemeinsame Quelle. Hinzu kommen Formelfehler zwischen den Versionen, Broken Links und natürlich Sicherheits- und Governance-Probleme, die mit der gemeinsamen Nutzung von Tabellenkalkulationen verbunden sind. Sie bekommen hier also praktisch alle typischen Probleme, die man von Tabellenkalkulationen kennt.

 

Automatisierung als Einstieg in effizientere Analytics

Wenn ich also überlege, wie Sie diese Aufgabe effektiv lösen können, empfehle ich zunächst, dass die Kunden einige dieser Prozesse mithilfe der Self-Service-Funktionen der Datenaufbereitung automatisieren. Diese Möglichkeit ist ja integrierter Bestandteil ihres Analysetools. Dadurch können sie den genannten Prozess dokumentieren und automatisieren. Das reduziert den Zeitaufwand erheblich; Sie gelangen also schneller zur eigentlichen Analyse und den gewünschten Ergebnissen.

Jetzt müssen Sie aber noch dahin kommen, die Daten konsistent gemeinsam nutzen zu können. Mit einem einfachen Tool werden Sie aber das Problem mit der Versionsverwaltung nicht los. Außerdem gibt es die schon erwähnten Governance- und Sicherheitsfragen.

Wenn ich z. B. für die Finanzplanung und -analyse verantwortlich bin und Ihnen Tabellenkalkulationen inklusive meiner wichtigsten Finanzinformationen per E-Mail schicke oder sie im Netz ablege, ist das unter dem Gesichtspunkt der Datensicherheit nicht gerade ideal. Wie löse ich also als datenbewusster Business-Analyst diese Aufgaben?

  • Ich kann ich eine Oracle Autonomous Database innerhalb weniger Minuten mit nur wenigen einfachen Schritten hochfahren und ein sicheres und gemeinsam nutzbares Daten-Repository erstellen.
  • Ich kann die Self-Service-Funktion zur Datenvorbereitung innerhalb von Oracle Analytics nicht nur zur Automatisierung des Datenvorbereitungsprozesses, sondern auch zur automatischen Befüllung des gemeinsam zu verwendenden Datensets verwenden. Das löst das Problem der Datenkonsistenz und -sicherheit.
  • Die IT-Organisation ist für die Einhaltung der Data Governance Richtlinien zuständig und stellt dabei die Korrektheit der Daten, Transformationen, Kennzahlen und Analysen sicher, die verwendet werden.. Und falls sie häufig verwendet werden sollen, lassen sie sich auf Abteilungs- ebenso wie auf Unternehmensebene in das Data Warehouse integrieren.

 

Welche Abteilungen profitieren am meisten vom Analyseprozess?

Jede einzelne Abteilung bzw. jeder Bereich verwendet Daten in irgendeiner bestimmten Art und Weise und einer gewissen Form. Jeder will seine eigene Leistung messen und Daten zur Steigerung der Effektivität und Agilität nutzen. Zugleich gibt es bestimmte Geschäftszweige, die verstärkt Analysefunktionen vollziehen, z. B. die Finanzplanung. Und natürlich besteht immer der Wunsch, Finanzinformationen in andere Bereiche zu integrieren, etwa in die Personalabteilung, den Vertrieb, das Marketing, die Supply Chain oder die Fertigung.

Damit verbunden ist ein enormer durchgängiger Bedarf an Daten und Analysen. Das bedeutet, dass Unternehmen ihre Abteilungen und Geschäftsbereiche mit jeweils spezifischen Datenanalyselösungen ausstatten müssen. Die damit einhergehende Autonomie müssen Sie jedoch auch regeln und in eine Gesamtstrategie für die Datenanalyse im Unternehmen integrieren.

 

Innovative Lösungen für gängige Datenprobleme

Einige der Möglichkeiten, die Oracle offeriert, sind tatsächlich einzigartig neu: Keine andere Lösung im Bereich Data Analytics auf dem Markt verfügt über das hier integrierte Leistungsspektrum.

Das Self-Service-Ansatz der Oracle Autonomous Database minimiert durch die eingebauten autonomen Funktionen den Bedarf an Unterstützung durch die IT. Außerdem lässt sich die Datenbank sehr schnell und einfach anlegen. Sie müssen sich weder um die Optimierung kümmern, brauchen sich keine Gedanken über Patches zu machen, und Sie benötigen nur wenig Ressourcen für die Datenbankverwaltung.

Die Self Service Data Preparation ist eine weitere Innovation. Oracle verfügt über einige der umfangreichsten Datenaufbereitungsfunktionen, die es gibt, einschließlich der Möglichkeit, die Datenbeladung zu automatisieren.

Bereits diese Möglichkeiten setzen Zeit und Ressourcen frei; Sie können also besser herausfinden, mit welchen zusätzlichen Daten Ihre Analysen relevanter und aussagekräftiger werden.

Mit Augmented Analytics  integrieren Sie auch maschinelles Lernen in alle Aspekte des Analyseprozesses ein. Wir bieten dabei Funktionen wie

  • automatische Identifizierung zusätzlicher verfügbarer Daten, die Ihre Analyse bereichern;
  • die Option, Diagramme in Textform umzuwandeln, um die Interpretation der Daten hervorzuheben;
  • die Möglichkeit, automatisch Schlüsselfaktoren zu identifizieren, die eine Metrik beeinflussen, z. B. die Ermittlung der Ursachen von Umsatzeinbußen.

Integration der erzielten Ergebnisse in andere Umgebungen: Damit werden Prozesse möglich, bei denen Sie gemeinsame Daten und Analysen aus einem Selbstbedienungs- und hochgradig agilen Prozess ziehen und diese anschließend wieder in Ihre zentrale Umgebung integrieren. Auch hier ermöglicht Ihnen Oracle eine gute Balance zwischen Selbstbedienung und Governance.

 

Effektive datengetriebene Ergebnisse

Als daten- und erkenntnisorientiertes Unternehmen lassen Sie in der Regel andere Unternehmen hinter sich, die in diesem Bereich nachhinken. Allerdings: Ihre Daten und die daraus gewonnenen Erkenntnisse sind nur dann von Wert, wenn sie tatsächlich aktuell sind. Wenn Sie heute eine Entscheidung fällen müssen, können Sie nicht eine Woche oder länger auf die dazu erforderlichen Daten und Analysen warten.

Früher brauchten Sie für Analytics Datenexperten und Analysten. Diese Voraussetzung löst sich mehr und mehr in Luft auf, weil die Verwendung von Daten- und Analyse-Tools wie Oracle Autonomous Database und Oracle Analytics immer einfacher wird – besonders wenn Sie maschinelles Lernen und Augmented Analytics hinzufügen. Oracle hat die Komplexität der Datenverwaltung und -analyse drastisch reduziert. Dadurch ist der Zugang zu Daten und Analysen, zu ihrer Nutzung und ihrer Kontrolle erheblich leichter geworden.

Heute sehen wir, wie Unternehmen manuelle Daten- und Analyseprozesse mit den Daten- und Analyselösungen von Oracle vereinfachen. Sie berichten uns, dass Abläufe, die früher Tage oder Wochen beansprucht haben, jetzt in Stunden oder Minuten erledigt werden können. Ergebnisse lassen sich durch die Automatisierungsprozesse sehr schnell erzielen.

 

Um zu erfahren, wie Sie von Oracle Analytics profitieren können, besuchen Sie Oracle.com/analytics. Und folgen Sie uns doch auch auf Twitter @OracleAnalytics.

 

Kontakt:

Ein spannendes Thema, über das ich gerne mit Ihnen spreche, per E-MailLinkedInXing oder Twitter. Sabine Leitner, Sr. Marketing Manager.

Kommentieren

Kommentare ( 0 )
Please enter your name.Please provide a valid email address.Please enter a comment.CAPTCHA challenge response provided was incorrect. Please try again.