Business Intelligence muss durch Entscheidungsintelligenz gefördert werden

Getty Images

Business Intelligence braucht jetzt Entscheidungsintelligenz.

BI ist die Nutzung von Daten zur Entscheidungsfindung. Unter Entscheidungsintelligenz versteht man hingegen den Einsatz von Augmented Analytics und maschinellem Lernen, um automatisch Erkenntnisse zu gewinnen, die zu Entscheidungen und Maßnahmen führen.

Seit Jahrzehnten wird BI zur Erstellung von Berichten und Dashboards eingesetzt, die es Unternehmen ermöglichen, intelligentere Entscheidungen zu treffen, als sie es nur mit dem durch Erfahrung entwickelten Instinkt hätten tun können.

BI-Plattformen – von Cognos und BusinessObjects vor einigen Jahrzehnten bis hin zu den modernen Microsoft Power BI, Qlik und Tableau – sind entscheidende Mittel, um Unternehmen dabei zu helfen, mit ihren Mitbewerbern zu konkurrieren, indem sie Daten nutzen, um Entscheidungen zu treffen und sich sogar Vorteile zu verschaffen.

Sie unterstützen Datenteams bei der Erstellung von Modellen, die zukünftige Ergebnisse vorhersagen, und fördern die Self-Service-Erkundung und -Analyse durch Geschäftsanwender, sodass sie im richtigen Moment Entscheidungen treffen können, die das Wachstum ihres Unternehmens vorantreiben.

Aber BI hat Grenzen, so Wayne Eckerson, Gründer und Hauptberater der Eckerson Group, der kürzlich während eines Webinars sprach, das vom Analyseanbieter Sisu veranstaltet wurde.

„Das Versprechen von BI bestand darin, Daten in Erkenntnisse und Maßnahmen umzuwandeln, und es bringt uns einen Teil des Weges dorthin“, sagte er. „Aber wir haben im Laufe der Jahre herausgefunden, dass wir damit nicht ganz ans Ziel kommen. Es geht nicht über die letzte Meile, um von den Daten zu Erkenntnissen und Maßnahmen zu gelangen. An BI ist nichts auszusetzen, aber es ist integriert.“ Einschränkungen."

Eckerson wies darauf hin, dass BI folgende Einschränkungen aufweist:

Die Einschränkungen von BI werden unterdessen durch das exponentielle Wachstum der Datenmenge, die Unternehmen jetzt sammeln, und die zunehmende Komplexität dieser Daten deutlich, da sie aus immer mehr Quellen einfließen.

Das Ergebnis der Einschränkungen von BI ist ein Engpass bei der Entscheidungsfindung. Die Datenmenge ist zu umfangreich, als dass sie von Menschen verwaltet werden könnte, und ihre Komplexität übersteigt die Möglichkeiten von Self-Service-Benutzern.

So wie die Erstellung von Berichten und Dashboards durch Datenteams vor dem Aufkommen der Self-Service-Analyse ein langsamer Prozess war – Datenkonsumenten warteten wochen- oder sogar monatelang darauf, dass Datenteams ein bestimmtes Projekt abschließen –, werden Datenteams erneut mit Fragen zu diesem Thema überhäuft Daten, und Projekte geraten wieder ins Stocken.

Ein paar Wochen oder ein paar Monate, um einen Bericht oder ein Dashboard zu erstellen, waren vor ein oder zwei Jahrzehnten möglicherweise ausreichend. Jetzt, wo mehr Kollegen einer Organisation genauso datengesteuert sind wie sie, ist dies nicht der Fall. Darüber hinaus erfordern die sich schnell ändernden wirtschaftlichen Bedingungen aufgrund weltweiter Ereignisse wie der Pandemie und des Krieges in der Ukraine von Organisationen ein schnelles Handeln und Reagieren.

„Die Lösung des Engpasses ist – abgesehen von der Datenqualität – das größte Problem, mit dem die Analysebranche konfrontiert ist“, sagte Eckerson. „Geschäftsanwender erhalten einfach nicht die Erkenntnisse, die sie zum Handeln benötigen.“

Und weder die Einstellung weiterer Datenanalysten und Datenwissenschaftler noch die Entwicklung besserer Self-Service-Analysetools seien der Weg, den Engpass zu lösen, fuhr er fort.

Da das Datenvolumen und die Komplexität zunehmen, wird es nie genug Datenarbeiter geben, um mithalten zu können, und auch nie genug Geld, um sie zu bezahlen. Das Hinzufügen weiterer Self-Service-Benutzer und -Technologien erfordert teure Schulungen zur Datenkompetenz und eine strenge Datenverwaltung, um potenzielles Chaos zu kontrollieren.

Stattdessen benötigen Datenteams eine Technologie, die sie effizienter macht. Diese Technologie ist Entscheidungsintelligenz.

„Decision-Intelligence-Plattformen sind so, als würden Sie eine Armee von Datenanalysten einstellen, ohne zusätzliches Geld auszugeben, außer für eine Softwarelizenz“, sagte Eckerson.

Joel McKelvey, Vizepräsident für Produktmarketing bei Sisu – einem Anbieter, der sich wie Pyramid Analytics und Tellius auf Entscheidungsintelligenz-Tools spezialisiert hat – stellte ebenfalls fest, dass BI Entscheidungsintelligenzfunktionen benötigt, um die Effizienz zu verbessern und den modernen Anforderungen von Unternehmen gerecht zu werden.

„BI war unglaublich erfolgreich“, sagte er. „Aber die Daten sind gewachsen – und die Komplexität dieser Daten ist gewachsen –, dass wir nicht mehr in der Lage sind, sie jedem im Unternehmen zur Verfügung zu stellen. Ich denke nicht, dass BI schlecht ist, aber die Implementierung eines Reporting- und Dashboarding-Tools schon.“ ist überholt. Was wir jetzt brauchen, ist ein Tool, das einen Großteil der BI-Aufgaben automatisiert.“

Entscheidungsintelligenz nutzt im Wesentlichen KI und maschinelles Lernen zur Überwachung von Daten.

Jedes Unternehmen verfügt über eine Reihe von Geschäftskennzahlen, die für seinen Erfolg am wichtigsten sind. Ihre Datenteams können eine Decision-Intelligence-Plattform programmieren, um diese Kennzahlen und die ihnen zugrunde liegenden Daten rund um die Uhr zu überwachen.

Jedes Mal, wenn sich diese Kennzahlen ändern, benachrichtigt das Decision-Intelligence-Tool automatisch wichtige Stakeholder.

Aber sie überwachen nicht nur, was passiert. Da sie Millionen von Datenpunktkombinationen in Sekundenschnelle durchsuchen können, können sie aufdecken, warum sich Metriken ändern, und die wahrscheinlichsten Ursachen vorschlagen, wodurch Analysten Zeit sparen, die sie sonst mit der Durchführung von Ursachenanalysen verbringen würden.

Das Ergebnis ist laut Eckerson, dass Datenarbeiter 10- bis 100-mal produktiver sind als mit einem BI-Tool allein.

„Bei der Entscheidungsintelligenz geht es darum, Datenanalysten und Datenwissenschaftler mit einer leistungsstarken Engine auszustatten, die Millionen von Datensätzen in weniger als einer Sekunde durchsucht und relevante Probleme aufdeckt, mit denen Sie sich befassen müssen“, sagte er. „Sie könnten Ihre Daten niemals auf diese Weise analysieren, auch nicht mit einer Armee von Analysten, aber diese Tools schaffen das. Sie bringen Dinge an die Oberfläche, die es wert sind, von den Analysten, die Sie haben, untersucht zu werden.“

Dennoch sollten Entscheidungsintelligenz-Tools laut McKelvey BI-Plattformen nicht ersetzen.

Stattdessen sollte Entscheidungsintelligenz BI ergänzen, indem sie Erkenntnisse ans Licht bringt, deren Entdeckung sonst Monate dauern würde, und Vorschläge für Folgemaßnahmen anbietet. Trotz ihrer Automatisierungsmöglichkeiten sollte Entscheidungsintelligenz nur zur Automatisierung bestimmter grundlegender und wiederholbarer Aktionen verwendet werden, die sich aus automatisch gewonnenen Erkenntnissen ergeben.

„Bei der Entscheidungsintelligenz geht es darum, eine Entscheidung zu treffen“, sagte McKelvey. „Es ist nicht richtig, wenn wir davon ausgehen, dass Entscheidungen durch diesen Prozess automatisiert werden. Es geht wirklich darum, die Menschen an den Punkt zu bringen, an dem Entscheidungen datengesteuert und klar sind. Man nimmt Daten im Maschinenmaßstab und zerkleinert sie so weit, dass Menschen sie verarbeiten können.“ sinnvoll handeln.“

„Menschen verfügen über entscheidendes intuitives Wissen“, fuhr McKelvey fort.

Sie verstehen bestimmte Unterschiede, die Maschinen möglicherweise nicht verstehen. Während Entscheidungsintelligenz bestimmte einfache Prozesse und Entscheidungen automatisieren kann – „Wenn X passiert, dann tue immer Y“, erfordern differenziertere Entscheidungen laut McKelvey eine gewisse menschliche Interpretation.

„Wir nutzen Entscheidungsintelligenz, um den Menschen zu erweitern, nicht um ihn zu ersetzen“, sagte er.

Menschen können auch besser als Maschinen erkennen, ob etwas nicht stimmt.

Während Maschinen Daten exponentiell schneller durchsuchen und Erkenntnisse gewinnen können als Menschen, sind sie nicht unbedingt besser darin, zu erkennen, wenn eine Erkenntnis möglicherweise auf schlechten Daten basiert und daher nicht korrekt ist. Eine auf der Grundlage schlechter Daten ergriffene Maßnahme kann sich als katastrophal erweisen.

„Entscheidungsintelligenz löst keine Datenverarbeitungs- und Datenaufbereitungsprobleme“, sagte Eckerson. „Sie brauchen immer noch gute Daten. Es heißt Müll rein, Müll raus – Sie wollen sicherstellen, dass Sie qualitativ hochwertige Daten liefern, denn je hochwertigere Daten Sie haben, desto bessere Ergebnisse erhalten Sie.“

Mithilfe von Entscheidungsintelligenz können Unternehmen letztendlich mehr Aktionen automatisieren. Laut Eckerson stecken die Tools jedoch noch in den Kinderschuhen.

Letztendlich besteht das Ziel der Entscheidungsintelligenz darin, zu erkennen, was passiert ist, zu analysieren, warum es passiert ist, vorherzusagen, was als Ergebnis passieren wird, mögliche Reaktionen vorzuschreiben und entsprechend diesen Vorgaben zu handeln.

„Wir sind noch nicht ganz am Ziel“, sagte Eckerson. „Aber ich denke, in drei bis fünf Jahren wird dort der Großteil der Technologie sein. Sie werden sich in den nächsten Jahren sehr schnell weiterentwickeln. Die wirklich coolen Funktionen werden in Kürze folgen, wie zum Beispiel die Fähigkeit um Prognosen zu erstellen, Rezepte zu verschreiben und bei Bedarf sogar Maßnahmen zu ergreifen.“