Suchen

BigData-Insider im Gespräch mit Qlik-Forschungsleiterin Elif Tutuk Qlik baut Cloud-Konnektivität aus

| Autor / Redakteur: Michael Matzer / Nico Litzel

Im Juni-2020-Release hat Qlik, ein Spezialist für Business Intelligence, sein Hauptprodukt Qlik Sense erheblich erweitert und dessen Cloud-Konnektivität ausgebaut, etwa zu Google Analytics und Twitter.

Firmen zum Thema

Elif Tutuk, Forschungsleiterin bei Qlik
Elif Tutuk, Forschungsleiterin bei Qlik
(Bild: All Rights Reserved @gastonphotography.com)

„Wir haben unsere Cognitive Engine mit einer neuen Geschäftslogik versehen“, berichtet Elif Tutuk, die Forschungsleiterin bei Qlik. Das Leistungsmerkmal soll es Anwendern erlauben, Metadaten und Regelwerke zu erstellen, die wiederum den Insight Advisor, das Herzstück der Engine, bei der Erstellung von Visualisierungen wie etwa Diagrammen und Analysen führen. Der Insight Advisor wird weiterhin vom Insight Bot begleitet.

„Der Advisor nimmt nicht nur Spracheingaben entgegen, sondern gibt auch natürliche Sprache aus, neben Diagrammen und textuellen Zusammenfassungen“, so Tutuk. „Dadurch wollen wir die Data Literacy fördern, also die Kenntnisse im Umgang mit Datenauswertungen.“ Das zeige sich auch in den Erklärungen von Algorithmen. „Wir haben die Black Box für Machine-Learning-Modelle abgeschafft.“ Neben Englisch unterstütze der Advisor nun zwar auch Französisch, Spanisch und Russisch, doch deutschsprachige Anwender müssten noch ein wenig warten.

Im Bereich der Visualisierung führt Qlik nun Sparklines ein. „Das sind Minidiagramme, die in die Zellen von Tabellen eingefügt sind“, erläutert die Forschungsleiterin und fährt fort: „Auch das zählt zum Aspekt der Data Literacy.“ Zudem gebe es neue Formatierungsmöglichkeiten für Aufzählungsdiagramme und Organigramme. Neue Funktionen in benutzerdefinierten Tooltips, wie man sie aus BI-Werkzeugen oder Textverarbeitungen kennt, sowie in Filterbereichen ergänzen die Neuerungen. „All dies geht weit über das hinaus, was etwa ein Dashboard bieten kann“, ist sich die Forschungsleiterin sicher. „Das gehört zu unserem Ansatz der Conversational Analytics“, also der assoziativen Datenauswertung in kollaborativen Unterhaltungen.

Verbessertes Cloud-Angebot

Qlik Data Hub als Ausgangspunkt für die Analytics-Journey des Business User. Er gibt seine Frage ein und erhält automatisch unterschiedliche Analyse-Metriken – ebenso Infos, weshalb diese passend sind.
Qlik Data Hub als Ausgangspunkt für die Analytics-Journey des Business User. Er gibt seine Frage ein und erhält automatisch unterschiedliche Analyse-Metriken – ebenso Infos, weshalb diese passend sind.
(Bild: Qlik)

Damit sich die Multicloud-fähige Version von Qlik Sense Enterprise, die u. a. auf AWS, Azure und GCP betrieben werden kann, oder die Qlik-SaaS-Variante auch in weiteren Anwendungsfällen einsetzen ließen, habe Qlik laut Tutuk die Zahl der Konnektoren deutlich erhöht. So gebe es nun Anbindungen an zusätzliche Datenquellen wie (SAP) Qualtrics und zu Google Analytics sowie Twitter. Das dürfte sowohl Marketingexperten interessieren als auch Medienanalysten.

Anwender sollen mit den Konnektoren noch effektiver in ihrem Qlik Data Hub arbeiten, denn sie haben die Möglichkeit, Diagramme und geschäftskritische Kennzahlen (KPIs) zu überwachen. Analysen lassen sich automatisiert als PDFs exportieren, um sie mit einem Team zu teilen. Elif Tutuk sieht in diesem Funktionsbereich eine wichtige Rolle für die Qlik-Datenintegrationsplattform (vormals Attunity).

Die DataOps-Einheiten der Qlik-Architektur umfassen mit Change Data Capture (CDC) auch eine Streaming-Funktion.
Die DataOps-Einheiten der Qlik-Architektur umfassen mit Change Data Capture (CDC) auch eine Streaming-Funktion.
(Bild: Qlik)

„Es sorgt für Datenintegration, Replikation, bei Bedarf in Realtime dank ,Change Data Capture‘, CDC, und Komposition, aber auch für Datenerfassung. Wir sprechen von Data-Warehouse- und Data-Lake-Automation.“ Das im Januar 2020 eingeführte Leistungsmerkmal der Dynamic View sei wichtig für die Qlik-spezifische In-memory-Datenverarbeitung, um beispielsweise Erkenntnisse in Echtzeit zu erhalten. Streaming wird mithilfe des Moduls „Change Data Capture“ (CDC) umgesetzt. Mit Qlik Replicate unterstützt die Plattform aber auch Apache Kafka und Confluent.

Von Rohdaten zu Insights am Beispiel eines Sales-Users: Das intelligente System generiert automatisch eine Gruppe verschiedener, Sales-relevanter Analyse-Topics.
Von Rohdaten zu Insights am Beispiel eines Sales-Users: Das intelligente System generiert automatisch eine Gruppe verschiedener, Sales-relevanter Analyse-Topics.
(Bild: Qlik)

Rolle von Snowflake

Blick in die Metrik „Sales Pipeline“ – das System schlägt relevante Metriken vor. Veränderungen können mithilfe von „Change Capture Data“ in Echtzeit nachvollzogen werden.
Blick in die Metrik „Sales Pipeline“ – das System schlägt relevante Metriken vor. Veränderungen können mithilfe von „Change Capture Data“ in Echtzeit nachvollzogen werden.
(Bild: Qlik)

Qlik unterstützt mittlerweile auch Container, die mit Kubernetes verwaltet werden. Durch die Integration mit Snowflake können die Kunden ein Data Warehouse abgesichert auf mehreren Clouds betreiben und diesen Daten-Pool mithilfe von Qlik Sense abfragen. Qlik Sense selbst nutzt In-memory-Datenverarbeitung. Tutuk sieht das inzwischen integrierte Cloud-Data Warehouse Snowflake in einer zentralen Rolle. „Snowflake ist das Ziel für Datenreplikation“, sagt sie. „Snowflake ist nutzbar etwa für SAP und für Echtzeit-Benachrichtigungen, sollte sich bei den Daten etwas ändern.“

Snowflake sei wie Qlik Sense Enterprise ebenfalls auf AWS, GCP und Azure nutzbar, denn es gebe für alle drei großen Public-Cloud-Plattformen entsprechende Supportvereinbarungen. Neben AWS etc. und Snowflake sei nur noch das Tool DataRobot nötig, um ein Modell für das Machine Learning zu erzeugen, welches diese Daten verwertet.

Echtzeit

Blick in Metrik „Gewinne“ – mit unterschiedlichen Visualisierungen und einer Zusammenfassung in natürlicher Sprache.
Blick in Metrik „Gewinne“ – mit unterschiedlichen Visualisierungen und einer Zusammenfassung in natürlicher Sprache.
(Bild: Qlik)

Snowflake, Regeln, Dynamic View und Algorithmen – sie alle dienen der Echtzeitverarbeitung und Automation von Datenverarbeitung. „Wir nutzen Benachrichtigungen, um die Nutzer in die Lage zu versetzen, proaktiv zu agieren“, so Tutuk. Dennoch will die Forschungsleiterin nichts vom Ausschluss menschlichen Eingriffs wissen. „Wir halten den menschlichen Nutzer immer auf dem Laufenden, so etwa bei Entscheidungen und Genehmigungen.“ Auch von einer Black Box bei der ML-Nutzung hält sie wenig. „Der Insight Advisor wird eine Zusammenfassung aller Faktoren liefern, die in einer Entscheidung oder einen anderen Output eingeflossen sind.“

Qlik Catalog

Sie verweist auf den integrierten Datenkatalog, der als Qlik Catalog Auskunft über die Herkunft aller Daten und Metadaten erteilt. Für die Rolle des Data Stewards oder des Data Engineers bietet Qlik Catalog Funktionen, um regelwidrige Daten zu transformieren, zu reinigen und ihre Herkunft aufzuklären. Dies ist also für das Daten-Management – neudeutsch auch „DataOps“ genannt – die zentrale Anlaufstelle.

Qlik für Entwickler

„Qlik verfolgt eine Produktpolitik der Offenheit statt des Vendor-Lock-ins“, erklärt Tutuk. „Wir pflegen Open-Source-APIs für unseren Open-Platform-Ansatz, und das sind Cloud-native APIs.“ Die Qlik-Programmierschnittstellen seien für die Erstellung von Echtzeit-Anwendungen geeignet, denn die Metriken, die die App nutzt, seien alle in Echtzeit verfügbar. Über das Qlik.dev-Portal können Kunden die Qlik-Sense-SaaS-Editionen in ihre DevOps-Prozesse automatisch integrieren, das Qlik Command Line Interface (CLI) ermöglicht eine höhere Analyseeffizienz von der Befehlszeile aus. Und die Qlik-Bibliothek Nebula.js 1.0 ist Framework-agnostisch, wodurch es einfacher wird, Qlik-Analysen in andere Webanwendungen einzubetten und benutzerdefinierte Visualisierungen zu erstellen, um noch mehr Kundenanwendungsfälle zu unterstützen.

Artikelfiles und Artikellinks

(ID:46712258)

Über den Autor