Kommentar von Brad Scarff, Yellowfin

So beeinflusst Machine Learning die Business Intelligence

| Autor / Redakteur: Brad Scarff / Nico Litzel

Der Autor: Brad Scarff ist Chief Technology Officer bei Yellowfin
Der Autor: Brad Scarff ist Chief Technology Officer bei Yellowfin (Bild: Yellowfin)

In meinem Arbeitsleben habe ich Business Intelligence (BI) von beiden Seiten gesehen – als Softwareentwickler und als Anwender. So habe ich einen Einblick in die Herausforderungen gewonnen, mit denen die jeweiligen Seiten konfrontiert sind – bei der Entwicklung sowie bei der Nutzung von BI-Lösungen.

Ich bin fest davon überzeugt, dass Menschen und die Unternehmen, für die sie arbeiten, erfolgreicher sind, wenn Entscheidungen basierend auf fundierten Fakten und Erkenntnissen getroffen werden. Zugleich ist es so, dass die Nutzerquoten (das heißt, die Anzahl der Nutzer, die Zugang zu einem System haben und dieses auch tatsächlich nutzen) immer noch zu gering sind. Nach Aussage des 2017 State of Analytics Adoption Report ist die Nutzung von Analyse-Software im Jahr 2016 um 20 Prozent zurückgegangen. Hier stellt sich die Frage nach dem Grund. Diese Frage hat mich lange Zeit beschäftigt. Und jetzt, da ich bei einer Firma arbeite, die Business Intelligence Software entwickelt, bietet sich die Möglichkeit, dieses Problem anzugehen. Könnte die Einbindung von Machine Learning in BI-Systeme die neue Wunderwaffe sein, nach der wir gesucht haben?

Die Grenzen von BI

BI Tools sind sehr nützlich, indem sie Anwendern Daten an die Hand geben und die Möglichkeit bieten, Key Performance Indicators (KPIs) zu verwalten und zu tracken. Mithilfe von BI Tools kann man zudem Daten visuell darstellen, gemeinsam an Daten arbeiten und diese mit anderen teilen. Angesichts dieser Optionen ist es frustrierend, dass viele Anwender die Software nicht entsprechend nutzen. Als ehemaliger BI-Entwickler habe ich also Lösungen geschaffen, die von den Anwendern nicht genügend genutzt wurden.

Als Entwickler von Produkten und Lösungen möchten wir gern glauben, dass die Mitarbeiter in Unternehmen unsere Tools lieben. Tatsächlich ist es so, dass viele Anwender entweder keine Zeit haben oder kein Interesse verspüren, ein BI Tool zu nutzen. Was sie suchen, das sind maßgeschneiderte Erkenntnisse, damit sie die richtigen Entscheidungen treffen können. Diese Informationen wollen sie auf effiziente Art und Weise und zum richtigen Zeitpunkt erhalten.

Eine der Einschränkungen bestehender BI Tools war bisher, dass sie zwar effektiv darin sind, Daten zu analysieren und darzustellen, aber nicht gut dabei sind, versteckte Dateninformationen sichtbar zu machen. Wenn man versteckte Erkenntnisse finden möchte, geht das innerhalb einer BI-Lösung nur manuell und man braucht Zeit sowie sehr gute BI-Kenntnisse. Wenn die Anwender ein Dashboard anschauen, sehen sie vielleicht etwas, was sie genauer untersuchen möchten. Dann gibt es mehrere Möglichkeiten. So kann man beispielsweise die Art der grafischen Darstellung ändern, drehen, filtern oder mehr in die Tiefe gehen – alles mit der Hoffnung, dass man die Informationen findet, die man braucht. Diese Art der Datenuntersuchung basiert oft auf einer Ahnung davon, wie die Antwort aussehen könnte. Und als solche unterliegt sie menschlichen Vorlieben. Letztendlich – wenn man zu keinen offensichtlichen Erkenntnissen kommt – werden Daten in eine Excel-Tabelle exportiert oder die Frage wird an einen Daten-Spezialisten weitergeleitet.

Die Kombination von BI und Machine Learning

Machine-Learning-Modelle sind sehr gut darin, versteckte Muster und Datenerkenntnisse sichtbar zu machen. Daten-Spezialisten nutzen diese Techniken schon seit vielen Jahren, um komplexe und sehr spezielle Geschäftsprobleme zu lösen. Die Fortschritte bei der Rechenleistung haben die Entwicklung und Anwendung dieser komplexen mathematischen Modelle zugänglicher gemacht. Modelle, die bislang nur auf sehr teurer Hardware liefen, funktionieren jetzt auf kostengünstigen Plattformen und sind somit der Allgemeinheit zugänglich.

In letzter Zeit haben wir mehrere BI-Anbieter gesehen, die Machine Learning in ihre BI Tools integriert haben. Hiermit geht das Versprechen einher, dass BI besser darin wird, versteckte Informationen sichtbar zu machen. BI-Plattformen, die diese Möglichkeiten auf intuitive Art und Weise kombinieren, werden bald die Norm sein. Sobald die Anwender diese neuen Analysemöglichkeiten nutzen, werden sie erwarten, dass diese stets vorhanden sind. Wie GPS oder andere Technologien, auf die wir heute nicht mehr verzichten wollen.

Die Kombination dieser Möglichkeiten automatisiert den Prozess, versteckte Erkenntnisse zu ermitteln, die der Nutzer vorher nicht sehen konnte. Auf einem traditionellen Dashboard schaut der Anwender auf die Umsätze und entscheidet dann, dass der Trend gut aussieht und man daher nicht weiter in die Zahlen hineinschauen muss. Es kann jedoch sein, dass es im Detail versteckt, hinter den Umsatzzahlen, einen Grund zur Sorge gibt. Einige Produkte verkaufen sich gut, manche hingegen nicht. Diese wichtige Information ist hinter den allgemeinen Umsatzzahlen versteckt.

Diese versteckten Informationen werden jetzt nicht nur gefunden, die Automatisierung des Prozesses bedeutet auch, dass man derartige Erkenntnisse schneller bekommt. Unternehmen können somit basierend auf besseren Informationen reagieren und dabei schnell sein. Durch die Tatsache, dass diese Analyse-Tätigkeiten automatisiert werden, hat der Datenanalyst im Unternehmen mehr Zeit für andere Dinge. Viele Analysten sind mit Routinetätigkeiten beschäftigt, sie schauen nach Abweichungen, Unregelmäßigkeiten und schreiben Kommentare, die zu den Reports hinzugefügt werden. Wenn man diese Aufgaben automatisiert, können sich die Analysten komplexeren Aufgaben widmen.

Neue Herausforderungen

Für die Automatisierung des Erkenntnisgewinns benötigt man zusätzliche Plattform-Möglichkeiten, damit der Nutzer versteht was er sieht. Auch als jemand, der gut mit Daten umgehen kann, habe ich oft lange auf eine komplexe Punktwolke oder auf ein Diagramm geschaut und dabei zu verstehen versucht, was mir dieses sagen soll. Nutzer, die nicht so versiert sind im Umgang mit Daten, werden diese Aufgabe noch viel schwieriger finden.

Die Verwendung von natürlicher Sprache ist ein großer Schritt nach vorn, um den Anwendern bei der Interpretation zu helfen und zu verstehen, was die Algorithmen uns sagen wollen. Die Systeme sind in der Lage, schriftliche Interpretationen der Ergebnisse zu erstellen und helfen den Nutzern hierdurch ein weiteres Mal, die Daten zu verstehen.

Eine weitere Herausforderung, die es anzusprechen gilt, ist das Vertrauen. Wenn ein Anwender, basierend auf den Informationen, die eine Maschine geliefert hat, agiert, muss man den Informationen vertrauen können. Hierbei sind mehrere Aspekte relevant. Zunächst muss transparent sein, was das System macht. Hierzu gehören die Techniken und Algorithmen, die das System nutzt. Weiterhin muss die Fähigkeit gegeben sein, das Wesentliche herauszufiltern. Nichts wird das Vertrauen schneller zerstören als eine Maschine, die zahlreiche nutzlose Zusammenhänge auswirft, die den Nutzer verwirren. Das System muss in der Lage sein, die am besten passenden Algorithmen auszuwählen und die relevantesten Daten auszuwerten und das alles im Kontext des Problems zu sehen, das gelöst werden soll. Darüber hinaus sollte die Analyse im Laufe der Zeit durch Einbeziehung des Feedbacks des Anwenders immer genauer werden. Schließlich müssen diese Methoden im passenden Geschäftszusammenhang genutzt werden und sie sollten leicht zu bedienen sein.

Fazit

Wir bei Yellowfin glauben, dass die Kombination von BI und Machine Learning eine bedeutende Entwicklung innerhalb der Branche darstellt. Die Nutzer erhalten noch bessere Erkenntnisse. Hierdurch wird sich die BI-Nutzerquote verbessern. Letztendlich steigert dies die Leistungsfähigkeit der Unternehmen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45088348 / Analytics)