decision ready.. Was erforderlich ist, um erweiterte Analytik bereitzustellen Die sechs wesentlichen Punkte für „decision-ready“ Unternehmen Analytik: Das Versprechen und die Qualen Überall in Unternehmen spricht man über das Versprechen erweiterter Analytik. Und das zu Recht. Ist man an eine Unternehmensstrategie gebunden, kann eine gut geplante Initiative zur Analytik einen gewaltigen Unterschied darstellen. In Analysen des Jahres 2012 wurde herausgefunden, dass Unternehmen, die sich auf datengesteuerte Entscheidungsfindung verlassen haben, im Durchschnitt um 5 Prozent produktiver und um 6 Prozent profitabler als ihre Wettbewerber waren1. Die Erwartungen konnten nicht höher ausfallen. Das Problem ist, dass die Wirklichkeit häufig nicht mithalten kann: Und eine neuere Umfrage von Information Week identifiziert die überzeugendsten Motoren für Unternehmensanalytik2: Antworten brauchen viel zu lange, und Datenspezialisten verbringen 80 Prozent nur damit, etwas aus vorliegenden Daten „herauszuquetschen“3. Das Ergebnis? Entscheidungsträgern bleibt wenig Zeit, tatsächlich steuernd einzugreifen. Präzise Prognosen der finanziellen und operativen Ergebnisse Optimierte Betriebsabläufe zur Beschleunigung des Vertriebs, zur flexibleren Preisgestaltung und zur effizienteren Ausgestaltung von Verfahren Das Vertrauen in die Analyse ist oft gering und hemmt so auch die Entscheidungsfindung. Nur 10 Prozent derjenigen, die im Rahmen einer TDWI-Umfrage antworteten, betrachteten ihre Daten als von höchster Qualität4. Identifizierung von Risikofaktoren wie Kundenabwanderung, Betrug und Versäumnissen Die Fähigkeit, neue Chancen in folgenden Bereichen zu prognostizieren: Up-Selling, Cross-Selling und bei völlig neuen Produkten Unvollständige Datensätze machen eine umfassende Analyse im besten Fall schwierig. Wenn das CRM einer Region besser ausfällt als in einer anderen, ist die vergleichende Analyse schlichtweg unmöglich. Die Fähigkeit zum intelligenten Eingreifen auf Basis intelligenterer Segmente und personalisierter Interaktionen Big Data: Die Management-Revolution, Harvard Business Review Information Week: Umfrage Analytik und Business Intelligence 2015, Seite 24 3 Für „Big Data“-Spezialisten sind „Hausmeistertätigkeiten“ das größte Hindernis, New York Times 4 Kundenanalyse im Zeitalter der sozialen Medien, TDWI 5 Fast ein Drittel aller BI-Projekte scheitert bei der Ergebnisbereitstellung in Hinblick auf Unternehmensziele, ComputerWeekly 1 2 Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 2 Verschiedene Anwendungen liefern verschiedene Versionen der „Wahrheit“. Derselbe Kunde kann als 20-Jähriger in einer Anwendung und als 30-Jähriger in einer anderen erfasst sein. So viel ist klar: Auch nach erheblichen Investitionen in die nächste Generation der Analysetools, Teams, Software und Data Warehouses wird ein erheblicher Anteil der Analyseprojekte in der Regel hinter den Erwartungen zurückbleiben, enttäuschen oder schlichtweg scheitern5. Dieses eBook will Ihnen einen Eindruck davon vermitteln, warum das so ist. Wir skizzieren sechs wesentliche Grundsätze, die eine Entscheidungsbereitschaft Ihrer Teams gewährleisten – und wir verraten, wie Sie diese Grundsätze praktisch umsetzen. Fangen wir an. „Technologien wie Prognosenanalyse, Geodatenanalyse, Textanalyse und Streaming-Analyse werden alle im Lauf der nächsten drei Jahre ihre Einsatzzahlen verdoppeln, wenn Anwender sich an ihre Pläne halten.“ Fern Halper TDWI-Bericht zu optimalen Vorgehensweisen Analytik und Plattformen der nächsten Generation 1Q 2015 Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 3 „Ein neuer Geist des Experimentierens liegt in der Luft: Zum ersten Mal seit Jahren probieren mehr Unternehmen mehrere Analysewerkzeuge aus, statt sich nur auf ein paar üblicherweise bevorzugte zu verlegen. Die größten Herausforderungen bleiben Datenqualität und Benutzerfreundlichkeit.“ Doug Henschen Information Week Umfrage Analytik und Business Intelligence 2015 Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 4 Die nächste Generation von Herausforderungen für die Analytik Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 5 Die nächste Generation von Herausforderungen für die Analytik Kein Trend hat eine wichtigere Rolle gespielt als „Big Data“, was die Gestaltung der nächsten Generation von Methoden der Analytik angeht. Aber die nächste Generation von Systemen im Bereich Analytik und Business Intelligence wird durch eine ganze Reihe neuer Faktoren definiert: Mehrere Datenquellen – einige intern, andere extern Neue Ziele – intelligente Prognosen, Vorgaben, Operational Intelligence Komplexe Datenmodelle – mit ganz unterschiedlichen Daten, darunter Text, soziale und Mobildaten, Big Data, Daten Dritter, Video-, Audio- und Geodaten Dynamische Analysen – Echtzeit-Streams genau wie Chargen Gewaltige Umfänge – in einem Ausmaß, das sich auf Budget-Entscheidungen niederschlägt Angesichts dieser Herausforderungen begehen die meisten Unternehmen zwei entscheidende Fehler: Verteilte Verarbeitung und Speicherung – mit neuen Tools, Plattformen und Sprachen 1. Sie tappen in die Falle der eigenen Anstrengungen – Weil manuelle Programmierung so viel Aufwand bedeutet, haben Analysten und Datenspezialisten am Ende wenig Zeit für die eigentliche Analyse. Schlimmer noch: Die Fehler und Einschränkungen all derjenigen, die manuell programmieren, machen jede Skalierung der Analyseverfahren zur kaum zu bewältigenden Mammutaufgabe. Angesichts all dieser Veränderungen erfordert die nächste Generation von Methoden der Analytik ein dringendes Umdenken in Hinblick auf die Art und Weise, wie Analysepläne und -teams aufgestellt werden. Ohne die richtige Architektur und Verwaltung besteht die reale Gefahr, dass Ihre Bemühungen um das Verständnis Ihres Unternehmens und seiner Kunden am Ende nur zur Fragmentierung von Verfahren der Analytik in einzelne Technologiesilos führt. Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 2. Sie erwerben eine andere Anwendung – Zwar ist die Enttäuschung aus vorausgegangenen Analyseprojekten ein wichtiger Motivationsfaktor, aber der Erwerb eines anderen Werkzeugs für die Visualisierung oder die Analytik ist selten die passende Antwort. Häufig ist das Resultat nur noch mehr Verwirrung. 6 Wenn demnach Analytik der nächsten Generation den Erwartungen nicht vollständig gerecht wird – und wenn es aber nicht an den Anwendungen und an den Personen liegt, die mit diesen Anwendungen umgehen – wo ist dann eigentlich die Ursache des Problems zu finden? Ihre Daten sind nicht „decision-ready“ Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 7 Ihre Daten sind nicht „decision-ready“ Wie man es auch dreht und wendet, der Erfolg oder Misserfolg von Analyseprojekten der nächsten Generation hängt von den Daten ab, die analysiert werden. Es spielt keine Rolle, wie gut sie visualisiert werden, wie ausgefeilt auch immer Ihre Modelle sind, welche Datenspezialisten auch immer Sie anheuern: Ohne einwandfreie Daten ist Ihr Analyseprojekt zum Scheitern verurteilt. Wenn die Daten, die in Ihren Analyseplan eingehen, unbereinigt, fehlerbehaftet, mit Duplikaten durchsetzt, unvollständig, schlecht integriert oder zu spät beigebracht sind, kann auch den Einblicken nicht vertraut werden, die als Ergebnis herausspringen. Natürlich ist das keine völlig überraschende neue Nachricht. Probleme der Datenqualität und Integrationsherausforderungen sind die beiden Hürden auf dem Weg zum Analyseerfolg, die von denjenigen, die mit Analysetools arbeiten, am häufigsten erwähnt werden6. Unsere Definition für einwandfreie Daten ist folgende: Wird intelligente Datenverwaltung als strategischer erster Schritt behandelt, springt dabei eine solide Grundlage für sämtliche Analyseprogramme heraus. Einwandfreie Daten haben einige wichtige Eigenschaften gemeinsam. Es handelt sich um folgende Eigenschaften: Bereinigt – präzise, ohne Duplikate, zeitgerecht und vollständig: Daten, die vorab festgelegten Standards entsprechen Sicher – Daten, die richtlinienkonform und abgesichert sind, so dass nur die richtigen Personen Zugriff auf diese Daten haben Vertrauenswürdig – bereit für eine zuverlässige Analyse. Ihre Entscheidungsträger können sich auf die Fakten verlassen, die sie ihren Beurteilungen zugrundelegen. Verknüpft – Daten, die konsistent „die ganze Wahrheit“ widerspiegeln Wie Datenteams immer wieder feststellen, ist es der Schlüssel zum Erfolg mit Analyse- und BI-Projekten der nächsten Generation, wenn bereinigte, sichere und verknüpfte Daten vorliegen. Zeitgerecht – bereit für neue Fragen. Ihre Entscheidungsträger gewinnen rechtzeitig die erforderlichen Einblicke, um Aktionen einzuleiten. Offen – bereit für neue Datenquellen wie Daten von Partnern, aus sozialen Medien und Geodaten Aber es bleibt der Umstand, dass Ihre Mitarbeiter und Verfahren erst dann auf Entscheidungen vorbereitet sind, wenn es auch Ihre Daten sind. Information Week: Umfrage Analytik und Business Intelligence 2015, Seite 7 6 Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 8 Zugänglich – bereit für Nicht-IT-Anwender wie Unternehmensanalysten, die nicht über die Zeit oder die Fertigkeiten zur Bereinigung und Integration von Daten verfügen Skalierbar – bereit für die Übernahme weiterer Projekte und Datenquellen Einfach ausgedrückt: Intelligente Datenverwaltung stellt sicher, dass Sie mit einwandfreien Daten arbeiten. Und einwandfreie Daten ihrerseits stellen sicher, dass Ihre Analyseprojekte, -tools und -teams „decision-ready“ sind. Ihre Daten sind nicht „decision-ready“ Acht Symptome für schlechte Daten Den meisten Unternehmen ist nicht klar, wie mangelhaft ihre Daten tatsächlich sind. Hier nennen wir Ihnen acht Anzeichen dafür, dass unter der Hochglanzoberfläche Ihrer neuen Anwendungen ein Datenchaos lauert: Kalkulationstabellen, die sich widersprechen – Berichte mit gegensätzlichen Aussagen, die Entscheidungsträger verwirren Daten ohne Auskunftswert – Das Management hat kein Vertrauen in die Daten, auf deren Grundlage es handelt. Zuschreibungsblindheit – Sie können nicht sagen, was funktioniert und was nicht funktioniert. Kurzsichtige Marktbetrachtung – Niemand hat ein komplettes Bild von irgendetwas. Verzögerte Einsichten – Es dauert zu lange, bis Sie die Antworten erhalten, die Sie benötigen. Chaos in Hinblick auf Richtlinien – Ihre Mitarbeiter scheitern in ihren Bemühungen selbst um die einfachsten Anforderungen ganzheitlicher Datenverwaltung und in Hinblick auf den Datenschutz. Gleichgültigkeit gegenüber Anwendungen – Ihre Mitarbeiter verlieren jede Begeisterung für Ihre Schlüsselanwendungen. Talentverschwendung – Ihre rar gesäten und teuren Datenanalysten haben keinen Spaß an ihren Aufgaben. Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 9 Die sechs Grundeigenschaften von einwandfreien Daten Die sechs Grundeigenschaften von einwandfreien Daten Wenn einwandfreie Daten der Schlüssel zum Erfolg von Analytik der nächsten Generation ist, wie kann dann sichergestellt werden, dass Ihr Ansatz für die Datenverwaltung die richtigen Resultate bringt? Wir erläutern Ihnen, was diese Prinzipien unserer Meinung nach bedeuten, und wir zeigen Ihnen, wie Sie sie in die Tat umsetzen. Setzen Sie diese sechs Grundlagen um, und Sie sind bereit für die Analytik der nächsten Generation. Wir sind davon überzeugt, dass intelligente Datenverwaltung sich auf sechs wesentliche Prinzipien herunterbrechen lässt: 1. Wiederholbarkeit 2. Abstraktion 3. Abstimmung 4. Zusammenarbeit 5. Automatisierung 6. Governance Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 11 Die sechs Grundeigenschaften von einwandfreien Daten Eins Wiederholbarkeit Von Hand programmierte Datenintegrationen und die manuelle Bereinigung von Daten lösen Ihre Probleme ein einziges Mal. Ärgerlich ist, dass dieselben Probleme immer wieder aufs Neue auftreten. Jeder neue Datensatz macht mindestens einmal dieselbe granulare Bereinigung notwendig. Und jede neue Datenquelle muss extrahiert, umgewandelt und geladen werden. Wenn es auf die Effizienz und Skalierbarkeit Ihrer Analytik der nächsten Generation ankommt, ist Wiederholbarkeit ein wesentliches Ziel. Das bedeutet, dass Sie Wege finden müssen, um die Logik, mit der Sie Ihre Daten bereinigen, integrieren und umwandeln, jederzeit bequem erneut anzuwenden, ohne jedes Mal das Rad neu erfinden zu müssen. Maßnahmen Warum das wichtig ist 1. Fangen Sie mit einer Dokumentation Ihrer aktuellen Verfahren an, um die wesentlichen Schritte herauszuarbeiten, die immer wieder zu vollziehen sind. Das sind Dinge wie Datenbereinigung und Datenintegration. Die drei wichtigsten Hürden auf dem Weg zum Erfolg in der Informationsverwaltung sind Zugriff auf die Daten sowie Integration und Bereinigung der Daten7. Wenn Sie die genannten Schritte wiederholbar machen (und die Logik, auf die Sie bauen, wiederverwendbar), haben Sie das Haupthindernis auf dem Weg zum Erfolg Ihrer Analytik bereits überwunden. 2. Analysieren Sie die Verfahren, um herauszufinden, wie viel Zeit jeweils erforderlich ist und ob Ihre Teams immer dieselben Schritte vollziehen. 3. Finden Sie heraus, wo sich Gelegenheiten zur Standardisierung dieser Schritte ergeben, und erstellen Sie einen allgemeinen Ablaufplan und einen logischen Rahmen, in dem sich Ihre Teams zum Ziel bewegen. Der wahre Wert Ihrer Analyseprojekte ist nämlich, dass sie gegebenenfalls Einblicke liefern, solange Entscheidungsträger noch Zeit haben, ihre Pläne entsprechend anzupassen. Wenn Sie die für die Verwaltung Ihrer Daten benötigte Zeit reduzieren, reduzieren Sie auch die Zeit, die es braucht, um Einblicke zu gewinnen. 4. Sobald Sie die entsprechenden Einzelheiten kennen, suchen Sie nach geeigneten Werkzeugen für die Standardisierung der Schritte in effizienter und skalierbarer Weise (mehr dazu unter Prinzip Nr. 5). Information Week: Umfrage Analytik und Business Intelligence 2015, Seite 27 7 Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 12 Die sechs Grundeigenschaften von einwandfreien Daten Zwei Abstraktion Analytik ist eine kontinuierliche Reise. Ihr Ausgangspunkt ist möglicherweise ein Data Mart, hinzu kommt ein Data Warehouse, es gesellen sich EchtzeitStreams dazu, und irgendwann entschließen Sie sich vielleicht, zu einem Data Lake umzuziehen. Es zahlt sich also aus, wenn Sie auf eine Architektur der Datenverwaltung bauen, die mit jeder Art von Daten, jeder Speichertechnologie und jedem BI-Tool zusammenarbeitet. Insbesondere sollte Ihre Datenverwaltung in der Lage sein, auf der Grundlage beliebiger Methoden zur Speicherung zu arbeiten. Sollten Sie Hadoop oder NoSQL einführen wollen und dafür Ihre Tools für die Datenverwaltung komplett ersetzen müssen, laufen Sie ernste Gefahr, nur ein weiteres isoliertes „Datensilo“ zu errichten. Wenn Sie aber Ihre Integrationsmodule und Verfahren zur Datenverwaltung strikt von diesen Systemen (den Datenfabriken) trennen, setzen Sie auf die Zukunftssicherheit Ihres Rohmaterials (der Daten). Warum das wichtig ist Es liegt auf der Hand, dass Technologie, die für die Speicherung von Daten verwendet wird, einem raschen Wandel unterliegt. Eine Schichtarchitektur verschafft Ihnen die Flexibilität, neue Datenquellen und Zielanwendungen auf einfache Weise hinzuzufügen. Ist aber Ihre Plattform für die Datenverwaltung geeignet, Sie von diesem Prozess des Wandels abzukoppeln und unabhängig zu machen, gewinnen Sie die erforderliche Flexibilität, um sicherzustellen, dass Ihre Teams und Verfahren zu jeder Zeit für Entscheidungen bereit sind – komme, was wolle. Maßnahmen 1. Wählen Sie Tools für die Datenverwaltung, die Ihre Daten unabhängig von der zugrundeliegenden Speichertechnologie behandeln. 2. Stellen Sie sicher, dass Ihre Integrationen und Bereinigungsverfahren in der Datenverwaltungsschicht und nicht etwa in den Anwendungen stattfinden. Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 13 Die sechs Grundeigenschaften von einwandfreien Daten Drei Abstimmung Das Vokabular ist bei jedem Analyseprojekt immer ein besonders strittiges Thema. Was die einen als „Auftraggeber“ bezeichnen, ist für die anderen das „Kundenunternehmen“. Wenn Sie in diesem Zusammenhang Ihr Augenmerk auf noch allgemeinere Begriffe wie „Lösungen“ oder „Geschäfte“ richten, werden Sie bemerken, dass entsprechende Unterschiede in den Begrifflichkeiten zu ernsten Problemen führen können. Erfolgreiche Analyseprojekte führen die Fachkenntnisse der Mitarbeiter auf der geschäftlichen Seite mit der technischen Expertise der Mitarbeiter im IT-Bereich zusammen. Ein Schlüsselaspekt von Daten, die bereit für Entscheidungen sind, ist also eine gemeinsame Grundlage in Sachen Unternehmensvokabular, mit der die Erwartungen der geschäftlichen Seite für die Umsetzungen durch den IT-Bereich entsprechend abgestimmt werden. Durch Abstimmung wird sichergestellt, dass Ihre Integrationen und Implementierungen Ergebnisse liefern, auch wenn jemand die tatsächliche Bedeutung der Daten fehlerhaft kommunizieren sollte. Maßnahmen Warum das wichtig ist 1. Erstellen Sie ein Unternehmensvokabular, das einfach verbreitet werden kann und mit dem einfach umzugehen ist. Bei einem Unternehmen in der Gesundheitspflege stieß man auf Berichte, die sich widersprachen. Am Ende stellte sich das Problem als Missverständnis bei der Bedeutung des Begriffs „Anspruchszahlungsdatum“. 2. Bleiben Sie aktiv bei der Verwaltung und Verbreitung Ihrer Begrifflichkeiten, Definitionen, der Begriffseigentümer und der Regeln auf beiden Seiten, der geschäftlichen und im IT-Bereich. Zum Beispiel sollten Sie bei der Analyse von Umsätzen sicherstellen, dass kein Zweifel besteht, ob es sich jeweils um Gesamt-, Netto-, Regional- oder globale Umsätze handelt. Verschiedene Analysten fassten das entweder als Datum auf, an dem der Anspruch erhoben wurde, als Datum, an dem ein entsprechender Scheck eingelöst wurde, oder als Datum, an dem die Zahlung bestätigt wurde. Die daraus resultierenden Missverständnisse kosteten buchstäblich Millionen Dollar. Es klingt vielleicht einfach, aber der erste Schritt zur Abstimmung von Geschäftsbereichen und IT ist die Aufgabe, dafür zu sorgen, dass beide Seiten dieselbe Sprache sprechen. 3. Stellen Sie sicher, dass Ihre Unternehmensbegriffe mit den tatsächlichen Daten verknüpft sind. Durch die materielle Verknüpfung der beiden Dinge schaffen Sie eine Umgebung, in der es keinen Raum für Zweideutigkeiten zwischen Geschäftsebene (Begriff) und ITEbene (Speicherort) der Daten gibt. Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 14 Die sechs Grundeigenschaften von einwandfreien Daten Vier Zusammenarbeit Die „Consumerization“ der IT hat Änderungen in der Art und Weise hervorgebracht, wie Unternehmen mit Technologie umgehen. Im Guten wie im Schlechten sind nunmehr Angestellte aus dem nichttechnischen Bereich wie Unternehmensanalysten und Betriebsexperten diejenigen, die Analysetools in erster Linie verwenden. Aus diesem Grund ist es wesentlich, dass Ihr Ansatz geeignet ist, nichttechnische Anwender zur Selbsthilfe anzuregen und für eine selbstverständlichere Zusammenarbeit mit dem IT-Bereich und mit den Daten zu sorgen. Ein Engpass im IT-Bereich wirkt sich negativ auf die Motivation aus und bringt die Initiative der Betriebsexperten auf null, die unverändert diejenigen sind, die aus Ihren Analysetools eine Rendite erwirtschaften. Maßnahmen Warum das wichtig ist 1. Hören Sie genau zu, welche Notwendigkeiten bei verschiedenen Anwendern bestehen, und stellen Sie Tools bereit, die von den Anwendern selbst verwendet werden können. Die drei Hauptbenutzer erweiterter Analytik sind Unternehmensanalysten, Statistiker und geschäftliche Anwender8. Das bedeutet eine Menge nichttechnischer Fachkenntnisse, die auf eine ziemlich komplexe Technologie treffen. 2. Legen Sie Regeln, Richtlinien und Erfordernisse mit Blick auf die IT fest – von den Workflows bis hin zum Vokabular. Aber die Demokratisierung der Datenanalyse findet statt, unabhängig davon, wie schwierig die Umsetzung sein mag. Der logischste Weg für schnelle Fortschritte ist es sicherzustellen, dass Ihre Technikexperten möglichst einfach mit Ihren Betriebsfachleuten zusammenarbeiten können. 3. Öffnen Sie Kommunikationskanäle, damit Anwender sowohl im IT- als auch im geschäftlichen Bereich unmittelbar zusammenarbeiten können. TDWI-Bericht zu optimalen Vorgehensweisen, Analytik und Plattformen der nächsten Generation, 1Q 2015, Seite 14 8 Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 15 Die sechs Grundeigenschaften von einwandfreien Daten Fünf Automatisierung Es wurde bereits in Hinblick auf das erste Prinzip, die Wiederholbarkeit, erwähnt: Effizienz und Skalierbarkeit Ihrer Analyseverfahren ist wesentlich für nachhaltigen Erfolg. Aber solange Ihre Datenverwaltung von manuellen Bemühungen um Integration und Bereinigung abhängt, können Ihre Analyseprojekte kaum nachhaltig sein. Der pragmatischste Lösungsansatz ist der, jene Teile Ihrer Verfahren zu automatisieren, die am meisten Zeit benötigen und die wenigsten manuellen Eingriffe erforderlich machen. Das bedeutet nicht nur, dass Ihre kostspieligen „Big Data“-Talente nicht länger den Großteil ihrer Zeit dafür aufwenden, Kärrnerarbeiten in Hinblick auf das „Ausquetschen“ von Daten zu verrichten. Es bedeutet auch, dass Ihre Experten mehr analysieren und mehr Neuerungen umsetzen können. Maßnahmen Warum das wichtig ist 1. Identifizieren Sie die zeitraubendsten Verfahren der Datenverwaltung, und machen Sie es zur Unternehmensaufgabe, sie zu automatisieren. Das Unternehmen Southwest Power Pool profitierte in nicht unerheblicher Weise von Automatisierung. Typische Analysezeiten konnten von einem Tag auf 20 Minuten reduziert werden, indem Verfahren für die Datenintegration, -replikation und -bereitstellung automatisiert wurden9. 2. Suchen Sie nach Tools, die Ihnen bei der Automatisierung der Datenverwaltungsaufgaben helfen können, die in Ihrem Unternehmen definiert worden sind. Im Blickpunkt stehen Verfahren wie die Korrektur von Adressen, die Zuordnung von Verknüpfungen und die Korrektur von Formaten. Diese Art von Aufschwung ist wichtig, wenn Sie Hunderte von Szenarien auf den Prüfstand stellen und Antworten aus komplexen Modellen gewinnen wollen. Aber ungeachtet des Umfangs ihrer Analyseverfahren sollte ihre Effektivität niemals zu Lasten ihrer Effizienz gehen. Die Kundenerfolgsstory von Southwest Power Pool, Informatica 9 Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 16 Die sechs Grundeigenschaften von einwandfreien Daten Sechs Governance Data Governance ist ein wesentlicher Verfahrensschritt, wenn es um die Durchsetzung von intelligenter Datenverwaltung über das gesamte Unternehmen hinweg geht. Es wird nicht nur signalisiert, dass Daten als das wesentliche Unternehmensgut verwaltet werden, das sie tatsächlich darstellen, sondern gleichzeitig wird gewährleistet, dass alle an Ihren Analyseprojekten Beteiligten die Unterstützung bekommen, die für das Erreichen gemeinsamer Ziele erforderlich ist. Je nach den speziellen Zielen Ihres Unternehmens können Sie ein weiter oder enger gefasstes Programm für Data Governance auflegen, um die Datenqualität zu überwachen, Sicherheit und Richtlinienkonformität zu gewährleisten sowie Verfahren und Technologien zu standardisieren. Maßnahmen Warum das wichtig ist 1. Identifizieren Sie eventuelle Datenrisiken, und finden Sie heraus, mit welchen Richtlinien ihnen begegnet werden kann. Effektive Programme für Data Governance (wie eng oder weit sie auch angelegt sein mögen) lösen Konflikte, legen Entscheidungsrechte fest und bilden einen Rahmen für Analyseprojekte im Kontext der weiter gefassten Erfordernisse eines Unternehmens. 2. Umreißen Sie die Richtlinien, Standards und Regeln, die von Ihren Teams beachtet werden müssen. Sie sind ein integraler Bestandteil des Verfahrens und stellen sicher, dass andere Teams nicht doppelte Arbeit leisten, Technologie zweifach erwerben oder die Einhaltung von Richtlinien wiederholt prüfen. 3. Identifizieren Sie die wichtigsten Interessengruppen, die von Analytik der nächsten Generation profitieren würden, und steigen Sie in ein Verfahren zur Diskussion einer potenziellen Strategie für Data Governance ein. Eine effektive Strategie für Data Governance ist deshalb ein sicherer Weg, um zu gewährleisten, dass Analyseerfolge prognostizierbar und nachhaltig ausfallen. 4. Achten Sie auf Konfliktpunkte und Probleme im Zusammenhang mit einem Mangel an Verantwortlichkeit. Das sind die Knackpunkte, an denen eine effektive Strategie für Data Governance ansetzen und helfen kann. Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 17 Schlussfolgerungen Bereitschaft für Entscheidungen erreichen: Analytik der nächsten Generation erfolgreich machen In einer kürzlich durchgeführten Umfrage äußerten mehr als 50 Prozent der Befragten, dass Analytik der nächsten Generation für die strategische Entscheidungsfindung äußerst wichtig sei. Knapp 50 Prozent der Befragten gaben an, es sei überaus wichtig, Unternehmensverfahren und -leistungen zu optimieren10. Wenn Sie dieses eBook lesen, sind Sie wahrscheinlich in ähnlicher Weise überzeugt von dem Potenzial der Analytik der nächsten Generation. Wir selbst sind überzeugt (und wir hoffen, dass wir auch Sie überzeugen konnten), dass sich in der Qualität Ihrer Daten die wichtigste Lücke zwischen dem Versprechen der neuen Analytik und der Wirklichkeit auftun kann, in der wir heute arbeiten. Es spielt keine Rolle, wie viele großartige Anwendungen und Visualisierungswerkzeuge Sie auf das Problem schlecht verwalteter Daten ansetzen, denn die Ergebnisse bleiben immer dieselben: unzuverlässige Analysen und kümmerliche Grundlagen für die Entscheidungsfindung. Demnach sind selbst die besten Antworten, die von entsprechenden Lösungen geliefert werden und die genau dem entsprechen, was Ihr Unternehmen braucht, nichts wert, wenn sie zu spät, zu unregelmäßig oder zu einem viel zu hohen Preis ermittelt werden. Lassen Sie sich nicht täuschen: Der ultimative Wert von Analyselösungen liegt nicht in deren Fähigkeit, Einblicke aus großen Datenmengen zu gewinnen. Vielmehr ist es die Möglichkeit, wesentliche Unternehmensergebnisse zu verbessern, die sie auszeichnet. Das Ziel von Analytik der nächsten Generation könnte es sein, die Grundlage für bessere Entscheidungen zu liefern. Aber nur intelligente Datenverwaltung stellt Ihnen die Mittel bereit, die für ein Unternehmen erforderlich sind, das „decision-ready“ ist. TDWI-Bericht zu optimalen Vorgehensweisen, Analytik und Plattformen der nächsten Generation, 1Q 2015, Seite 7 10 Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 18 Weitere Informationen „Big Data“ spielt eine wesentliche Rolle in der erweiterten Analytik. Vielleicht gefällt Ihnen unser Workbook zum Thema: Das große Big-Data-Workbook. Das große Big-DataWorkbook Jetzt herunterladen. Ein praktischer Leitfaden zur Durchführung Ihres ersten Big-Data-Projekts Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 19 IN18-0415-2895 Informationen zu Informatica Wir sind Informatica und helfen den weltweit größten Unternehmen bei der intelligenten Datenverwaltung, die erforderlich ist, um „decision-ready“ zu sein. Wenn Sie auf der Suche nach Möglichkeiten sind, Ihrem Unternehmen erweiterte Analytik bereitzustellen, müssen auch sie bereit dafür sein, Entscheidungen zu fällen. Sprechen Sie uns an. Informatica Was erforderlich ist, um erweiterte Analytik bereitzustellen 20
© Copyright 2024 ExpyDoc
