Freitag , April 10 2020
Home / Business Intelligence / Business Intelligence- und Analytics-Trends im Jahr 2020

Business Intelligence- und Analytics-Trends im Jahr 2020

Das allgemeine Muster der Technologie-Upgrades in Enterprise Analytics & Business Intelligence im Jahr 2019 signalisierte die Entstehung einiger spezifischer Analysetypen: intelligent, in Echtzeit, erweitert und gesprächig. Diese Trends werden bis 2020 und darüber hinaus weiter zunehmen.

In dieser Liste sind auch enthalten: Intelligente Geräte und Mehrkanaldaten erfordern intelligente Analysetools für verbesserte Einblicke; Echtzeitanalysen werden im Zeitalter von Sensoren und Streaming-Daten eine Notwendigkeit sein. Augmented Analytics wird Data Science-Experten für hochwertige Aufgaben entlasten, indem es Datenwissenschaftlern ermöglicht, Analytics und BI selbst durchzuführen. und schließlich ist die Konversationsanalyse die neue Norm in der Welt der Analytik, in der die Textfähigkeit von NLP durch Sprache ersetzt wird:

„Ökosystem-Orchestratoren verwenden Daten, um die Punkte zu verbinden – indem sie beispielsweise alle möglichen Produzenten mit allen möglichen verbinden Kunden, und zunehmend durch Vorhersage der Bedürfnisse von Kunden, bevor sie artikuliert werden. Je mehr ein Unternehmen über seine Kunden weiß, desto besser kann es ein wirklich integriertes, durchgängiges digitales Erlebnis bieten. “ – McKinsey, Analytics wird erwachsen

Laut The Global State of Enterprise Analytics, 2020 dürften 65 Prozent der globalen Unternehmen ihre Ausgaben für Business Analytics erhöhen. Von den 500 befragten Unternehmen gaben 94 Prozent an, dass „Daten und Analysen“ für das Geschäftswachstum von entscheidender Bedeutung sind. 47 Prozent der aktuellen Analyseplattformen werden in der Cloud gehostet, und 59 Prozent der Unternehmen haben bereits erweiterte Analysen implementiert.

Jim Hare, Research Vice President bei Gartner, sagte: „Da Intelligenz das Kernstück aller digitalen Unternehmen ist , IT- und Unternehmensleiter legen weiterhin großen Wert auf Analytics und BI als oberste Priorität für Innovationsinvestitionen. “

Für 2020 prognostizierte BI & Analytics-Trends

Zwölf kuratierte Trends für 2020

  • Smart Analytics: Derzeit die Business-IT Das Ökosystem setzt schnell auf intelligente Geräte, intelligente Technologien und intelligente Tools, um die Betriebskosten zu senken, die Geschäftseffizienz zu steigern und Geschäftsprozesse zu optimieren. Daher ist es nur natürlich, dass der nächste große Übergang in der Welt der Analytik die „intelligente Analytik“ sein wird, die den Anforderungen intelligenter (datentechnologiegetriebener) Unternehmen entspricht. Die Hauptantriebskraft hinter der Smart Analytics-Bewegung sind KI und verwandte Technologien.
  • Demokratisierung von Analytics: Immer mehr Unternehmensanalyseteams werden Experten und Nicht-Experten zusammenführen, um das Mainstreaming von Analytics-Aktivitäten zu ermöglichen. Einige Mitarbeiter von Data Science arbeiten möglicherweise mit normalen Geschäftsanwendern zusammen, die über alltägliche Geschäftskenntnisse verfügen, um eine breite Beteiligung und „Vielfalt von Erkenntnissen“ aus der Analytik zu fördern. Bürgerdatenwissenschaftler werden die realen Datenwissenschaftler bei der Bereitstellung fortschrittlicher Analysen im Jahr 2020 übertreffen.
  • Augmented Analytics: Diese Art der Analyse wird sich hauptsächlich auf maschinelles Lernen (ML) für die Datenaufbereitung, Datenexploration und automatisierte Modellentwicklung stützen. Die Erkenntnisse aus diesen Systemen können von Geschäftsbenutzern und Bürgerdatenwissenschaftlern ohne die Hilfe von Data Science-Mitarbeitern extrahiert werden. Gartner hat vorgeschlagen, dass fünf Haupttrends Analytics und BI prägen und dass Augmented Analytics 2020 das meistverkaufte Merkmal von Analytics-Lösungen sein wird.
  • Erhöhte Datenkompetenz: Der vorherige Trend wird die Notwendigkeit einer erhöhten Datenkompetenz in die Höhe treiben Ein Unternehmen. Gewöhnliche Geschäftsanwender werden die Notwendigkeit der Kompetenz in Bezug auf personenbezogene Daten erkennen.
  • Erweitertes Datenmanagement: Mit der schnellen Automatisierung von Data Science-Plattformen aufgrund von AI, ML, NLP und anderen fortschrittlichen Technologien finden Unternehmen das Datenmanagement zum nächsten Ziel für die vollständige Automatisierung. Mit der zunehmenden Automatisierung der Datenintegration, des Metadatenmanagements, des MDM oder des Datenqualitätsmanagements ist der Mangel an Data Science-Talenten, der einst eine Bedrohung für globale Unternehmen darstellte, kein Problem mehr. Analytics- und BI-Anbieter erweitern zunehmend AI- und ML-Funktionen, um Datenverwaltungsprozesse mit Selbstkonfiguration und Selbstoptimierung bereitzustellen. Jetzt können sich die wenigen Datenwissenschaftler, die in einer typischen Rechenzentrumsumgebung verfügbar sind, auf komplexe technische Projekte konzentrieren.
  • Conversational Analytics: Während NLP das Stellen von Fragen und das Abrufen von Antworten aus Daten durch die Konversationssprache vereinfachte, macht „Conversational Analytics“ einen Schritt nach vorne, indem verbale Frage-Antwort-Sitzungen anstelle von Text aktiviert werden. Es wurde vorausgesagt, dass NLP und Konversationsanalysen bis 2021 zusammen die BI-Akzeptanz bei den Mitarbeitern „von 35 Prozent auf über 50 Prozent“ verbessern werden, was viele neue Kategorien von Geschäftsbenutzern umfassen kann.
  • Grafikverarbeitung und Grafikdatenbanken: Bei der Grafikverarbeitung wird grafisch dargestellt, wie „Entitäten wie Personen, Orte und Dinge“ miteinander in Beziehung stehen. Diese Technologie hat breite Anwendungen – von der Betrugserkennung über die soziale Analyse bis hin zur Genomforschung. Gartner prognostiziert, dass die Grafikverarbeitung derzeit jährlich um 100 Prozent zunimmt und sich dieser Trend in den nächsten drei bis fünf Jahren fortsetzen wird.
  • Continuous Intelligence: In jüngster Zeit haben sensorgesteuerte IoT-Technologie, Streaming-Analyse-Tools und Cloud-Plattformen die Nachfrage nach Echtzeit-Analysen und jetzt nach „Continuous Intelligence“, also in Echtzeit gesammelten Informationen, angeheizt . Laut Gartner werden bis 2022 mehr als 50 Prozent der neuen Unternehmen kontinuierliche Intelligenz für eine verbesserte Entscheidungsfindung implementieren.
  • Persistente Speicherserver: Mit dem phänomenalen Anstieg des Datenvolumens stellt sich die typische Größe des Datenbankspeichers dar Eine Herausforderung für die Verarbeitung von In-Memory-Datenbanken. Die neueren Server bieten mehr Geschwindigkeit und bessere Leistung, jedoch nur, wenn die Speicher- und Speicherkapazitäten angemessen aufeinander abgestimmt sind. Die permanente Speichertechnologie verspricht, „Erkenntnisse aus Daten“ zu liefern, aber es kann einige Jahre dauern, bis die Technologie ausgereift ist.
  • Erklärbare KI: Erklärbare KI ist die passende Antwort auf regulatorische Albträume bei Modellanwendungen. Um die Transparenz und Zuverlässigkeit modellbasierter Ergebnisse oder Erkenntnisse zu erhöhen, hilft diese Technologie dabei, „ein Modell zu beschreiben, seine Stärken und Schwächen hervorzuheben, sein wahrscheinliches Verhalten vorherzusagen und mögliche Verzerrungen zu identifizieren“. Ohne den Einsatz dieser Technologie können AI- oder ML-gesteuerte Ergebnisse schwerwiegende regulatorische oder Reputationsprobleme verursachen.
  • Data Fabric: Diese maßgeschneiderte Lösung bietet nutzbare Datendienste – Datenzugriff, gemeinsame Nutzung oder Verteilung – durch eine „Kombination von Datenintegrationsansätzen“. Es ist für eine verteilte Datenumgebung gedacht.
  • Kommerzielle Übernahme von AI- und ML-Forschungsplattformen: Bisher wurde der Großteil der AI- und ML-Forschung auf Open-Source-Plattformen durchgeführt. Das ändert sich jetzt. Der neueste Trend in der KI sind kommerzielle Akteure, die mit Partnerschaftsmodellen in den Markt für fortschrittliche Technologieforschung und Anwendungsentwicklung eintreten.

Aus vielen weiteren Trends veröffentlicht als
"Jahr 2020 Analytics & BI Trends" von Branchenpublikationen, dem Autor von
Dieser Beitrag hat sich entschieden, die oben genannten 12 zu teilen, basierend auf dem persönlichen Verständnis von
wohin die digitalen Technologien im nächsten Jahr gehen.

Datenmonetarisierung: Ein wichtiger Motivator für die Einführung von Technologien

Während sich Data Science-, Analytics- und BI-Lösungen ständig weiterentwickeln und Platz für intelligentere, schnellere und agilere Plattformen für Business Analytics machen, ist dies eine wichtige Sache, an die Sie sich erinnern sollten Unternehmen sind immer motiviert von dem Gedanken und der Aussicht auf „mehr Umsatz“. Die allgemeine Geschäftserwartung besteht darin, dass fortschrittliche Datentechnologien in Verbindung mit fortschrittlichen Automatisierungstechnologien wie AI, ML und NLP gemeinsam zur Schaffung von „Data Assets“ für Unternehmen beitragen, die zur Monetarisierung von Daten führen. Jetzt, da die Cloud Mainstream ist, haben Unternehmen aller Formen und Größen die Möglichkeit, ihre Daten oder Erkenntnisse an externe Kunden zu verkaufen.

Bild, das unter Lizenz von verwendet wird
Shutterstock.com

About BusinessIntelligence

Check Also

Die Bedeutung des Datenschutzes während der Coronavirus-Pandemie

Während der jüngsten Coronavirus-Pandemie haben wir immer mehr Zeit in Innenräumen verbracht. Das bringt uns …

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.