Die heutigen Organisationen werden mit neuen Daten aus allen Richtungen überflutet, und von den Führungskräften wird erwartet, dass sie mit diesen Informationen intelligentere Entscheidungen treffen.
Während kleine und mittelständische Unternehmen (KMUs) in ihren Anfängen möglicherweise Microsoft Excel als geeigneten Speicher für Daten finden, werden sie bald feststellen, dass Tabellenkalkulationen stumpf und unzureichend sind, um mit diesen hohen Datenmengen umzugehen.
Es gibt jetzt eine neue Reihe von Business Intelligence-Tools (BI), um diese Lücke zu schließen.
Diese Tools kombinieren alle ausgeklügelten Daten-Hooks im Back-End mit einem neuen Front-End-Stil, der die Benutzerfreundlichkeit mit Dingen wie der Abfrage natürlicher Sprache kombiniert, um die Verwendung von BI für jedermann zugänglich zu machen.
Diese Tools bieten auch neue Datenvisualisierungsfunktionen, mit denen Sie Ihre Erkenntnisse in klare und einfach zu analysierende Grafiken umwandeln können, damit Mitarbeiter Ihre Entdeckungen besser verstehen.
Tabellenkalkulationen fallen auch dann herunter, wenn die Daten nicht gut strukturiert sind oder nicht in ordentlichen Zeilen und Spalten sortiert werden können.
Und wenn Sie Millionen von Zeilen oder sehr spärliche Matrizen haben, kann die Eingabe der Daten in eine Tabelle schmerzhaft sein und es kann schwierig sein, Ihre Daten zu visualisieren.
Tabellenkalkulationen treten auch auf, wenn Sie versuchen, einen Bericht zu erstellen, der mehrere Datentabellen umfasst oder sich in SQL-basierten Datenbanken (Structured Query Language) mischt, oder wenn mehrere Benutzer versuchen, dieselbe Tabelle zu verwalten und zusammenzuarbeiten.
Eine Tabelle mit aktuellen Daten kann ebenfalls ein Problem sein, insbesondere wenn Sie Grafiken exportiert haben, die aktualisiert werden müssen, wenn sich die Daten ändern.
Schließlich sind Tabellenkalkulationen nicht gut für die Datenexploration.
Der Versuch, Trends, abgelegene Datenpunkte oder kontraintuitive Ergebnisse zu erkennen, ist schwierig, wenn das Gesuchte häufig in einer langen Reihe von Zahlen versteckt ist.
Während Tabellenkalkulationen und Self-Service-BI-Tools Zahlentabellen verwenden, agieren sie tatsächlich in unterschiedlichen Bereichen mit unterschiedlichen Zwecken.
Eine Tabelle ist in erster Linie eine Möglichkeit, Berechnungen zu speichern und anzuzeigen.
Während einige Tabellenkalkulationen sehr ausgefeilte mathematische Modelle erstellen können, dreht sich im Kern mehr die Mathematik als das Modell selbst.
Dies alles ist eine langwierige Art zu sagen, dass Unternehmen, die eine Tabelle verwenden, sich selbst aktiv sabotieren und in der Lage sind, stets wertvolle Erkenntnisse aus ihren Daten zu gewinnen.
BI-Tools wurden speziell entwickelt, um Unternehmen dabei zu helfen, ihre Daten besser zu verstehen, und können sich als großer Vorteil für diejenigen erweisen, die ein Upgrade von einer eingeschränkten Tabellenkalkulation durchführen.
Was ist Business Intelligence?
BI umfasst eine ganze Reihe von Tools und Prozessen, die möglicherweise nicht standardisiert oder vage oder nebulös sind.
Verschiedene Arten von Software bieten jetzt eine Form der Analyse an, die auf die spezifischen Anforderungen eines Unternehmens eingehen kann.
Ob es sich um Benutzerkennzahlen, das Definieren und Antizipieren von Trends sowie das Vorhersagen von Ergebnissen handelt, fällt unter die Dachdefinition von Business Intelligence.
Kurz gesagt, Aktivitäten, die Unternehmen dabei helfen, Rohdaten in umsetzbares Wissen umzuwandeln, können als BI gekennzeichnet werden.
Jetzt, da Unternehmen mehr Daten als je zuvor generieren, ist es eine größere Herausforderung, diese Daten in umsetzbares BI zu integrieren, um den Gewinn zu steigern und der Konkurrenz einen Schritt voraus zu sein.
Auf diese Weise gerahmt, gibt es BI als Konzept schon so lange wie das Geschäft.
Dieses Konzept hat sich jedoch aus den frühen Grundlagen heraus entwickelt [like Accounts Payable (AP) and Accounts Receivable (AR) reports and customer contact and contract information] zu viel anspruchsvolleren und nuancierteren Informationen.
Diese Informationen reichen von Kundenverhalten über die Überwachung der IT-Infrastruktur bis hin zur langfristigen Leistung von Anlagevermögen.
Das separate Verfolgen solcher Metriken ist etwas, was die meisten Unternehmen unabhängig von den verwendeten Tools tun können.
Sie zu kombinieren, insbesondere unterschiedliche Ergebnisse von Metriken, die normalerweise nicht miteinander verknüpft sind, zu verständlichen und umsetzbaren Informationen.
Das ist die Kunst von BI.
Die Zukunft von BI gestaltet sich bereits, um gleichzeitig den Umfang und die Vielfalt der verwendeten Daten zu erweitern und den Mikrofokus auf immer feinere, detailliertere Ebenen zu schärfen.
BI-Software hat maßgeblich zu diesem stetigen Fortschritt hin zu tieferen Kenntnissen über Unternehmen, Wettbewerber, Kunden, Branche, Markt und Lieferanten beigetragen, um nur einige mögliche metrische Ziele zu nennen.
Aber wenn Unternehmen wachsen und ihre Informationsspeicher im Ballon aufsteigen, wird das Erfassen, Speichern und Organisieren von Informationen zu groß und komplex, um vollständig von bloßen Menschen gehandhabt zu werden.
Frühe Bemühungen, diese Aufgaben über Software wie Customer Relationship Management (CRM) und Enterprise Resource Planning (ERP) zu erledigen, führten zur Bildung von "Datensilos", in denen Daten nur innerhalb der Grenzen bestimmter Vorgänge oder Software-Buckets gefangen und nützlich waren .
Dies war der Fall, es sei denn, die IT übernahm die Integration verschiedener Silos, typischerweise durch sorgfältige und sehr manuelle Prozesse.
Während BI-Software immer noch eine Vielzahl von Softwareanwendungen abdeckt, die zur Analyse von Rohdaten verwendet werden, bezieht sie sich heute normalerweise auf Analysen für Data Mining, analytische Verarbeitung, Abfrage, Berichterstellung und insbesondere Visualisierung.
Der Hauptunterschied zwischen der heutigen BI-Software und der Big Data-Analyse besteht hauptsächlich in der Skalierung.
Die BI-Software verarbeitet Datengrößen, die für die meisten Unternehmen typisch sind, von klein bis groß.
Big Data-Analysen und Apps verarbeiten Datenanalysen für sehr große Datenmengen, z.
B.
in Petabyte (PBs) gemessene Silos.
Self-Service-BI und Datendemokratisierung
Die BI-Tools, die vor einem halben Jahrzehnt oder länger populär waren, erforderten Spezialisten, um die resultierenden Daten und Schlussfolgerungen nicht nur zu verwenden, sondern auch zu interpretieren.
Dies führte zu einem oft unbequemen und fehlbaren Filter zwischen den Personen, die das Geschäft wirklich verstehen und verstehen mussten - den Entscheidungsträgern des Unternehmens - und denen, die diese Daten sammelten, verarbeiteten und interpretierten - normalerweise Datenanalysten und Datenbankadministratoren.
Da es eine anspruchsvolle Aufgabe ist, ein Datenspezialist zu sein, waren viele dieser Leute mit den tatsächlichen Abläufen des Unternehmens, dessen Daten sie analysierten, weniger vertraut.
Dies führte zu einem Fokus auf Daten, die das Unternehmen nicht benötigte, einer Fehlinterpretation der Ergebnisse und häufig zu einer Reihe von "Standard" -Berichten, die Analysten planmäßig durchführen würden, anstatt mehr Ad-hoc-Informationen zu sammeln und zu interpretieren, was sehr hoch sein kann wertvoll in sich schnell bewegenden Situationen.
Dieses Problem hat zu einem wachsenden neuen Trend bei neuen BI-Tools geführt, die heute auf den Markt kommen: Self-Service-BI und Datendemokratisierung.
Das Ziel für einen Großteil der heutigen BI-Software ist es, für jeden in der Organisation verfügbar und verwendbar zu sein.
Anstatt Berichte oder Abfragen über die IT- oder Datenbankabteilungen anzufordern, können Führungskräfte und Entscheidungsträger ihre eigenen Abfragen, Berichte und Datenvisualisierungen über Self-Service-Modelle erstellen und über vorgefertigte Konnektoren eine Verbindung zu unterschiedlichen Daten innerhalb und außerhalb des Unternehmens herstellen.
Die IT behält die allgemeine Kontrolle darüber, wer über diese Konnektoren und ihr Management-Tool-Arsenal auf welche Tools und Daten zugreifen kann.
Die IT fungiert jedoch nicht mehr als Engpass bei jeder Abfrage- und Berichtsanforderung.
Dadurch können Benutzer dieses verteilte BI-Modell nutzen.
Wichtige Tools und wichtige Daten haben sich von einer zentralisierten und schwer zugänglichen Architektur zu einem dezentralisierten Modell entwickelt, das lediglich Zugangsdaten und Kenntnisse der neuen BI-Software erfordert.
Dies führt dazu, dass dem Unternehmen zusätzliche Analysen zur Verfügung stehen, die erfahrene Geschäftsleute an vorderster Front extrapolieren und sinnvoll einsetzen können.
Die aufstrebenden BI-Tools arbeiten hart daran, Front-End-Tools zu entwickeln, die intuitiver und benutzerfreundlicher sind als die älterer Generationen - mit unterschiedlichem Erfolg.
Dies bedeutet jedoch, dass ein Schlüsselkriterium bei jeder Kaufentscheidung für BI-Tools darin besteht, zu bewerten, wer in der Organisation auf solche Tools zugreifen soll und ob das Tool für diese Zielgruppe geeignet ist.
Die meisten BI-Anbieter geben an, dass sie nach Toolsuites suchen, die für Geschäftsbenutzer genauso allgegenwärtig und benutzerfreundlich sind wie typische Tools für die geschäftliche Zusammenarbeit oder Produktivitätssuiten wie Microsoft Office.
Nach meiner Einschätzung ist noch keiner so weit gekommen, aber einige sind näher als andere.
Zu diesem Zweck konzentrieren sich diese BI-Tool-Suites in der Regel auf drei Kerntypen von Analysen: beschreibende (was passiert ist), präskriptive (was jetzt passieren sollte) und prädiktive (was später passieren wird).
Was ist Datenvisualisierung?
Im Kontext von BI-Software ist die Datenvisualisierung eine schnelle und effektive Methode zur Übertragung von Informationen von einer Maschine auf ein menschliches Gehirn.
Die Idee ist, digitale Informationen in einen visuellen Kontext zu stellen, damit die analytische Ausgabe schnell von Menschen aufgenommen werden kann, oft auf einen Blick.
Wenn dies nach den Kreis- und Balkendiagrammen klingt, die Sie in Microsoft Excel gesehen haben, haben Sie Recht.
Dies sind frühe Beispiele für Datenvisualisierungen.
Die heutigen Visualisierungsformen entwickeln sich jedoch schnell von diesen traditionellen Kreisdiagrammen zu stilisierten, künstlerischen und sogar interaktiven.
Eine interaktive Visualisierung verfügt über mehrschichtige "Drilldowns".
Dies bedeutet, dass der Betrachter mit dem Bild interagieren kann, um detailliertere Informationen zu einem oder mehreren Aspekten zu erhalten, die im Gesamtbild enthalten sind.
Beispielsweise können neue Werte hinzugefügt werden, die die Visualisierung im laufenden Betrieb ändern, oder die Visualisierung basiert auf sich schnell ändernden Daten, die eine statische visuelle Darstellung in eine Animation oder ein Dashboard verwandeln können.
Die besten Visualisierungen streben keine künstlerischen Auszeichnungen an, sondern sind auf Funktion ausgerichtet, in der Regel auf die schnelle und intuitive Übertragung von Informationen.
Mit anderen Worten, die besten Visualisierungen sind einfach, aber leistungsstark, um eine Nachricht klar und direkt zu übermitteln.
High-End-Grafiken sehen auf den ersten Blick beeindruckend aus.
Wenn Ihr Publikum jedoch Hilfe benötigt, um zu verstehen, was vermittelt wird, sind sie letztendlich gescheitert.
Die meisten BI-Programme, einschließlich der hier beschriebenen, verfügen über Visualisierungsfunktionen.
Einige Produkte bieten jedoch mehr Optionen als andere.
Wenn erweiterte visuelle Elemente für Ihren BI-Prozess von entscheidender Bedeutung sind, sollten Sie diese Tools genau untersuchen.
Es gibt auch kostenlose Datenvisualisierungstools von Drittanbietern, die zusätzlich zu Ihrer BI-Software für noch mehr Optionen verwendet werden können.
Produkte und Tests
In dieser Übersicht habe ich jedes Produkt aus der Sicht eines Business Analysten getestet.
Ich habe aber auch den Standpunkt von Benutzern berücksichtigt, die möglicherweise nicht mit Datenverarbeitung oder Analyse vertraut sind.
Ich habe dieselben Datensätze geladen und verwendet und dieselben Abfragen gestellt, um die Ergebnisse und die damit verbundenen Prozesse zu bewerten.
Mein Ziel war es, Cloud-Versionen allein zu evaluieren, da ich häufig Analysen im laufenden Betrieb oder zumindest auf einer Vielzahl von Maschinen durchführe, ebenso wie Legionen anderer Analysten.
In einigen Fällen war es jedoch erforderlich, auch eine Desktop-Version oder anstelle der Cloud-Version zu evaluieren.
Ein Beispiel hierfür ist Tableau Desktop, ein beliebtes Tool von Microsoft Excel-Benutzern, die einfach eine Affinität zum Desktop-Tool haben (und nur lange genug in die Cloud wechseln, um ...
