Augmented Analytics
Augmented Analytics, zu deutsch erweiterte Analytik, ist die Verwendung von maschinellem Lernen (ML) und natürlicher Sprachverarbeitung (Natural Language Processing, NLP) zur Verbesserung von Datenanalyse, Datenaustausch und Business Intelligence. Das Konzept der erweiterten Intelligenz (Augmented Intelligence), ein übergreifendes Konzept der erweiterten Analytik, wurde vom Marktforschungsunternehmen Gartner in der Ausgabe 2017 des Hype Cycle for Emerging Technologies vorgestellt.
Datenanalysesoftware kann Augmented-Analytics-Tools integrieren, um große Datensätze zu verarbeiten. Unternehmen können Informationen aus Rohdatenquellen in diese Plattformen eingeben, die dann die Schlüsseldaten für die Analyse aufbereiten, analysieren und zurückgeben. Durch den Einsatz von maschinellem Lernen und NLP sind erweiterte Analyse-Tools in der Lage, Daten organisch zu verstehen und mit ihnen zu interagieren sowie wertvolle oder ungewöhnliche Trends zu erkennen.
Der Bereich der Datenanalyse ist komplex und erfordert in der Regel einen Datenwissenschaftler (Data Scientist), um aus Big Data einen Nutzen zu ziehen. Diese Komplexität ist zum Teil auf die Tatsache zurückzuführen, dass Daten aus einer Reihe unterschiedlicher Quellen gesammelt werden müssen, zum Beispiel aus Webanalysen, Marketingmitteilungen und Beiträgen in sozialen Medien. Das Sammeln der Daten ist nur der erste Schritt, sie müssen auch für die Analyse vorbereitet werden, indem sie organisiert und verfeinert werden, bevor der Analytiker oder Datenwissenschaftler nützliche Erkenntnisse gewinnen kann. Die Ergebnisse müssen dann zusammen mit Aktionsplänen an das Unternehmen weitergegeben werden, um diese Erkenntnisse zu nutzen.
Aufgrund des manuellen Aufwands, der für diese Aufgaben erforderlich ist, sind Datenwissenschaftler derzeit sehr gefragt und können für einige Unternehmen unpraktisch teuer sein. Man schätzt, dass ein Datenwissenschaftler bis zu 80 Prozent seiner Zeit mit dem Sammeln, Aufbereiten und Bereinigen von Daten verbringen kann. An dieser Stelle kann die erweiterte Analytik eingesetzt werden. Mit der Ergänzung der Datenanalyse durch maschinelles Lernen können viele der zeitaufwändigen Aufgaben der Datenerfassung und -aufbereitung schnell, automatisch und mit weniger Fehlern erledigt werden. Infolgedessen können Datenwissenschaftler mehr Zeit mit der Suche nach verwertbaren Erkenntnissen verbringen.
