Sergey Nivens - stock.adobe.com
Data Discovery Tools: Was Unternehmen wissen sollten
Data Discovery Tools analysieren und visualisieren Daten für Geschäftsanwender. Sie sind unverzichtbar für fundierte unternehmerische Entscheidungen.
Daten sind nutzlos, wenn sie keine Erkenntnisse liefern. Dies gilt gleichermaßen in Wissenschaft und Wirtschaft. In der Wissenschaft werden mit empirischen Daten Hypothesen und Theorien bestätigt oder widerlegt. Dieser beständige Prozess des Bestätigens und Widerlegen macht den Fortschritt in der Wissenschaft aus.
Im Wirtschaftsumfeld müssen Daten ebenfalls Erkenntnisse liefern. Hier dienen Daten den Unternehmen vor allem dabei, ihre Kunden besser zu verstehen und fundierte Geschäftsentscheidungen zu treffen. Ein gutes Data Discovery Tool unterstützt dabei und ist der Schlüssel zu soliden Erkenntnissen.
Es gibt Data Discovery Tools, die mehrere Funktionalitäten in Einem abdecken. In der Regel erfordert der Data-Discovery-Prozess aber separate Tools zur Datenaufbereitung, visuellen Datenanalyse und erweiterten Analyse. Der Grund: viele Tools in dieser Kategorie widmen sich einem einzigen Aspekt.
Allgemein bezeichnen Data Discovery Tools Softwareanwendungen innerhalb von Business Intelligence (BI), die es Unternehmen ermöglichen, mit den Daten oder den Datensätzen, die sie aus verschiedenen Quellen beziehen, nach Mustern oder bestimmten Elementen zu suchen. Data Discovery Tools verwenden in der Regel visuelle Darstellungsmechanismen wie geografische Karten. Damit lassen sich der Data-Discovery-Prozess und der Prozess der Mustererkennung beschleunigen. Die visualisierten Daten werden oft in Form von Dashboards, Berichten, Diagrammen und Tabellen dargestellt.
Bei traditionellen BI-Anwendungen erfolgt die Datenvisualisierung über einfache Standard-Charts, simple grafische Darstellungen, Key Performance Indicator oder andere Methoden. Mit dem Aufstieg von Big Data und Analytics hat sich BI aber weiterentwickelt. Der Schwerpunkt liegt nun auf der Datenanalyse und -entdeckung durch die Benutzer selbst, dem Zugriff auf größere Datenmengen und der Möglichkeit, anspruchsvollere Präsentationen zu erstellen.
Suchbasierte Data Discovery Tools
Suchbasierte Data Discovery Tools nutzen Suchbegriffe, um Ansichten und Analysen von Daten zu entwickeln und zu verfeinern. Die Daten können dabei strukturiert und unstrukturiert sein. Laut Gartner haben suchbasierte Tools drei Hauptmerkmale:
- eine proprietäre Datenstruktur zur Speicherung und Modellierung von Daten aus unterschiedlichen Quellen, wodurch die Abhängigkeit von vordefinierten BI-Metadaten minimiert wird;
- eine integrierte Performance-Schicht, die RAM oder Indizierungen verwendet, was den Bedarf an Aggregaten, Zusammenfassungen und Vorberechnungen verringert; und
- eine intuitive Benutzeroberfläche, mit der es möglich ist, Daten ohne großen Schulungsaufwand zu analysieren.
Im Vergleich zu einem visualisierungsbasierten Data Discovery Tool, das sich ausschließlich auf quantitative Daten fokussiert, hat ein suchbasiertes Tool weitere Vorteile: Neben einem größeren Umfang verfügt es auch über ein nutzerfreundliches User Interface. Mit Hilfe von Textsucheingaben und -ergebnissen werden die Benutzer zu den gewünschten Informationen geführt.
Wer braucht Data Discovery Tools?
Unternehmen benötigen Data Discovery Tools, um den Wert von Daten zu erkennen und Geschäftsanwender in die Lage zu versetzen, fundierte Business-Entscheidungen treffen zu können. Zum Beispiel können Business-Analysten diese Tools nutzen, um wichtige Trends und Beziehungen in Daten zu identifizieren. Diese könnten einem Unternehmen helfen, eine Verkaufs- oder Marketing-Kampagne zu verfeinern. Anstatt sich nur auf historische Verkaufsdaten zu verlassen, die auf monatlichen Berichten basieren, können Analysten neue Erkenntnisse aus den Daten gewinnen. Dazu brauchen sie diese nur aus verschiedenen Blickwinkeln zu betrachten und können so Muster entdecken, die vorher vielleicht nicht erkennbar waren.
Ein weiteres Beispiel ist die Fertigung. Ein Unternehmen kann Data Discovery Tools einsetzen, um Probleme in Fertigungsanlagen zu identifizieren, die den Produktionsprozess behindern. Ebenso könnten sie Probleme in der Lieferkette erkennen, die die Lieferung von Waren an Kunden und Einzelhändler verlangsamen.
Ein Data Discovery Tool kann einem Unternehmen auch helfen, Risiken zu reduzieren. Zum Beispiel können Risikoanalysten einer Bank oder eines Versicherungsunternehmens mit einem solchen Tool besser ermitteln, welche Kunden einen Risikofaktor darstellen. Die Daten, auf deren Basis solche Erkenntnisse möglich sind, können die finanzielle Situation der Person umfassen, ihre Zahlungsmodalitäten und die Versicherungsabschlüsse.
Ein weiterer Vorteil dieser Tools ist, dass sie maßgeschneiderte Einblicke für Geschäftsanwender bieten. Jedes Unternehmen hat spezifische Ziele und Prioritäten bei der Datenanalyse vor Augen, und die einzelnen Benutzer innerhalb eines Unternehmens haben ihre eigenen Interessen bei der Datenanalyse. Benutzer können die Tools zur Datenermittlung meist an ihre Bedürfnisse und Schwerpunkte anpassen. Die Anpassung umfasst die Möglichkeit, Parameter auszuwählen und die Art und Weise festzulegen, wie die Daten für die Benutzer angezeigt werden.
Data Discovery Tools können auch bei der Einhaltung von Vorschriften eine Rolle spielen. Die EU-Datenschutz-Grundverordnung, das im Mai in Kraft getretene Regelwerk zum Datenschutz innerhalb der Europäischen Union, bietet viele Möglichkeiten für den Einsatz von Data Discovery Tools. Unternehmen können die Werkzeuge zum Beispiel einsetzen, um Kundendaten zu finden, die in E-Mails, Präsentationen und anderen wenig frequentierten Ecken des Unternehmens versteckt sind.
Begrenzter IT-Bedarf
Einer der größten Vorteile eines guten Data Discovery Tools ist, dass es Geschäftsanwendern und Entscheidungsträgern einen besseren Einblick in ihr Fachgebiet ermöglicht – und das alles mit wenig Schulung oder IT-Support. Viele dieser Tools und ihre Funktionen sind im Self-Service-Modus verfügbar. Das bedeutet: Geschäftsanalysten und andere Nutzer können Daten abrufen und analysieren und Ergebnisse und Berichte mit Kollegen austauschen, ohne auf IT-Spezialisten angewiesen zu sein.
Der Trend zu Self Service BI hat Unternehmen neue Möglichkeiten eröffnet, den Wert von Daten und deren Analyse schnell zu steigern. Da IT-Experten für die Nutzung der Systeme nicht mehr erforderlich sind, reduziert Self Service BI unerwünschte Verzögerungen. Analyseergebnisse stehen den Nutzern sofort zur Verfügung. Damit rationalisieren diese Tools den Entdeckungsprozess und die Einsicht in Business-Prozesse, was zu mehr Agilität für Unternehmen führt. Entscheidungsträger können umgehend auf Informationen reagieren, und können so Marktchancen wahrnehmen, die sie im Falle einer langwierigen IT-Konsultation vielleicht verpasst hätten.
Herausforderungen der Datenentdeckung
Neben den Vorteilen bringen Data Discovery Tools auch eine Reihe von Herausforderungen mit sich, denen sich Unternehmen stellen müssen. So haben die Self-Service-Funktionen vieler Tools bei gleichzeitiger Steigerung der Effizienz auch Risiken zur Folge. Ohne IT-Beteiligung und IT-Intervention ergeben sich zum Beispiel Fragen der Data Governance.
Dazu gehören auch Fragen der Datenqualität. Eine schlechte Datenqualität kostet Unternehmen laut dem Data Quality Market Survey von Gartner, der im Jahr 2017 erhoben wurde, durchschnittlich 15 Millionen Dollar. Außerdem kann eine schlechte Datenqualität zu Fehlern in den Projekten führen. Möglicherweise muss die IT-Abteilung eingreifen, um die Genauigkeit und Konsistenz der Daten zu gewährleisten.
Im Zusammenhang mit Data Governance steht die Herausforderung der Datensicherheit und des Datenschutzes. Wie können Unternehmen sicher sein, dass Daten geschützt sind und verantwortungsvoll genutzt werden? Insbesondere wenn Geschäftsanwender einen großen Spielraum beim Umgang mit den Data Discovery Tools haben? Das sind berechtigte Fragen, wenn man bedenkt, dass die Zahl der Datenverstöße und die Menge der persönlichen Informationen, die Unternehmen sammeln, zunimmt.
Und da die Datenquellen immer vielfältiger und größer werden, sammeln die Unternehmen auch viele Daten. Beispielsweise erfassen Sensoren und Geräte im Internet Produktnutzungs-, Umwelt- und Standortdaten, die vor zehn Jahren noch nicht verfügbar waren.
Ein gutes Data Discovery Tool kann große Datenmengen aus einer Vielzahl von internen und externen Quellen einfach und schnell verarbeiten. Aber auch hier ist es Aufgabe des Unternehmens und der IT, für eine angemessene Sicherheit und Governance zu sorgen.
Ungeachtet dieser Herausforderungen werden Data Discovery Tools in vielen Unternehmen zu wichtigen Bestandteilen ihrer Datenstrategie. Und zukünftige Entwicklungen werden noch mehr Möglichkeiten bieten.
Zum Beispiel ermöglichen künstliche Intelligenz (KI) und Machine Learning, dass Discovery Tools intelligenter werden. Das erhöht ihre Attraktivität für Unternehmen weiter. Gartner stellte in einem Bericht von 2017 fest, dass der Aufstieg von Augmented Analytics, ein Ansatz, der Erkenntnisgewinnung durch Machine Learning und Natural Language Processing (NLP) automatisiert, die nächste Welle des Daten- und Analysemarktes sein dürfte.
Das ist keine Zukunftsmusik mehr. Unternehmen sollten daher jetzt bereits planen, Augmented-Analytics-Funktionen einzuführen, da diese Fähigkeiten immer weiterentwickelt werden.
Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!
