Ergebnisse_Logo_3_kleiner

Die Zukunft gehört den Data Driven Companies

Die aktuelle Studie zu Digitalisierung und Datenarbeit zeigt: Die Frage ist nicht ob, sondern wie! Erfahren Sie, wie sich Unternehmen im deutschsprachigen Raum der Digitalisierung stellen und wie Sie von den Learnings profitieren.

Die aktuelle Studie zu Digitalisierung und Datenarbeit zeigt: Die Frage ist nicht ob, sondern wie! Jetzt Ergebnisse holen und erfahren, wie sich Unternehmen im deutschsprachigen Raum der Digitalisierung stellen und was das für mein Unternehmen bedeutet.

the factlights News

Von Advanced Analytics bis Machine Learning: Begrifflichkeiten im Überblick

Die Digitalisierung treibt uns, Data & Analytics sind auf dem Vormarsch, die Technologie entwickelt sich rasant und die Begrifflichkeiten mit ihr. Hier finden Sie einige der zentralen Begriffe kurz und griffig definiert.

Advanced Analytics

Advanced Analytics, zu Deutsch „fortgeschrittene Analytik“ beschreibt eine Reihe an Analysemethoden, die die Weiterentwicklung der klassischen Business Intelligence darstellen.

Anstatt historische Daten beschreibend zu analysieren, werden bei der Advanced Analytics historische Daten dafür genutzt Vorhersagen durchzuführen und Handlungsempfehlungen abzuleiten. Machine Learning-Algorithmen spielen hierbei eine entscheidende Rolle. Sie werden eingesetzt, um im Zusammenspiel mit stark wachsenden Datenbeständen, in den großen Datenmengen Muster und Zusammenhänge zu erkennen.

Big Data

Unter Big Data versteht man Daten, die mindestens einem der Kriterien von Volume, Velocity oder Variety entsprechen.

Volume: Stetig steigende, sehr große Datenvolumina werden angesammelt. Velocity: Daten werden in hoher Frequenz erzeugt und sollen in kürzester Zeit, bestenfalls schon während der Erzeugung, ausgewertet werden. Variety: Die Daten liegen in unterschiedlicher Form, das heißt unstrukturiert, vor (z.B. versteckt in Text- oder Sprachnachrichten, Bildern oder Videos).

Business Intelligence

Business Intelligence steht für Geschäftsanalytik und umfasst Methoden zur systematischen Analyse des eigenen Unternehmens, aber auch der Mitbewerber und des Marktes.

Im Zuge der Business Intelligence (BI) werden Daten in elektronischer Form gesammelt, ausgewertet und visuell dargestellt. Die aus den Daten gewonnenen Erkenntnisse dienen dem Ziel, Managemententscheidungen zu unterstützen und Geschäftsabläufe sowie Lieferanten- oder Kundenbeziehungen zu optimieren.

Data Governance

Data Governance steht für das ganzheitliche Management von Daten, die in einem Unternehmen genutzt werden. Das Management umfasst Prozesse, Methoden und Vorgaben, wie mit den Daten zu verfahren ist.

Eine Data Governance beinhaltet Richtlinien und Vorgehensweisen, um die Qualität, den Schutz und die Sicherheit der Daten zu gewährleisten und kümmert sich um die Einhaltung rechtlicher Vorgaben. Normalerweise existiert ein umfassendes Programm zur Datenkontrolle, -planung und -bereitstellung. Abhängig von der Größe eines Unternehmens sind einzelne Personen oder gesamte Abteilungen für die Einführung und die Überwachung der Data Governance verantwortlich. Sie behalten die erarbeiteten Vorgaben im Auge und optimieren stetig die geschaffenen Prozesse.

Data Lake

Der Data Lake ist ein Architekturkonzept für das Datenmanagement moderner Data & Analytics-Anwendungen.

Im Big-Data-Bereich ist es häufig notwendig, auf größere Datenmengen zuzugreifen und auch Daten hinzuzuziehen, die oft nur in unstrukturierter Form zur Verfügung stehen. Durch diese neuen Herausforderungen ist das Konzept des Data Lakes entstanden. Denn ein Data Warehouse alleine reicht dafür nicht mehr aus, da es sich ausschließlich auf präparierte und strukturiert organisierte Datensätze zur direkten Verwertung vornehmlich aus SQL-Datenbanken konzentriert. Der Data Lake hingegen regelt die Bereitstellung von und die Bewirtschaftung mit strukturierten und unstrukturierten Daten.

IoT (Internet of Things)

Das Internet of Things (deutsch: Internet der Dinge) ist eine Begriffseinheit für Technologien einer globalen Infrastruktur der Informationsgesellschaft.

IoT ermöglicht es, physische und virtuelle Gegenstände miteinander zu vernetzen und sie mithilfe von Informations- und Kommunikationstechniken zusammenarbeiten zu lassen. Das Internet of Things bezeichnet die Verbindung eindeutig identifizierbarer physischer Objekte mit deren virtueller Repräsentation in einem Netzwerk. Das Internet of Things besteht nicht nur aus menschlichen Teilnehmern, sondern auch aus Dingen. Die automatische Identifikation mittels RFID wird oft als Basis für das Internet der Dinge gesehen. Daneben kann eine eindeutige Identifikation von Objekten auch mittels Strichcode oder 2D-Code erfolgen. Durch Bauteile wie Sensoren und Aktoren wird die Funktionalität um die Erfassung von Zuständen bzw. die Ausführung von Aktionen erweitert.

Künstliche Intelligenz

Künstliche Intelligenz ist ein Teilgebiet der Informatik und umfasst diverse Verfahren der Automatisierung; die automatisierte Datenanalyse, sprich das Machine Learning, zählen ebenso dazu wie automatische Text- und Objekterkennungsverfahren oder die Robotik.

Künstliche Intelligenz (KI), oder auch englisch Artificial Intelligence (AI), wird einerseits als Überbegriff für moderne Anwendungen der Informatik, die das Alltagsleben automatisieren oder unterstützen sollen, wie Navigationssystemen, Robotern, Chat Bots, Virtual Reality (VR) Geräten, autonom fahrenden Fahrzeugen und Computerspielen verwendet. Ebenso wird der Begriff für die zugrundeliegenden Algorithmen genutzt, die größtenteils dem Fachgebiet des Machine Learning zuzuordnen sind.

Machine Learning

Unter Machine Learning werden Algorithmen verstanden, die in großen Datenmengen Muster bzw. Regeln erkennen

Machine Learning (ML) ist ein Teilgebiet der Künstlichen Intelligenz. Die verschiedenen Machine-Learning-Algorithmen lassen sich nach ihrer Funktionsweise in vier Klassen unterteilen: Supervised Learning (SL), Unsupervised Learning (UL), Reinforcement Learning (RL) und Deep Learning (DL). Wobei sich die vierte Klasse mit den ersten drei Klassen in großen Teilen überschneidet.

News von QUNIS

Tipp

Data Governance ist zentral für Data & Analytics

Daten sind das Herzstück jedes Unternehmens. Ein fehlerhafter Umgang mit ihnen kann schnell zu erheblichen Wirtschafts- und Imageschäden führen.

QUNIS hat ein dreistufiges Framework mit insgesamt acht Handlungsfeldern entwickelt, das für Business-Intelligence- und Andvanced-Analytics-Initiativen eine verlässliche Orientierungshilfe für den Aufbau und die Etablierung einer Data Governance stellt. So können Risiken erkannt, Schäden vermieden und Zukunftschancen sicher ergriffen werden.

Artikel

An Datenmanagement denken heißt, Digitalisierung lenken

Will man mit der Digitalisierung erfolgreich sein, braucht es dringend ein schlüssiges Datenmanagement-Konzept!

Daten als wertvolles Asset sehen, Daten(quellen) werden immer heterogen bleiben, Priorisierung der Datenharmonisierung und Analytics-Kompetenz ist unterbesetzt. Auf diese vier Aspekte sollten Sie achten.

Artikel

Datenqualität in BI und Big Data – wo liegt der Unterschied und wie funktioniert es zusammen?

Der durch klassische BI-Systeme erzeugte „Blick in den Rückspiegel“ reicht Firmenlenkern nicht mehr aus. Unternehmen interessieren sich zunehmend für fortgeschrittene Analytics-Methoden und neue Datenarten.

In Transaktionssystemen gibt es klare Standards für die Datenqualität. Bei Predictive Analytics und Big Data entscheidet der Business Case darüber, wie genau, vollständig oder aktuell die Datenbasis sein muss.

Artikel

AI wird konkret – Empfehlungen für die Praxis

Es herrscht Einigkeit darüber, dass AI in der Geschäftswelt unbegrenzte Potenziale eröffnet, wenn passende Anwendungsbereiche gefunden werden.

AI-Methoden und Tools haben sich rasant entwickelt und stehen in einem hohen Reifegrad bereit. Werden die Begrifflichkeiten auch oft unscharf benutzt so empfehlen sich neben der Suche nach völlig neuen Geschäftsmodellen vor allem zwei spannende Einsatzfelder für den Einstieg in die AI-Welt, für die es jedoch ein paar Aspekte zu beachten gilt.

Download

QUNIS AI Factsheets. Kompakter Überblick zu den neun wichtigsten AI-Methoden

Von Clustering, Regression, Anomaly Detection und Survival Analysis bis hin zu Natural Language Processing. QUNIS AI-Factsheets direkt als PDF holen.

QUNIS Data Scientists haben neun ihrer beliebtesten Methoden in den AI-Factsheets kompakt und übersichtlich zusammengestellt. Gleich kostenfrei holen und mehr zu typischen Fragestellungen, passenden Anwendungsfällen und Anforderungen an Form und Art der notwendigen Daten erfahren.

Artikel

BI und Advanced Analytics müssen jetzt den Business Value liefern

Die von der Business Intelligence (BI) hervorgebrachten Konzepte und Technologien haben sich in der Praxis bewährt und sind anerkannt.

Moderne Frontends bringen die im Kontext von Big Data exponentiell gewachsenen Datenmengen, -arten und -ströme gut unter einen Hut. Die Cloud hat im Analytics-Alltag ihren Platz gefunden und sorgt für Verfügbarkeit und Effizienz. Durch den breiteren Einsatz von Analytics in Unternehmen steht nun der nachhaltige Business Value auf dem Programm.

Tipp

Der Citizen Data Scientist formiert sich als neue, spannende Rolle im Analytics-Umfeld

Die Digitalisierung produziert Unmengen und eine bisher nie dagewesene Vielfalt an Daten. Das Generieren von Mehrwert aus diesen Big Data wird zum erfolgskritischen Faktor.

Data Scientists als Meister der Analytics sind eine gefragte aber äußerst rare Ressource. Die neue Rolle des Citizen Data Scientist verspricht Abhilfe für den Ressourcen-Engpass. Es gilt, die klugen und neugierigen Köpfe im Unternhemen zu finden, sie zu befähigen und einzusetzen.

the factlights Top-Thema

SELF SERVICE BI

Agilität für den Fachebreich

Welchen Stellenwert hat die SSBI? Welche Architekturen bringen nachhaltigen Erfolg?

DATA GOVERNANCE

Dreistufiges Framework mit acht Handlungsfeldern

Vergessen Sie die Data Governance nicht. Denn ein fehlerhafter Umgang mit Daten kann schnell zu erheblichen Wirtschafts- und Imageschäden führen.

STUDIEN HIGHLIGHTS

Das Geheimnis liegt im Digitalisierungsgrad

Adopter, Discoverer, Frontrunner, drei Unternehmenstypen haben sich in Bezug auf den digitalen Reifegrad herauskristallisiert

ARTIFICIAL INTELLIGENCE

AI wird konkret – Empfehlungen für die Praxis

Neue AI-Methoden und -Tools eröffnen in der Geschäftswelt unbegrenzte Potenziale, wenn sie in den Unternehmensalltag integriert werden

PROZESSOPTIMIERUNG

Eine Grundlage für die Digitalisierung der operativen Steuerfunktion

Das Prozesshaus vereint die sechs wesentlichen Komponenten zur Optimierung und Digitalisierung von Prozessen

INNOVATIONSPROZESS

Vorgehensmodell für die Portfolio-Entwicklung in Innovationsprozessen

Das Portfolio-Entwicklungsmodell gibt Orientierung, um mit neuen VUCA-Gegebenheiten methodisch umzugehen

the factlights bringt Einblicke und Learnings:

  1. Am Puls der Zeit
    the factlights 2020 hat über 1.000 Unternehmen im deutschsprachigen Raum zu ihrer Realität von Digitalisierung, Analytics und Datenarbeit befragt. Highlights, Updates und die kompletten Studienergebnisse gibt's hier.
  2. Experten analysieren und empfehlen
    Namhafte Vertreter führender Unternehmen nehmen Stellung zu aktuellen Trends, stellen Checklisten, Use Cases, Whitepaper bereit und stehen Ihnen gerne mit Empfehlungen, Tipps und Best Practices rund um die Themen der Digitalisierung und Datenarbeit zur Seite.
  3. Studien-Ergebnisse holen
    Sichern Sie sich Ihr persönliches Exemplar mit allen Ergebnissen, Einschätzungen, Branchenspecials, Extra Notes, Expert Quotes und profitieren Sie von Empfehlungen und Learnings.

THE FACTLIGHTS 2020

Was macht the factlights 2020?

the factlights 2020 stellt Fragen und gibt Antworten: Als zentrale Studie im deutschsprachigen Raum hinterfragt the factlights 2020 den Stand von Data & Analytics Initiativen in Unternehmen und deren Einfluss auf den Arbeitsalltag  jedes einzelnen.