Neue Erkenntnisse des BARC Score Enterprise BI & Analytics Platforms
Unsere Umfrage zu den Faktoren, die Unzufriedenheit stiften, zeigt die Informationsversorgung, Personalisierung der Inhalte sowie Flexibilität auf neue Fragen/Änderungen reagieren zu können als Top-Kandidaten (Quelle: The Future of Reporting, BARC 2019). Hinzu kommen häufig gewachsene, komplexe und in die Jahre gekommene Infrastrukturen und Lösungen, die den heutigen Anforderungen nicht mehr genügen.
Auch die Verbreitung von BI & Analytics lässt heute zu wünschen übrig. So liegt der Median der Nutzer von BI- und Analytics-Systemen derzeit bei gerade mal 14 Prozent (Quelle: BI Survey 19). Die Verbesserung dieser Zahl seit 2012 um gerade mal drei Prozent zeigt, dass die Durchdringung der BI sich immer noch auf einem geringen Niveau befindet.
Folglich ist viel Potenzial vorhanden, um die Nutzer in Unternehmen mit Informationen aus modernen BI- & Analytics-Systemen zu versorgen. Die Anbieter moderner BI- & Analytics-Plattformen haben wir dieses Jahr erneut im BARC Score Enterprise BI & Analytics Platforms evaluiert.
Hersteller dieser Softwarekategorie haben neben zum Teil notwendigen Modernisierungsmaßnahmen auch zunehmend an Konzepten gearbeitet, um mehr Nutzer mit personalisierten Informationen zu versorgen und die Benutzerfreundlichkeit der Lösungen zu verbessern.
Hinsichtlich der Benutzerfreundlichkeit werden die Suiten von der Datenanbindung/-modellierung bis hin zum Informationskonsumenten optimiert. Einige Hersteller, die installierte Full Clients nutzen, arbeiten an webbasierten Administrations- und Modellierungswerkzeugen sowie im Allgemeinen einer stärkeren Verlagerung der gesamten Plattformfunktionalität ins Web.
Des Weiteren sind insbesondere Business Analysten bereits seit einigen Jahren in den stärkeren Fokus vieler Anbieter von modernen Enterprise-BI- und Analytics-Plattformen gerückt. Es gibt noch kaum Lösungen dieser Kategorie auf dem Markt, die keine Datenvorverarbeitung (Data Preparation) oder Analysefunktionen anbieten. Die stärkeren arbeiten vermehrt mit Machine Learning (ML), um sowohl in der Analyse als auch bei der Datenvorverarbeitung den Anwendern Vorschläge für Visualisierungen, nächste logische Analyseschritte oder Verarbeitungsmöglichkeiten für Daten zu liefern („User Guidance“).
Zudem investieren die Anbieter zunehmend in den Ausbau der analytischen Funktionen wie Regressions-, Cluster- oder Trendanalysen.
Die Verbesserung der Benutzerfreundlichkeit für Informationskonsumenten oder Innovation im Bereich der Informationsversorgung werden seit kurzer Zeit wieder stärker weiterentwickelt. Neben einer Modernisierung der Lösungen aus architektureller Sicht, um insbesondere operative sowie Embedded-Szenarien zu unterstützen, spielen Trends wie Natural Language Generation (NLG) und Natural Language Query (NLQ) sowie die Nutzung von ML ebenso eine wichtige Rolle.
Ad-hoc-Anwender und Informationskonsumenten sollen mit Eingaben über Tastatur oder Sprache noch intuitiver mit den Systemen kommunizieren und so zu den notwendigen Erkenntnissen gelangen (NLQ). NLG hilft bei der Interpretation der Daten und zeigt mögliche Vorschläge für weitere interessante Erkenntnisse.
Daneben ist ein altbewährtes Mittel, das einige Softwarehersteller bereits angeboten haben, wieder prominent geworden: Alerts/Benachrichtigungen. Immer mehr Anbieter liefern neben „klassischer“ bedingter Formatierung auch Funktionen, die bei Auffälligkeiten in den Daten die Anwender benachrichtigen. Diese basieren heute noch größtenteils auf festgelegten Regeln wie bspw. Schwellwerten.
Erste innovativere Anbieter nutzen hingegen Machine-Learning-Verfahren, um dieser Funktionen mehr „Intelligenz“ einzuhauchen. So sollen nicht nur frühzeitig Muster in den Daten erkannt werden, um proaktiv Informationen zu liefern, sondern auch das Anwenderverhalten erforscht werden, um personalisierte und relevante Erkenntnisse zu generieren.
Leider fehlt die Nutzung von mehr „Intelligenz“ in Bereichen wie Administration oder Datenmodellierung fast gänzlich. Diese wäre insbesondere in diesem Marktsegment zu begrüßen, da viele Produkte, die insbesondere große Einsatzszenarien (im Hinblick auf Nutzer, Datenvolumina) bedienen, tendenziell aufwändig und zeitintensiv in der Administration und Pflege sind.
Falls Sie auf der Suche nach einer passenden Enterprise BI und Analytics Plattform sind, sollten Sie ihre Anforderungen sorgfältig aufnehmen und die Lösungen auf Herz und Nieren inkl. deren Roadmaps prüfen. Die Suiten sollen häufig unterschiedlichen Nutzergruppen und Anwendungsszenarien dienen, was in der Anforderungs- und Anbieteranalyse nicht fehlen darf.
Die heutigen Plattformen unterscheiden sich sowohl architekturell als auch in der Abdeckung gewisser Einsatzszenarien, insbesondere in den Bereichen Self-Service (Analytics), Data Discovery, Data Preparation oder Embedded Analytics. Einen ersten Startpunkt in die Softwareauswahl liefert Ihnen der BARC Score Enterprise BI & Analytics Platforms.
