{"id":100188,"date":"2024-04-04T11:00:00","date_gmt":"2024-04-04T11:00:00","guid":{"rendered":"https:\/\/barc.com\/?post_type=news&p=100188"},"modified":"2024-08-22T07:58:45","modified_gmt":"2024-08-22T07:58:45","slug":"gen-ai-fur-bessere-data-analytics","status":"publish","type":"news","link":"https:\/\/barc.com\/de\/news\/gen-ai-fur-bessere-data-analytics\/","title":{"rendered":"GenAI als Wegbereiter f\u00fcr verbesserte Data Analytics"},"content":{"rendered":"\n

BARC pr\u00e4sentiert eine neue Studie, die das transformative Potenzial generativer K\u00fcnstlicher Intelligenz („GenAI“) f\u00fcr den Bereich Business Intelligence und Analytics (BIA) beleuchtet. Die umfangreiche Analyse mit dem Titel \u201eThe Future of BI & Analytics: Adopting Generative AI for Analytics: Early Trends, Lessons, and Best Practices<\/a>\u201c, basiert auf den Einsch\u00e4tzungen von 238 Umfrageteilnehmern. Sie bietet einen tiefgreifenden Einblick in den aktuellen Stand sowie die zuk\u00fcnftigen Perspektiven des Einsatzes von GenAI in BIA.<\/p>\n\n\n\n

GenAI markiert den Beginn einer neuen \u00c4ra in der Datenanalyse und -interpretation, indem sie Teams die Nutzung nat\u00fcrlicher Sprache f\u00fcr die Datenvorbereitung und -analyse erm\u00f6glicht. Diese Innovation steigert nicht nur die Produktivit\u00e4t, sondern erschlie\u00dft auch komplexere Anwendungsf\u00e4lle, die weit \u00fcber die Grenzen traditioneller Verarbeitung nat\u00fcrlicher Sprache hinausgehen. Die in der Studie befragten Experten und Anwender teilen wertvolle Einblicke in ihre Erfahrungen mit der Implementierung von GenAI, inklusive der damit verbundenen Herausforderungen und Erfolge.<\/p>\n\n\n\n

Expertenmeinungen: GenAI als \u201etransformative Ver\u00e4nderung\u201c<\/strong><\/h2>\n\n\n\n

Alexander Seeliger, Senior Analyst bei BARC und Co-Autor der Studie, kommentiert die sich wandelnde Dynamik: \u201eGenerative KI steht an der Schwelle, unsere Herangehensweise an Business Intelligence und Analytics grundlegend zu ver\u00e4ndern. Die F\u00e4higkeit, Daten mithilfe nat\u00fcrlicher Sprache zu interpretieren und zu analysieren, stellt nicht nur eine Verbesserung der Produktivit\u00e4t dar, sondern ist eine grundlegende Verschiebung in unserem Zugang zu Daten und datengetriebenen Entscheidungsprozessen. Der \u00dcbergang zur vollumf\u00e4nglichen Nutzung von GenAI birgt jedoch auch Herausforderungen \u2013 von der Sicherstellung einer robusten Data Governance bis hin zum Schlie\u00dfen bestehender Kompetenzl\u00fccken. Organisationen, die diese Herausforderungen strategisch und bedacht angehen, werden am meisten von den Vorteilen profitieren.\u201c<\/p>\n\n\n\n

Die Studienergebnisse verdeutlichen das Anfangsstadium der Adoption von GenAI, mit einem signifikanten Anstieg der Nutzung in Organisationen, die bereits Erfahrungen mit KI und maschinellem Lernen gesammelt haben.<\/p>\n\n\n\n

\u00dcber ein Drittel der Befragten rechnet in den n\u00e4chsten zw\u00f6lf bis 18 Monaten mit moderaten Verbesserungen ihrer BIA-F\u00e4higkeiten durch den Einsatz von GenAI, was das Potenzial dieser Technologie zur Transformation der Datenanalyse durch gesteigerte Geschwindigkeit, Produktivit\u00e4t und analytische Tiefe unterstreicht. Dennoch sind mit diesem Weg auch Hindernisse verbunden. Die Studie identifiziert wesentliche Bedenken in Bezug auf Datenschutz, Kompetenzdefizite und Compliance-Herausforderungen.<\/p>\n\n\n\n

Ein pragmatischer Ansatz bei der Einf\u00fchrung von GenAI<\/strong><\/h2>\n\n\n\n

BARC betont die Wichtigkeit eines ausgewogenen und pragmatischen Ansatzes bei der Einf\u00fchrung von GenAI-Technologien. Zu den Empfehlungen geh\u00f6ren die Fokussierung auf leicht umsetzbare und risikoarme Anwendungsf\u00e4lle, die Verbesserung und Anpassung von Data-Governance-Strukturen, die F\u00f6rderung einer starken Datenkultur im Unternehmen sowie die Pr\u00e4ferenz f\u00fcr einfache Implementierungsstrategien vor umfangreicheren Ma\u00dfnahmen zur Analyse unstrukturierter und semi-strukturierter Daten.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Abbildung: In welchem Ausma\u00df wird GenAI die Nutzung von Business Intelligence & Analytics in Ihrer Organisation in den n\u00e4chsten 12-18 Monaten verbessern? (nach Position) (n=208)<\/em><\/p>\n\n\n\n

Unterschiedliche Perspektiven auf GenAI<\/strong><\/h2>\n\n\n\n

Die Erwartungen an den Einfluss von GenAI auf BIA variieren stark zwischen den verschiedenen Rollen innerhalb der Organisationen (siehe Abbildung). Data Engineers und Business User zeigen sich besonders optimistisch und betrachten GenAI als Schl\u00fcssel zu h\u00f6herer Produktivit\u00e4t und mehr Autonomie.<\/p>\n\n\n\n

Teamleiter und F\u00fchrungskr\u00e4fte hingegen \u00e4u\u00dfern sich vorsichtig optimistisch, erkennen das Potenzial von GenAI an, sind jedoch zugleich um eine strategische Implementierung bem\u00fcht. Demgegen\u00fcber stehen Leiter von Gesch\u00e4ftseinheiten und Data Scientists, die eine gewisse Skepsis zum Ausdruck bringen.<\/p>\n\n\n\n

Entwickler, Berater und Power-User, als die kritischsten Stimmen, stellen die Zuverl\u00e4ssigkeit und Notwendigkeit von GenAI in Frage. Diese breite Palette an Meinungen unterstreicht die Integrationsherausforderung von GenAI und betont die Notwendigkeit eines differenzierten Ansatzes, der die unterschiedlichen Bedenken aller Stakeholder ber\u00fccksichtigt.<\/p>\n\n\n\n

Vielf\u00e4ltige Anwendungen und optimistische Zukunftsaussichten f\u00fcr GenAI<\/strong><\/h2>\n\n\n\n

Der Einsatz von GenAI erstreckt sich \u00fcber ein weites Feld analytischer Funktionen, von Predictive Analytics und Prognose bis hin zu Datenanalyse, Data Mining sowie der Erstellung von Berichten und Dashboards. Die breite Anwendbarkeit zeigt, wie Self-Service-Analytics durch GenAI erleichtert und analytische Ergebnisse \u00fcber verschiedene Branchen hinweg bereichert werden.<\/p>\n\n\n\n

Die Studie steht hier zum kostenfreien Download zur Verf\u00fcgung.<\/a><\/p>\n","protected":false},"featured_media":41906,"template":"","meta":{"_acf_changed":false,"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}}},"categories":[47,49,102,104],"class_list":["post-100188","news","type-news","status-publish","has-post-thumbnail","hentry","category-business-intelligence","category-data-science","category-strategie","category-trends"],"acf":[],"_links":{"self":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/news\/100188","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/news"}],"about":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/types\/news"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media\/41906"}],"wp:attachment":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media?parent=100188"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/categories?post=100188"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}