In seinem aktuellen Market Guide for Augmented Analytics prognostiziert Gartner, dass Augmented Analytics im nächsten Jahr der wichtigste Treiber für den Kauf von Business Intelligence-Tools sein wird. Es wird die Zukunft sein, wie Unternehmen Daten nutzen und verwalten, um strategische Entscheidungen zu treffen, da es umsetzbare Trends und Erkenntnisse liefert, die eine Entscheidung oder Handlung vorantreiben können.
Angesichts der großen Menge an Daten, die für die Analyse zur Verfügung stehen, können fortschrittliche Analyselösungen Unternehmen viel Zeit und Geld sparen - nicht nur bei der Marktforschung, sondern auch bei Wachstumsentscheidungen, die sich langfristig auf das Ergebnis auswirken.
Augmented Analytics ist jedoch ein neues Feld, und viele Plattformen sind entweder zu allgemein - das heißt, sie nehmen die Daten auf und verfügen über gute Visualisierungsfunktionen, erfordern aber immer noch erhebliche Ressourcen von Datenanalysten, um verwertbare Erkenntnisse zu gewinnen - oder sie sind auf bestimmte Datentypen oder Datenquellen beschränkt, so dass die Ergebnisse auf unvollständigen Annahmen beruhen.
Hier sind einige Faktoren, die du bei der Kaufentscheidung für eine Augmented-Analytics-Lösung berücksichtigen solltest:
Externe vs. interne Daten
Nimmt die Plattform strukturierte interne Daten auf oder kann sie auch unstrukturierte, externe Datenfeeds unterstützen? Mehr als 80 Prozent aller heute generierten Daten gelten als unstrukturiert, und diese Zahl wird mit der Menge der Online-Aktivitäten weiter steigen. Um die in unstrukturierten Daten verborgenen Erkenntnisse zu finden, sind fortschrittliche Analysen und ein hohes Maß an Fachwissen erforderlich, damit sie verwertbar und relevant sind.
Datenquellen und Datentypen
Heutzutage nehmen Unternehmen im Durchschnitt drei externe Datenquellen auf; Augmented-Analytics-Plattformen der nächsten Generation können kontinuierlich auf Zehntausende von Datenquellen zugreifen.
NLP und maschinelles Lernen
Eine gute Frage ist, welche Natural Language Processing (NLP)-Ansätze in der Plattform eingesetzt werden. Open-Source-NLP-Technologien erfassen nicht unbedingt die Mehrdeutigkeiten und Nuancen, die erforderlich sind, um aus einer Vielzahl von Datenquellen und Datentypen relevante Bedeutungen zu extrahieren.
Gezielte Techniken in Kombination mit Fachwissen, das in das maschinelle Lernen einfließt, können viel genauere und skalierbarere Ergebnisse liefern. In der Welt der Produkte, in der ein und dasselbe Produkt unterschiedliche Namen haben kann oder die gleichen Zutaten unterschiedliche Produkte ausmachen können, ist die Erfassung der Unterschiede entscheidend für die Nutzbarkeit der Plattform.
Transparenz
Bei Blackbox-Lösungen ist es für die Beteiligten schwierig zu verstehen, was in das System einfließt, und die Ergebnisse zu glauben, die das System liefert. Wenn du die Datenquellen und den Aufbau der Taxonomien verstehst, kannst du sicher sein, dass die Plattform die Anforderungen des Unternehmens von Anfang an erfüllen kann.
Konfigurierbarkeit
Eine konfigurierbare Plattform ist viel flexibler als maßgeschneiderte Lösungen und ermöglicht es verschiedenen Teams innerhalb desselben Unternehmens, sie so zu nutzen, wie es ihren Bedürfnissen entspricht. Das Innovationsteam eines Pharmaunternehmens kann sich zum Beispiel mehr auf Patentanmeldungen und klinische Studien konzentrieren, während das Strategieteam eher an der Marktlandschaft und den Entwicklungen im Wettbewerb interessiert ist.
Prädiktive Fähigkeiten
Die meisten fortschrittlichen Analyselösungen verwenden historische Modelle, um die Zukunft vorherzusagen, und die meisten dieser historischen Modelle basieren auf internen, strukturierten Daten. Die besten Informationen gibt es jedoch außerhalb des Unternehmens. Sie anzuzapfen, ist der erste Schritt zur Verbesserung der Vorhersagefähigkeiten. Durch den Zugriff auf mehrere Datentypen wird die Vorhersage per definitionem genauer, vorausgesetzt, der richtige Kontext wurde hergestellt.
Für diejenigen, die sich auf eine datengesteuerte Reise begeben, ist die Partnerschaft mit der richtigen Art von erweiterter Analyselösung eine sehr wichtige Entscheidung. In der Welt der Produktentscheidungen wird die richtige erweiterte Analyseplattform die Zeit bis zur Markteinführung verkürzen, Änderungen und Kosten nach der Markteinführung reduzieren, eine effektive Produktpositionierung vorantreiben, zielgerichtetere Marketingkampagnen entwickeln und die Markenaffinität verbessern, was sich letztendlich auf den Gewinn und das Ergebnis auswirkt.
-------------
*DieserBlogbeitrag erschien ursprünglich auf Signals-Analytics.com. Kenshoo hat Signals-Analytics im Dezember 2020 übernommen. Lies die Pressemitteilung.
