Intelligente Entscheidungsfindung: Der beste Weg nach vorn Teil 1

Teil 1: Sie brauchen eine Data Fabric

Zu den 10 wichtigsten Daten- und Analysetrends von Gartner für das Jahr 2021 gehört "Engineered Decision Intelligence "*: Was ist das? und Warum sollte Sie das interessieren?

Engineered business intelligence ist genau das, was es aussagt: ein bewusster Prozess der Ableitung von business intelligence aus Daten. Der Grund dafür ist ebenfalls klar: Unternehmen müssen informierte Entscheidungen treffen, während sich eine Situation entfaltet. Im Nachhinein ist es meist zu spät. Zu viele Entscheidungsfindung sind erfolglos, weil komplexe Ökosysteme von Daten in Bewegung es schwierig machen, Daten zeitnah und kontextbezogen zusammenzustellen. Das ist das Problem, das engineered decision intelligence zu überwinden versucht.

Aber es gibt noch ein grundlegenderes Problem, das zunächst überwunden werden muss. Derzeit gibt es ein riesiges Arsenal an Entscheidungsintelligenz-Tools, die man nutzen kann - von einfachen Anfrage und Berichten bis hin zu Analysen und fortgeschrittenen Anwendungen für künstliche Intelligenz und adaptive Systeme. Die Erkenntnisse, die diese Tools liefern, sind jedoch nur so gut wie die Daten, auf denen sie basieren. Laut Gartner bedeutet dies, dass es bei der technischen Entscheidungsintelligenz darum geht, diese Tools mit einer gemeinsamen Datenstruktur und Kompositionsunterstützung zu verbinden, die die Verwendung von Komponenten aus multiple data, Analyse- und KI-Lösungen ermöglicht und so den Weg für genauere, wiederholbare und nachvollziehbare Entscheidungen ebnet. Zu diesen Vorteilen würde ich noch "zeitnah" hinzufügen, denn Sie benötigen Funktionen in Echtzeit, um Informationen zu bewerten und weiterzugeben, sobald sie gesammelt wurden.

Beginnen wir mit der Frage, warum die Datenstruktur für die technische Entscheidungsintelligenz so wichtig ist. In einem späteren Beitrag werde ich Einblicke in die Unterstützung von Composability und deren Umsetzung geben.

Was ist eine Data Fabric?

Eine Data Fabric ist eine Architektur, die einen konsistenten Satz von Datendiensten und Funktionen über Ihre kritischen On-Premises und Cloud hinweg bereitstellt. Sie dient als Grundlage, die es Ihnen ermöglicht, Daten aus physisch und logisch unterschiedlichen Systemen zu abstrahieren, um einen gemeinsamen Satz von Datenobjekten zu erstellen, den Sie als einheitlichen Unternehmensdatensatz behandeln können.

Warum brauche ich eine Data Fabric für Engineered Decision Intelligence?

Da die technische Entscheidungsintelligenz mit Daten aus Systemen arbeiten muss, die sich On-Premises, in der Cloud, über mehrere Clouds verteilt und sogar dezentral am Rande des Netzwerks eingesetzt werden können, bietet die Data Fabric eine Möglichkeit, diese Quellen zu einem Informationsnetzwerk zu verweben, um Ihre Entscheidungsintelligenz-Tools zu unterstützen.

Durch den Einsatz einer Data Fabric können Sie das volle Potenzial Ihrer Decision Intelligence Tools ausschöpfen. Da sie schneller und effizienter auf Daten im gesamten Unternehmen zugreifen können, erhalten Sie integriertere und präzisere Geschäftseinblicke und eine höhere Geschäftsflexibilität. Und da Entscheidungen durch die Datenstruktur stärker operationalisiert und standardisiert werden, sind sie auch besser wiederholbar und nachvollziehbar. Und da Decision Intelligence-Tools in der Lage sind, mehr Iterationen mit neuen, von der Data Fabric aufbereiteten Daten durchzuführen, können sie aus früheren Ergebnissen lernen, um zuverlässigere und wiederholbare Ergebnisse zu erzielen.

Actian: Das Fundament einer modernen Data Fabric

Die Actian™ Cloud , Integrations- und Management-Plattform bietet die entscheidenden Funktionen , die Sie benötigen, um eine moderne Data Fabric zu implementieren und den Wert Ihrer Daten für eine gezielte Entscheidungsfindung zu erschließen. Dies ist ein dreistufiger Prozess mit in Actian integrierten Integrationsdiensten:

• Der erste Schritt besteht darin, einen Metadaten mit kontextbezogenen Informationen über die Daten zu erstellen, auf die Sie zugreifen möchten, z. B. woher die Daten stammen, wie die Daten definiert sind und wann sie zuletzt aktualisiert wurden. Metadaten machen die Daten leichter durchsuchbar und liefern Erkenntnis über die bei der Entscheidungsfindung verwendeten Datenprofile.
• Actian verwendet dann den Metadaten , um einen Wissensgraphen zu erstellen. Dieser stellt eine semantische Schicht dar, die jede Entität (z.B. Person, Ort, Organisation, Produkt, etc.) und ihre Beziehungen zu anderen Entitäten repräsentiert. Actian nutzt künstliche Intelligenz und Maschinelles Lernen , um die Metadaten anzureichern, was die Dateninterpretation und Kontextualisierung weiter verbessert. Dies hilft Benutzern, relevantere und schnellere Antworten auf Anfrage zu erhalten. Der Wissensgraph ermöglicht es auch, die Daten aus mehreren Dimensionen zu betrachten und mit einer Vielzahl von Decision Intelligence Tools auf die Daten zuzugreifen - ohne die Quelldaten der zugrunde liegenden Systeme zu verändern.
• Schließlich nutzen die Integrationsdienste von Actian den Wissensgraphen, um die erforderlichen Unternehmensdatenquellen zusammenzuführen und in einem gemeinsamen Datensatz abzugleichen. Die Integrationsdienste von Actian verbinden sich mit Google Cloud Storage, Amazon S3 und Azure Daten-Lake Storage sowie mit mehr als 200 Anwendungen, Web-Service-APIs, JSON-Daten und sogar Tabellenkalkulationen. Sobald Ihre Datenquellen integriert sind, treibt die Data Fabric die Orchestrierung und Automatisierung des Datenflusses voran, um Informationen für Benutzer und Decision Intelligence Tools bereitzustellen.

Das war's dann wohl!

Dies ist nur ein kurzer Überblick über die Rolle, die eine moderne Data Fabric bei der Bereitstellung von Engineered Decision Intelligence spielt. Eine der wichtigsten Erkenntnisse hier ist, dass eine Data Fabric in Entscheidungsfindung wirklich wichtig ist. Wenn Sie mehr Erkenntnis möchten, wie Actian die Data-Fabric-Funktionalität bereitstellen kann, über die ich gesprochen habe, sollten Sie die dreiteilige Blogserie meines Kollegen Lewis Carr lesen, in der er die Auswirkungen von Covid-19 auf die Einzelhandelsbranche untersucht und aufzeigt, wie eine moderne Data-Fabric die Unterstützung für Entscheidungsträger verbessern kann. Diesen Artikel finden Sie hier.

* https://www.gartner.com/smarterwithgartner/gartner-top-10-data-and-analytics-trends-for-2021/

Dieser Artikel wurde ursprünglich auf The New Stack veröffentlicht.

Dieser Artikel wurde von Lewis Carr mitverfasst.

Erfahrener Experte für strategische vertikale Branchen, horizontale Lösungen, Produktmarketing, Produktmanagement und Geschäftsentwicklung mit Schwerpunkt auf Unternehmenssoftware, einschließlich Datenmanagement und -analyse, Mobile und IoT sowie verteiltes Cloud Computing.

Über Teresa Wingfield

Teresa Wingfield ist Director of Product Marketing bei Actian und sorgt für die Bekanntheit der Integrations-, Management- und Funktionen der Actian Data Platform. Sie verfügt über mehr als 20 Jahre Erfahrung im Marketing für Analyse-, Sicherheits- und Cloud bei Branchenführern wie Cisco, McAfee und VMware. Teresa konzentriert sich darauf, Kunden dabei zu helfen, mit Daten ein neues Innovations- und Umsatzniveau zu erreichen. Im Actian-Blog hebt Teresa den Wert von analytischen Lösungen in verschiedenen Branchen hervor. In ihren Beiträgen finden Sie Geschichten aus der Praxis.