BARC GUIDE ADVANCED ANALYTICS 2019 - Marktüberblick Expertenbeiträge Anwenderberichte
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
BARC GUIDE
ADVANCED ANALYTICS
2019
Die PDF-Version zum
BARC Guide finden Sie unter
www.barc.de/guides
Marktüberblick
Expertenbeiträge
Anwenderberichte
Wichtige Anbieter
BARC-Services
BARC Guide Advanced Analytics 2019 1
BARC unterstützt Sie auf dem Weg zur
effektiven Nutzung von Daten
Individuelle Beratung für Informationen auf den Punkt –
Ihre Fragestellungen Studien und Forschungsergebnisse zu
Strategieentwicklung & Umsetzung • Technologie – Business Intelligence,
Advanced & Predictive Analytics, Data
• Business Intelligence & Analytics Management, Big Data
• Data Strategy & Governance • Einsatz von Technologien in
Anwenderunternehmen – Status Quo,
• IT- & Daten-Architektur Best Practices, Zufriedenheit, Trends
• Datengetriebene Prozesse
• Organisation (Rollen & Aufgaben, Skills,
Prozesse) Weitere Information zu unseren BARC-Studien und
Inhalten finden Sie unter www.barc.de/research
Nehmen Sie auf unseren spannenden
Unabhängige Evaluation von
Events neue Impulse mit
Lösungen, beispielsweise für:
• Reporting & Dashboards • Data Festival
• Self-Service BI München, 19. - 21. März 2019*
• Data Discovery • BI & Analytics Agenda
• Advanced Analytics Zürich, 07. - 08. Mai 2019*
• Planung & Simulation • Digital Finance & Controlling
• Data Cataloging & Data Hubs Würzburg, 20. - 22. Mai 2019*
• Cloud für BI, Analytics &
Datenmanagement • TDWI Konferenz mit BARC@TDWI Track
• Embedded BI & real-time Analytics München, 24. - 26. Juni 2019
• TDWI CH
Zürich, 04. - 05. November 2019
Seminare & Workshops • BARC @ Big Data World
Frankfurt, 12. - 14. November 2019*
• Basiswissen und Weiterbildung zu
Technologien und deren Einsatz • BI & Analytics Tagung
• Methoden und Best Practices Wien, 26. - 27. November 2019*
• Strategie, Organisation und Planung • Big Data Forum @ OOP
von Business Intelligence, Analytics und München, 03. - 07. Januar 2020
anderen Daten-intensiven Vorhaben
• Für technologisch und fachlich *Inklusive Pre-Conference Workshops, bzw. vorbereitende Seminare
orientierte Mitarbeiter in operativen und
Führungspositionen Weitere Informationen zu unseren Events finden
Sie hier www.barc.de/events
Unabhängig für Ihren Erfolg: BARC
Das Business Application Research Center (BARC) ist ein Forschungs- und Beratungsinstitut für Unterneh-
menssoftware mit Fokus auf die Bereiche Business Intelligence/Analytics, Datenmanagement, Enterprise Con-
tent Management (ECM), Customer Relationship Management (CRM) und Enterprise Resource Planning (ERP).
BARC-Analysten unterstützen seit 20 Jahren Unternehmen bei Strategie, Organisation, Architektur und Evalua-
tionsfragen in diesen Themengebieten. Dabei vereinen die BARC-Analysten Markt-, Produkt- und Einführungs-
wissen. Know-how-Basis sind die seit Jahren ständig durchgeführten Marktanalysen und Produktvergleichs-
studien, die ein umfassendes Detailwissen über den Leistungsumfang aller marktrelevanten Softwareanbieter,
neueste Entwicklungen und Best Practices sicherstellen.
VORWORT
Ihr Handbuch für Advanced Analytics ist da!
Ich freue mich, Ihnen heute die druckfrische Ausgabe des neuen BARC GUIDE Advanced Analytics 2019 zu präsen-
tieren. Mit der Lektüre unseres BARC GUIDE Advanced Analytics kommen Sie Ihrer passenden Technologieplattform
und dem gewünschten Unternehmenserfolg durch Advanced Analytics, Data Science und Machine Learning einen
Schritt näher.
Die Expertenbeiträge unserer BARC-Analysten verraten Ihnen, welchen konkreten Nutzen Advanced Analytics für
Ihre alltägliche Arbeit bieten kann. Unser Marktüberblick informiert Sie kompakt über potenzielle Lösungen und
Hersteller auf dem Softwaremarkt. Zudem berichten Mitarbeiter von Konzernen und mittelständischen Unterneh-
men von Ihren Erfahrungen mit Advanced Analytics – diese dienen als Inspiration für Ihre Arbeit.
Doch auch mit diesem ersten Überblick stellt die Softwareauswahl eine bedeutende Herausforderung dar. Daher
empfehle ich, ergänzend zur Lektüre des BARC GUIDE, zusätzliche Schritte zur passgenauen Softwareauswahl:
• Bei einer persönlichen Beratung können unsere BARC-Analysten explizit auf Ihre individuellen Anforderungen
an eine Softwarelösung eingehen und Ihnen bei der Auswahl zur Seite stehen
• Tauschen Sie sich mit Fachexperten auf unseren Branchenevents aus – und lernen Sie von den Best Practices
anderer Anwender
• Vertiefen Sie Ihr Fachwissen über Advanced Analytics bei unseren BARC-Seminaren oder mithilfe unserer
Studien, Research Notes und Anwender-Befragungen
Besuchen Sie uns auf barc.de oder schreiben Sie uns eine E-Mail an info@barc.de – Sie erhalten weitere Informationen
wie Sie Ihre Advanced-Analytics-Initiative erfolgreich gestalten können.
Ich wünsche Ihnen viel Spaß bei der Lektüre und viel Erfolg bei Ihrer Softwareauswahl. Wir hoffen, dass wir Ihnen
kompetent zur Seite stehen können!
Ihr
Dr. Carsten Bange, Geschäftsführer und Gründer BARC
Foto: www.pschaffrath.de
BARC Guide Advanced Analytics 2019 3
INHALTSVERZEICHNIS
INHALTSVERZEICHNIS
S.9 EXPERTENBEITRÄGE
BARC-Analysten beschreiben die wichtigsten Trends für Advanced Analytics.
Dabei kombinieren sie wertvolle Projekterfahrungen und Analysten-Know-how.
S.17 PRODUKTÜBERSICHTEN
Auf den folgenden Seiten finden Sie Übersichtstabellen zu Anbietern und Dienst-
leistern von Advanced Analytics Software.
S.26 ANWENDERBERICHTE
Lernen Sie, wie Advanced Analytics Software im Unternehmen für Wettbewerbs-
vorteile und Prozessoptimierung sorgt. Anwenderberichte zeigen, wie große und
mittelständische Unternehmen von konkreten Mehrwerten profitieren.
S.45 FIRMENPROFILE
Führende Anbieter von Advanced Analytics Software stellen ihre Angebote und
Produkte vor. Erhalten Sie einen schnellen Überblick und fundierte, strukturierte
Informationen zu den Anbietern Ihres Interesses.
4 BARC Guide Advanced Analytics 2019
INSERENTENVERZEICHNIS
INSERENTEN
Unternehmen Profil Case Study
Alexander Thamm GmbH 46 27
Alteryx 47 29
Attunity 48 30
Avantum 49 31
BARC 06 32
BOARD 50
Corporater 51 35
COSMO CONSULT 52 36
Dataiku 53 37
FICO 54
Marmeladenbaum 55 38
prognostica 57 39
Qlik 58 40
Tableau 59 41
TimeXtender 60 42
Woodmark 61 43
BARC Guide Advanced Analytics 2019 5
INHALTSVERZEICHNIS
FIRMENPROFIL
BARC GmbH
Kurzprofil
Das Business Application
Research Center (BARC)
ist ein unabhängiges
Forschungs- und Beratungs-
institut der teknowlogy
Group. Gemeinsam mit
seinen Schwesterunterneh-
men PAC und Le CXP bildet
BARC Europas größtes
IT-Beratungs- und Analysten-
haus für Anwendungssoft-
ware und IT-Lösungen.
Die Firmengruppe kann
auf 40 Jahre Markterfahrung BARC bietet großen und mittelständischen Un- Basis der unabhängigen Einschätzung und
zurückblicken. Zahlreiche ternehmen neutrale und fundierte Unterstüt- Untersuchung durch BARC-Analysten. Ein einlei-
namhafte Unternehmen, zung bei der Strategiedefinition, Architektur, tender Theorieteil und ein detaillierter Leitfaden
darunter über 90% aller Organisation und Auswahl von IT-Lösungen an. für die Softwareauswahl ergänzen die Bewer-
DAX-100-Unternehmen Dabei vereinen die BARC-Analysten Markt-, Pro- tungen der Softwareanbieter. Die Bereitstellung
profitieren vom Know-how dukt- und Einführungswissen. der umfangreichen Kriterienkataloge sichert zu-
der BARC-Analysten. sätzlichen Know-how-Transfer und bietet Trans-
BARC-Research parenz bezüglich der Studienergebnisse.
Das BARC-Institut führt regelmäßig Tests und
Referenzen Marktanalysen von Unternehmenssoftware Anwenderstudien
durch. BARC-Publikationen beinhalten umfas- BARC führt regelmäßig Anwenderstudien zum
• Audi sendes Detailwissen über den Leistungsumfang Einsatz von Softwarewerkzeugen und strategi-
• Bayer der marktrelevanten Softwareanbieter und ge- scher Orientierung im Rahmen der sich ständig
• E.ON ben Einblick in neueste Marktentwicklungen. weiterentwickelnden digitalen Transformation
• Evonik der Unternehmen durch. BARC-Analysten steu-
• Siemens Produktevaluationen ern durch ihr kombiniertes Produkt-, Projekt-
Zudem stellt BARC Vergleiche von Software- und Marktwissen wertvolle Erkenntnisse zur
lösungen in unterschiedlichen Disziplinen der Technologie- und Marktentwicklung bei. Außer-
Wichtige Partner Unternehmens-IT her. Die Studien beschrei- dem bietet BARC kundenindividuelle Markt-
ben und bewerten die Softwarelösungen auf analysen und Anwenderstudien.
• B-Eye-Media
• Data Invest
• IDG/Computerwoche
• Österreichisches
Controller Institut Übersicht BARCData
Übersicht BARC Data-Science-Beratung
Science Beratung
• TDWI e.V.
• Vereon Design Thinking &
Strategie Use Cases Prototyping Networking
Kontakt BARC Deutschland
Business Application
Research Center –
BARC GmbH Data Scientist Software
Berliner Platz 7 Architektur Training Support Auswahl
97080 Würzburg
+49 931-880 651-0
info@barc.de
www.barc.de
6 BARC Guide Advanced Analytics 2019
FIRMENPROFIL
„BARC ist der führende europäische Marktanalyst für Business Software und
hilft Ihnen, digitale Transformation erfolgreich zu gestalten.
Die echte Unabhängigkeit von Anbieterinteressen und unsere
Expertise für BI, Analytics und Datenmanagement in diversen
Fachprozessen ermöglicht eine erfolgreiche Übersetzung Ihrer
Anforderungen und Ideen in nützliche technische und
organisatorische Lösungen für Ihr Unternehmen.“
Dr. Carsten Bange, Geschäftsführer BARC
BARC-Veranstaltungen BARC-Beratung anhand eines Live Codings
BARC-Konferenzen bieten konkrete Hilfe Advanced Analytics benötigt profundes • Auswahl von Advanced Analytics
bei der Wahl Ihr Software: Sie erhalten ei- Methoden-, Markt- und Projektwissen. Software mittels erprobter
nen Überblick über Use Cases, Organisa- BARC unterstützt Unternehmen aktuell BARC-Kriterienkataloge und
tion, technische Lösungen und Strategie. insbesondere in folgenden Fragestel- Koordination/ Moderation von
Zudem informiert BARC kompakt über lungen: Anbieterpräsentationen und PoCs
führende Softwarelösungen, Marktent- • Definition der fachlichen,
wicklungen und aktuelle Anforderungen organisatorischen und technischen Beratungsangebot für
in Fachbereichen. Sie richten sich an IT, Voraussetzungen, um Geschäfts- Advanced & Predictive Analytics
Fachbereich und Management und ge- prozesse datengetrieben zu optimieren Die Analysten und Data Scientists von
ben Orientierung für Ihre Projekte und • Strukturierte Erarbeitung & BARC bieten ein breites Unterstützungs-
die Strategieentwicklung. Zugleich sind Priorisierung von Anwendungsfällen spektrum zur strategischen Ausrichtung
sie eine ideale Plattform für den intensi- • Prototypisierung von Advanced von Advanced-Analytics-Projekten.
ven Austausch mit Analysten, Kollegen Analytics Use Cases mit BARC Data
und Anbietern. Scientists, um eine erste Einschätzung Kundennutzen
der Datenqualität und des Poten- Die neutrale, unabhängige Unterstützung
BARC-Seminare bieten eine detaillierte zials der Use Cases zu erhalten durch Experten sichert in allen Analyse-
und strukturierte Einführung in das • Regelmäßige Treffen mit Analytics und Auswahlprozessen Geschwindigkeit
Thema Advanced Analytics aus organi- Leadern zum Erfahrungsaustausch, und Effizienz. Investitionsentscheidun-
satorischer, technischer und fachlicher begleitet von monatlichem Research gen können mit einem höchstmöglichen
Perspektive. Darüber hinaus bieten wir und der Teilnahme an BARC Events Maß an Sicherheit getroffen werden.
Data-Science-Schulungen für Business • Angepasstes Data Scientist Coaching
Analysten an. auf Basis individueller Daten,
konzeptionell oder hands-on
BARC Leaders‘ Circle – Data & Analytics
Verantwortliche für Analytics, Business Intelligence und Datenmanagement müssen heute
effizient und schnell auf Anforderungen in der Organisation reagieren können. Chancen und
Risiken für die eigene Analytics-Strategie sollen frühzeitig erkannt, die Kosten und der Wertbei-
trag von Systemen und Anwendungen optimiert werden. Damit diese Aufgabe gelingt, sind ein
profundes Wissen über die Analytics-Märkte und IT-Trends, sowie gute Kontakte zu Experten
und Gleichgesinnten essentiell. Der BARC Leaders‘ Circle – Data & Analytics unterstützt dies. Er
bietet Verantwortlichen in Data-Analytics- und BI-Initiativen ein exklusives Netzwerk für den
professionellen Erfahrungsaustausch und versorgt sie mit BARC-Themen-Dossiers und
-Analystenkommentaren zu aktuellen Entwicklungen. Ergänzt um weitere Vorteile, wie die
kostenfreie Teilnahme an ausgewählten BARC-Veranstaltungen sowie vergünstigte Studien und Seminare, erhalten Entscheider ein
einmaliges Informationsangebot für Themen rund um Analytics, BI und Datenmanagement. Der Leaders‘ Circle richtet sich exklusiv
an Leiter/Manager von Data Science Labs, Big Data Labs, BICCs sowie Advanced-Analytics- und BI-Initiativen in IT & Fachbereichen
in Anwenderunternehmen.
Themenausschnitt 2019: Analytics Trends, Data Monetization, Stammdatenmanagement und Datenqualität, Analytics-Strategie
Weitere Informationen finden Sie unter: https://barc.de/leaders
BARC Guide Advanced Analytics 2019 7
Mit Analytics durchstarten
Hands-on mit strategischem Weitblick
Advanced Analytics befindet sich immer noch in einer rung. Datenmanagement wird dabei immer wichtiger
frühen Phase der Verbreitung. Der Anteil der Unter- – eine unzureichende Übersicht über Daten und Da-
nehmen, die Advanced Analytics vereinzelt oder häu- tenqualität sowie fehlender Datenzugriff stellt die An-
fig nutzen, steigt jedoch und laufende Projekte reifen. wender vor Probleme. Egal in welcher Phase Sie sich
Einige Unternehmen befinden sich in der Identifika- befinden, BARC unterstützt Sie hands-on bei ihren
tion von Use Cases und im Aufbau von Data Labs. Analytics-Projekten – methodisch, organisatorisch,
Andere sind bereits im Prozess der Operationalisie- technologisch.
Studien & Research
• Advanced Analytics Anwenderbefragung – Status Quo, Use Cases, Organisation, Technologie, Investitionen in
der DACH Region
• Advanced Analytics Survey
• BARC Guide Advanced Analytics 2019 – Technologieübersicht für Advanced Analytics
• Data & Analytics Manager – monatlicher Research Service
• BARC Access – Voller Zugriff auf BARC-Studien und Zeit für Ihre Fragen
Beratung
• Data & Analytics Strategie – strukturieren & skalieren
• Use Case Identifikation, Bewertung und Konzeption
• Data Science Coaching – maßgeschneidert auf ihre Use Cases
• Data Engineering – von ETL zu Data Preparation für Analytics
• Technologieevaluation für Analytics/ML, Data Preparation, Data Cataloging, real-time Analytics – on-premise und
in der Cloud
• Proof of Concepts und Pilotierung für Analytics Lösungen
• Operationalisierung – technologische und organisatorische Aspekte
Seminare & Workshops
• Data Science für Business Analysten & Controller – Kickstart in das Thema Data Science
• Advanced Data Architecture for Analytics
• Das 1x1 der Data Catalogs & Data Hubs
• Das 1x1 der Cloud für Data & Analytics
• Analytics nutzen durch Operationalisierung – Voraussetzungen sichern
• Organisation – Analytics Teams managen, Analytics organisatorisch integrieren
Events und Communities
• Data Festival • BARC @ Big Data World
München, 19. - 21. März 2019* Frankfurt, 12. - 14. November 2019*
• BI & Analytics Agenda • BI & Analytics Tagung
Zürich, 07. - 08. Mai 2019* Wien, 26. - 27. November 2019*
• Digital Finance & Controlling • Data & Analytics Kamingespräch
Würzburg, 20. - 22. Mai 2019* Würzburg, 20. Mai 2019
*Inklusive Pre-Conference Workshops, bzw. vorbereitende Seminare
Weitere Infos: www.barc.de/predictive oder kontaktieren Sie uns:
Ricarda Stützel
+49 172 1544 582
rstuetzel@barc.de
Expertenbeiträge
Lesen Sie aktuelle Beiträge der BARC-Analysten zu Trends
und Technologien für Advanced Analytics Software.
INHALT
Status quo Advanced Analytics in der DACH-Region –
Gelingt die produktive Nutzung der Lösungen? Seite 12
Technologietrend automatisiertes Machine Learning –
Use Cases, Anbieter, Funktionen Seite 14
Überblick: Der Softwaremarkt für Advanced Analytics
Seite 16
BARC Guide Advanced Analytics 2019 9
BARC-Autoren und -Analysten
BARC Guide Advanced Analytics 2019
Dr. Carsten Bange ist Gründer und Geschäftsführer des Business Applica-
tion Research Center (BARC) in Deutschland und Mitglied des Vorstands
der teknowlogy Group. Dr. Bange gilt als einer der führenden Experten
für die erfolgreiche Nutzung von Informationstechnologie für Business
Intelligence und Datenmanagement im Rahmen der Transformation zu
datengetriebenen Unternehmen. Als langjähriger und neutraler Beob-
achter des Markts ist er Coach und Strategieberater von Unternehmen
verschiedenster Branchen und Größen, häufiger Redner auf Tagungen
und Seminaren sowie Autor zahlreicher Fachpublikationen und Markt-
studien.
Kontakt: carsten.bange@barc.de, Tel.: +49 931/880 651-0
Jacqueline Bloemen ist Senior Analystin und Beraterin am Business Ap-
plication Research Center (BARC) mit den Schwerpunkten auf BI und
Analytics, Datenmanagement und Big Data. Sie berät langjährig Un-
ternehmen unterschiedlicher Größen und Branchen in den Bereichen
Strategiedefinition für Business Intelligence, Data Warehousing, Big Data
Analytics und Digitalisierung, Architekturkonzeption und Softwareaus-
wahl, Datenmodellierung und Lösungsdesign sowie Organisation und
Governance. Sie ist Autor von BARC-Marktstudien und -Forschungsarti-
keln und hält Vorträge auf Konferenzen und Seminare.
Kontakt: jbloemen@barc.de, Tel.: +49 931/880 651-0
Dr. Sebastian Derwisch ist Data Scientist am Business Application Re-
search Center (BARC). Er berät Unternehmen in den Bereichen Use-
Case-Identifikation für Datenanalyse, Werkzeugauswahl für Advan-
ced Analytics und die Organisation von Data-Science-Teams. Er führt
Proof of Concepts für Advanced Analytics durch und gibt Data Science
Coachings. Sebastian Derwisch ist Autor von BARC-Marktstudien und
-Forschungsartikeln und hält Vorträge auf Konferenzen sowie BARC-
und Inhouse-Seminare.
Kontakt: sderwisch@barc.de, Mobil: +49 162/447 5173
Dr. Christian Fuchs ist Head of Research Business Intelligence (BI)
bei BARC und Head of Analytics & Data Management Practice der
teknowlogy Group. Als Senior Analyst und Consultant ist er insbesondere
auf entscheidungsunterstützende Informationssysteme im Bereich Cor-
porate Performance Management, Planung und BI-Frontends fokussiert.
Als Berater unterstützt er Unternehmen im Softwareauswahlprozess
und in der Einführungsphase sowie bei strategischen Fragen zum BI-
Frontend-Portfolio inklusive Architektur und Nutzungsszenarien. Er ist
Hauptautor zahlreicher BARC-Studien und -Marktanalysen.
Kontakt: cfuchs@barc.de, Tel.: +49 931/880 651-26
Impressum
B-Eye-Media GmbH Design Cover und Anzeigen: Nina Haamann Druck: Schleunung Druck,
Wichernstr. 29 Titel- und Schmuckbilder: Vectorstate 97828 Marktheidenfeld,
D-58099 Hagen Tel.: +49 939/160 05-0
Tel.: +49 2331/356 93 95 Urheberrecht: Alle Rechte vorbehalten.
Produktionsleitung: Axel Bange Insbesondere dürfen Nachdrucke, Vervielfälti- © B-Eye-Media GmbH 2019
Redaktionsleitung: Axel Bange gungen jeder Art (z. B. auf Datenträgern), die
Produkt- und Dienstleisterlisten: Aufnahme in Onlinedienste und im Internet
Lars Iffert nur nach vorheriger schriftlicher Zustimmung
Anzeigen: Helena Mangold des Verlags erfolgen.Timm Grosser ist Head of Consulting und Senior Analyst am Business
Application Research Center (BARC) mit den Schwerpunkten auf BI, Da-
tenmanagement und Big Data. Seine Kernkompetenzen sind entschei-
dungsunterstützende Informationssysteme mit einem besonderen Fo-
kus auf strategischen Themen im Datenmanagement und Big Data. Er
unterstützt Unternehmen in der Definition und Umsetzung ihrer BI- und
Big-Data-Strategie, -Organisation, -Architektur und -Werkzeugauswahl.
Er ist ein gefragter Redner auf Konferenzen und Seminaren sowie Autor
zahlreicher BARC-Marktstudien und Fachartikel.
Kontakt: tgrosser@barc.de, Tel.: +49 931/880 651-0
Lars Iffert ist Analyst und Berater am Business Application Research
Center (BARC). Seine Schwerpunkte sind die Datenverwaltung, Daten-
integration, Datenqualität sowie Advanced und Predictive Analytics. Er
unterstützt Unternehmen bei strategischen Fragen, im Softwareauswahl-
prozess und in der Überprüfung bestehender Lösungen. Er ist Autor
diverser BARC-Produkt- und -Anwenderstudien.
Kontakt: liffert@barc.de, Tel.: +49 931/880 651-21
Patrick Keller ist Senior Analyst und Berater am Business Application
Research Center (BARC) im Bereich Business Intelligence und Co-Autor
vieler Softwareevaluationen und Marktforschungsstudien. Seine Schwer-
punkte liegen im Bereich Softwareauswahl, Strategie-, Organisations-
und Architekturberatung sowie Konsolidierung von BI-Werkzeugen. Als
neutraler Beobachter des Softwaremarkts ist er ein häufiger Sprecher
bei Tagungen und Seminaren.
Kontakt: pkeller@barc.de, Tel.: +49 931/880 651-20
Larissa Baier ist Senior Analystin für Business Intelligence am Business
Application Research Center (BARC). Sie verantwortet die Produktlinie
„Scores“ und ist Produktmanager des „BARC Score Enterprise BI and
Analytics Platforms“. Als auf entscheidungsunterstützende Informations-
systeme spezialisierte Analystin mit Fokus auf BI-Frontends ist Larissa
Baier Autorin verschiedener Marktanalysen und BARC-Studien und au-
ßerdem als Dozentin für BI-Themen tätig. Weiterhin unterstützt sie als
Beraterin Unternehmen im Softwareauswahlprozess sowie in strategi-
schen Fragen über das BI-Frontend-Portfolio, einschließlich Architektur
und Nutzungsszenarien.
Kontakt: lbaier@barc.de, Tel.: +49 931/880 651-14
Business Application Research Center – BARC GmbH
BARC Deutschland BARC Schweiz BARC Österreich teknowlogy Group
Dr. Carsten Bange Herbert Stauffer Robert Tischler
Berliner Platz 7 Täfernstrasse 22a Goldschlagstraße 172 / Stiege 4 / 2.OG 1 Boulevard des Bouvets
97080 Würzburg CH-5405 Baden-Dättwil A-1140 Wien FR-92000 Nanterre
Tel.: +49 931 880 651-0 Tel. +41 76 340 35 16 Tel.: +43 1 890 12 03-451 Tel.: +33 1 530505 50
info@barc.de info@barc.ch info@barc.at
www.barc.de www.barc.ch www.barc.at www.teknowlogy.comEXPERTENBEITRAG
Status quo Advanced Analytics in der DACH-Region –
Gelingt die produktive Nutzung der Lösungen?
von Dr. Sebastian Derwisch und Lars Iffert
Advanced Analytics ist nach wie vor ein In 31 % der Unternehmen wird Advanced Unternehmen befinden sich in einer
Trendthema. Es kann die Basis für neue Analytics durch Key User aus dem Fach- frühen Phase der Operationalisierung
Geschäftsmodelle, attraktivere Produkte bereich umgesetzt. Immerhin in 15 % Die Operationalisierung von Advanced-
und Dienstleistungen bilden oder zur der Unternehmen nutzen bereits Gele- Analytics-Prototypen gliedert sich in ver-
Prozessoptimierung genutzt werden. Al- genheitsanwender in den Fachbereichen schiedene Etappen. Nutzer befinden sich
lerdings ist oft unklar, was bereits mach- Advanced Analytics. Dieser Anteil wird si- überwiegend in den frühen Phasen der
bar und was leider nur wünschenswert ist. cherlich noch steigen – ob bewusst oder Operationalisierung. Über ein Viertel der
Doch wie werden fortgeschrittene Analy- unbewusst durch eine stärkere Integra- Unternehmen ist aktuell dabei, Prototypen
semethoden heute tatsächlich genutzt? tion von Advanced Analytics in die ope- zu validieren bzw. ein technisches Deploy-
Welche Unternehmen nutzen Advanced rativen und dispositiven Prozesse. 23 % ment umzusetzen oder Nutzeroberflä-
Analytics überwiegend? Wie weit sind die der Befragten geben an, dass Advanced- chen zu erstellen. 60% bis 71% der Unter-
einzelnen Branchen? Welche Use Cases Analytics-Analysen durch Data Scientists nehmen haben noch keine Projekte in die
werden tatsächlich umgesetzt? Antwor- durchgeführt werden. Einige Unterneh- Phasen der Nutzung dieser Advanced-Ana-
ten auf diese Fragen geben die Ergebnisse men (15 %) haben zusätzlich Aufgaben lytics-Anwendungen überführt und konn-
der neuesten BARC-Anwenderbefragung rund um fortgeschrittene Analysen in- ten auch noch keine konkreten Mehrwerte
Advanced Analytics. Die jährlich stattfin- stitutionalisiert und Data Science Labs messen. Die Validierung der Prototypen ist
dende Studie analysiert die Rückmeldun- gegründet. 21 % der Befragten setzen die Phase, die Unternehmen die größten
gen von über 250 Teilnehmern aus der Advanced Analytics durch ein Business Schwierigkeiten bereitet.
DACH-Region. Dabei werden dieses Mal Intelligence Competency Center (BICC)
insbesondere Unterschiede zwischen Un- um. Das BICC bietet sich an, um Advanced Unterschiedliche Software in Prototypi-
ternehmen, die sich im Stadium der Pro- Analytics im täglichen Einsatz zu steuern sierung und Operationalisierung genutzt
totypisierung oder in der Operationalisie- und zu entwickeln.16 % der Befragten Die am häufigsten genutzten Werkzeuge
rung befinden, herausgearbeitet. greifen auf externe Dienstleister zurück. zur Umsetzung von Advanced Analytics
sind Business-Intelligence-Plattformen
Advanced-Analytics-Nutzung steigt
und Initiativen reifen
Advanced Analytics befindet sich im-
mer noch in einer frühen Phase der Ver-
breitung. Der Anteil der Unternehmen,
die Advanced Analytics vereinzelt oder
häufig nutzen, steigt gegenüber dem
Vorjahr leicht von 36% auf 43% an. Al-
lerdings hat sich der Anteil der Unter-
nehmen, die Advanced Analytics häufig
nutzen, verdoppelt – 10% anstelle von
5% nutzen Advanced Analytics häufig im
Unternehmen. Beim Blick auf die Phasen
des analytischen Zyklus ist erkennbar,
Abbildung 1: In welcher Phase der Umsetzung von Advanced-Analytics-
dass der Anteil der Unternehmen, die da-
Projekten befinden Sie sich derzeit hauptsächlich? (n=111)
bei sind Use Cases zu identifizieren, ab-
genommen hat. Dafür nimmt der Anteil
von Unternehmen, die sich in Prototypi-
sierung befinden leicht zu (von 24 % auf
29 %). Diese Entwicklung weisen auch
Unternehmen, die Advanced Analytics
regelmäßig zur Entscheidungsunter-
stützung nutzen (von 15 % auf 22 %), auf.
Insgesamt befinden sich 72% der Unter-
nehmen, die am Survey teilgenommen
haben, in der Prototypisierung und 28%
in der Operationalisierung von Advan-
ced-Analytics-Lösungen.
Starke Nutzung in allen Anwendergruppen
Fachbereiche sind weiterhin die wich- Abbildung 2: Welche Software haben Sie im Einsatz
tigsten Treiber von Advanced Analytics. bzw. planen Sie zukünftig einzusetzen? (n=118)
12 BARC Guide Advanced Analytics 2019EXPERTENBEITRAG
Kommerzielle Software lohnt sich zur
Operationalisierung: Vorteile bietet
sie auch in der schwierigen Phase der
Operationalisierung, in der Prototypen
in stabile IT-Lösungen mit regelmäßi-
gen Wartungszyklen überführt werden.
Hier stellen beispielsweise Advanced-
Analytics-Plattformen oder direkt
nutzbare Standard-Web-Services mehr
Unterstützung zur Verfügung als Open
Source Software.
Automatisierung ermöglicht skalier-
Abbildung 3: „Welche technischen Faktoren beeinträchtigen Ihre bare Prozesse. Die manuelle Operati-
Advanced-Analytics-Projekte?“ nach Phase (n=101) onalisierung in Form eines Exports und
Versendens der Ergebnisse ist in frühen
und Data-Discovery-Werkzeuge (69%). Personalaufbau, Implementierung und Phasen der Operationalisierung oft
Diese bieten zum einen integrierte sta- externe Beratung sind Priorität ausreichend, kann aber, vor allem wenn
tistische Bibliotheken an, zum anderen Je weiter die Umsetzung von Advanced- mehrere Lösungen im Einsatz sind, er-
ist aber auch die direkte Integration von Analytics-Projekten fortschreitet, desto hebliche Ressourcen binden. Langfris-
Open-Source-Entwicklungssprachen wie deutlicher wird auch der Mangel an Busi- tig erlaubt nur die Automatisierung des
R oder Python möglich. 43% der Unter- ness-Analysten, Data Scientists und Data Modell-Scorings skalierbare Lösungen
nehmen setzen auf Open-Source-Ent- Engineers. Unternehmen, die sich bereits und Prozesse. Hierfür sind vor allem IT-
wicklungssprachen wie R oder Python in der Operationalisierung befinden, in- Ressourcen notwendig, die nach wie vor
für die Modellierung und ein Fünftel vestieren stärker in ihren Personalaufbau bei den meisten Unternehmen fehlen.
der Unternehmen auf Advanced-Ana- (42 % gegenüber 31 % der Unternehmen
lytics-Plattformen. Gruppiert man die in der Operationalisierung). Unterneh- Entdecken Sie neue Datenquellen. Log-
Werkzeuge in kommerzielle und Open- men, die sich noch in der Protypisierung daten werden stärker genutzt und kön-
Source-Werkzeuge und segmentiert die befinden, investieren mehr in die Imple- nen transaktionale Daten bereichern.
Anwender in jene, die sich hauptsächlich mentierung (41 % gegenüber 32 % der Viele Unternehmen analysieren bereits
mit der Operationalisierung befassen Unternehmen in der Operationalisie- Daten, die ihre Webseite oder ihr Webs-
und solche die sich hauptsächlich in der rung). Dies ist nachvollziehbar, da sich hop generiert, um zusätzliche Erkennt-
Prototypisierung befinden, sind klare diese Unternehmen noch vorwiegend in nisse über Kunden zu gewinnen. Auch
Unterschiede in der Nutzung erkennbar. der ersten Hälfte des Data-Mining-Zyklus anhand von Sensorlogs und Informatio-
Während Unternehmen, die sich über- befinden. Sie müssen die Herausforde- nen aus IT-Netzwerken lassen sich inter-
wiegend in der Prototypisierung von Ad- rungen lösen, Datenzugänge einzurich- essante Use Cases ableiten.
vanced-Analytics-Lösungen befinden, zu ten, Daten aufzubereiten und Data-Mi-
über 70% Open-Source-Technologie ein- ning-Modelle auszuarbeiten. Kümmern Sie sich um Ihre Datenqua-
setzen, tun dies nur knapp die Hälfte der lität. Advanced Analytics bringt nichts
Unternehmen in der Operationalisierung. Fazit & BARC Handlungsempfehlungen ohne die richtigen Daten. Es geht da-
Reife – der Markt schreitet voran: Wäh- rum, bestehende Daten in Bezug auf die
Fehler im Datenmanagement sind rend die Verbreitung von Advanced Qualität, den Zugriff und die Interpre-
das technische Hauptproblem Analytics zögerlich vorangeht, reifen tierbarkeit zu verbessern, neue Daten
Datenmanagement ist aufgrund wach- vorhandene Initiativen. Unternehmen zu sammeln und externe Daten zu ver-
sender Datenmengen und -quellen haben nach wie vor die Möglichkeit zur knüpfen. Datenmanagement ist eine in
wichtiger denn je. Bei einem Drittel der Gruppe der Vorreiter zu gehören, die diesem Kontext oft unterschätzte, aber
Befragten beeinträchtigen Fehler im Da- sich frühzeitig durch Advanced Ana- zentrale Disziplin.
tenmanagement, wie bspw. eine unzu- lytics Wettbewerbsvorteile sichert. Um
reichende Datenqualität oder fehlender den Übergang der Prototypen in die Investieren Sie in Ihr Personal. Viele
Datenzugriff ihre Advanced-Analytics- Operationalisierung reibungslos zu ge- Unternehmen starten massive Initiati-
Vorhaben. Zudem zeigen sich interes- stalten, sollte die Validierung der Pro- ven zur Weiterbildung – Bertelsmann
sante Unterschiede zwischen Unterneh- totypen schon in der Konzeption der nutzt dazu Open Online Courses von
men, die sich hauptsächlich noch in der Lösungen berücksichtigt werden. Hier Udacity, Airbnb hat sein eigenes Schu-
Prototypisierung befinden gegenüber treten die meisten Probleme auf bzw. lungsprogram entwickelt. Die Schulun-
den fortgeschrittenen Firmen: 45 % scheitern die meisten Projekte. Durch gen nützen nicht nur Data Scientists,
der Firmen, die sich noch vorwiegend klar definierte Use Cases, die Identifi- sondern auch Business-Analysten und
mit der Prototypisierung von Advanced kation von Benchmarks und KPIs, die Data Engineers. Nur durch Analytics
Analytics beschäftigen, geben an, dass den Mehrwert der Lösungen messen Teams, in denen alle Rollen vorhanden
sie durch unflexible Systeme gehindert oder die gezielte Ausrichtung der Pro- und gut ausgebildet sind, lässt sich Ad-
werden (bei den fortgeschrittenen Un- jekte an der Unternehmensstrategie, vanced Analytics umsetzen.
ternehmen stellt dies nur für 23 % ein kann diese Validierung früh im Prozess
Problem dar). berücksichtigt werden.
BARC Guide Advanced Analytics 2019 13EXPERTENBEITRAG
Technologietrend automatisiertes Machine Learning
– Use Cases, Anbieter, Funktionen
von Dr. Sebastian Derwisch
Was ist automatisiertes Aber was genau wird bei diesen An- relevant? Derartige Fragen können
Machine Learning? sätzen automatisiert und in welchen nach wie vor und auch in Zukunft nur
Automatisiertes Machine Learning be- Szenarien wird die Software genutzt? von Menschen aufgestellt, diskutiert
schreibt einen Ansatz, bei dem Software Zunächst einmal ist es wichtig zu ver- und schließlich entschieden werden.
auf Basis der eingelesenen Daten auto- stehen, dass automatisiertes Machine Im Gegensatz zu Automated Machine
matisch verschiedene Modelle trainiert Learning nicht gleichbedeutend mit Learning ist Data Science also nicht be-
und optimiert. Einige Produkte unter- der Automatisierung von Data Science schränkt auf das Finden des richtigen
stützen zudem die automatisierte Er- ist. Data Science besteht im Kern da- mathematischen Modells.
stellung von Validierungsstrategien, Er- rin, einen Anwendungsfall und seine
gebnisauswertungen und die Selektion Hypothesen auf Grundlage von Daten Automated Machine Learning Software
des besten Modells. Manche Werkzeuge zu untersuchen und schließlich ein ma- eignet sich um Data-Science-Projekte
automatisieren ebenfalls das Feature thematische Modell zu erstellen, wel- zu beschleunigen; Neueinsteiger kön-
Engineering, die Auswahl relevanter At- ches Informationen liefert (ausgibt, ob nen “Data Science Assistants” nutzen
tribute sowie Teile der Datenaufberei- einem Kunden ein Kredit gegeben oder um schneller produktiv zu werden.
tung und decken damit weite Teile der verweigert werden sollte). Automated
Machine Learning Pipeline ab. Machine Learning Software unterstützt Folgende Aufgaben werden häufig un-
häufig bei diesen dargestellten Aufga- terstützt:
Software, die automatisiertes Machine ben. Jedoch sind das nicht alle Heraus-
Learning unterstützt, findet in den letz- forderungen, die bei einem Data-Sci- • Benchmarking – die automatisierte
ten Jahren starke Verbreitung. Nicht nur ence-Projekt zu bewältigen sind. Data Analyse liefert schnell erste mögliche
wurden neue spezifische Applikationen Science setzt sich aus verschiedenen und adäquate Modelle. Hiermit können
entwickelt. Auch etablierte kommerzi- Schritten zusammen (siehe Abbildung verschiedene weitergehende Schritte
elle Advanced-Analytics-Plattformen 1) und ist somit weiter gefasst als Ma- exploriert und der erste sinnvolle Lö-
integrieren diese neuen Funktionen in chine Learning: Wie ist die Zielvariable sungsansatz identifiziert werden. Die-
ihr Portfolio. Zudem widmen sich mitt- zu definieren, die prognostiziert wer- ser kann dann entweder in einer Advan-
lerweile verschiedene Open-Source- den soll? Welche Daten sind relevant? ced-Analytics-Plattform oder in Code
Bibliotheken diesem Thema. Liegt ein Bias in den Daten vor? Welche wie R oder Python auf Basis von Fach-
mathematischen Ansätze sind über- wissen weiterentwickelt werden. Dar-
haupt für einen bestimmten Use Case über können auch wertvolle Hinweise
14 BARC Guide Advanced Analytics 2019EXPERTENBEITRAG
Mathematischen
Use Case
Ansatz
identifizieren
identifizieren
Operationalisierung Projektauftrag Prototypisierung
Zielvariable
KPI definieren
definieren
Aufgabenverständnis Daten
auswählen
Datenverständnis,
Daten-
Fortlaufende Bewertung aufbereitung
Selektion, Integration &
der Güte des Modells
Aufbereitung
Feature
Operationalisierung Engineering
(Integration in operative
Prozesse)
Modellierung &
Modellvalidierung
Gütemaß
Einmalige
auswählen
Erkenntnis-Anwendung
Modelle Modell
Ergebnisevaluation / evaluieren auswählen
Gütebewertung
Abbruch der
Untersuchung Modelle Modellvalidierung
Vergleich mit Output tunen
Operationalisierung?
Benchmark interpretieren © CXP Group
Abbildung 1: Analytischer Zyklus mit wesentlichen Aktivitäten im Rahmen der Machine Learning Pipeline
zur weiteren Entwicklung der Modelle darin, dass umfangreichere Funktionen der Ergebnisse vielerorts bereits schon
abgeleitet werden. für die ganzheitliche Umsetzung von stark automatisiert. Die oben beschrie-
Data-Science-Lösungen mit zur Ver- benen Zwecke wie Benchmarking und
• Diagnose und Exploration – Die fügung stehen, wie Möglichkeiten der Rapid Prototyping lassen sich damit gut
meisten Produkte bieten sehr umfas- Datenbearbeitung oder umfangreiches bewältigen. Kommerzielle Werkzeuge
sende Ergebnisdarstellungen. Dabei Rollen-, Rechte- und Versionsmanage- weisen z. T. recht intuitive Oberflächen
kann im Vergleich zur händischen Er- ment sowie umfangreichere Schnittstel- auf, damit auch nicht-technische Anwen-
stellung Zeit gespart und die Modell- len. Spezifische Applikationen sind hier der gewisse Data-Science-Aufgaben rea-
diagnose qualitativ verbessert wer- oft eingeschränkter. Diese sind zumeist lisieren können.
den. Manche Softwarepakete bieten auf vorbereitete Daten angewiesen. Zu-
spezifische Funktionen, die komplexe mindest werden gewisse Schritte der Da- Vor dem Hintergrund der Vielfalt der
Modelle noch besser interpretieren. tenaufbereitung automatisiert, z. B. der kommerziellen Produkte, Bibliotheken
• Lernen – Automatisierte Analysen Umgang mit Lücken in den Daten, die Be- und Open-Source-Werkzeuge einerseits
ermöglichen speziell bei grafischen reinigung von Ausreißern oder die Ska- und den unterschiedlichen Anforderun-
Nutzeroberflächen auch unerfahre- lierung der Daten. Datenaufbereitungs- gen und Zielen der Anwender anderer-
nen Nutzern einen leichten Einstieg schritte, die hingegen fachliches Wissen seits kann eine strukturierte Software-
in die Thematik. Über das Experimen- erfordern, wie das Joinen von Tabellen, Bewertung dabei helfen, die passende
tieren mit Daten und Analysen kann sind zumeist nicht möglich. und in der Gesamtkostenbetrachtung
so auch für diese Nutzer die Einstiegs- günstigste Lösung zu identifizieren und
hürde verringert und das Verständnis Auf Seite 24 haben wir die unterschied- auszuwählen.
verbessert werden. lichen Anbieter mit ihren Produkten auf-
geführt, die AutoML-Funktionen integ-
Übersicht der Lösungen riert in Advanced-Analytics-Plattformen
Umsetzungen von automatisiertem Ma- und als spezifische Applikationen anbie-
chine Learning finden sich integriert in ten sowie die wichtigsten verfügbaren
Advanced-Analytics-Plattformen, als Open-Source-Bibliotheken.
spezifische Applikationen und Open-
Source-Bibliotheken. Ein wesentlicher Fazit
Unterschied dieser Optionen besteht Die heute verfügbaren Lösungen für Auto
darin, wie flexibel die Daten für die Mo- ML haben den Prozess der Datenaufbe-
dellierung vorbereitet werden können. reitung, des Feature Engineerings, der
Ein großer Vorteil der Integration in Ad- Auswahl, Optimierung und Validierung
vanced-Analytics-Plattformen besteht von Modellen sowie die Interpretation
BARC Guide Advanced Analytics 2019 15EXPERTENBEITRAG Überblick: Der Softwaremarkt für Advanced Analytics von Dr. Sebastian Derwisch und Lars Iffert Um Advanced Analytics umzusetzen, kön- Anwendungsfälle an. In den nachfolgen- Erweiterung des Angebotes kognitiver nen Anwender auf sehr unterschiedliche den Produkt- und Anbietertabellen sind Services steht bei vielen Anbietern auf der Werkzeuge zurückgreifen. Je nachdem, ob die einzelnen Segmente näher beschrie- Roadmap. Ein weiteres wichtiges Thema eher über eine grafische Oberfläche oder ben und deren Funktionsumfänge und ist die fachanwenderfreundliche Gestal- code-basiert gearbeitet werden soll – und Anwendungsbereiche aufgeführt. tung der Software, da überwiegend Fach- in Abhängigkeit des Anwendungsfalles anwender Advanced Analytics durchfüh- – lassen sich die Werkzeuge in folgende Über alle Werkzeugkategorien hinweg ren und Data Scientists noch lange nicht Segmente einteilen (siehe Abbildung). lassen sich bestimmte Trends beobach- in allen Unternehmen in notwendiger An- Analytische Applikationen bieten für ten. Aktuell entwickelt sich der Markt zahl zu finden sind. Verschiedene Anbie- spezifische Anwendungsfälle wie Ab- für automatisierte Machine-Learning- ter bieten hierfür spezielle Data-Prepara- satzprognosen, Kundenscoring oder Lösungen sehr dynamisch. Diese finden tion-Lösungen an, die Hauptzielgruppen Betrugserkennung vorkonfigurierte sich integriert in Advanced-Analytics- der AutoML-Lösungen sind Anwender in Modelle und Visualisierungen. BI- & Ana- Plattformen, als Open-Source-Biblio- Fachbereichen. Operations Research fris- lytics-Werkzeuge legen den Fokus auf theken oder als eigenständige Appli- tet als Disziplin bisher nach wie vor ein Datenaufbereitung, Analyse und Visuali- kationen. Nach wie vor wichtig ist die Schattendasein. Jedoch ist gerade für die sierung, bieten jedoch auch zunehmend Integration von Open-Source-Sprachen Automatisierung von Advanced Analytics Advanced-Analytics-Funktionalitäten und Bibliotheken sowie Entwicklungs- die mathematische Optimierung sehr sowie eine Integration populärer Pro- umgebungen in kommerzielle Werk- wichtig. Alles in allem ist der Markt dyna- grammiersprachen. Advanced-Analytics- zeuge. R und Python sind in so gut wie misch. Neue Lösungen werden in kurzen Plattformen zeichnen sich durch eine allen Advanced-Analytics-Plattformen Zyklen durch die Open Source Community große Auswahl mathematischer Algo- integriert, bei einigen BI-Werkzeugen und kommerzielle Anbieter auf den Markt rithmen sowie komplementärer Funk- und Advanced-Analytics-Lösungen ba- gebracht. Der BARC Guide Advanced Ana- tionen wie z. B. zur Datenaufbereitung siert der technische Unterbau zu großen lytics unterliegt daher einem regelmäßi- aus. AutoML-Werkzeuge automatisieren Teilen auf der Nutzung von Open-Source- gen Update, um den Entwicklungen ge- teilweise bis vollständig Machine Lear- Komponenten. Auch die Integration von recht zu werden. ning Pipelines. Machine Learning Frame- Deep-Learning-Algorithmen bzw. die works sind Performance-optimierte Bi- bliotheken, beispielsweise in Form von Deep-Learning-Algorithmen. Operations Research Software stellt umfangreiche Bibliotheken für die mathematische Op- timierung bereit. Deployment- & Scoring- Werkzeuge eignen sich insbesondere für die technische Integration trainierter Machine-Learning-Lösungen. Program- miersprachen und entsprechende Ent- wicklungsumgebungen bieten sich für die programmiergetriebene Erstellung individueller Anwendungen an. Kognitive Services stellen vortrainierte Lösungen für Sprach-, Text- oder Bilderkennung zur Verfügung. Dienstleister unterstüt- zen Anwender in Data-Science-Projekten über alle Projektphasen hinweg und bie- ten zum Teil selbst Software für spezielle Abbildung: Übersicht der verschiedenen Kategorien von Advanced Analytics Software 16 BARC Guide Advanced Analytics 2019
Anwendungsspezifische Lösungen PRODUKTÜBERSICHT
Anwendungsspezifische Lösungen
Sollen vorwiegend fachlich eng abgegrenzte und regelmäßig vorkommende Anforderungen umgesetzt werden,
können fertige anwendungsspezifische Lösungen genutzt werden. Für häufig anzutreffende Anwendungsfälle wie
Kundenklassifizierungen oder Umsatzprognosen bieten solche Werkzeuge vordefinierte Vorlagen, Inhalte und Be-
nutzeroberflächen. Das zugrundeliegende Machine-Learning-Modell ist für gewöhnlich erprobt, seine möglicher-
weise hohe Komplexität wird durch fachbereichskonforme Benutzeroberflächen zugänglich gemacht.
Die Werkzeuge lassen sich meist in Drittsysteme integrieren. Lösungen für dynamische Preisgestaltung und/oder
Produktempfehlungen können so z. B. an Online Shops angebunden werden. Die Grenzen anwendungsspezifischer
Advanced-Analytics-Lösungen liegen in ihrer Flexibilität: Bei immer komplexeren Anforderungen ist zumeist eine
Anpassung der Datenaufbereitung oder des (Data-Mining-)Modells notwendig, was bei „Black-Box“-Systemen, wie
sie insbesondere durch Cloud-Services zur Verfügung gestellt werden, nicht oder kaum möglich ist.
Mehr
Infos Hersteller Produkt Hersteller Produkt
7lytix deepRetail Mindlab Digital
Netmind Core
adbonitas Risk Audit/Risk Curation Analytics Solutions
automotive-ai automotive-ai MindMatch MindMatch
BearingPoint HyperCube Mitakus Analytics Mitakus
Bleenco CARJS/PITTS Open Logic Systems Preisprognose
Replenishment Optimization, Picsure Picsure
Blue Yonder
Price Optimization pmOne Analytics Wundermailing
Candis Smartbooks/Workflows PricingPro
Cassantec Prognostics PROS RevenuePro
cellmatiq DentaliQ/OptaliQ SellingPro
Celonis Process Mining Qymatix
Qymatix
Dymatrix Consulting Group Customer Insight Suite Predictive Sales Analytics
e-bot7 Agent+KI remira LogoMate
Esri ArcGIS Robotron *epredict
Evertracker LEAD/BRING Salesforce Einstein
EyeQuant EyeQuant Cybersecurity
SAS
Application Fraud Manager Integrated Merchandise Planning
Decision Optimizer Semalytix Semalytix Tools
S. 54 FICO Falcon Platform Sift Science Digital Trust Platform
Insurance Fraud Manager Smacc Smacc
Payment Integrity Platform So1 So1
Fraugster Fraugster Social Sweethearts Social Sweethearts
Free Machines freemachines Enterprise Security
Geospin Geo Prediction Engine Splunk IT Service Intelligence
GPredictive Scores out of the Box USer Behaviour Analytics
I2x.ai i2x Cognitive Search
ImFusion ImFusion Suite squirro CRM Insights
InnoCow InnoCow Service Insights
Innoplexus iPlexus Steinbeis Management Monitor
Inspirient Inspirient The Chainless GmbH / deepva Deepva
IPlytics IPlytics Platform Ubermetrics Ubermetrics
Keeeb Discovery for Enterprise Vision Impulse Vision Impulse
ki-elements Delta Voicedocs Voicedocs
Kisters Belvis Pro VRnow VRnow
Konux konux Yukka Lab News & Trend Lab
BARC Guide Advanced Analytics 2019 17PRODUKTÜBERSICHT BI- & Analytics-Werkzeuge
Business-Intelligence- & Analytics-Werkzeuge
Werkzeuge für Business Intelligence ermöglichen die Analyse und Präsentation von Daten mittels Dashboards,
Berichten oder intuitiver Analyseumgebungen. Sie werden mehr und mehr mit Advanced-Analytics-Funktionen
bestückt. Einsatzgebiete dieser Lösungen in Advanced-Analytics-Projekten liegen im Bereich der Ergebnisvisuali-
sierung, Data Discovery sowie im Prototyping.
So ermöglichen immer mehr BI-Anbieter eine Integration externer Algorithmen, typischerweise in Form von R- oder
Python-Code, mit ihrem Werkzeug. Dadurch können komplexere und eigene Data-Mining-Modelle mittels Schnitt-
stellen eingebunden werden. Die meist sehr guten grafischen Möglichkeiten werden dafür verwendet, die Data-
Mining-Ergebnisse einer breiteren Anwendermasse zur Verfügung zu stellen.
Ferner werden mathematische Modelle in BI-Werkzeugen für gewöhnlich so aufbereitet, dass Business-Analysten
diese im Rahmen von Data Discovery zur Datenanalyse und Prototyping nutzen können.
Bei komplexeren Advanced-Analytics-Aufgaben stößt Business Intelligence Software jedoch an ihre Grenzen: Funk-
tionen für die Modellierung und Implementierung von umfangreicheren anwendungsspezifischen Aufgabenstellun-
gen fehlen meist und müssen mittels externer Data Mining Software umgesetzt werden. Entsprechend wird auch die
Operationalisierung von Data-Mining-Algorithmen durch die typischen BI-Werkzeuge nicht fokussiert.
Mehr
Infos Hersteller Produkt
Bissantz DeltaMaster
S. 50 BOARD BEAM
Comma Soft AG INFONEA®
S. 51 Corporater EPM Suite
Datameer Datameer
Datapine Datapine
S. 54 FICO Data Distillery
Cloud Private for Data
IBM
Cognos 11.1
Infor BIRST
Information Builders WebFOCUS
Microsoft Power BI
Microstrategy Analytics Platform
OpenText Big Data Analytics
Qlik Sense
S. 58 Qlik
QlikView
SAP Analytics Cloud
SAS Visual Analytics/ Statistics
S. 59 Tableau Tableau Desktop + Server
Alle Tabellen finden Sie auch online unter www.bi-scout.com/marktuebersicht
18 BARC Guide Advanced Analytics 2019Advanced-Analytics-Werkzeuge PRODUKTÜBERSICHT
Advanced-Analytics-Werkzeuge
Für die generische Umsetzung individueller Advanced-Analytics-Aufgabenstellungen durch einen Data Scientist
eignen sich insbesondere Advanced-Analytics-Werkzeuge. Hier kann zwischen Advanced-Analytics-Plattformen,
code-basierten Machine-Learning-Lösungen und Advanced-Analytics-Integrationen, die Berechnungen in den zu-
grundeliegenden Datenbanken oder in Hadoop-Umgebungen ermöglichen, unterschieden werden. Advanced-Ana-
lytics-Plattformen unterstützen den Data Scientist und erlauben es, auf Basis eines grafischen User Interface indivi-
duelle Workflows aufzubauen. Neben der Funktion zur Datenaufbereitung bieten diese Softwarepakete umfangreiche
mathematisch-statistische Funktionsbibliotheken. Daneben unterstützen Plattformen den Nutzer in allen Projektpha-
sen. Sie bieten Rollenbeschränkungen, um die Arbeit mit sensiblen Daten zu steuern. Zudem enthalten sie Exportmög-
lichkeiten für die Lösungen (Modelle) in andere Programmiersprachen. Auf diese Weise wird die Integration in die be-
stehende Systemlandschaft vereinfacht. Oft sind auch weitere Funktionalitäten enthalten, bspw. für das Deployment
der Advanced-Analytics-Lösungen, das Model Management, das Retraining sowie Reporting- und Kollaborationsfunk-
tionen. Integrationsmöglichkeiten mit gängigen Open-Source-Sprachen wie R oder Python sind meist gegeben. Code-
basierte Machine-Learning-Lösungen bieten neben entsprechenden Machine-Learning-Bibliotheken Möglichkeiten
der Automatisierung, der Visualisierung und des Deployments. Den Lösungen fehlt für gewöhnlich die Möglichkeit, gra-
fische Workflows aufzubauen. Die Arbeit verläuft zumeist code-basiert. Advanced-Analytics-Integrationen in Daten-
banken basieren auf proprietärer oder Open-Source-Technologie. Diese Lösungen erlauben skalierbare Berechnungen
in Datenbanken oder Hadoop-Clustern. Auch hier wird überwiegend codebasiert gearbeitet, für Visualisierungen muss
auf entsprechende Bibliotheken oder Visualisierungswerkzeuge zurückgegriffen werden. Der Vorteil dieser Lösungen
liegt durch die direkte Integration in die jeweilige Datenbank in der skalierbaren Datenverarbeitung.
Mehr Mehr
Infos Hersteller Produkt Infos Hersteller Produkt
Algolytics AdvancedMiner Data Miner
Oracle
Alteryx Designer R Enterprise
Amazon ML orange orange
Amazon
Amazon SageMaker Pentaho Business Analytics
BigML BigML
Pitney Bowes Spectrum Miner
Cloudera Data Science Workbench
S. 53 Dataiku DSS Predixion AXON Predict
DataRobot DataRobot Prognoz Prognoz Platform
Datawatch Angoss RapidMiner RapidMiner Studio
Domino Datalabs Domino Data Science Platform CART
Analytic Modeler Random Forest
Salford
S. 54 FICO Analytic Modeler for R SPM 8.2
Analytics Workbench Treenet
Google Cloud Machine Learning Engine SAP Predictive Analytics
H20 Flow Enterprise Miner
SPSS SAS Factory Miner
IBM Statistics Visual Data Mining and ML
Watson Studio Skytree Skytree
KNIME Analytics Platform Software AG Zementis Predictive Analytics
Lateral Lateral Intelligence Platform (LIP) Splunk Enterprise
Leverton Leverton Platform Spreitzenbarth Plantex
Mathworks Matlab Synop Systems Synop Analyzer
Megaputer PolyAnalyst SigmaPlot
Systat Software
R Open Systat
R Server Teradata Warehouse Miner
Microsoft TIBCO Statistica
SQL Server R Services
Azure ML University of Waikato Weka
OneLogic One Data Platform Viscovery Software GmbH SOMine
Big Data Analytics Wireframe AG PatternFinder
OpenText Wolfram Mathematica
Magellan
Yottamine YottamineAI
BARC Guide Advanced Analytics 2019 19PRODUKTÜBERSICHT Operations Research Software
Operations Research Software
Operations Research wird zur Ermittlung optimaler Parameter in einem System für eine bestimmte Zielfunktion
angewendet. Ein Ziel kann beispielsweise die Umsatzmaximierung oder die Kostenminimierung sein. Optimale
Paramater können sich z. B. auf die Höhe von Preisen, die Anzahl der eingesetzten Maschinen oder die Menge an
Rohstoffen beziehen. Somit können Entscheidungen hinsichtlich des Einsatzes dieser Ressourcen mathematisch
optimiert werden. Operations Research Software umfasst spezielle Bibliotheken, um lineare Gleichungssysteme zu
lösen. Diese Bibliotheken werden typischerweise codebasiert genutzt. Häufig angewandte Programmiersprachen
in diesem Kontext sind OPL und AMPL. Zusätzlich bietet Operations Research Software oft grafische Benutzerober-
flächen, die für spezielle Anwendungsfälle wie das Supply Chain Management oder die Risikooptimierung geeignet
sind. Hier können die Zielfunktion sowie gewisse Bedingungen, die für die Optimierung gegeben sein müssen, an-
hand grafischer Oberflächen definiert werden.
Mehr
Infos Hersteller Produkt
S. 54 FICO XPress Insights
Gurobi Optimizer
IBM Cplex
Llamasoft Network Optmization
Matlab Optimization Toolbox
Reactive Search LIONoso 2.1
SAP APO
SAS SAS/OR
Generische Sprachen für Advanced Analytics
Um flexibel eigene Lösungen bzw. auch Algorithmen zu definieren, eignen sich universelle Programmiersprachen
wie Java, C++ oder Python sowie die spezielle mathematische Programmiersprache R. Vor allem die Open-Source-
Sprachen R und Python sind im Advanced-Analytics-Bereich besonders relevant. Diese bieten zahlreiche statistische
Funktionen, Machine-Learning-Bibliotheken sowie diverse Pakete für Visualisierungen, Dokumentation, Datenauf-
bereitung und Parallelisierung. Durch die sehr aktive Open Source Community sind mittlerweile auch immer mehr
R-Pakete verfügbar. Dadurch können Advanced-Analytics-Algorithmen wesentlich effizienter gestaltet und ange-
wandt werden. Dazu existieren Konnektoren zu Clouddiensten, um lokalen Code direkt in der Cloud, beispielsweise
auf performanten Hochleistungsrechnern, ablaufen zu lassen.
Die Grenzen dieses Software-Segments für Advanced Analytics liegen – insbesondere bei Betrachtung der Open-
Source-Sprachen – in der Operationalisierung von Lösungen, in den Reportingfunktionen, der Nutzerverwaltung
und den Möglichkeiten des Model Managements. Hier müssen Nutzer große Teile individuell entwickeln, da durch die
Software häufig keine Unterstützung und Vorlagen vorhanden sind.
Mehr
Infos Hersteller Produkt
(Community) Octave
AMPL Optimization Inc. AMPL
S. 54 FICO Mosel
IBM SPSS
Mathworks Matlab
Python Software Foundation Python
R Core Team R
SAS In-memory Statistics
Warwick Analytics RCASE
20 BARC Guide Advanced Analytics 2019Sie können auch lesen
