Back to top

Drei wissenswerte Trends aus dem 2017 Gartner Magic Quadrant for Business Intelligence and Analytics Platforms

Gartner hat kürzlich den Gartner 2017 Magic Quadrant for Business Intelligence and Analytics Platforms* herausgegeben. Für einen ersten Überblick und Informationen zu den Methoden der Evaluation im diesjährigen MQ können Sie entweder die Zusammenfassung oder auch den vollständigen Bericht auf der Gartner Website herunterladen.

Auch uns bei Search Technologies sind bei den Analyse-Projekten für unsere Kunden einige Entwicklungen aufgefallen, die Gartner auch im aktuellen MQ für Business Intelligence und Analyse angesprochen hat. In diesem Blog wollen wir die drei bemerkenswertesten Trends festhalten. Aber zuerst etwas Hintergrundwissen zum „Aufstieg der Analyse“.

Mehr und mehr Unternehmen verlassen sich auf fortschrittliche Analyse in Echtzeit, um einen Wettbewerbsvorteil zu gewinnen. Business Intelligence und Analyse haben sich zu integralen Hilfsmitteln entwickelt, die von allen Geschäftsbereichen genutzt werden, statt wie früher nur von der IT-Abteilung zur reinen Berichterstarrung genutzt zu werden.

Auf dem Gartner Business Intelligence & Analytics Summit im letzten Jahr hat Joao Tapadinhas, Direktor für Forschung bei Gartner und einer der Autoren dieses MQ, den Bedarf für bessere Analyse über sein Modell der „drei Stufen der Bedürfnisse“ demonstriert:

analytics-workbench-de.jpg

Mr. Tapadinhas betonte, wie wichtig eine Workbench für Analyse in der Zukunft werden wird. Die Daten wachsen exponentiell an, im nächsten Schritt müssen nun die Methoden optimiert werden, aus diesen Daten Einblicke zu gewinnen. Hierfür braucht man die richtige Plattform für Business Intelligence und Analyse. Unternehmen, die ihre Daten nicht nur für die reine Informationslieferung nutzen, sondern auch Analyse und Zusammenarbeit fördern, werden dadurch einen Wettbewerbsvorteil gewinnen. Hierbei haben sich drei wichtige Trends gezeigt. 

1.  Annäherung von Suche und Analyse

Es gibt den Trend, die Möglichkeiten der Skalierbarkeit von Suchmaschinen zu nutzen und auf diesen Dashboard für Visualisierung und Analyse aufzubauen. 

Dies zeigt sich schon dadurch, dass ThoughtSpot – ein Anbieter für suchbasierte Plattformen für Business Intelligence aus Palo Alto – dem diesjährigen MQ hinzugefügt wurde. Das Unternehmen ist zwar immer noch einer der kleineren Anbieter und bietet auch nur einen begrenzten Umfang an Funktionen an, dafür hebt sich ThoughtSpot aber durch die suchbasierte Schnittstelle für die visuelle Erforschung von der Masse ab. Interessant dabei ist auch, dass einige der Gründer von ThoughtSpot ehemalige Mitarbeiter von Google sind. Schließlich hat sich auch Google von einer gewöhnlichen, wen auch gigantischen, Suchmaschine hin entwickelt zu einem intelligenten digitalen Assistenten für die Erforschung von Content (man denke nur an Google Now, Google Home, Google Trends und dergleichen mehr).

2.  Cloud und Open-Source werden Standard

cloud-machine-learning.jpgViele der Plattformen im MQ nutzen eine cloudbasierte Umgebung zum Speichern, Verarbeiten und Analysieren von riesigen Mengen unstrukturierter und strukturierter Daten.

So bietet etwa Microsoft, die im MQ am besten abschneiden, in der Azure Cloud Plattform eine umfassende Lösung für Business Intelligence. 

  • Azure Search – ein cloudbasierter Suchdienst (sehen Sie auch unsere Demo für die Suche in Wikipedia mit Azure Search)
  • Azure Machine Learning – eine cloudbasierte Analyse-Komponente der Cortana Intelligence Suite 
  • Azure HDInsight – ein cloudbasiertes Hadoop-Angebot, das optimierte Open-Source-Analysecluster für Spark, Hive, MapReduce, HBase, Storm, Kafka und R Server bietet. 
  • Stream Analytics – Echtzeit-Analyse in der Cloud 

In dem Rahmen haben wir auch den Anstieg von Open-Source-Tools für die Big Data-Analyse festgestellt, wie Spark, HBase und ähnliche. Gartner erwartet, dass „intelligente, geleitete Fähigkeiten der Datenerforschung über Suche und Visualisierung, Hadoop und Spark sich zu einem einzelnen Produkt der Datenerforschung der nächsten Generation entwickeln, als Komponenten der modernen Plattformen für Business Intelligence und Analyse.“

In letzter Zeit gab es mehrere Beispiele, wo wir Spark und ergänzende Open-Source-Technologien wie Suchmaschinen und Tools für die Big Data-Verarbeitung genutzt haben, um Anwendung für moderne Business Intelligence und Analyse in Echtzeit für unsere Kunden zu erstellen. Einige Beispiele für mögliche Nutzungsbereiche sind:

  • Log-Analyse 
  • Sentimentanalyse
  • Empfehlungsdienste
  • Erkennung von Versicherungsbetrug
  • Erkennung von Bedrohungen
  • Bioinformatik / Genomstudien

3.  Verarbeitung natürlicher Sprache und Stimmsuche

cognitive-search.jpgEiner Umfrage bei Nutzern von Smartphones zufolge wünschen sich 60% der Nutzer mehr und relevantere Antworten auf natürliche Stimmfragen, im Gegensatz zu einer reinen Liste der Suchergebnisse. Für Unternehmen, die komplette mobile und sprachgesteuerte Schnittstellen anbieten wollen, sind solche Frage/Antwort-Systeme eine Grundanforderung. In solchen Systemen stellt der Nutzer eine Frage, die über APIs zur Spracherkennung in das System eingegeben wird. Das System sucht dann die passende Antwort, die wiederum in natürlicher Sprache ausgegeben wird, indem sie dem Benutzer vorgelesen wird. Hiermit werden mobile Benutzer, die auf Sprachsteuerung setzen, auf sehr effektive Weise mit den Unternehmenssystemen verbunden.

Unter den führenden Unternehmen im MQ bietet unter anderem Microsoft Fähigkeiten der natürlichen Sprache, über Cortana. Tableau ist kürzlich eine Partnerschaft mit Automated Insights, Narrative Science und Yseop eingegangen, um der eigenen Plattform Möglichkeiten natürlicher Sprache hinzuzufügen. Qlik bietet Erweiterungen für natürliche Sprache für die Visualisierung von Daten in Qlik Sense durch Partnerschaften mit Narrative Science und Yseop.

Wir bei Search Technologies nutzen unser Natural Language Processing Toolkit für zahlreiche Anwendungen der Suche und Analyse, einschließlich der Entwicklung intelligenter Frage/Antwort-Systeme. Das Natural Language Processing Toolkit beherrscht die Textverarbeitung, Sprachverarbeitung, Extrahierung von Entitäten und fortgeschrittene Erkennung von Mustern und Beziehungen. 

In unserem Alltag begegnen uns Unternehmen jeglicher Größe, die ihre Daten auf unterschiedlichste Art und Weise nutzen, darunter auch viele über umfassende Business Intelligence und Analyse-Plattformen wie auch benutzerdefiniert entwickelte technologische Stacks. Wir gehen davon aus, dass sich diese Trends weiter fortsetzen werden, da die Nachfrage nach komplexer Analyse schon zum integralen Teil der Big Data-Revolution geworden ist.


* Der Gartner 2017 Magic Quadrant for Business Intelligence and Analytics Platforms ist verfasst von Rita L. Sallam, Cindi Howson, Carlie J. Idoine, Thomas W. Oestreich, James Laurence Richardson und Joao Tapadinhas und wurde im Februar 2017 veröffentlicht. 

0