NicoElNino - stock.adobe.com

Augmented Analytics Tools, NLP-Suche, Graphen sind im Trend

Augmented-Analytics-, NLP- und Graph-Analytics-Technologien verändern laut Gartner den Daten- und Analysemarkt. Benutzer gelangen leichter an Datenanalysen.

Augmented Analytics Tools, Natural Language Processing (NLP) und Graph Analytics sind nach Angaben von Gartner die Top-Trends 2019.

Augmented-Analytics-Technologien, die mit Machine Learning und künstlicher Intelligenz (KI) in Business Intelligence Tools zusammenarbeiten, um die Datenaufbereitung zu automatisieren und Anwendern zu helfen, die Daten zu erforschen und auszutauschen, haben sich im letzten Jahr zum Trendthema entwickelt – und dieser Trend beschleunigt sich noch, sagt Gartner-Analystin Rita Sallam.

Die von Gartner identifizierten Daten- und Analysetechnologien werden einen dramatischen Einfluss darauf haben, „wie wir Daten und Analytikinhalte erstellen und wer sie erstellt, wer Zugang zu Erkenntnissen aus Augmented Analytics hat, wie Menschen mit Daten und Analytik interagieren und welche Arten von Analysen wir maßstabsgetreu durchführen können“, erläutert Sallam.

„Augmented Analytics rückt im Hype Cycle weiter vor, da Early Adopter Vorteile aus frühen Implementierungen ziehen“, sagt die Analystin. „Gleichzeitig ergänzen immer mehr Anbieter von Analytics, BI, Data Science und Machine Learning ihre Plattformen um Augmented-Analytics-Funktionen.“

Gartner bezeichnet Augmented Analytics Tools als „die nächste Welle der Disruption“ im Daten- und Analysemarkt und rät Datenverantwortlichen, die zunehmend reifen Plattformen einzusetzen. Bis 2020 wird Augmented Analytics einer der größten Treiber für den Neukauf von BI- und Analysesystemen, Data-Science- und Machine-Learning-Plattformen sowie Embedded Analytics Tools sein.

Bis 2020 werden nach Angaben von Gartner 50 Prozent der analytischen Abfragen entweder durch Suche, NLP oder automatisch durch Software generiert.

Von den heutigen Daten- und Analysetrends werden Augmented Analytics Tools langfristig die größten Auswirkungen auf Unternehmen haben, prognostiziert Jim Hare, Analyst bei Gartner.

„Da digitale Unternehmen mit Daten überflutet werden, ist Augmented Analytics entscheidend, um den operativen Nutzern nur das zu präsentieren, was für sie im Kontext des jeweiligen Zeitpunkts wichtig ist“, sagt Hare. „Es erweitert den Zugang zu Erkenntnissen aus der Analytik, indem es Analysen überall und für alle in der Organisation bereitstellt, und zwar in kürzerer Zeit sowie mit weniger Aufwand und Interpretationsverzerrungen als bei herkömmlichen manuellen Ansätzen.“

Jen Underwood, Senior Director beim Machine-Learning-Softwareanbieter DataRobot, nennt Augmented Analytics Tools die bedeutendste Innovation für Daten- und Analyseprofis in den letzten Jahren.

Underwood ist davon überzeugt, dass die Technologie moderne Analytics ähnlich transformiert, wie Self-Service-BI die Analytics-Softwarebranche in den letzten zehn Jahren verändert hat. Die größte Verbesserung, die Augmented Analytics bietet, ist, dass sie es Geschäftsanwendern und normalen Mitarbeitern ermöglicht, Analysen einfacher zu praktizieren, sagt Underwood.

„Intelligente Automatisierung ermöglicht es Geschäftsanwendern, Advanced-Analystics-Techniken zu verwenden, um Chancen in Big-Data-Quellen aufzudecken, komplexere Probleme zu lösen und die Ergebnisse besser zu optimieren“, sagt Underwood. „Diese nächste Welle der Analytik geschieht schneller als die vorherige Marktveränderung.“

Gartner prognostiziert, dass bis 2020 die Zahl der sogenannten Citizen Data Scientists, also Geschäftsanwendern, die keine Datenanalyseprofis sind, fünfmal schneller wächst als die Zahl der professionellen Data Scientists. Augmented Analytics Tools werden wesentlich zu diesem Aufschwung beitragen.

NLP-Suchfunktionen

Natural Language Processing (NLP), das oft als Teildisziplin von Augmented Analytics betrachtet wird, ist ein weiterer wichtiger Daten- und Analysetrend. NLP ist die Fähigkeit eines Computerprogramms, die menschliche Sprache zu verstehen – getippt oder ausgesprochen.

Ziel ist es, Analyse-Tools so einfach wie eine Suchmaske oder ein Gespräch mit einem virtuellen Assistenten zu machen. Bis 2020 werden nach Angaben von Gartner 50 Prozent der analytischen Abfragen entweder durch Suche, NLP oder automatisch durch Software generiert.

Die Notwendigkeit, Analytics für jeden im Unternehmen zugänglich zu machen, treibt die Akzeptanz dieses Trends voran. Gartner prognostiziert, dass NLP- und Konversationsanalysen bis 2021 die Mitarbeiterakzeptanz von Analysen und Business Intelligence von 35 Prozent auf über 50 Prozent steigert, einschließlich neuer Benutzergruppen aus der Geschäftswelt.

NLP-Suchanwendungen – und sogar die Generierung natürlicher Sprachen – sind laut Hare bereits mit den ersten Integrationen von vielen BI- und Analytics-Anbietern entstanden.

Einige BI- und Analytics-Anbieter integrieren bereits NLP-Suchtechnologie, darunter Tableau, das kürzlich die NLP-Suchfunktion Ask Data eingeführt hat, und Qlik, das den KI-Chatbot CrunchBot erworben hat, um Benutzern zu helfen, Einblicke in ihre Daten per Textabfrage schneller und einfacher zu erhalten.

Die BI-Plattform MicroStrategy hat sich außerdem mit Amazon Alexa und anderen sprachgesteuerten Anwendungen zusammengeschlossen, um eine NLP-Sprachsuchfunktion bereitzustellen (siehe Video). Die BI- und Analyseplattform ThoughtSpot hat das Tool SearchIQ in der Beta-Version freigegeben, das sowohl Text- als auch Sprachsuche erlaubt.

Trotz der zunehmenden Akzeptanz von NLP-Technologie ist diese laut Hare noch nicht bereit für die Out-of-the-Box-Integration.

„Heute erfordern [NLP-Fähigkeiten] in der Regel einen gewissen Aufwand bei der Einrichtung, da die Ontologie für die Gesprächsanalyse je nach Branche und Unternehmen unterschiedlich ist“, erläutert er. „Allerdings erwarten wir, dass in den nächsten zwei bis fünf Jahren einsatzbereite und unternehmensreife Instanzen entstehen.“

Graph Analytics

Graph Analytics – eine Reihe von analytischen Techniken, die die Erforschung und Abbildung von Beziehungen zwischen Datensätzen wie Organisationen, Personen und Transaktionen ermöglichen – ist laut Gartner ebenfalls ein weiterer bemerkenswerter Trend.

Gartner prognostiziert, dass der Einsatz von Graphverarbeitungs- und Graphdatenbanksystemen bis 2022 jährlich um 100 Prozent wachsen wird, was es Anwendern ermöglicht, Daten schneller aufzubereiten sowie komplexere und anpassungsfähigere Data Science zu benutzen.

Der Bedarf an spezialisierten Fähigkeiten habe jedoch die Einführung von Graph Analytics in Unternehmen bisher eingeschränkt, so Gartner. Sallam sagt, dass Fähigkeiten, die für die Graphanalyse benötigt werden – über das Wissen von Graphdatenbanken hinaus – das Resource Description Framework, die RDF-Abfragesprache SPARQL Protocol und neue Sprachen wie Apache TinkerPop oder das kürzlich zur freien Verfügung gestellte Cypher umfassen.

Nächste Schritte

SAP Analytics Cloud: Wie sinnvoll ist das Analytics-Angebot?

Cloud-basierte Predictive Analytics auf dem Vormarsch.

Teradata Analytics Universe: Hadoop ist bald am Ende.

Erfahren Sie mehr über Big Data

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close