Mit Advanced Analytics, KI und Open Source zu individuellen Erkenntnissen
Es gibt drei Fragen, die Sie immer wieder beantworten müssen. Sie benötigen dafür aber keine drei Detektive, sondern die passenden Analytics-Technologien und manchmal auch Künstliche Intelligenz (KI) oder Modelle des Maschinellen Lernens. Damit finden wir von der SHI zusammen mit Ihnen die Antworten:
Was ist passiert?
Descriptive Analytics
Sie nutzen Ihre Daten, um zu erfahren, was passiert ist. Diagramme, Grafiken und Tabellen zeigen Ihnen anschaulich die relevanten Zusammenhänge. So verstehen Sie zum Beispiel besser, wie sich Ihre Kunden und Mitarbeiter in bestimmten Situationen verhalten, womit Ihre Software-Anwendung Zeit verbringt oder welche Leistung Ihre Geräte, Systeme und Maschinen bei hoher Belastung erbringen.
Was wird passieren?
Predictive Analytics
Ihre historischen Daten dienen als Grundlage, um Auskunft über künftige Trends und Prognosen zu erhalten. Damit erfahren Sie zum Beispiel, welche Kunden mit welcher Wahrscheinlichkeit einen Artikel als Retour zurückschicken werden und welche das Potenzial haben, hoch profitabel zu werden; oder welche Geräte in Kürze ausfallen werden. Sie formulieren Ihre Frage, und wir erstellen mit Hilfe von Maschinellem Lernen das Vorhersagemodell.
Was sollen wir tun?
Prescriptive Analytics
Doch was ist zu tun, wenn ein Ereignis prognostiziert ist? In jeder Situation gibt es unterschiedliche Optionen, um darauf zu reagieren. Damit Sie erfahren, wie Sie Ihr normatives Ziel am besten erreichen, setzen wir je nach Fragestellung passende KI-Methoden wie Bayes’sche Indeferenz oder Deep Learning ein. Es werden verschiedene Szenarien simuliert, Sie können alternative Vorschläge für konkrete Maßnahmen bewerten und eine fundierte Entscheidung treffen.
Es geht dabei immer um Daten, die stark voneinander abhängen. Ein Mensch ist jedoch nicht in der Lage, diese Zusammenhänge aufzuspüren, da die Datenmenge riesig ist, die Daten aus vielfältigen Quellen stammen und unterschiedliche Formate haben.
Mit multivariaten Analyse-Methoden sowie Analysetechniken wie Künstlicher Intelligenz und Natural Language Processing sind wir jedoch in der Lage, diese Daten zu meistern. Immer mit dem Ziel, Sie und Ihr Unternehmen voranzubringen.
Wir nennen diese Analysen daher Advanced Analytics.
Die KI-Grundlagen
Künstliche Intelligenz (KI) ermöglicht auch Ihrem Unternehmen wichtige Wettbewerbsvorteile. Wie Sie KI einsetzen können, erfahren Sie in den Unterlagen unserer KI-Grundlagenschulung.
Fail-Fast-Prozess der SHI:
von der Idee bis zur Advanced Analytics Infrastruktur
Sie und Ihre Mitarbeiter haben Ideen, wie Sie erfolgreicher werden können; oder haben ein Problem erkannt, das Sie gerne beheben möchten. Sie wissen zwar, dass es dafür irgendwo in Ihrem Unternehmen große Datenmengen gibt. Doch Sie wissen nicht, wie Sie mit Hilfe dieser Daten Ihre Fragen beantworten oder die Probleme beheben können.
Ihre individuellen Fragen erfordern eine passgenaue Analytics-Lösung. Und genau das ist unsere Stärke.
Advanced-Analytics-Projekte können ein Unternehmen voranbringen; sie sind aber immer komplex. Am Anfang ist offen, wie die Lösung zum Schluss aussehen wird. Sie müssen trotzdem sicherstellen, dass Sie Ihr Budget in ein Projekt investieren, das gute Ergebnisse erzielt.
Daher haben wir von SHI einen Prozess entwickelt, der nicht mit einer aufwändigen Infrastruktur beginnt, sondern mit Ihrer Fragestellung und mit einem Experiment.
Starten Sie mit uns in die Praxis und überprüfen Sie Ihre Idee. Wir führen die Analyse durch, liefern die Erkenntnisse und ermitteln mit Ihnen gemeinsam den Mehrwert für Ihr Unternehmen. Agil, mit begrenztem Budget und flexibel nach dem Fail-Fast Ansatz.
Phase 1:
Fragestellung
Zusammen entwickeln wir Ihre Idee und überführen sie in eine konkrete Fragestellung. In dem gemeinsamen Workshop stehen folgende Themen auf Agenda:
- Klären Ihrer Erwartungen und schaffen eines gemeinsamen Verständnisses.
- Wir grenzen die fachliche Frage ein.
- Gemeinsam definieren wir den konkreten Business Case.
- Die Fachlichkeit wird mit Daten beschrieben: Verfügbarkeit, Lücken, Alternativen.
- Auswahl der geeigneten Analyse-Ansätze.
- Wir stellen Ihnen die Kriterien für die Validierung der Idee sowie die Erkenntnisse vor, die zu erwarten sind.
- Sie lernen unser internes Team und unsere Timeline kennen.
Phase 2:
Experiment
Auf Grundlage Ihrer Daten führen wir die Analyse durch und modellieren die Fragestellung weiter:
- Extraktion und Zusammenführung von Daten und deren Aufbereitung
- Überprüfung der Datenqualität und Datenexploration
- Anwendung von statistischer Analyse, Modellierung mittels Maschinellem Lernen aus der Künstlicher Intelligenz
- Definition von KPIs und Visualisierung
In dieser Phase könnte sich auch herausstellen, dass sich die vorhandenen Daten nicht für eine sinnvolle Bearbeitung eignen. Wenn dies der Fall ist, betrachten wir gemeinsam mit Ihnen, ob die ursprüngliche Fragestellung angepasst werden kann.
Phase 3:
Proof-Of-Concept
Wir schauen uns zusammen mit Ihnen die Ergebnisse genau an, ermitteln die Bedeutung für Ihr Geschäft und definieren die nächsten Schritte, um mit Advanced Analytics langfristigen Value zu generieren. Im Einzelnen besprechen wir mit Ihnen …
- die Ergebnisse der Daten-Analyse.
- die Validierung der Idee und ursprünglichen Annahmen.
- die Bedeutung für Ihren Business Case.
- eine mögliche Feinjustierung.
Für die Integration in bestehende Abläufe und für die IT-technische Umsetzung erstellen wir einen Plan, prüfen wir die Anforderungen an Performance und Hardware und stellen die Automatisierung der Abläufe sowie die Prozesskonformität sicher.
Monitoring überwacht und visualisiert fortlaufend Ihre Prozessen und Vorgänge.
Mit dem Abschluss des Proof-of-Concept stellen Sie sich eventuell neue Fragen. Wir unterstützen Sie auch dann wieder und prüfen mit Ihnen, wie Sie mit Advanced Analytics in anderen Bereichen Ihres Unternehmens oder unternehmensweit neue Erkenntnisse erzielen können.
Mit Open Source offen für individuelle Fragen
Wir sind Experten für datenintensive Anwendungen und darauf spezialisiert, Daten gewinnbringend zu nutzen. Wir sind begeisterte Datensucher, Datenfinder und Datenstrukturierer.
Wir haben jahrzehntelange Erfahrung mit Open-Source Technologien. Zahlreiche Projekte für On-Site Search und Enterprise Search haben wir damit schon erfolgreich gemeistert.
Wir finden den besten Weg, damit Sie für Ihre komplexen und individuellen Fragen die richtigen Antworten finden. Denn wir kennen die Technologien für erfolgreiche Advanced Analytics Projekte:
1) Daten einfach nutzen
Die Herausforderung:
Die Qualität der Daten ist entscheidend, um neue Erkenntnisse zu erhalten. Dafür müssen zunächst Daten abgegriffen und aufbereitet werden. Ihr Projekt darf nicht daran scheitern, dass dies zu aufwändig und zu komplex ist.
Unsere Lösung:
Es spielt keine Rolle, wo Ihre Datenschätze liegen und welche Form sie haben. Wir extrahieren und führen sie mit anderen Daten zusammen, damit sich ein Gesamtbild ergibt. Mit Open Source Komponenten wie Apache NiFi und Hadoop spielt die Datenmenge keine Rolle. Wir sorgen dafür, dass Ihre Daten verfügbar sind, wann und wo sie gerade benötigt werden.
2) Die richtige Umgebung schaffen
Die Herausforderung:
Die Wahl der eingesetzten Analyse-Methoden erfordert Flexibilität. Dies darf jedoch nicht zum Wildwuchs von Tools führen, die nebeneinander existieren und schlecht miteinander interagieren.
Unsere Lösung:
Wir implementieren eine maßgeschneiderte Plattform, die die Transformation, die Wiederverwendung und den Austausch von Daten vereinfacht. Apache Spark, Apache Solr oder Elasticsearch, Apache Zeppelin und Cloudera-Distribution stellen eine Vielfalt an Analyse-Methoden zur Verfügung – damit Sie für jede Frage gut aufgestellt sind.
3) IT-Ressourcen sinnvoll einsetzen
Die Herausforderung:
Die Infrastruktur muss sich nach einer Datenstrategie richten, die vorab definiert wurde. Andernfalls führt sie auf Dauer zu erhöhter Komplexität, und Sie haben unnötigen Mehraufwand.
Unsere Lösung:
Ob On-Premise- oder Cloud-Infrastruktur: Wir setzen auf Open Source IT-Automatisierung und Konfigurationsmanagement-Tools wie Ansible. Damit können Sie schnell auf veränderte Anforderungen reagieren und Ihre Ressourcen richtig skalieren. Bei Bedarf werden große Datenmengen parallel verarbeitet oder anspruchsvolle Machine-Learning-Modelle effizient trainiert.
Das ist Ihnen noch nicht konkret genug?
Dann teilen Sie uns am besten die konkreten Fragen mit, die in Ihrem Unternehmen gerade anstehen.
Advanced Analytics über Grenzen hinweg
Beispiele für Anwendungen
Mit Advanced Analytics erhalten Unternehmen aller Branchen und die Mitarbeiter unterschiedlicher Geschäftsbereiche Antworten auf ihre individuellen Fragen: Online-Shops, Hersteller und viele andere Unternehmen; im Marketing und Vertrieb genauso wie im Controlling und in der IT-Abteilung. Und das auch über die Abteilungsgrenzen hinweg. Wir von SHI verstehen uns darauf, mit einem holistischen Ansatz aus den Daten verschiedener Abteilungen das relevante Wissen zu extrahieren.
Hier eine Auswahl konkreter Beispiele, bei welchen Fragen wir unbedingt ins Gespräch kommen sollten:
Customer und Marketing Analytics:
Um Ihre Kunden kümmern sich tagtäglich Ihre Mitarbeiter in Marketing, Vertrieb, Kundenservice und anderen Abteilungen: Was braucht und wünscht er sich, um bei Ihnen zu kaufen und auch wieder zu kommen? Unternehmen verfügen über umfangreiche Daten, um die Interaktion der Kunden mit dem Unternehmen zu verstehen. Sie können die Kaufgewohnheiten erkennen, Kundengruppen segmentieren und die Kundenbindung steigern, indem Sie den Kunden personalisierte Angebote machen.
Dafür können Sie nicht nur das Navigieren im Web, Reaktionen auf Newsletter und Social Media Metriken auswerten, sondern Sie sollten die gesamte Customer Journey Ihrer Kunden in den Blick nehmen. Daher sind eventuell auch Call-Center-Protokolle relevant. Welche Daten einbezogen werden sollten, hängt von der spezifischen Situation Ihres Unternehmens ab.
Mit Advanced Analytics können Sie außerdem die Wirkung Ihrer Marketingmaßnahmen analysieren und optimieren. Sie wissen dann, welche Maßnahmen welchen Beitrag zum Geschäftsergebnis leisten, so dass Sie mit Hilfe von Prescriptive Analytics auch Ihr Marketingbudget neu allokieren können.
Mehr Informationen zu Customer und Marketing Analytics im E-Commerce finden Sie in unserer Blogserie „Data Driven Marketing“.
Finance/Controlling Analytics:
Indem die Controlling-Abteilung zeitnahe Forecasts mit hoher Prognosesicherheit erstellt, kann sie dem Unternehmen wichtige Wettbewerbsvorteile sichern. Daher stehen bereits zahlreiche Software-Lösungen zur Verfügung, die in der Regel die Finanzkennzahlen umfassend berücksichtigen.
Mit Advanced Analytics, Big Data und KI eröffnen sich neue Möglichkeiten für einen integrierten Ansatz, so dass Sie als Entscheider auch andere relevante Geschäftsbereiche mit im Blick haben. Ausgehend von der spezifischen Situation Ihres Unternehmens sollten Sie überlegen, ob Sie Daten über Kunden, Produkte oder Lieferanten miteinbeziehen sollten. Für unsere Open-Source Tools ist es kein Problem, wenn es sich dabei um polystrukturierte Daten in verschiedenen Formaten handelt.
Risikomanagement:
In jeder Branche und für jedes Unternehmen gibt es andere Risiken, die teilweise sogar den Fortbestand des Unternehmens gefährden können. Zum Beispiel die Kreditwürdigkeit des Kunden für den Finanzdienstleister, Unwetter für Versicherer oder Lieferengpässe eines wichtigen Lieferanten in der Produktion. Der Einsatz von Advanced Analytics ermöglicht Ihnen in solchen oder ähnlichen Situationen, die Wahrscheinlichkeit des jeweiligen Risikos zu bewerten, dessen Auswirkungen auf das Unternehmen einzuschätzen und unterschiedliche Szenarien zu simulieren. Auf Grundlage dieser Erkenntnisse können Sie dann Maßnahmen planen und ergreifen, die das Risiko minimieren.
Viele Risiken können Sie auch als Chance nutzen. Beispielsweise können Sie Predictive Analytics nutzen, um den Bedarf Ihrer Kunden an bestimmten Artikeln zu prognostizieren. Vom Wetterdienst vorhergesagter Regen ist dann kein Risiko mehr für den Absatz von Sonnenbrillen, sondern eine Chance, um die Regenschirme prominent zu platzieren.
Security Analytics:
Für Anomalien kann es gute Gründe geben, oder sie haben eine Ursache, bei der Sie dringend handeln müssen: beispielsweise bei Finanztransaktionen, bei der Abrechnung von Versicherungsleistungen oder bei Zugriffen auf die IT-Infrastruktur. In jedem Fall ist es wichtig, dass die Anomalie schnell erkannt wird. Nur dann können Sie rechtzeitig entscheiden, ob und wie Sie reagieren. Es geht schließlich darum, potenzielle Gefahren wie Betrug oder unberechtigte Informationsbeschaffung zu erkennen, um Schaden für Ihr Unternehmen und Ihre Kunden zu verhindern – oder zumindest zu minimieren.
Um das Verhalten der User beurteilen zu können, reichen nicht einzelne Datenquellen, sondern es ist ein holistischer Ansatz erforderlich. Je nach dem Gefahrenszenario, vor dem Sie sich schützen möchten, müssen ganz unterschiedliche Datenquellen und -formate zunächst integriert und dann an einem zentralen Ort analysiert werden. Um dann Anomalien zu erkennen, stehen Open-Source Tools zur Verfügung, die mit Hilfe von Machine Learning auch bislang unbekannte Bedrohungen identifizieren. Doch entscheidend ist, dass Sie umgehend über die Anomalie Bescheid wissen: am besten über automatisierte Alerts, für die Sie die Korrelationsregeln an Ihre spezifischen Anforderungen anpassen können.
Enterprise-wide Analytics:
Das Angebot tausender Artikel im Online-Shop managen oder ein kundenspezifisches Angebot für ein B2B-Großprojekt erstellen: Sie sind dafür verantwortlich, dass Ihr Unternehmen richtig aufgestellt ist, um erfolgreich am Markt zu bestehen. Unter welchen Voraussetzungen sind welche Produkte, Leistungen oder Artikelgruppen profitabel? Sollte man sie an neue Marktanforderungen anpassen, oder ist es besser, das Portfolio zu bereinigen?
Für wichtige Entscheidungen wie diese benötigen Sie Analysen und deren Ergebnisse aus zahlreichen Abteilungen: aus Vertrieb, Marketing, Logistik und anderen. Viele Fragen sind vermeintlich einfach, doch für die Antwort müssen Daten aus verschiedenen Quellen ausgewertet und zueinander in Bezug gesetzt werden. Advanced Analytics ermöglicht Ihnen Einblicke in die Zusammenhänge, damit Sie einen ganzheitlichen Blick haben und fundierte Entscheidungen treffen.
Unlocking AI: Praxisorientiertes Training in Machine Learning und Künstlicher Intelligenz
Unsere 2-tägige Schulung bietet eine umfassende Einführung in die Welt des maschinellen Lernens, des Deep Learning und der künstlichen Intelligenz. Das Training versetzt Sie in die Lage, die notwendigen Werkzeuge und Kenntnisse zu erwerben, um in diesen spannenden Bereichen erfolgreich zu sein. Die Theorie wird durch praktische Übungen begleitet, die während der Schulung stattfinden, und relevante praxisbezogene Fragestellungen werden umfassend behandelt.
Ihr Ansprechpartner
