Inhaltsverzeichnis:
Self-Service-Analysesoftware ist seit einiger Zeit ein Trend in der Softwareentwicklung. Konzeptionell gibt es jedoch nicht viel Neues: Self-Service als Konzept wurde bereits für Fast-Food-Gelenke, Finanzdienstleistungen und andere Branchen angewendet, und die Softwaredomäne passt es lediglich an die jeweiligen Anforderungen an.
Self-Service-Analysen richten sich speziell an Geschäftsanwender, die Daten leicht manipulieren und Analysen erstellen müssen, ohne auf technisch qualifiziertes Datenpersonal wie Datenwissenschaftler angewiesen zu sein. Es besteht die Überzeugung, dass Self-Service-Analysen die Abhängigkeit von Datenwissenschaftlern verringern werden. Es gibt auch eine Gruppe von Experten, die der Ansicht sind, dass die Weitergabe von Analysen an die Hände von Geschäftsbenutzern die Unternehmensführung gefährden kann und dass Geschäftsbenutzer qualifiziertes Training benötigen. Beide Ansichten haben Substanz. Während die Prognosen auf dem Markt für Self-Service-Analysen positiv sind, ist es wichtig, die Benutzer für die ordnungsgemäße Verwendung der Software zu schulen. Geschäftsanwendern wird viel Spielraum geboten, solche Software-Tools zu erlernen. (Weitere Informationen zu Business Intelligence und Analytics finden Sie unter Kann Big Data Analytics die Business Intelligence-Lücke schließen?)
Self-Service im Kontext von Big Data und Business Intelligence (BI)
Stellen Sie sich diesen Anwendungsfall vor: In einem Unternehmen sind Kunden oder Mitarbeiter, die mit dem Markt konfrontiert sind, in hohem Maße auf Daten angewiesen, um Entscheidungen treffen zu können. Jetzt ist es nicht einfach, angepasste Analysen zu erhalten, da das Datenvolumen sehr groß ist und aus mehreren Quellen stammt. Es erfordert spezielle Fähigkeiten, um Daten zu manipulieren und Analysen in einem verständlichen Format zu erstellen. Daher müssen Datenwissenschaftler und andere Fachleute einbezogen werden. Dies schafft eine Menge Probleme. Beispielsweise ist die Bandbreite des technischen Personals und der Datenwissenschaftler geteilt, und eine zu starke Abhängigkeit vom technischen Personal kann den Erhalt von Analysen verzögern, was die Entscheidungsfindung behindern kann.
