Was ist die eingebettete Analytik?

Eingebettete Analytik ist die nahtlose Integration von Analysefunktionen, Daten und Visualisierungen in eine Plattform, ein Softwareprodukt oder einen bestehenden Workflow. Die Analysen sind in die Plattform/Software integriert, die von den Stakeholdern eines Unternehmens verwendet wird, sodass sie sofort als Funktion oder Kernfunktionalität verfügbar sind und nicht als separates Tool. Dieser Ansatz nutzt die Vertrautheit der Stakeholder mit der Plattform/Software, wodurch die Analysen nützlicher und besser in den regulären Workflow oder in Routineprojekte integriert werden können.

Eingebettete Analytik ist eine Einsatzklassifikation und konzentriert sich mehr darauf, wie Analysen innerhalb eines Unternehmens oder eines Systems eingesetzt werden, als darauf, wie sie visualisiert oder durchgeführt werden. Der Begriff wurde ursprünglich 2007 von Howard Dresner eingeführt, der als Vater von Business Intelligence (wie sie heute definiert wird) gilt.

{{cta-1}}

Komponenten der eingebetteten Analytik

Die Kernkomponenten der eingebetteten Analytik unterscheiden sich nicht von konventionell eingesetzten Analysen, aber sie müssen aus einer Einbettungsperspektive gehandhabt/angegangen werden.

Daten (Quellen, Typen und Bereinigung/Verarbeitung):

Die Datenkomponente der eingebetteten Analytik konzentriert sich darauf, woher Daten kommen, welche Datentypen im Unternehmen eintreffen, wie sie für die Auswertung vorverarbeitet/bereinigt werden und wie Rohdaten für die Stakeholder angezeigt/zugänglich sind (falls ja). Die Plattform, auf der die Daten eingebettet werden müssen, ist möglicherweise nicht in der Lage, datenbezogene Anfragen nativ zu bearbeiten, und die Berücksichtigung dieser Einschränkung sollte Teil der Entwicklungs- und Einbettungsstrategie werden.

Analyse (Methoden und Techniken):

Wie Daten analysiert werden, welche Algorithmen und Analysetechniken darauf angewendet werden und wie viel Kontrolle ein Stakeholder über Analysemethoden und -protokolle hat, sind Faktoren, die bei der Entwicklung oder dem Einsatz der Analysekomponente von eingebetteter Analytik berücksichtigt werden sollten.

Visualisierung:

Die Identifizierung verschiedener Visualisierungskomponenten, die von den verschiedenen Stakeholdern benötigt werden, und wie sie in die Plattform/Software, die sie für die Verbindung mit Unternehmen verwenden, eingebettet/integriert werden können, kann die Entwicklung und Bereitstellung optimieren. In Umgebungen, in denen die Beteiligten über Geräte verfügen, die moderne Elemente der Daten-Visualisierung nicht verarbeiten können, wird das zu einer Herausforderung.

Navigation:

Ein weiterer Aspekt der eingebetteten Analytik ist die Navigation, Drill-Down, Drill-Across, während Sie zwischen Anwendung/Prozess und Analytik/BI navigieren.

Anpassung:

Wie viele Anpassungen ein Stakeholder benötigt und durchführen kann, sind zwei verschiedene Fragen, die bei der Entwicklung oder Auswahl der eingebetteten Analytik gestellt und beantwortet werden müssen. Es kann schwierig sein, viele individuelle Zugänge zu integrieren, vor allem in einer relativ eingeschränkten Plattform oder Software, wie sie von Finanzinstituten oder Verteidigungsinstitutionen verwendet wird.

Ethische und behördliche Prüfungen:

Diese Prüfungen können auf verschiedenen Ebenen angewendet werden, einschließlich der Datenerfassungsquellen und Gateways, die die Daten in die primäre Plattform/Software aufnehmen, damit die eingebettete Analytik sie verwenden kann. Über ihre Platzierung sollte vor dem Einsatz entschieden werden.

Vorteile der eingebetteten Analytik

Wie konventionell eingesetzte oder verwendete Analysen, die als separates Tool oder Softwareprodukt verfügbar sind, das verschiedene Stakeholder parallel zu ihrer primären Plattform/Software verwenden können, kann die eingebettete Analytik für Business Intelligence entscheidend sein. Business Intelligence ist die Software, Plattform oder das Tool, das einem Unternehmen dabei hilft, seine Daten und Analysen zu nutzen, um informierte/intelligente Geschäftsentscheidungen zu treffen. Daten, in ihrer Rohform, sind wie eine nützliche Ressource, die nicht abgebaut wurde. Die Analyse macht das, was in der „Mine ist“, nutzbar und nützlich. Schließlich hilft Ihnen Business Intelligence dabei, zu bestimmen, wo und wie es verwendet werden sollte.

Sie bieten jedoch mehrere Vorteile gegenüber herkömmlich eingesetzten Analysen.

• Die eingebettete Analytik beschleunigt die Einführung von Analytik und Business Intelligence. Sobald die Analysen in einer vertrauten Umgebung verfügbar und zugänglicher sind, ist es einfacher, sie für geschäftliche Entscheidungen zu nutzen.
• Die eingebettete Analytik befähigt und ermutigt die Stakeholder eines Unternehmens, die ihnen zur Verfügung stehenden Daten/Analysen auf umfassendere und einfallsreichere Weise zu nutzen. Wenn die Analysedaten aus einer separaten Quelle portiert werden sollen, wird es schwieriger, sie in den natürlichen Workflow zu integrieren, was zu begrenzten Anwendungsfällen führt. Aber wenn die Analysedaten in den Workflow und vertraute Software/Plattformen integriert sind, können die Stakeholder die Analysedaten für jede zutreffende Instanz verwenden.
• Die eingebettete Analytik kann menschliche Fehler beseitigen/deutlich reduzieren, wenn die Daten manuell in die Routineumgebung eingebunden werden. Sie können auch Reibungsinstanzen reduzieren, wenn Analysedaten über die Schnittstelle zur Anwendungsprogrammierung (API) mit der primären Plattform/Software verbunden sind.
• Die eingebettete Analytik kann zu besseren, fundierteren und zu datengestützten Geschäftsentscheidungen führen, die dabei helfen, auf die Daten direkt aus den Visualisierungen zu reagieren.
• Die eingebettete Analytik kann auch Analysen und Business Intelligence-Daten für ein breiteres Spektrum von Stakeholdern zugänglicher machen. Wenn es auf ihren Workflow zugeschnitten ist und sie berechtigt sind, darauf zuzugreifen, können Analysen praktisch jedem innerhalb der Branche (oder externen Stakeholdern) zur Verfügung gestellt werden, indem sie in die Plattform/Software eingebettet werden, die sie für die Verbindung mit dem Unternehmen verwenden.

Diese Vorteile sind am offensichtlichsten in Anwendungsfällen, in denen es praktisch keine Trennung zwischen Business Intelligence und eingebetteter Analytik gibt, und beide zusammen in den Workflow, die Software oder die Plattform integriert sind, die normalerweise von den Stakeholdern verwendet werden (vorausgesetzt, es ist nicht die Business Intelligence-Plattform selbst).

Diese Vorteile machen die eingebettete Analytik auch zu einer umsetzbaren Alternative zum traditionellen Business-Intelligence-Ansatz, der isoliert eingesetzt werden kann und nur einer begrenzten Anzahl von Stakeholdern in einem Unternehmen zur Verfügung steht.

Herausforderungen und Überlegungen zur Implementierung der eingebetteten Analytik

Es gibt mehrere Faktoren, die Sie berücksichtigen müssen, wenn Sie die richtige Lösung der eingebetteten Analytik für Ihr Unternehmen auswählen. Dazu gehören die Kompatibilität mit Ihrer bestehenden Unternehmenssoftware/Plattform, Ihren Analyseanforderungen, verfügbaren Ressourcen, Datenkompetenz der Stakeholder usw. Aber wenn Sie die richtige Wahl treffen, ist der Einsatz vielleicht keine große Herausforderung.

Wenn Sie dagegen die eingebettete Analytik entwickeln und einsetzen, gibt es mehrere Herausforderungen und Überlegungen, die Sie berücksichtigen müssen.

Herausforderungen

• Integration mit unflexibler und veralteter Infrastruktur. Auch wenn die Funktion der eingebetteten Analytik auf dem neuesten Stand der Technik ist, wird sie durch die Integration in eine nicht optimierte Infrastruktur oder Plattform auf das Niveau der Plattform verlangsamt. Das schlimmste Szenario könnte sein, dass die Analyse-Einbettung mit der Leistung der ursprünglichen Plattform in Konflikt gerät.
• Ein unzureichendes Verständnis Ihrer Analysebedürfnisse. Viele Unternehmen entscheiden sich für einen lösungsorientierten Ansatz für ihre Analysebedürfnisse, d. h. sie wählen gute Analysetools, bevor sie ihre Analysebedürfnisse vollständig identifiziert und einen oder mehrere Analysemethoden definiert haben. Das macht es für sie schwierig, die richtigen Optionen der eingebetteten Analytik auszuwählen (oder die richtigen Funktionen zu entwickeln), die möglicherweise nicht ihren Business Intelligence-Anforderungen entsprechen.
• Herausforderungen bei den Stakeholdern in den Bereichen Digitalisierung und Datenkompetenz. Eigentlich ist die eingebettete Analytik eine Lösung, um Ihre Stakeholder „datenbewusster“ zu machen und ihnen dabei zu helfen, Daten und Analysen in ihre Entscheidungen und Routinehandlungen zu integrieren. Aber selbst das kann ohne eine gesunde Grundvoraussetzung an Datenkompetenz schwierig sein. Selbst wenn das Unternehmen seine internen Stakeholder über eingebettete Analytik informieren kann, ist die Einführung für externe Stakeholder, hauptsächlich Kunden/Verbraucher, möglicherweise nicht einfacher.
• Transformationen/Schwankungen im Bereich der Analytik sind die Norm. Unternehmen könnten aufgrund betrieblicher Änderungen oder behördlicher Änderungen (wie der schrittweisen Abschaffung von Drittanbieter-Cookies) den Zugriff auf verschiedene Datenströme verlieren. Dies erfordert möglicherweise eine Überarbeitung der eingebetteten Analytik. Auch wenn sich die Daten-Pipeline eines Unternehmens im Laufe der Zeit nicht ändert, können sich die Analysetechniken und -methoden ändern, und die eingebettete Analytik sollte sich in einer guten Position befinden, um die positiven Veränderungen zu integrieren.
• Die Schwierigkeit, ältere Analysetools in die bestehende digitale Infrastruktur einzubetten. Eine Vielzahl von Personen innerhalb eines Unternehmens verwendet eine viele Analysetools, auch wenn die Personen nicht über eine traditionelle Business Intelligence-Plattform oder eingebettete Analytik verfügen. Sie in die bestehende digitale Infrastruktur des Unternehmens einzubetten, ist möglicherweise nicht möglich oder technisch machbar, und die Einbettung verschiedener Analysen, mit denen die Beteiligten möglicherweise nicht vertraut sind, kann zu einer Lernkurve und zu Problemen bei der Einführung führen.
• Falsche Analysetechniken oder ein unzureichender Ansatz zur Daten-Visualisierung sind nur zwei der vielen schlechten „Analytik“-Gewohnheiten, die Unternehmen massenhaft annehmen können. Das passiert, weil sich Personen/Teams/Abteilungen innerhalb eines Unternehmens oft an Tools und Praktiken halten, mit denen sie vertraut sind, auch wenn das nicht die beste Lösung für den Job ist. Das führt oft zur eingebetteten Analytik, die schlechter abschneidet oder Stakeholder verwirrt, anstatt sie zu informieren.
• Es ist wichtig zu verstehen, dass die meisten Herausforderungen eher mit den Fähigkeiten und Praktiken von Unternehmen zusammenhängen, die eingebettete Analytik einsetzen, als mit der Idee der eingebetteten Analytik selbst.

Wichtige Gesichtspunkte

• Die Denkweise von Daten als Funktion ist entscheidend für Unternehmen, die ihre eigene eingebettete Analytik entwickeln und einsetzen. Wenn Sie diese Funktionen rund um die Daten-Pipeline und die Analyseanforderungen aufbauen, können Sie einer Vielzahl von Problemen in der Zukunft vorbeugen.
• Data-Science-Implementierungen und Bereitstellungen zugänglicher zu machen, sollte ein Ziel der eingebetteten Analytik sein. Das knüpft an Best Practices wie die Identifizierung der Analysebedürfnisse des Unternehmens und die Datenkompetenz verschiedener Interessengruppen an.
• Sie müssen Ihre Cloud-Architektur berücksichtigen, bevor Sie Funktionen der eingebetteten Analytik entwickeln/einsetzen. Ein monolithisches Design der eingebetteten Analytik kann schwierig zu integrieren sein und Sie müssen möglicherweise Anpassungen an Ihrer Architektur vornehmen, was sich auf bestehende Funktionen auswirkt. Im Gegensatz dazu könnten ein Microservice-Ansatz und ein dezentraler Ansatz zur Entwicklung und Bereitstellung der Funktionen der eingebetteten Analytik einfacher zu integrieren sein.
• KI- und ML-Bedürfnisse und Unternehmensintegrationen müssen berücksichtigt werden. Wenn alle analysierten Daten in ein großes ML-Trainingsmodell einfließen müssen oder wenn die KI-Überwachung vor oder nach einer Datenaufbereitungsschicht hinzugefügt werden soll, kann eine frühzeitige Berücksichtigung dieser Daten den Einsatz erleichtern und zukünftige Spannungen verringern.
• Die eingebettete Analytik soll die Arbeit für Nutzer/Stakeholder einfacher machen, aber wenn die Oberfläche für die meisten Nutzer zu verworren/komplex ist oder nach dem Einbetten der Analysen schwieriger wird, kann das mehrere Analyseziele untergraben.
• Die inhärente Skalierbarkeit der nativen Plattform/Software und der eingebetteten Analytik muss berücksichtigt werden. Wenn das native System unflexibel ist, müssen die Skalierbarkeitsanforderungen der eingebetteten Analytik vor der Bereitstellung berücksichtigt werden, obwohl dies auf Ad-hoc-Basis erfolgen kann, wenn das System flexibel ist.
• Sie müssen das Anbieter-/Stakeholder-Ökosystem berücksichtigen, wenn Sie die Datenverwaltungsebene für Ihre eingebettete Analytik entwerfen oder ändern.
• Wie sich die eingebettete Analytik auf Ihre bestehende Sicherheit auswirken oder wie Ihre Plattform/Software (in die Sie Analysen einbetten) Ihre Datenströme neuen Angriffsvektoren aussetzen kann oder eine breitere/andere Angriffsfläche Ihr Entwicklungs-, Auswahl- und Bereitstellungssystem beeinflussen sollte.

{{cta-3}}

Wichtige Elemente in der eingebetteten Analytik

Alle herkömmlichen Funktionen der Daten-Visualisierung

Auch wenn die eingebettete Analytik die Einschränkungen der bestehenden Infrastruktur umgehen muss, sollten sie (idealerweise) alle Funktionen der Daten-Visualisierung beinhalten, mit denen die Stakeholder vertraut sind oder die sie in dedizierten/separaten Business Intelligence-Lösungen verwenden. Das wird es den Leuten erleichtern, sich an die eingebettete Analytik anzupassen und sie umfassender in ihren Geschäftsprozessen zu nutzen. Das wird auch sicherstellen, dass Daten in den verschiedenen Abteilungen/Stakeholder-Clustern vorliegen.

Wenn die eingebettete Analytik in dieser Hinsicht eingeschränkt ist, kann sich ein Geschäftsbereich auf die vorhandenen Funktionen verlassen, während andere möglicherweise auf eine separate Lösung der Business Intelligence-/Daten-Visualisierung zurückgreifen, wodurch interne Berichte inkonsistent werden.

Einfache Einbettung

Das ist ein wichtiges Element, wenn Sie sich für eine Lösung/Plattform der eingebetteten Analytik entscheiden, anstatt eine von Grund auf neu zu entwickeln. Nicht alle Plattformen sind so konzipiert, dass sie sich problemlos in alle Altsysteme integrieren lassen, und wenn sie zu inkompatibel sind, kann das Grund genug sein, sich für eine andere Lösung zu entscheiden. Probleme bei der Implementierung können die eingebettete Analytik drosseln und die Stakeholder daran hindern, ihr volles Potenzial auszuschöpfen. Im Gegensatz dazu kann die einfache Einbettung den Zeit- und Kostenaufwand, der mit der Bereitstellung verbunden ist, erheblich senken.

Anpassung

Ihre Stakeholder sollten die Möglichkeit haben, ihre Funktionen der eingebetteten Analytik, Berichtsprozesse, dynamischen Dashboards, Dateneingabequellen usw. individuell anzupassen. Es mag schwieriger sein, die eingebettete Analytik unterzubringen als in einer dedizierten Business Intelligence-Lösung, aber es ist entscheidend für eine einfache Einführung und umfassende Nutzung. Sie müssen es jedoch mit Berechtigungen für verschiedene Nutzerbasen abwägen. Nicht alle Ihre Stakeholder sollten Zugriff auf alle Datenquellen haben.

Vollständige Daten-Pipeline-Integration/Alle Datentypen sollten akzeptiert werden

Egal, ob Sie Ihre eigene eingebettete Analytik entwerfen oder sich für eine bestehende Plattform entscheiden, die in Ihre bestehende Plattform/Software integriert werden kann: Es ist wichtig, dass sie all die verschiedenen Datentypen verarbeiten kann, auf die Ihr Unternehmen Zugriff hat. Wenn die Daten konvertiert werden müssen, stellen Sie sicher, dass die richtigen Tools/Integrationen und Protokolle auf den richtigen Schichten/Ebenen verfügbar sind. Die eingebettete Analytik sollte auch in der Lage sein, sowohl strukturierte als auch unstrukturierte Daten nahtlos aufzunehmen, oder ihre Fähigkeit, umfassende Analysen durchzuführen, kann stark eingeschränkt sein.

Datenprofilierung (mit KI/ML-Unterstützung)

Datenprofilierung, d. h. der Prozess der Identifizierung nützlicher Muster aus Rohdaten, bevor sie formal analysiert werden, kann viele nützliche Erkenntnisse bereitstellen, insbesondere wenn sie mit KI- und ML-Modellen ausgestattet wird. Die Erstellung von Datenprofilen kann relativ einfach sein, wie das Identifizieren von Mustern anhand von Zeitstempeln verschiedener Datenpunkte, oder komplexer, wie die Durchführung einer Sentiment-Analyse.

Datenquellen

Die eingebettete Analytik sollte alle Datenquellen und die gesamte Daten-Pipeline eines Unternehmens einbeziehen. Das ist eine wichtige Überlegung für Unternehmen, die über esoterische oder veraltete Datenquellen verfügen, die möglicherweise verarbeitet werden müssen, bevor sie in Analysen eingespeist werden.

Automatisierung

Die eingebettete Analytik bietet möglicherweise mehr Automatisierungsmöglichkeiten als herkömmliche Analysen, vor allem, wenn das primäre System/die primäre Plattform darauf ausgelegt ist. Die Automatisierung kann Ihnen helfen, sich wiederholende Prozesse loszuwerden und es den Beteiligten noch einfacher machen, Analysen in ihren gewohnten Workflow zu integrieren.

Eingebettete Analytik: Benutzerdefinierte Tools im Vergleich zu vorgefertigten Tools

Aus der Entwicklungs- und Bereitstellungsperspektive gibt es drei Möglichkeiten, wie die eingebettete Analytik in Ihr reguläres Geschäft integriert werden kann: Aufbau statt Kauf im Vergleich zu Hybrid-Modell (Aufbau einer Benutzeroberfläche bei gleichzeitiger Nutzung von BI-Funktionen). Beide Ansätze haben ihre eigenen Stärken und Schwächen, die gegeneinander abgewogen werden müssen, indem die Analyseanforderungen und Ressourcen der einzelnen Unternehmen berücksichtigt werden.

• Maßgeschneidert für das/die primären Softwareprodukt(e), Business-Intelligence-Plattformen oder Analyseanforderungen eines Unternehmens. Sie können so einfach sein wie eine einfache API, die Nutzerdaten oder Marktdaten in Echtzeit in eine Plattform integriert, oder so ausgeklügelt wie eine vielschichtige Analytik-Plattform, die für die Nutzerplattformen verschiedener Interessengruppen in der Branche modifiziert und in diese integriert wurde. Eine solche eingebettete Analytik kann genau auf die Geschäftsanforderungen und die Datentypen abgestimmt werden, auf die das Unternehmen Zugriff hat. Die Verantwortung, sie aufrechtzuerhalten, zu ändern oder zu verbessern, läge jedoch bei den internen Stakeholdern des Unternehmens.
• Vorgefertigte Analytik-Plattformen/Software, die in Ihren Workflow eingebettet werden können, oder hauptsächlich digitale Plattform/Software, die von den Stakeholdern verwendet wird. Sie bieten möglicherweise eine riesige Auswahl an Analysefunktionen, die an die Geschäftsanforderungen/Analytik-Anwendungsfälle angepasst werden können. Solche Tools werden von den ursprünglichen Entwicklern gewartet und aktualisiert, wodurch die Kosten für Wartung und kontinuierliche Weiterentwicklung reduziert werden.