Business User wollen heute nicht nur auf Daten als Self-Service zugreifen, um sie zu analysieren und auf ihrer Basis fundierte Entscheidungen zu treffen, sondern auch selbst immer mehr in die Datenmodellierung und Aufbereitung eingreifen. Eine Aufgabe, die vielerorts noch überwiegend durch eine zentrale IT-Abteilung erledigt wird.
Der Nutzen für den Fachbereich ist mehr Flexibilität und Geschwindigkeit. Aber auch die IT profitiert. Wenn Anwender selbst mehr Verantwortung für Daten übernehmen, kann dies helfen, Engpässe zu beseitigen und letztlich Aufwand und Kosten zu sparen. Eine neue Generation Cloud-basierter Software as a Service (SaaS) Data Warehouse-Lösungen will genau diesen Need bedienen, darunter Datenmanagementsysteme von Amazon, Google und Microsoft und eben auch die SAP Datasphere.
Die Datasphere vereint viele sinnvolle Konzepte einer modernen Analytics Plattform. Sie verfügt über einen Datenkatalog, einen Datenmarktplatz und wird im Bundle mit den wesentlichen Funktionen der SAP Analytics Cloud (SAC) angeboten. SAP spricht in diesem Zusammenhang von SAC embedded. Dadurch können sowohl Echtzeitanalysen als auch moderne Dashboards erstellt und dank der In-Memory Technologie hochperformant ausgeführt werden.
Data Thinking weist den Weg!
Moderne Unternehmen nutzen Daten nicht mehr nur punktuell und projektbezogen, sondern wandeln sich zu datengesteuerten Unternehmen, die das volle Potenzial ihrer gesammelten Daten ausschöpfen. Rein deskriptive Analysen, also die klassische Auswertung und Visualisierung von historischen Daten, basierend auf Business Intelligence genügen einfach nicht mehr.
Die Frage "Was ist passiert?" muss um die Fragen "Warum ist etwas passiert?", "Was könnte passieren?" und "Was müssen wir tun?" erweitert werden. Für eine erfolgreiche Umsetzung muss die Zielstellung klar definiert werden. Dann ist es wichtig, Use Cases zu identifizieren, die einen echten Mehrwert schaffen, und diese müssen sinnvoll umgesetzt werden.
Eine stabile, zukunftsorientierte Architektur muss etabliert werden. Die konkrete Vorgehensweise folgt dem Data Thinking Weg, ist am Ende aber für jedes Unternehmen individuell.
Mit unserer etablierten Methodik begleiten wir Kunden bei der Umsetzung ihrer Advanced Analytics Use Cases. Wir stellen die richtigen Fragen, identifizieren die Herausforderungen und erarbeiten gemeinsam die besten Lösungen. Diese überführen wir in den Betrieb als Data- oder MLOps.
UNSERE DATA THINKING CANVAS
Five1 Data Thinking Canvas
Canvas "Zielstellung"
Die Zielstellung basiert auf dem Wertangebot, geht aber noch tiefer und bringt die verschiedenen Bedürfnisse der Stakeholder dazu. Über Experten-Interviews werden Hypothesen aufgestellt, die letztlich in der Festlegung der Zielstellung münden.
Five1 Data Thinking Canvas
Canvas "Use Case"
Der Kern von Advanced Analytics Lösungen sind Use Cases. Hierfür müssen die Anforderungen und Ziele der Stakeholder – also mindestens der Benutzer und Entscheider – betrachtet und die notwendigen Entscheidungen und Aktionen festgelegt werden.