Transformieren Sie Ihre Business-Intelligence-Strategie mithilfe der Echtzeitanalyse

Erfahren Sie, wie die Echtzeitanalyse Unternehmen helfen kann, sich in der neuen Ära der datengesteuerten Geschäftswelt Wettbewerbsvorteile zu verschaffen.

Was versteht man unter Echtzeitanalyse?

Verantwortliche für Geschäftsentscheidungen suchen nach Möglichkeiten, zeitnahe und tiefergreifende Erkenntnisse zu gewinnen, und die Echtzeitanalyse (Operational Intelligence) gewinnt in allen Branchen an Popularität. Diese Tools machen aus bereits vorhandenen und aus Echtzeitdaten, die kontinuierlich auf das Unternehmen einströmen, verwertbare Informationen.

Die Echtzeit-Datenanalyse ist für ihre Fähigkeit bekannt, in Sekundenschnelle Daten in verwertbare Erkenntnisse verwandeln zu können. Eine einfachere Vorstellung von der Echtzeitanalyse ist jedoch, dass Informationen sofort nach ihrer Erfassung für die Analyse, Berichterstellung und Entscheidungsfindung zur Verfügung stehen – für alle diejenigen, die sie benötigten, oftmals proaktiv. Ihrem Betriebsteam mag unter Umständen noch nicht bewusst sein, dass ein Gerät aufzufallen droht, doch die vorausschauende Analyse fördert solche zeitkritischen Informationen zutage.

Wie kann dies erreicht werden? Betrachten wir zunächst herkömmlich strukturierte Datenbanken, wie SQL/BI-Systeme. Bei diesem Konzept werden Informationen gespeichert, katalogisiert und anschließend durch Abfragen verarbeitet. Dieses Verfahren war ausreichend, bevor Twitter-Posts neue Modetrends auslösen oder Einzelhändler Kunden dadurch verlieren konnten, dass sie nicht rechtzeitig zu Hauptgeschäftszeiten entsprechende Produktempfehlungen gaben.

Das erbarmungslose Tempo, dem Geschäfte heute ausgesetzt sind, hat zur Folge, dass Unternehmen neue Ansätze in Bezug auf die Schnelligkeit der Datenverarbeitung verfolgen müssen. Statt wie bisher Informationen in herkömmlichen Datenbanken zu speichern und zu indizieren, ist es bei Echtzeitdaten erforderlich, dass die Daten sozusagen „im Fluge“ verarbeitet werden, während sie durch den Server fließen. Anschließend müssen die Echtzeitdaten mit den bereits vorhandenen Daten zusammengeführt werden.

Die meisten Unternehmen sammeln enorm viele und vielfältige Daten, sind sich aber unsicher, wie sie diese nutzen oder mit internen oder externen Daten kombinieren können, um zeitnah Erkenntnisse über ihre Marke, die Kundenzufriedenheit oder über Markttrends zu erhalten. Die Echtzeitanalyse ist eine Methode, das in all diesen Daten steckende Potenzial zu entfalten und geschäftliche Entscheidungen im Tempo des Internets zu ermöglichen.

Business Case für Echtzeitanalyse

Einzelhandel, verarbeitendes Gewerbe, Finanzdienstleister und viele weitere Branchen bemühen sich, mit dem Tempo der erzeugten Daten, die verarbeitet und analysiert werden müssen, Schritt zu halten, um den ständig wachsenden Anforderungen der Kunden und dem Wettbewerbsdruck standhalten zu können.

Üblicherweise verlieren die Daten im Laufe der Zeit deutlich an Wert. Durch die Verarbeitung in Echtzeit wird die Qualität der Daten nicht nachteilig beeinflusst und die Analyse kann bei Geschäftsprozessen eingesetzt werden, bei denen enge Zeitfenster vorhanden sind oder bei denen wechselnde Vorkommnisse sofortige Reaktion erfordern.

Da der Zustrom von Daten durch Sensoren und das Internet der Dinge weiter anwächst, wird der Verarbeitungsprozess in Echtzeit immer dringlicher, denn diese Daten können ihren Wert innerhalb von Tagen, Stunden, Minuten oder sogar Sekunden verlieren. Ein perfektes Beispiel hierfür sind IoT-Daten, die einen führerlosen Lastwagen steuern und bei denen die geringsten Latenzzeiten die Daten wertlos machen oder sogar gefährliche Auswirkungen haben können. In gleichem Maße werden Daten, die auf Materialermüdung bei einer Maschine oder einer Fertigungsstraße hinweisen, unbrauchbar, sobald die entsprechende Anlage ausfällt.

Die Echtzeitanalyse bietet Lösungen für viele drängende Probleme in Unternehmen. Online-Einzelhändler kombinieren Transaktionsvorgänge mit Aktivitäten beim Web-Browsing, um ihren Kunden die besten Angebote machen zu können. Banken analysieren Verhaltensweisen, um betrügerische Aktivitäten zu ermitteln oder um Anzeichen dafür zu erkennen, dass ein Kunde, der in einer ihrer Filialen sein Konto hat, in einer anderen Filiale besser aufgehoben wäre. Dynamische Preisgestaltung, Risikomanagement, die Optimierung von Callcentern und die Verbesserung der IT-Sicherheit sind nur einige der Prozesse, die durch Echtzeitanalyse optimiert werden können.

In diesen Fällen ermöglichen die Echtzeitdaten es den Unternehmen, Mehrwertdienste und Produkte genau zu dem Zeitpunkt anzubieten, wenn die Kunden danach fragen und gleichzeitig negative Konsequenzen zu vermeiden, bevor diese verheerende Auswirkungen haben könnten. Die Echtzeitanalyse kann Trends vom statistischen Rauschen trennen. Bei dem immer unerbittlicheren Geschäftstempo werden die „Frühwarnsysteme“ auf der Basis der Echtzeitanalyse zuerst zu einem Differenzierungsmerkmal und dann schon bald zur Notwendigkeit, um den Kunden die Art von Service anbieten zu können, die sie erwarten.

Wie fügt sich die Echtzeitanalyse in eine umfassende Analysestrategie ein?

Die Datenanalyse umspannt ein breites Spektrum und die meisten Unternehmen verwenden eine Mischung von Analyseverfahren, basierend auf Datentypen, Workloads und der Art der zu lösenden geschäftlichen Probleme. Die Datenanalyse umfasst inzwischen fünf Kategorien: beschreibend, diagnostisch, vorausschauend, empfehlend und kognitiv.

Die deskriptive (beschreibende) Analyse beantwortet Fragen dazu, was in der Vergangenheit geschah. Die diagnostische Analyse bietet Einblicke darüber, weshalb Vorfälle stattgefunden haben. Die vorausschauende Analyse (Predictive Analytics) nutzt aktuelle und Verlaufsdaten für Erkenntnisse darüber, was in der Zukunft passieren könnte. Die empfehlende Analyse (Prescriptive Analytics) schlägt Maßnahmen vor, die eine Organisation auf der Grundlage dieser Vorhersagen ergreifen könnte, während die kognitive Analyse menschliche Entscheidungen automatisiert oder ergänzt.

Diese fünf Kategorien bauen schrittweise aufeinander auf und entwickeln ein Unternehmen zu einer On-Demand-Firma, in der Entscheidungen besser und zügiger getroffen werden können.

Vorausschauende Analyse ist der Beginn der „Advanced Analytics“, mit deren Hilfe Entscheidungen durch Informationen in Echtzeit ermöglicht werden können. Die vorausschauende Analyse könnte man also als Anwendungsfall bezeichnen, der von der Echtzeitanalyse profitiert.

Gleichgültig, welche Art von Analyse im Unternehmen eingesetzt wird, besteht die Notwendigkeit einer umfassenden Datenstrategie, die auf einer modernen Infrastruktur basiert und sowohl Datensilos aufbricht als auch organisatorische Insellösungen zusammenführt. Generell geht es um die Fähigkeit, Daten so zu erfassen, zu speichern, zu analysieren und zu sichern, dass Erkenntnisse schnell im gesamten Unternehmen verfügbar sind und zeitnahe geschäftliche Entscheidungen möglich werden.

Welche Infrastrukturen und Fachkenntnisse sind für die Echtzeitanalyse erforderlich?

Die gesamte Analyselösung umfasst vier Ebenen: Infrastruktur, Daten, Analyse und Anwendung. Intel®-Technik deckt jeden wichtigen Bereich der IT-Infrastruktur eines Unternehmens ab – Netzwerk-, Datenspeicher- und Computertechnik – und ermöglicht es, dass Daten effizient verwaltet und schnell für Wettbewerbsvorteile genutzt werden können. Eine konsistente Architektur innerhalb eines Unternehmens, die zum Beispiel auf der skalierbaren Intel® Xeon® Prozessorreihe basiert, bietet kalkulierbare Möglichkeiten einer schnellen Skalierung von Analyseprojekten, ohne dass mehrere Architekturen unterstützt werden müssen.

Herkömmliche, auf Data-Warehousing fokussierte Big-Data-Lösungen sind für die Echtzeit-Datenverarbeitung meist nicht geeignet. Cloud-Anbieter bieten in zunehmendem Maße PaaS-Lösungen (Platform-as-a-Service) und Software-as-a-Service (SaaS) an, die für die Echtzeitanalyse eingesetzt werden können. Über Clouds vermittelte Lösungen ermöglichen es Unternehmen, Aufgaben je nach Umfang, Vielfalt und Geschwindigkeit der Informationen überall dort auszuführen, wo die Unternehmen es wünschen.

Wenn Unternehmen große Datenmengen in der Cloud erzeugen, müssen sie bestimmen, welche Daten zurück ins Unternehmen fließen müssen, um intelligente Entscheidungen zu treffen. Echtzeitdaten können möglicherweise am Netzwerkrand, also beim Endsystem („Edge“) verarbeitet werden, wobei die Datenanalyse am Ort oder in der Nähe der Datenerfassung erfolgt. Die Echtzeitanalyse im Rechenzentrum macht es allerdings notwendig, weiter wachsende große Datenmengen schnell einlesen und analysieren zu können. Es ist deshalb unverzichtbar, jeden Teil der Infrastruktur, von der CPU bis zu den System- und Datenspeicher-Subsystemen, zu optimieren. Neue Technik für nichtflüchtigen Systemspeicher ermöglicht es, mehr Daten näher an der CPU vorzuhalten und selbst bei Stromausfällen „In-Memory“ zu behalten, was Verzögerungen durch I/O-Engpässe und das Einlesen der Daten von langsameren SSDs beseitigt und den Neustart beschleunigt.

Bei der Echtzeitanalyse müssen Daten von überall und in jedem Format in das richtige Datensatzformat gebracht werden, damit sie als Ganzes verarbeitet werden können. Wichtig ist dabei zu verstehen, wo die Daten entstehen und wie sie zur Verbesserung von Geschäftsprozessen und für die Entscheidungsfindung genutzt werden.

Wer sind die Hauptakteure auf dem Gebiet der Echtzeitanalyse?

Als Partner für Analysetechnik bietet Intel die Flexibilität, aus branchenführenden Analysesoftware-Lösungen entweder proprietäre oder Open-Source-Lösungen auswählen zu können.

SAP HANA* ist ein Datenbanksystem, das eine Datenbank mit fortgeschrittener Datenverarbeitung, Anwendungsdiensten und flexiblen Integrationsdiensten für Daten kombiniert. HANA nutzt In-Memory-Datenbank-Software, ein Verfahren, bei dem die Daten bei der Abfrage statt auf physischen Laufwerken im Systemspeicher (RAM) liegen.

Dadurch können Daten auf unterschiedliche neue Arten sehr viel schneller verarbeitet und Serien von „Was-wäre-wenn“-Szenarien erstellt werden, die dabei helfen, Gelegenheiten zu nutzen und Probleme zu vermeiden. Auch andere etablierte Technologie-Unternehmen wie IBM und Oracle haben den Echtzeitbetrieb mit neuer Technik bei ihren Plattformen ermöglicht.

Open-Source-Lösungen, die mit dem Basiscode von Apache Spark* arbeiten, machen die Echtzeitanalyse für unstrukturierte Daten, wie soziale Medien, Bilder und Videos, möglich. Spark nutzt eine auf zahlreiche Systeme ausgedehnte In-Memory-Analyse, sodass große Datenmengen parallel verarbeitet werden können.

Viele dieser Lösungen können in der Cloud angeboten werden und gestatten die Durchführung der Analyse dort, wo Daten in sozialen Medien oder im Internet der Dinge erzeugt werden. Auf diese Weise können Unternehmen Transaktions- und Online-Daten abfragen, um Muster und Trends in Echtzeit an den Tag zu bringen und so agil sein wie ihre Kunden.

Auf den Märkten erscheinen unaufhörlich neue Mitspieler und die Anzahl und Vielfalt der angebotenen Lösungen wächst beständig. So entsteht eine große Vielfalt von Lösungen, die von dem Leistungsvermögen der Computer-, Netzwerk- und Datenspeichertechnik von Intel profitieren, die Unternehmen ständig verbesserte Agilität bei der Datenanalyse und der Entscheidungsfindung bringt.

Geschäftlicher Nutzen durch in Echtzeit gewonnene Erkenntnisse


In-Memory-Analyse macht Daten schneller verfügbar (2 von 2)

Die In-Memory-Datenanalyse kann Unternehmen helfen, sich in der neuen Ära der datengesteuerten Geschäftswelt Wettbewerbsvorteile zu verschaffen.

Weitere Infos

Advanced Analytics

Für die nächste Stufe der Business-Innovation ist eine schnellere Erkenntnisgewinnung unabdingbar. Produkte und Technik von Intel sind der richtige Einstieg.

Weitere Infos

Skalierbare Intel® Xeon® Prozessorreihe

Die neueste Generation der skalierbaren Intel® Xeon® Prozessorreihe ist Workload-optimiert, um intensive Datenverarbeitung zu unterstützen.

Weitere Infos

Intel® Optane™ Technik

Völlig neuer digitaler Speicher, der unsere Art, Computer zu bauen und zu nutzen, verändern kann.

Weitere Infos