Machine Learning – Die Beeinflussung auf Business Intelligence (BI)

Machine Learning

Prolog

Als Bereichsleiter für „Business Intelligence & Analytics“ bin ich fest davon überzeugt, dass Unternehmen erfolgreicher sind, wenn Entscheidungen auf fundierten Fakten und Erkenntnissen getroffen werden und nicht mehr aus dem Bauch entscheiden.

Unzählige Gespräche aus den letzten Jahren mit Fachbereichen aus IT & Finance zeigen immer noch die erschreckende Wahrheit. Die Zugänge zu den BI Systemen steigen, was uns freuen sollte; dabei ist es eine Utopie zu denken, dass die Zugänge auch täglich beziehungsweise regelmäßig benutzt werden. Die Wahrheit zeigt, dass bei anonymen Befragungen die meisten Anwender angeben, dass Sie nur in die Reports und Dashboards klicken, wenn Kollegen Neuerungen angekündigt haben oder zum Monatsende wieder Zahlen dem Inhaber oder Vorgesetzten vorgelegt werden müssen.

Hieraus folgt doch die Frage, was getan werden kann, damit die Nutzerquote steigt und nicht nur die Lizenzanzahlen? In diesem kleinen Kommentar gehe ich speziell auf ein Thema ein, dass mich seit Monaten fesselt. „Machine Learning“. Schaffen wir damit die Komplexität zu reduzieren oder treiben wir wieder nur ein neues Trendthema durch das Dorf?

Die Grenzen von Business Intelligence

Business Intelligence Programme sind sehr nützlich, indem sie Nutzern Daten an die Hand geben und die Möglichkeit bieten, Kennzahlen (KPIs) zu verwalten und zu tracken. Mithilfe von BI Tools kann man zudem Daten visuell darstellen, gemeinsam an Daten kollaborieren und diese mit anderen teilen. Angesichts dieser Optionen ist es enttäuschend, dass viele Anwender die Software nicht entsprechend nutzen. Das stellt BI-Entwickler vor der Herausforderung, dass also Lösungen geschaffen werden, die von den Usern respektive Mitarbeitern in einem Unternehmen nicht ausreichend genutzt wurden.

Als Hersteller von Produkten und Lösungen möchten man gern glauben, dass die Mitarbeiter in Unternehmen BI Tools lieben. Tatsächlich ist es so, dass viele Anwender entweder keine Zeit haben oder kein Interesse verspüren, ein BI Tool zu nutzen. Was Sie sich wünschen? Das sind maßgeschneiderte Erkenntnisse, damit Sie die richtigen Entscheidungen treffen können. Diese Informationen wollen Sie auf effiziente Art und Weise und zum richtigen Zeitpunkt erhalten.

Eine der Einschränkungen bestehender BI Tools war bisher, dass sie zwar effektiv darin sind, Daten zu analysieren aber oftmals versagen, versteckte Dateninformationen sichtbar zu machen. Wenn man versteckte Erkenntnisse finden möchte, geht das innerhalb einer BI-Lösung meistens mit manuellem Einschreiten und vor allem braucht es Zeit, sowie sehr gute BI-Kenntnisse. Wenn die Anwender ein Report oder Dashboard anschauen, sehen sie vielleicht etwas, was sie genauer untersuchen möchten. Dann gibt es mehrere Möglichkeiten. So kann man beispielsweise die Art der grafischen Darstellung ändern, drehen, oder filtern – alles mit der Hoffnung, dass man die Informationen und Erkenntnis findet, die man benötigt und hierauf eine fundierte Entscheidung treffen kann (Stichwort Explorative Datenerkundung). Diese Art der Datenuntersuchung basiert oft auf einem Instinkt davon, wie die Antwort aussehen könnte und als solche unterliegt Sie menschlichen Vorlieben. Letztlich – wenn man zu keinen offensichtlichen Erkenntnissen kommt – werden Daten in eine Microsoft Excel-Tabelle exportiert oder die Frage wird an einen Daten-Spezialisten weitergeleitet (Stichwort BI Kompetenzcenter).

Die Kombination von BI und Machine Learning

Machine-Learning-Modelle sind gut darin, versteckte Muster und Datenerkenntnisse sichtbar zu machen. BI- und Daten-Spezialisten nutzen diese Techniken schon seit vielen Jahren, um komplexe und sehr spezielle Geschäftsprobleme zu lösen. Die Fortschritte bei der Rechenleistung haben die Entwicklung und Anwendung dieser komplexen mathematischen Modelle zugänglicher gemacht. Insbesondere hat Microsoft durch seine vielen Azure Services zu Machine Learning hier eine Vorreiterrolle eingenommen und treibt das Thema.

Modelle, die bislang nur auf sehr teurer Hardware liefen, funktionieren jetzt auf kostengünstigen Plattformen und sind somit der Allgemeinheit zugänglich. Alternativ können die benötigten Rechenleistung kurzfristig angemietet werden respektive aufgestockt werden. Teure Nachbestellung in Hardware entfallen.

In letzter Zeit haben wir mehrere BI-Anbieter gesehen, die Machine Learning in ihre BI Tools integriert haben. Insbesondere Microsoft mit seinem Power BI Premium. Hiermit geht das Versprechen einher, dass BI besser darin wird, versteckte Informationen sichtbar zu machen. BI-Plattformen, die diese Möglichkeiten auf intuitive Art und Weise kombinieren, werden bald die Norm sein. Sobald die Anwender diese neuen Analysemöglichkeiten nutzen, werden sie erwarten, dass diese stets vorhanden sind. Wie GPS oder andere Technologien, auf die wir heute nicht mehr verzichten wollen.

Die Kombination dieser Möglichkeiten automatisiert das Ziel, versteckte Erkenntnisse zu ermitteln, die der Anwender vorher nicht sehen konnte. Auf einem traditionellen Report und Dashboard schaut der Anwender zum Beispiel auf die Umsätze und entscheidet dann, dass der Trend gut aussieht und man daher nicht weiter in die Zahlen hineinschauen muss. Es kann jedoch sein, dass es im Detail versteckt, hinter den Umsatzzahlen, einen Grund zur Sorge gibt. Einige Produkte und Dienstleistungen verkaufen sich gut, manche hingegen nicht. Diese wichtige Information ist hinter den allgemeinen Umsatzzahlen versteckt (Stichwort Renner & Penner Produkte).

Diese versteckten Informationen werden durch ML jetzt nicht nur gefunden, die Automatisierung des Prozesses bedeutet auch, dass man solche Erkenntnisse schneller bekommt. Unternehmen können damit basierend auf besseren Informationen reagieren und dabei schnell sein. Unternehmen greifen damit proaktiv und positiv in Ihr Geschäft ein. Durch die Tatsache, dass diese Analyse-Tätigkeiten automatisiert werden, hat der Ersteller, oftmals ein Controller oder Finanzmitarbeiter im Unternehmen mehr Zeit für andere Dinge. Viele Analysten sind mit Routinetätigkeiten beschäftigt, sie schauen nach Abweichungen, Unregelmäßigkeiten und schreiben Kommentare, die zu den Reports hinzugefügt werden. Wenn man diese Aufgaben automatisiert, können sich die Ersteller und Anwendern komplexeren Aufgaben widmen.

Neue Herausforderungen

Für die Automatisierung des Erkenntnisgewinns benötigt man zusätzliche Plattform-Möglichkeiten, damit der Nutzer versteht was er sieht. Auch als jemand, der gut mit Zahlen und Daten umgehen kann, habe ich oft lange auf Reports geschaut und dabei versucht zu verstehen, was mir diese Diagramme und Balken sagen sollen. Anwender, die nicht so versiert sind im Umgang mit Daten, werden diese Aufgabe als noch viel schwieriger empfinden.

Die Verwendung von natürlicher Sprache in BI Tools ist ein großer Schritt nach vorn, um den Anwendern bei der Interpretation zu helfen und zu verstehen, was die Algorithmen uns sagen wollen. Die Systeme sind in der Lage, schriftliche Interpretationen der Ergebnisse zu erstellen und helfen den Anwendern hierdurch ein weiteres Mal, die Berichte respektive die Daten zu verstehen.

Eine weitere Herausforderung, die es anzusprechen gilt, ist das Vertrauen. Wenn ein Nutzer, basierend auf den Informationen, die eine Maschine oder ein Programm geliefert hat, agiert, muss man dem Ergebnis vertrauen können. Hierbei sind mehrere Gesichtspunkte relevant. Zunächst muss transparent sein, was das System respektive das BI Tool macht. Hierzu gehören die Techniken und Algorithmen, die das System nutzt. Weiterhin muss die Fähigkeit gegeben sein, das Essentielle herauszufiltern. Nichts wird das Vertrauen schneller zerstören als ein Programm, das zahlreiche nutzlose Zusammenhänge erzeugt, die den Anwender verwirren. Ein solches System muss in der Lage sein, den besten passenden Algorithmen auszuwählen und die relevantesten Informationen und Daten auszuwerten und das im Kontext des Problems zu sehen, das gelöst werden soll. Ferner sollte die Analyse im Laufe der Zeit durch Einbeziehung des Feedbacks der Nutzer immer besser werden.

Mein Fazit

Ich glaube, dass die Kombination von Business Intelligence und Machine Learning eine bedeutende Entwicklung innerhalb der Business Intelligence Branche darstellt. Anwender erhalten bessere Erkenntnisse und können dadurch Ihre Entscheidungen begründen. Dadurch sollte sich die BI-Nutzerquote verbessern. Ich freue mich auf Ihre Erfahrungen und Impulse. Sowohl hier als Kommentar oder auch gerne an meine E-Mail dhoffstaedte@amexus.com.