Data Intelligence: Kompakt erklärt

Was ist Data Intelligence?

Data Intelligence bezeichnet ein System, das die Qualität, Zuverlässigkeit und Governance unserer Daten sicherstellt. Der Begriff wurde erstmals von IDC eingeführt und hilft uns, wichtige Fragen zu unseren Daten zu beantworten, wie zum Beispiel:

• Wer nutzt die Daten?
• Wie sollten die Daten verwendet werden?
• Wo sind die Daten gespeichert und woher stammen sie?
• Warum verfügen wir über diese Daten?
• Wann wurden die Daten zuletzt abgerufen oder aktualisiert?
• Welche Beziehungen bestehen zwischen verschiedenen Datenpunkten?

Anstatt also wie bei der Datenanalyse Fragen anhand der Daten zu beantworten, konzentriert sich Data Intelligence darauf, Fragen zu den Daten selbst zu beantworten. Während die Datenanalyse uns hilft, Erkenntnisse zu gewinnen und Entscheidungen auf der Grundlage von Daten zu treffen, stellt Data Intelligence sicher, dass die Daten, auf die wir uns verlassen, vertrauenswürdig, gut verwaltet und von hoher Qualität sind.

Data Intelligence grenzt sich dabei klar von verwandten Disziplinen wie Business Intelligence, Data Management und Data Science ab, indem sie einen übergeordneten, qualitätssichernden Blick auf Daten und ihre Nutzung einnimmt. 

Im Gegensatz zur Business Intelligence, die sich vor allem auf die Auswertung und Visualisierung von Geschäftsdaten konzentriert, stellt Data Intelligence die Vertrauenswürdigkeit und Kontextualisierung dieser Daten sicher. 

Während Data Management primär für die strukturierte Speicherung, Pflege und Verfügbarkeit von Daten verantwortlich ist, erweitert Data Intelligence diesen Ansatz um semantische Einordnung, Transparenz über Datenherkunft (Data Lineage) und strategische Steuerung der Datennutzung. 

Auch gegenüber Data Science nimmt Data Intelligence eine komplementäre Rolle ein: Statt Modelle zu entwickeln oder Vorhersagen zu treffen, schafft sie die Grundlage dafür, dass solche Analysen auf qualitativ hochwertigen, regelkonformen und nachvollziehbaren Daten basieren können.

Lösungen und Technologien

Moderne Data Intelligence-Plattformen bieten eine breite Palette von Tools und Technologien, die alle in einer einzigen Lösung integriert sind. Dieser einheitliche Ansatz ermöglicht es Unternehmen, alle Kernkonzepte der Data Intelligence in einer umfassenden Datenplattform anzuwenden.

Im Kern umfassen Data Intelligence-Plattformen wesentliche Komponenten wie den Datenkatalog, Data Lineage-Lösungen, künstliche Intelligenz, Machine Learning, Data Lakes und Data Warehouses. Diese Tools sollen Unternehmen dabei helfen, ihre Daten zu analysieren, zu verstehen und wertvolle Erkenntnisse daraus zu gewinnen.

Im Folgenden finden Sie eine Übersicht über die wichtigsten Lösungen und Technologien, die eine gängige Data Intelligence-Plattform ausmachen:

Anwendungsbereiche der Data Intelligence

Die Integration von Data Intelligence würde Unternehmen aus allen Bereichen profitieren, darunter Einzelhandel, Finanzwesen, Technologie, Gesundheitswesen usw. Auch wenn jedes Unternehmen Data Intelligence auf seine eigene Weise implementiert, dient sie in der Regel als wichtige Brücke zwischen Rohdaten und dem Entscheidungsprozess.

Im Folgenden finden Sie einige Anwendungsbeispiele aus der Praxis, in denen Unternehmen Data Intelligence erfolgreich in ihre Arbeitsabläufe integriert haben, was zu effizienteren Abläufen und einer höheren Rentabilität geführt hat:

Fertigung – GE Aviation

Die Flugzeugtriebwerkssparte von GE hat mit Dataiku ein funktionsübergreifendes Daten-Governance-Programm und eine Self-Service-Datenplattform eingerichtet. Das bedeutet, dass die Mitarbeiter jetzt direkt auf Daten zugreifen und diese analysieren können, ohne auf die IT-Abteilung angewiesen zu sein. Mit diesem Programm konnten viele zuvor manuelle Aufgaben automatisiert und standardisierte Dokumentationen/Genehmigungen für alle Datenprodukte durchgesetzt werden, was die internen Prozesse beschleunigt und die Datenzuverlässigkeit verbessert.

Marketing – Cola-Cola

Coca-Cola hat mehr als 98 Millionen globale Kundenprofile auf einer Echtzeit-Analyseplattform zentralisiert, auf der Adobe Experience Cloud zum Einsatz kommt. Marketingfachleute nutzen die Analyseplattform, um personalisierte E-Mail-Kampagnen in mehreren Regionen zu versenden. Die Ergebnisse zeigten eine E-Mail-Öffnungsrate von etwa 40 % und eine um 63 % höhere Klickrate bei Kampagnen, die personalisierte Empfehlungen anstelle von allgemeinen Empfehlungen verwendeten. Durch die Segmentierung der Kunden steigert Coca-Cola weltweit die Marketingeffizienz und das Engagement erheblich.

Einzelhandel – Zara

Der Modehändler Zara versieht jedes Kleidungsstück mit einem RFID-Tag und verfolgt die Verkäufe in jedem Geschäft in Echtzeit. Die Daten fließen in eine zentrale Analyseplattform, die es den Design- und Lieferkettenteams ermöglicht, schnell die meistverkauften Modelle und die Modelle mit schlechterer Performance zu identifizieren. Dank dieser organisierten Feedbackschleife kann Zara beliebte Artikel nachbestellen und die Produktion von Artikeln mit geringer Nachfrage reduzieren, sodass etwa 85 % der Waren zum vollen Preis verkauft werden.

Werbung – Merkle

Merkle konsolidierte First- und Third-Party-Kundendaten in einer Snowflake-Datenplattform mit integrierter Data Governance und sicheren „Daten-Cleanrooms“. Diese einheitliche Sicht auf Kundenidentitäten und strenge Datenkontrollen ermöglichen Merkle eine sichere Zusammenarbeit mit Partnern und eine Beschleunigung des Entwicklungszyklus: Nach der Integration liefen Datenprojekte etwa 64 % schneller und die Datenverwaltungskosten sanken um etwa 20 %.

Konsumgüter – Unilever

Mit Niederlassungen in über 190 Ländern und Tausenden von Lieferanten hatUnilever ein neues Stammdaten-Framework für Lieferanten und Produkte eingeführt. Datenpunkte aus verschiedenen Regionen wurden in einem gemeinsamen System zentralisiert und dokumentiert, was wiederum die Datenqualität und -geschwindigkeit verbesserte. Dadurch dauert die routinemäßige Einbindung neuer Lieferanten, die früher Tage in Anspruch nahm, nun nur noch wenige Stunden, und die operativen Teams haben einen einheitlichen Überblick über die Lieferanten, was die Entscheidungsfindung verbessert.

Warum ist Data Intelligence wichtig für Unternehmen?

Die heute verfügbaren riesigen Datenmengen können Unternehmen leicht überfordern und es schwierig machen, strategische Maßnahmen zur Sicherung der Datenqualität umzusetzen. Daten sind oft über verschiedene Systeme verstreut, doppelt vorhanden oder in unterschiedlichen Formaten gespeichert. Ohne zuverlässige Datenqualität sind Unternehmen nicht in der Lage, die gesammelten Informationen vollständig zu integrieren und zu nutzen.

Neben Qualitätsaspekten müssen Unternehmen auch sicherstellen, dass die von ihnen verwendeten Daten den geltenden Gesetzen und internen Richtlinien entsprechen. Bevor beispielsweise ein Analyst einen detaillierten Forschungsbericht für Führungskräfte erstellt, der direkte Auswirkungen auf Geschäftsentscheidungen haben könnte, muss er sich vergewissern, dass die verwendeten Daten sowohl vertrauenswürdig als auch für die Analyse rechtlich zulässig sind. Mit anderen Worten: Unternehmen müssen Data Governance durchsetzen, bevor sie die Daten für Analysen verwenden. Angesichts der Menge und Komplexität der verfügbaren Daten kann dies eine besondere Herausforderung darstellen.

Data Intelligence begegnet diesen Herausforderungen mit fünf Kernfunktionen:

• Metadatenmanagement: Hilft Unternehmen dabei, ihre Daten zu filtern, zu sortieren und zu organisieren, sodass sie schnell verstehen, über welche Daten sie verfügen und wie diese genutzt werden können.
• Datenherkunft: Bietet Transparenz über den gesamten Lebenszyklus von Daten, z. B. ihre Herkunft, wie sie sich verändert haben und wo sie verwendet wurden.
• Data Governance: Stellt sicher, dass Unternehmen gesetzliche Vorschriften und interne Richtlinien zur Datennutzung einhalten, und schafft so Vertrauen in die Ergebnisse der Analysen.
• Datenqualität: Gewährleistet die Genauigkeit und Konsistenz von Datensätzen und hilft Unternehmen so, zuverlässige Erkenntnisse zu gewinnen und den Wert ihrer Datenbestände zu maximieren.
• Datenintegration: Optimiert den Zugriff auf Daten aus mehreren Quellen und erleichtert es Mitarbeitern in verschiedenen Abteilungen, relevante Daten für Analysen und Entscheidungen zu finden und zu nutzen.

Durch die Anwendung dieser fünf Kernfunktionen können Unternehmen eine datengesteuerte Kultur implementieren, die ihnen einen Wettbewerbsvorteil verschafft. Eine datengesteuerte Kultur versetzt Teams im gesamten Unternehmen in die Lage, fundierte Entscheidungen auf der Grundlage genauer und vertrauenswürdiger Daten zu treffen.

Data Intelligence verbessert auch die Zusammenarbeit zwischen Abteilungen, indem sie Datensilos aufbricht und ein gemeinsames Verständnis der wichtigsten Datenbestände fördert. Dadurch wird sichergestellt, dass alle auf derselben Datenquelle arbeiten, was Inkonsistenzen in der Berichterstattung und Analyse reduziert und den Erfolg funktionsübergreifender Kooperationen verbessert.

Darüber hinaus bildet die Implementierung von Data Intelligence eine solide Grundlage für fortschrittliche Analysen und prädiktive Modellierung. Mit gut verwalteten und qualitativ hochwertigen Datensätzen können Unternehmen effektivere Machine-Learning-Modelle erstellen und Entscheidungsprozesse mit größerer Sicherheit automatisieren.

Fazit

Data Intelligence spielt eine entscheidende Rolle dabei, Unternehmen dabei zu unterstützen, ihre ständig wachsenden Datenbestände zu verwalten, zu steuern und zu nutzen. Durch die Integration von Tools wie Datenkatalogen, Data Lineage-Systemen, KI und skalierbaren Speicherlösungen wie Data Warehouses und Data Lakes sind Unternehmen besser gerüstet, um die Genauigkeit, Compliance und Nutzbarkeit ihrer Daten sicherzustellen. Wie verschiedene Anwendungsfälle aus der Praxis zeigen, können Unternehmen, die Data Intelligence erfolgreich implementieren, schnellere Entscheidungen treffen, ihre betriebliche Effizienz verbessern und ihre Wettbewerbsfähigkeit auf dem Markt stärken.