Any-User Analytics

Fundiertere Entscheidungen mit Echtzeit-Berichterstattung über Meinungen und Einstellungen treffen.

Analyse großer Datenmengen

Sentiment-Analyse

EXALEAD-Kunden nutzen Sentiment-Analyse von Big Data in Domänen verschiedenster Art wie Produktentwicklung und Öffentliche Ordnung, und bringen dabei noch nie dagewesene Reichweite, Genauigkeit und Aktualität in Bereiche wie zum Beispiel:

  • Überwachung und Steuerung der öffentlichen Wahrnehmung eines Problems, einer Marke, einer Organisation etc. (so genanntes "Reputationsmonitoring")
  • Akzeptanz einer neuen oder überarbeiteten Dienstleistung oder eines Produktes analysieren
  • Antizipieren und Reagieren auf potentielle Qualitäts-, Preis- oder Compliance-Probleme
  • Entstehende Marktwachstumschancen und Trends in der Kundennachfrage identifizieren
Vorteile
  • Demokratisierung des Zugriffs zu bestehender Intelligenz
  • Nutzung von ganz neuen Informationskanälen für intelligentere, kontextbezogene Entscheidungen
  • Zuordnen (und Verbinden) von strukturierten und unstrukturierten Daten

Explorative Analyse

Im Gegensatz zu konventionellen Analysen (als "Online Analytical Processing" bezeichnet, womit man aus einem geordneten, bekannten Universum von Daten Antworten auf präzise vorformulierte Fragen abrufen will), dient die explorative Analyse der durch die Neugier angetriebenen Entdeckung von Möglichkeiten und Informationen in weitgehend unstrukturierten Datensammlungen von einer faszinierenden Tatsache zur nächsten (somit wird explorative Analyse auch als "iterative Analytise" bezeichnet). EXALEAD CloudView ist optimal geeignet, um auch nicht spezialisierten Benutzern die explorative Analyse von Big Data sowohl im "pull" wie im "push" Modus zu ermöglichen.

Im "pull"-Modus werden semantische Mining-Tools von EXALEAD verwendet, um die eingebetteten Beziehungen, Muster und Bedeutungen mit Visualisierungstools, Facetten (dynamische Cluster und Kategorien) und Abfragen in natürlicher Sprache in Daten zu identifizieren, um diese Verbindungen ad hoc zu untersuchen.

Mit der "push"-Methode können Benutzer die Daten der Reihe nach für Antworten auf spezifische Fragen durchforsten, oder sie anweisen, bestimmte Operationen (wie das Sortieren) durchzuführen und die Ergebnisse abwarten.

Es ist ein Ansatz, der – im Gegensatz zu anderen Big-Data-Technologien – auch normalen Benutzern ermöglicht, das Potenzial von explorativen Analysen auszuschöpfen: Abfragen stellen, Ergebnisse abwarten und prüfen, und je nach Situation entweder basierend auf den Erkenntnissen handeln oder die Informationen an einen Spezialisten zum Weiterverfolgen oder Validieren weiterleiten.

Analyse und Berichte für operative Geschäftsprozesse

Während explorative Analysen gut für Planungsaktivitäten geeignet sind, ist diese Art der Analyse vorwiegend praxisorientiert. Das Ziel einer solchen Analyse ist es, verwertbare Informationen über sinnvolle Betriebskennzahlen in Echtzeit oder nahezu in Echtzeit zu liefern.

Das ist nicht einfach, da viele dieser Kennzahlen als kleine Datenpakete in großen Datenströmen aus Netzwerkgeräten wie intelligenten Zählern, RFID-Lesern, Barcode-Scannern, Weblogs und GPS-Geräten eingebettet sind. Es handelt sich hierbei um Maschinendaten, die für die Nutzung durch andere Maschinen entwickelt wurden, und nicht für den Menschen.

Leistungsbarrieren können überwunden werden, wenn sich diese Daten in einer unrelationalen (NoSQL) Datenbank befinden, aber diese wesentliche Usability-Barriere bleibt bestehen. Außerdem führen die mit den meisten solcher Systeme verbundenen Batch-Aktualisierungsprozesse zu Datenlatenz, die mit operativer Berichtserstattung nicht kompatibel ist.

Datenlatenz und Usability-Probleme sind auch Blockaden für herkömmliche Data-Warehouses. Einige konventionelle relationale Datenbanken sind zudem nur mit erheblichen Kosten und großer Komplexität skalierbar.

Nun nutzen Organisationen jedoch CloudView, um technische und finanzielle Hürden zu überwinden und um operative Reporting-und Analyse-Lösungen zu verwenden, die einfach zu bedienen sind und bei sehr niedrigen Hardware-Kosten beträchtlich skaliert werden können. Diese Lösungen werden nativ entwickelt, um globale und Silo übergreifende Visibilität zu gewährleisten, die ausschlaggebend für intelligente Betriebsentscheidungen ist.