Online Special FMCG & Handel

Neue Lösungen liefern das „Warum“ hinter den Daten

   Artikel anhören
© Unsplash
Digitalisierung, neue Einkaufsgewohnheiten, individuelle Ansprüche – der Einzelhandel sieht sich zahlreichen Veränderungen gegenüber. Die täglich wachsenden Datenberge und deren Analyse stellt die Marktforschung vor immer größere Herausforderungen. Henrik Jorgensen von Tableau zeigt, wie der Einsatz von Datenanalyse und Künstlicher Intelligenz hier unterstützen kann.

Wie genau lassen sich Daten also gewinnbringend nutzen? Wenn fortschrittliche Analyse-Anwendungen schwer bedienbar sind, werden sie oft nicht verwendet. Wollen Unternehmen erreichen, dass mehr Mitarbeiter mit Daten arbeiten, müssen sie ihnen den Zugang dazu möglichst einfach gestalten. Selfservice-BI-Lösungen haben die Zugangsbarriere bereits enorm gesenkt. Natural Language Processing (NLP) senkt die Eintrittshürde für professionelle Analysen nun noch weiter. Diese innovative Technologie sorgt dafür, dass menschliche Sprache maschinell verarbeitet werden kann – mit dem Ziel eine möglichst natürliche Interaktion zwischen Mensch und Computer zu ermöglichen. NLP hat sich gerade in den vergangenen Jahren zügig weiterentwickelt und verbreitet sich nun auch im Bereich Datenanalyse. So können Anwender sich regelrecht mit den Daten unterhalten, etwa mittels schriftlich formulierter Fragen, um neue Erkenntnisse zu gewinnen. Der einfach gestaltete Umgang mit der BI-Lösung ermutigt Mitarbeiter so, sie auch einzusetzen.

Der smarte Analyse-Assistent

Das Feature Ask Data von Tableau basiert auf NLP und erlaubt es grundsätzlich, jede Frage zu den Daten zu stellen. Nutzer müssen nicht länger ihre Denkweise ändern und sich der Software anpassen. Vielmehr ist es umgekehrt. Technologisch anspruchsvolle Algorithmen sind in der Lage, Absichten hinter einer Frage zu erkennen.

Die Funktion Explain Data liefert nun auch noch das „Warum“ hinter den Antworten. Die Anwendung stellt Nutzern KI-gestützte Analysen zur Verfügung. Wer zum Beispiel wissen möchte, wieso die Verkaufszahlen von Produkt X im Oktober signifikant geringer ausfielen als im September, muss nicht erst selbst auf Spurensuche gehen. Mit einem Klick auf den Daten-Ausreißer analysiert die KI alle verfügbaren Daten. Hierbei nutzt die Anwendung leistungsfähige Bayes-Algorithmen zur automatischen Beurteilung von Mustern und Erklärungen.

Dashboards für die real.digital-Mannschaft

Wie sich mit Datenanalyse neue Erkenntnisse gewinnen lassen, zeigt auch das Fallbeispiel von real.digital. real entschloss sich ein unternehmensweites Analysetool einzuführen, das einfach zu bedienen ist und in den Fachabteilungen weitgehend selbstständig eingesetzt werden kann. Ein Beispiel aus dem Customer Service zeigt unter anderem die Zeitersparnis: Ehemals musste dort für den täglichen Performancebericht über Kundenzufriedenheit, Anzahl offener Anfragen, Reklamationshäufigkeit, Anrufdauer, Bearbeitungszeit etc. eine Tabelle mit 440 Millionen Zeilen und einer Gesamtgröße von rund 800 GB mittels komplexer SQL-Abfragen ausgewertet werden. Die Ergebnisse wurden dann zunächst in Google Sheet oder Excel sowie – für den Bericht – in PowerPoint übernommen. Der Aufwand dafür betrug täglich rund 60 bis 90 Minuten. Ergebnis war ein statischer und aufgrund der teilweise manuellen Tätigkeiten fehleranfälliger Report. Seit der Fertigstellung des entsprechenden Dashboards entfällt dieser tägliche Aufwand komplett, und die Daten sind stets tagesaktuell.
Der Autor

Henrik Jorgensen
© Tableau
Henrik Jorgensen ist Country Manager DACH bei Tableau Software.

Ich habe die Datenschutzbestimmungen zur Kenntnis genommen und akzeptiere diese.
stats