Die Verschmelzung von Datenanalytik und künstlicher Intelligenz (KI) hat tiefgreifende Auswirkungen auf verschiedene Branchen. Die Möglichkeiten, KI in der Datenanalytik zu nutzen, können die Datenwissenschaft, das Nutzerverhalten, Rollen und Entscheidungsprozesse transformieren. Durch das Verstehen der Auswirkungen und potenziellen Risiken von KI können Organisationen diese Technologie nutzen, um einen Wettbewerbsvorteil zu erlangen.
Traditionell waren Tabellenkalkulationen das Standardwerkzeug für die Datenanalyse. Allerdings hat das Aufkommen von web- und appbasierten GenAI-Chatbots die Art und Weise revolutioniert, wie Benutzer Tabellendaten analysieren. Diese Chatbots ermöglichen eine intuitive und einfache Analyse und überbrücken die Kluft zwischen traditioneller Dateneingabe und anspruchsvoller Analyse.
Einer der Hauptvorteile von GenAI-Chatbots besteht darin, dass sie den Bedarf an spezialisierter Analytik- und Business-Intelligence- (ABI) und Datenwissenschaft- und Maschinenlernsoftware (DSML) eliminieren. Dies macht die Datenanalyse für ein breiteres Publikum zugänglicher, sodass Benutzer Daten innerhalb ihrer Geschäftsprozesse analysieren können, ohne durch traditionelle Analyse-Software eingeschränkt zu sein.
Die erhöhte Zugänglichkeit von GenAI-Chatbots birgt jedoch auch Governance-Herausforderungen. Benutzer können gute Governance-Praktiken umgehen, absichtlich oder unbeabsichtigt, was zu potenziellen Risiken führen kann. Gartner sagt voraus, dass bis 2025 40 % der ABI-Plattformbenutzer Governance-Prozesse umgehen werden, indem sie generative KI-fähige Chatbots nutzen, um Analyseinhalte zu teilen, die aus Tabellenkalkulationen erstellt wurden. Dies könnte dazu führen, dass die Verwendung von „Spreadmarts“ (generative Datensilos) zunimmt.
Bei einem Blick in die Zukunft sagt Gartner voraus, dass bis 2026 mehr als 70 % der unabhängigen Softwareanbieter (ISVs) GenAI-Funktionen in ihre Unternehmensanwendungen integrieren werden. Dies stellt eine signifikante Steigerung gegenüber der aktuellen Adoptionsrate von weniger als 1 % dar. Die Bequemlichkeit der KI-fähigen natürlichen Sprachabfrage (NLQ) ohne die Notwendigkeit einer ABI-Plattform birgt ein Risiko für herkömmliche Anbieter und Investitionen, die von Daten- und Analytikführern getätigt wurden.
Um sich in der sich entwickelnden Landschaft der KI-fähigen Analytik zurechtzufinden, sollten D&A-Führer einige Empfehlungen in Betracht ziehen:
1. Fokus auf KI-Schulungen und Qualifizierungen: Entwickeln Sie Schulungsmodule für Geschäftsanalysten und Nutzer der erweiterten Analytik, um die Vorteile von GenAI voll auszuschöpfen. Dies wird die sichere und effektive Nutzung von KI-Tools für die Datenanalyse erleichtern.
2. Strategische Planung für KI-fähige Analytik einsetzen: Integrieren Sie die Nutzung von NLQ-Chatbots außerhalb von ABI-Plattformen als technologischen Katalysator in die Strategie und das Betriebsmodell der Organisation. Dies wird entscheidend sein, um Datenanalyse-Workflows zukunftssicher zu gestalten.
3. Sicherstellen, dass Integrationsbemühungen die Komponierbarkeit fördern: ABI-Plattformen sollten mit großen Sprachmodellen (LLM) integrieren, um in einem Markt relevant zu bleiben, in dem Nutzer eingebettete Analysen in ihren natürlichen Arbeitsabläufen bevorzugen. Käufer sollten vorhandene LLM-Integrationsmöglichkeiten als Plug-ins für Anwendungen von Drittanbietern bewerten.
4. Förderung kollektiver Intelligenz durch Zusammenarbeit in der Analytik: Ermutigen Sie den Austausch von Analytik-Erkenntnissen, die von GenAI-Chatbots generiert wurden, um eine Kultur der Zusammenarbeit und des gemeinsamen Lernens zu fördern. Implementieren Sie adaptive Governance-Mechanismen, um Halluzinationen von KI-Chatbots zu behandeln und die Interpretierbarkeit zu verbessern.
Gartner-Analysten werden auf dem bevorstehenden Gartner Data & Analytics Summit in Mumbai, Indien, am 24.-25. April Best Practices für KI in der Analytik diskutieren.
Um mit der sich entwickelnden Technologie der Datenanalytik und der digitalen Landschaft Schritt zu halten, ist es für D&A-Führer und Organisationen entscheidend, über die neuesten Fortschritte in KI-gestützter NLQ- und Chatbot-Technologie informiert zu bleiben. Ein Versäumnis dies zu tun könnte zu einem Zurückfallen und potenziellen Verstößen gegen Daten- und Analytik-Governance-Richtlinien führen.
Autor: Mike Fang, Sr. Director Analyst bei Gartner
FAQ
Was ist ABI?
ABI steht für Datenanalyse und Business Intelligence. Dabei handelt es sich um Software und Tools, die es Organisationen ermöglichen, Daten zu analysieren und zu interpretieren, um fundierte Geschäftsentscheidungen zu treffen.
Was bedeutet DSML?
DSML steht für Datenwissenschaft und Maschinelles Lernen. Dabei handelt es sich um den Einsatz von Algorithmen und statistischen Modellen, um Erkenntnisse und Muster aus Daten zu extrahieren.
Was sind GenAI-Chatbots?
GenAI-Chatbots sind eigenständige web- und appbasierte Tools, die künstliche Intelligenz nutzen, um Benutzern die Analyse von Tabellendaten ohne die Notwendigkeit spezialisierter Analyse-Software zu ermöglichen.
Was sind Spreadmarts?
Spreadmarts bezeichnen generative Datensilos, die durch die Analyse von Tabellenkalkulationen mithilfe von GenAI-Chatbots erstellt werden. Sie ermöglichen es Benutzern, Datenanalyse außerhalb traditioneller Analyseplattformen durchzuführen.
The source of the article is from the blog maestropasta.cz