Seit einigen Jahren ist Big Data zum Buzzword geworden. Unternehmen sammeln so viele Daten wie möglich und sitzen nun auf einem riesigen Datenschatz. Oft ohne genau zu wissen, wie sie diesen gewinnbringend verwerten können. Die Technologie Operational Intelligence (OI) beantwortet dieses Problem, indem sie brachliegende Informationen in operatives Wissen – also Big Data in Smart Data – verwandelt.
Was ist Operational Intelligence?
Operational Intelligence (OI) ist eine neuartige Technologie, die mit einer Kombination von In Memory-Computing und parallelen Echtzeit-Datenanalysen arbeitet. Dies erlaubt ihr, eine unlimitierte Anzahl an sich schnell verändernden Live-Datensets zu speichern, upzudaten und zu analysieren. Diese Echtzeitdaten werden mit historischen Daten aus jeder verfügbaren Quelle (sog. Datensilos) angereichert. So entsteht ein sog. Datensee (‚data lake‘) ganz ohne Silos, der einen 360°-Blick auf ein Unternehmen als Ganzes und dessen Prozesse ermöglicht.
Mithilfe korrelationsbasierter Big Data-Echtzeitanalysen bringt Operational Intelligence bislang unerkannte Zusammenhänge aus diesem Datensee ans Licht – ganz ohne Modellierung oder Vereinfachung der Daten. So werden bspw. Anomalien oder Trends in den Unternehmensprozessen live ‚auf Klick‘ angezeigt. Anschließend treffen fortgeschrittene Analysemethoden (‚Advanced Analytics‘) wie prädiktive und präskriptive Analysen automatisierte Entscheidungen, wie die Analyseerkenntnisse am besten umgesetzt werden können, um vorab definierte Unternehmensziele am besten zu erreichen. Wenn gewünscht, leiten sie die erforderlichen Maßnahmen selbstständig ein. In geschlossenen Feedback-Schleifen wird der Erfolg dieser Maßnahmen getrackt und in zukünftige Analysen einbezogen (‚selbstlernendes System‘).
Operational Intelligence ermöglicht so die silo-übergreifende Konsolidierung von Big Data, ihre intelligente Echtzeit-Analyse und die automatisierte Optimierung von Prozessen, die ständig verfeinert werden – wenn gewünscht, vollkommen ohne menschliches Eingreifen.
Von Big Data zu Smart Data zum Wettbewerbsvorteil:
Operational Intelligence führt all Ihre Daten zusammen und macht sie gewinnbringend verwertbar (‚actionable‘). Die gewonnen Erkenntnisse können bspw. der automatisierten Optimierung dienen.
Abgrenzung von Business Intelligence und Machine Learning
Die disruptive OI-Technologie beantwortet so die Probleme der klassischen Business Intelligence (BI), der es an Manpower, Know-How und technischen Möglichkeiten mangelt: Während sich die BI noch auf beschreibende Analysen beschränkt und das Modellieren und Ableiten von Schlüssen dem Business User überlässt, kombiniert Operational Intelligence beschreibende (deskriptive) und vorhersagende (prädiktive) mit präskriptiven Analysen, die ausgehend von einem vorab definierten Ziel die notwendigen Maßnahmen automatisiert ergreifen.
Auch vom momentan recht bekannten Machine Learning (ML) hebt sich Operational Intelligence ab: Zwar arbeitet ML selbstständig und ohne menschliches Zutun, ahmt jedoch menschliche Denkprozesse nach, die stark fehleranfällig und – noch viel wichtiger – in ihren Kapazitäten beschränkt sind: Große Datenmengen kann ML nur offline ‚über Nacht‘, d.h. unter einigem Zeitaufwand, und unter starker Vereinfachung bzw. Modellierung verarbeiten. Im Gegensatz dazu basieren die Entscheidungen bei Operational Intelligence auf exakten Berechnungen ohne Segmentierung. Sie werden in Echtzeit getroffen.
Anwendungsbereiche von Operational Intelligence
Die Fortschrittlichkeit von Operational Intelligence ist eine große Chance für alle Branchen, in denen die Optimierung von Prozessen oder die automatisierte Anpassung an Live-Events eine Rolle spielt:
The benefits of operational intelligence are only beginning to be realized. The opportunities are mind-boggling¹.
So wird Operational Intelligence im produzierenden Gewerbe zur Optimierung von Fertigungsprozessen eingesetzt: Sensoren an Produkten sowie entlang von Prozess- und Zuliefererketten erfassen Daten und machen die Prozesse als Ganzes sichtbar. Auftretende Unregelmäßigeiten werden sofort entdeckt und können ggf. im Moment ihres Eintretens automatisiert korrigiert werden. Einen ähnlichen Anwendungsfall stellt die Logistikbranche dar (siehe Bild).
In der Logistikbranche erfassen Sensoren und Steuerungsmodule an Fahrzeugen Daten wie z.B. den Benzinverbrauch, den Zustand von Verschleißdaten oder Positionsdaten. Operational Intelli-gence-Systeme führen diese Daten zusammen und ermöglichen zeitnahe Transportplanung, Opti-mierung von Routen und Beladung sowie Minimierung von Wartungskosten und Stillstandzeiten.
Auch die Fraud Prevention kann Operational Intelligence entscheidend voranbringen. Beim Online-Banking bspw. kann Betrug damit auf mehreren Ebenen entdeckt werden: Auf Ebene des Endgeräts werden Merkmale wie Login-Daten, Standort oder Kontoberechtigungen erkannt, auf Navigationsebene wird das Online-Verhalten registriert und auf Transaktionsebene werden die Transaktionen mit den ‚normalen‘ Geschäften eines Benutzers verglichen. Bei auftretenden Anomalien greift das System ein und verhindert den Betrug.
Operational Intelligence im E-Commerce: Personalization Par Excellence
Mit Operational Intelligence können Online-Händler auf ihre Kunden eingehen, indem sie deren Erwartungen von Personalisierung und Kundenzentriertheit erfüllen: Die Technologie erlaubt ihnen, Aufbau und Inhalt ihres Shops in Echtzeit an jeden einzelnen Besucher anzupassen. So bekommt jeder Kunde einen eigenen, individuell relevanten Shop angezeigt in dem genau die Inhalte und Produkte prominent platziert werden, die seinen aktuellen Bedürfnissen entsprechen (‘Me-Commerce‘). Wie in der Google-Suche werden z.B. nicht etwa die Top-Seller (gemessen an allen Käufern) an vorderster Stelle angezeigt, sondern die Produkte mit der (wahrscheinlich) größten individuellen Relevanz für den aktuellen Nutzer (1:1 Personalisierung). So freut sich der Kunde über eine personalisierte Shopping Experience, während der Händler von höheren Conversion Rates und höheren Umsätzen profitiert.
Primär berücksichtigt werden dabei nicht etwa Persönlichkeitsmerkmale des Nutzers, sondern Merkmale seiner aktuellen Situation: Wochentag, Uhrzeit, Channel und Device oder Referrer (Herkunft) sagen viel über die Bedürfnisse einer Person aus. Dies kann angereichert werden mit Wetterdaten, Produktinformationsdaten, Lagerbestand und Retouren. Dies ermöglicht eine datenschutzkonforme Personalisierung, selbst für noch unbekannte Erstbesucher, über die keine persönlichen Informationen vorliegen (‚situationsbezogene Personali-sierung‘).
Vielversprechende Beispiele wie diese Personalisierung der Shopping Experience sind richtungsweisend, doch erst der Anfang der Operational Intelligence: Ihre Anwendung steckt noch in den Kinderschuhen und wartet auf viele weitere, faszinierende Use Cases.
Vom E-Commerce zum Me-Commerce: In Online-Shops sorgt Operational Intelligence für die situationsbezogene Personalisierung der Shopping Experience und schafft für jeden Kunden einen eigenen Shop.
