Künstliche Intelligenz (KI) und maschinelles Lernen (ML) sind zwei Schlagworte im heutigen IT-Sprachgebrauch, und das aus gutem Grund. Viele Organisationen haben diese fortschrittlichen Analytik bereits eingesetzt, um Probleme der realen Welt zu lösen, und zwar mit großartigen Ergebnissen und einer hohen Investitionsrentabilität. Der Umfang dieser Einsätze ist jedoch oft künstlich eng gefasst und schöpft die vorhandenen Möglichkeiten nicht voll aus. In dem Maße, wie IT-Führungskräfte ihre langfristigen Strategien entwickeln, wird es immer wichtiger werden, diese Technologie ganzheitlicher zu betrachten, um weitere Erkenntnisse und Effizienzsteigerungen zu erzielen und ihre Initiativen zur digitalen Transformation voranzutreiben. Hier sind einige Anwendungsfälle, um die Bandbreite der Analysemöglichkeiten überall zu veranschaulichen:

 

Einnahmen ankurbeln und stabilisieren

Der vielleicht meistdiskutierte Anwendungsfall, die Big-Data-Analyse, ist zu einer Technologie geworden, die zur Steigerung des Umsatzes unerlässlich ist. Neue Wege, ehemals getrennte Datensilos zu überbrücken, ermöglichen es Unternehmen nun endlich die Daten zu analysieren. Infolgedessen sind Unternehmen erfolgreicher bei der Gewinnung präziser und umsetzbarer Erkenntnisse, um Konkurrenten auszustechen, indem sie auf unerfüllte Kundenbedürfnisse, unterfinanzierte Unternehmensteile, neu entstehende Geschäftsmodelle und vieles mehr reagieren.

 

Kundenorientierung fördern

Unternehmen sind ständig auf der Suche nach neuen und besseren Möglichkeiten, Kunden zu gewinnen und dies zu vernünftigen Kosten. Die Analytik spielt dabei eine entscheidende Rolle. Zu den Möglichkeiten gehören die Eliminierung von Zwischenhändlern und der Einsatz digitaler Plattformen, um Kunden direkt zu erreichen und zu bedienen, die Schließung der Lücke zwischen Daten und Handlung und ein echtes Verständnis der Kunden, um ihre Bedürfnisse besser befriedigen zu können. Laut Forrester Research werden bis 2022 rund 70 Prozent des Kundenengagements durch intelligente Systeme gesteuert, die weitgehend auf kognitiver Suche und Chatbot-Technologie beruhen werden.

 

Rationalisierung und Verbesserung von Prozessen

Heute erzeugt das Internet der Dinge (IoT) riesige Mengen an Sensordaten mit unerschlossenem Wert. Durch die Anwendung der IoT-Analyse in großem Maßstab können Unternehmen ihre Servicekosten senken, die Kundenzufriedenheit verbessern und völlig neue Geschäftsmodelle schaffen. So erfüllen IoT-Analysen beispielsweise das Versprechen vorausschauender Wartung, intelligenter Messung, intelligenter Fertigung und mehr. Betriebsanalysen gewährleisten eine automatisierte IT-Überwachung und -Sanierung, um die mittlere Reparaturdauer (MTTR) und die Betriebskosten zu senken. Rechtsabteilungen verwenden sogar prädiktive Kodierung oder technologiegestützte Überprüfung, um den Prozess der Datenprüfung für rechtliche Angelegenheiten zu verbessern und zu rationalisieren, was in der Regel zu höherer Geschwindigkeit und Genauigkeit führt.

 

Privatsphäre der Bürger schützen

Als die Allgemeine Datenschutz-Grundverordnung (DSGVO) im Mai 2018 in Kraft trat, um die Daten der Bürger der Europäischen Union zu schützen, folgten viele andere Länder und Gerichtsbarkeiten diesem Beispiel. Auch in diesem Anwendungsfall der Compliance kommt wieder die Analytik ins Spiel, da die schiere Menge der zu schützenden Informationen eine neue Stufe der intelligenten Klassifizierung erfordert. Organisationen müssen nicht alle ihre Daten schützen – und sie haben auch nicht das Budget oder die Infrastruktur dafür –, sondern nur die richtigen Informationen. Dateianalyse und strukturierte Datenverwaltungstechnologien spielen eine entscheidende Rolle, wenn es darum geht, Unternehmen vor Geldbußen, Sanktionen, Klagen und dem Verlust der Glaubwürdigkeit auf dem Markt zu schützen.

 

Risiken erkennen und verhindern

Sicherungsprozesse und globale Sicherheitsbetriebszentren können Analysen nutzen, um die Untersuchung riesiger Datenmengen zu automatisieren und sicherzustellen, dass die Teams echte Bedrohungen untersuchen, anstatt Hypothesen zu testen oder falschen Alarmen nachzujagen. Bei der Suche nach Insider-Bedrohungen beispielsweise konzentrieren sich die Analysen des Benutzer- und Entitätsverhaltens (User and Entity Behaviour Analytics, UEBA) auf Benutzerinformationen – anormale Logins, Arbeitszeit usw. –, um schwer zu findende Bedrohungen zu identifizieren. Die Analytik liefert sogar Echtzeitinformationen über Bedrohungsstatus oder physische Sicherheit, indem sie Video- und Audiodaten von CCTV, sozialen Medien und Sensoren unter die Lupe nimmt.

Die vielschichtige Rolle, die KI und maschinelles Lernen bei der digitalen Transformation spielen können, ist wahrscheinlich der Grund, warum mehr als 50 Prozent der Organisationen laut einer IDG-Studie planen, in den nächsten 12 Monaten fortschrittliche Analyseverfahren einzusetzen. Stellen Sie nur sicher, dass Sie den Umfang der Ziele groß genug fassen, um den größtmöglichen Nutzen aus Ihren Initiativen zu ziehen.