Continuous Intelligence
Rundumblick auf historische, aktuelle und auch zukünftige Daten
Continuous Intelligence soll Unternehmen dabei helfen, bessere Entscheidungen zu treffen und die Prozesssteuerung weiter zu verbessern. Der Datenbank-Spezialist Couchbase nennt die fünf Stufen, die beim praktischen Einsatz zu beachten sind.
Realtime Analytics und Predictive Analytics sind Analyseverfahren, die bei der Entscheidungsfindung im Unternehmen helfen sollen. Die Technologien ermöglichen einerseits die Echtzeit-
Analyse von historischen Daten aus unterschiedlichen Datenquellen und von aktuellen Daten aus laufenden Transaktionen, sowie andererseits die darauf aufsetzende Erstellung von Voraussagen und Prognosen. Die Verknüpfung der beiden Verfahren läuft unter dem Begriff Continuous Intelligence. Aus der Analyse der Datenströme und den daraus generierten Echtzeit-Analysen mit prognostischen Fähigkeiten können Unternehmen einen Rundumblick auf historische, aktuelle und zukünftig zu erwartende Daten gewinnen und daraus schnellere und zielgenauere Entscheidungen ableiten. Der Datenbank-Spezialist Couchbase nennt die fünf Schritte zur praktischen Anwendung: Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
1. Generierung der JSON-Dokumente und deren Import in die Datenbank: Am Anfang der Implementierung von Continuous Intelligence steht die Erstellung der JSON-Dokumente, die die Daten der Transaktionen beschreiben. Anschließend werden diese Dokumente in den dafür vorgesehen Datenbank-Cluster geladen.
2. Generierung und Test des Datensets: Im nächsten Schritt erfolgt die Generierung des Datensets und dessen Test. Dabei wird die Funktionsfähigkeit der JSON-Dokumente mit einer Replika des definierten Datensets getestet. Die Daten können aus einer relationalen SQL-Datenbank kommen, besser ist jedoch eine Database-Plattform, die die Fähigkeiten von SQL-, NoSQL- und Cloud-Datenbanken unter einem Dach vereint.
3. Aufsetzen der Verbindung mit dem BI(Busniess Intelligence)-Tool: Im dritten Schritt erfolgt das Aufsetzen der Verbindung zwischen der Datenbank und einem Business-Intelligence-Tool. Ein kritischer Punkt ist dabei, dass das gewählte BI-Werkzeug die API- und REST-Calls der Datenbank richtig versteht.
4. Import der Daten aus der Datenbank: Auf dieser Stufe erfolgt das Laden der operativen Daten aus der Datenbank in das BI-Tool. Dabei interagiert der entsprechende Standardtreiber des Tools mit der Datenbank und übernimmt den Datentransfer.
5. Aufsetzen der Dashboards und der ML-Unterstützung: Im letzten Schritt werden im BI-Tool die Dashboards zur intuitiven Steuerung und Kontrolle der Datenbank-Transaktionen erstellt. Die vom BI-Werkzeug bereitgestellten Funktionen zum Machine Learning (ML) werden ebenfalls in dieser abschließenden Phase konfiguriert.