Real-Time Analytics - Hintergründe und Vorteile

In einer immer digitaler werdenden Welt sammeln Unternehmen große Datenmenge. Um das Potenzial dieser Daten zu erschließen, kann Zeit ein entscheidender Faktor sein. Ein datengestütztes Unternehmen kann es sich schlichtweg nicht leisten, bei einer Datenanfrage Stunden oder gar Tage auf die Antwort eines Systems zu warten. Bei solchen Entscheidungsverzögerungen können Kosten für das Unternehmen entstehen, da, z. B. aufgrund von veralteten Daten, falsche Entscheidungen getroffen werden könnten. Die Antwort auf dieses Problem heißt Real-Time Analytics. Im Folgenden erläutern wir, was genau Real-Time Analytics bedeutet, wie es funktioniert und welche Vorteile sich daraus für ein Unternehmen ergeben können.

Was heißt Real-Time Analytics?

Real-Time Analytics (auch Echtzeitanalyse genannt) bezieht sich auf den Vorbereitungs- und Messungsprozess von Daten, unmittelbar nachdem sie in die Datenbank gelangen. Das heißt, dass Nutzer sofort bzw. verzögerungsarm nach Eingang der Daten, einen Einblick in diese erhalten und Schlussfolgerungen daraus ziehen können. Real-Time bzw. Echtzeit bezieht sich auf das unmittelbare Antwortverhalten eines IT-Systems, welches sich von wenigen Millisekunden bis wenigen Minuten erstrecken kann. Wie lang die Antwortzeit von Real-Time Analytics für das jeweilige Unternehmen ist, muss selbstständig definiert werden. Hierzu wird eine gewisse Zeitspanne vorgegeben, welche das System einhalten soll. Das benötige Antwortverhalten ist abhängig vom Thema und der Situation: Während ein selbstfahrendes Auto innerhalb von Millisekunden auf Informationen antworten und reagieren muss, reicht bei der Prüfung der Kreditwürdigkeit eine Antwort nach wenigen Minuten.

Wie funktioniert Real-Time Analytics?

Zuallererst werden unterschiedliche Daten gesammelt. Damit die gesammelten Daten auch verwendet und verarbeitet werden können, ist es notwendig, dass alle Daten in die für das System richtige Form verwandelt werden. Ist dies der Fall können mit Real-Time Analytics Rohdaten in wichtige Erkenntnisse umgewandelt werden. Um die Analyse in Echtzeit umzusetzen, muss das Tool in der Lage sein, große Mengen an Daten verarbeiten sowie situationsabhängig zügig auf Anfragen antworten zu können.

Real-Time Analytics besteht aus vier Komponenten: dem Aggregator, dem Broker und der Analytics Engine.

Der Aggregator ist dafür zuständig, Daten aus unterschiedlichen Datenquellen zu aggregieren und zusammenzufügen, damit diese im Nachgang weiterverarbeitet werden können. Die Datenquellen können aus Datenbanken (z. B. Stammdaten), aus Live-Daten (z. B. Web-Clickstream oder Social Media), oder auch aus Prozessdaten stammen.

Der Broker stellt die Verfügbarkeit der Daten sicher, damit diese genutzt werden können. Dies beinhaltet z. B. die Umwandlung der unterschiedlichen Daten in ein einheitliches Format.

Der Stream-Prozessor umfasst das System, welches die Datenströme empfängt und sendet sowie die Anwendungs- und Echtzeit-Analyselogik ausführt. Der Stream-Prozessor wurde entwickelt, um die sofortige Verarbeitung und Analyse von Daten gewährleisten zu können.

Schlussendlich gibt es noch die sogenannte Analytics Engine. Die Analytics Engine analysiert die Daten, setzt diese miteinander in Beziehung und führt die Datenströme zusammen. Somit können Einblicke in das Geschäft erstellt werden.

Die folgende Grafik veranschaulicht die Komponenten.

4 Anwendungsfälle für Real-Time Analytics

Real-Time Analytics kann in ganz unterschiedlichen Bereichen essenziell sein, bspw. bei dem Thema Meteorologie. Mittels Real-Time Analytics kann unter anderem der Weg und die Intensität eines Orkans bestimmt werden. Daraus können Vorhersagen über den Verlauf zu ermittelt werden, und das bereits Stunden oder gar Tage im Voraus.

Wie bereits erwähnt, ist auch beim autonomen Fahren Real-Time Analytics von größter Bedeutung. Zum einen müssen Daten innerhalb von wenigen Millisekunden ausgewertet sein, und zum anderen muss das System genauso schnell reagieren und Anpassungen vornehmen. Dies ist nicht nur von Bedeutung, um überhaupt fahren zu können, sondern vor allem bei z. B. der Entstehung von Staus. Hier muss das System die Daten sofort aufnehmen, verarbeiten und auswerten, damit das Fahrzeug so schnell es geht reagieren kann.

Auch bei Online-Händlern kann Real-Time Analytics eine Rolle spielen, beispielsweise bei der Verfolgung von Kundendaten. Mittels Real-Time Analytics kann zügig auf Kundenverhalten reagiert werden. Online-Händler können z. B. Aktivitäten auf der eigenen Website sowie Transaktionsvorgänge von Kunden analysieren und somit den Kunden passende Recommendations schicken.

Im Gegensatz zu den oben genannten Beispielen, kann Real-Time Analytics auch in Bereichen angewendet werden, in welchen die Echtzeitdaten nicht automatisch ausgewertet werden, sondern erst, wenn eine Anfrage durch einen Nutzer gestellt wird. Ein Beispiel hierfür ist die Durchführung und Auswertung von A/B-Tests. Mittels Real-Time Analytics kann schnell ermittelt werden, welche Marketingaktion zu mehr Leads und Interaktionen aber auch zu negativen Effekten auf zwei unterschiedlichen Landingpages geführt haben.

Vorteile von Real-Time Analytics

Gibt es Schwankungen bspw. auf dem Markt, können diese durch Real-Time Analytics frühzeitig wahrgenommen werden. Somit können Unternehmen Chancen ohne größere Verzögerungen identifizieren und auf Probleme reagieren, bevor diese tatsächlich zu einem Problem werden. Somit kann Real-Time Analytics auch als eine Art Frühwarnsystem bezeichnet werden, wodurch schnelle Entscheidungen einfacher getroffen werden können. Folglich sind schnelle Reaktionszeiten und schnelle Informationsflüssen eindeutige Vorteil bei der Nutzung von Real-Time Analytics.

Schlussendlich können durch die einzelnen Vorteile von Real-Time Analytics Wettbewerbsvorteile geschaffen werden. Um den größten geschäftlichen Nutzen aus Real-Time Analytics zu ziehen, sollte das Tool bei den Business-Usern liegen, da diese sich mit den Thematiken bereits befasst haben und die Ergebnisse in Nutzen umwandeln können. Um Wettbewerbsvorteile zu generieren sollten die Business-User dazu proaktiv sein.

Fazit

Real-Time Analytics kann in vielen unterschiedlichen Bereichen eingesetzt werden, doch es muss hohen Ansprüchen genügen: Es muss großen Datenmengen aufnehmen können und schnell auf diese reagieren. Doch mit Real-Time Analytics können ebenfalls Mehrwerte aus den Daten generiert werden. Durch die Verfolgung von Kundendaten, kann verstanden werden, warum Kunden sich wie verhalten und eine zeitnahe Reaktion darauf veranlasst werden. Auch A/B-Tests können mit Real-Time Analytics schneller durchgeführt und ausgewertet werden. Diese Vorteile können zu Wettbewerbsvorteilen bei datengestützten Unternehmen führen.

Bei der Verwendung von Real-Time Analytics sollten zwei Aspekte beachtet werden. Durch die Nutzung von Real-Time Analytics steigt der Zeitdruck auf die Business-User, schnelle Entscheidungen zu treffen. Durch die kurzfristigen Entscheidungen kann sich zusätzlich der Entscheidungshorizont verkürzen. Somit kann es passieren, dass Entscheidungen nicht auf lange Sicht betrachtet werden, und langfristige Konsequenzen außer Acht gelassen. Dies sollte einem Unternehmen bewusst sein, damit es bspw. der Entscheidungshorizont nicht nur von kurzfristigen Entscheidungen geprägt ist, sondern auch die langfristigen Folgen in Bezug genommen werden.

eoda ist Ihr Ansprechpartner beim Thema Real-Time Analytics. In unseren Data-Science-Projekten und Infrastrukturkonzepten integrieren wir Real-Time Analytics im Hinblick auf Ihre individuellen Anforderungen. Wir beraten Sie gerne von der Idee bis zur Umsetzung, ob und wann Real-Time Analytics auch für Sie sinnvoll ist. Sprechen Sie uns an!

Ihr Ansprechpartner:
Oliver Bracht

oliver bracht potrait