Analytics als Selfservice 15.03.2021, 05:21 Uhr

Automatisierte Datenanalysen mit APA

Analytic Process Automation ist ein nützliches Werkzeug für eine datengestützte digitale Transformation. Es verbindet Daten, Geschäftsprozesse und Mitarbeiter miteinander.
(Quelle: Nadya C / shutterstock.com)
Das Konzept der Analytic Process Automation (APA) verbindet die drei Grundpfeiler eines Unternehmens: Daten, Geschäftsprozesse und Mitarbeiter. Es soll die komplexe Aufgabe lösen, diese drei Bereiche parallel in Gang zu setzen, um schnell Erfolge und Ergebnisse zu erzielen. Zu diesem Zweck automatisiert eine APA-Plattform alle analytischen Funktionen - prädiktive, deskriptive, diagnostische oder räum­liche. Zudem stehen die Funktionen und Ergebnisse allen Mitarbeitern im Unternehmen zur Verfügung. Dank Automatisierung und Selfservice-Funktionen verringert APA darüber hinaus den Bedarf an den ebenso teuren wie raren Data Scientists.

So funktioniert APA

Auch wenn es ähnlich klingt, hat Analytic Process Automation wenig zu tun mit Robotic Process Automation (RPA) oder Business Process Automation (BPA). Es ist auch kein reines Daten-Tool, sondern vielmehr eine automatisierte Selfservice-Datenanalyseplattform, die die Mitarbeiter in die Lage versetzt, eigenständig Analysen zu entwickeln und Mehrwert zu generieren. APA ist im Prinzip eine Art Datenanalysemaschine, die Daten bereinigen und zusammenführen kann. Auch mühsame und mitunter Monate währende komplexe Analysen lassen sich damit automatisieren. Eine funktionierende Analyse lässt sich zudem regelmässig wiederholen.
Alan Jacobson, Chief Data and Analytics Officer beim APA-Spezialisten Alteryx, vergleicht das Konzept mit einem Wettkampf, bei dem es darum geht, möglichst schnell an einen weit entfernten Ort zu gelangen: «Sie könnten rennen, mit dem Auto fahren, den Zug nehmen oder einen Düsenjet. Letzterer ist am schnellsten. Doch wenn Sie das Verkehrsmittel selbst steuern müssen, erscheint plötzlich das Auto als beste Wahl. Aber wenn Sie ein Flugzeug hätten, dessen Bedienung Sie im Lauf eines Tages erlernen könnten, dann wären Sie zwar nicht so versiert wie ein erfahrener Flug-Veteran, könnten aber schnell von A nach B gelangen und den Wettkampf gewinnen. So funktioniert Analytic Process Automa­tion. Nur, dass es sich hier nicht um Kilometer dreht, sondern um Daten.»

Unterschiede zu RPA

Es ist nicht immer leicht, den Durchblick zu behalten bei all den neuen Anwendungen für Analytik und Prozessautomatisierung. Bei Robotic Process Automation (RPA) etwa kommunizieren Software-Bots mit Geschäftssystemen, um Prozesse zu rationalisieren. Doch RPA besitzt keinerlei Spuren von Intelligenz. RPA kann einen Menschen nachahmen, aber keine eigenständigen Entscheidungen fällen. Die Bots agieren wie typische Anwender und verbessern Bearbeitungstempo und Kosteneffizienz eines Prozesses. Damit lassen sich manuelle Aufgaben reduzieren und Arbeiten effizienter gestalten.
Viele der heutigen Analyse-Tools erfordern jedoch fortgeschrittene Kenntnisse und langes Training. Darüber hinaus kann es Wochen oder Monate dauern, sie zu implementieren und eine Wirkung zu erzielen. Erste Ergebnisse lassen sich dann nicht ohne Weiteres skalieren, wiederholen oder automatisieren. Andere Tools wiederum tummeln sich in Nischen für bestimmte Datenanalyse- und Prozessaufgaben und sind nicht in der Lage, den ganzen datenbasierten Geschäftsprozess von der Dateneingabe bis hin zu den Ergebnissen abzubilden. Tabellenkalkulationen, RPA und Tools zur Datenvisualisierung sind nicht dafür gedacht, den gesamten Prozess der Datenanalyse zu transformieren. Sie wurden dafür entwickelt, einzelne Teile der Prozesse zu beschleunigen. Diese Aufgabe erfüllen sie gut. Doch in den Daten schlummert viel mehr.

Andreas Dumont
Autor(in) Andreas Dumont



Das könnte Sie auch interessieren