Die vier Arten der Datenanalyse
Datenanalysen können in vier Grundtypen unterteilt werden: beschreibende Analysen, diagnostische Analysen, vorausschauende Analysen und vorschreibende Analysen. Dies sind Schritte hin zur Analysereife, wobei jeder Schritt den Abstand zwischen den Phasen „Analyse“ und „Aktion“ der Daten-Pipeline verkürzt.
- Beschreibende Analyse
Beschreibende Analysen dienen dazu, historische Daten zusammenzufassen und zu visualisieren. Mit anderen Worten: Sie berichten Unternehmen, was bereits geschehen ist.
Eine beschreibende Analyse – die einfachste Analyseart – kann aus einem einfachen Diagramm bestehen, in dem die Umsatzzahlen des vergangenen Jahres analysiert werden. Jede Analysemaßnahme setzt ein zuverlässiges Fundament an beschreibender Analyse voraus. Viele Unternehmen setzen weiter vor allem auf diese Form von Analyse, die Dashboards, Datenvisualisierungen und Berichterstattungstools umfasst. - Diagnostische Analyse
Mit zunehmender Analysereife beginnen Unternehmen damit, an ihre historischen Daten immer anspruchsvollere Anforderungen zu stellen. Die diagnostische Analyse untersucht nicht nur, was geschehen ist, sondern auch warum es geschehen ist. Für diagnostische Analysen müssen Analysten in der Lage sein, detaillierte Abfragen auszuführen, um Trends und Ursachen zu ermitteln.
Durch diagnostische Analysen lassen sich neue Beziehungen zwischen Variablen erkennen: Bei einem Sportbekleidungsunternehmen zum Beispiel können steigende Umsatzzahlen in einer bestimmten Region mit gutem Wetter zusammenhängen. Die diagnostische Analyse gleicht Daten mit Mustern ab und sorgt dafür, dass anormale Daten und Datenausreißer erklärt werden. - Vorausschauende Analyse
Während bei den ersten beiden Analysearten historische Daten untersucht werden, blicken sowohl die vorausschauende Analyse als auch die vorschreibende Analyse in die Zukunft. Die vorausschauende Analyse schafft eine Prognose für wahrscheinliche Ergebnisse, basierend auf identifizierten Trends und statistischen Modellen, die aus historischen Daten abgeleitet wurden.
Die Entwicklung einer Strategie für die vorausschauende Analyse setzt Modellerstellung und -validierung voraus, sodass optimierte Simulationen entstehen, mit denen geschäftliche Entscheidungsträger die besten Ergebnisse erzielen können. Häufig wird für die vorausschauende Analyse maschinelles Lernen genutzt,wobei Modelle mit hochskalierten Datensätzen trainiert werden, um intelligentere Vorhersagen zu ermöglichen. - Vorschreibende Analyse
Eine weitere fortschrittliche Analyseart ist die vorschreibende Analyse. Mittels einer vorschreibenden Analyse, die auf der Grundlage einer vorausschauenden Analyse die beste Lösung empfiehlt, ist die Entwicklung hin zu einer echten datengesteuerten Entscheidungsfindung abgeschlossen.
Die vorschreibende Analyse basiert stark auf der Analyse mit maschinellem Lernen und neuronalen Netzen. Diese Workloads werden mithilfe leistungstarker Rechen- und Arbeitsspeicherressourcen ausgeführt. Diese Art von Analyse setzt ein zuverlässiges Fundament voraus, das auf den anderen drei Arten von Analyse aufbaut, und ist nur Unternehmen mit einer hochentwickelten Analysestrategie zugänglich, die bereit sind, erhebliche Ressourcen in das Projekt zu investieren.
Anwendungsfälle für Datenanalysen
Intel® Technik erlaubt modernen Unternehmen, neuartige Analysen durchzuführen. Mit Blick auf Anwendungsfälle, die zahlreiche Branchen – und Länder weltweit – umfassen, arbeitet Intel kontinuierlich daran, Analysen weiterzuentwickeln und Unternehmen bei der Optimierung von Leistung und Kosteneffektivität zu unterstützen.
- Verarbeitendes Gewerbe
Bei Automobilherstellern können Qualitätskontrollen Geld sparen – und Leben retten. Im automatisierten Werk von Audi nutzten Analysten bislang Stichproben zur Sicherstellung der Schweißqualität. Durch vorausschauende Analysen am Netzwerkrand, die auf Industrial Edge Insights Software von Intel basiert, kann der Hersteller jede Schweißnaht bei allen Fahrzeugen automatisch überprüfen und Probleme beim Schweißen voraussagen. Dazu dienen Sensormesswerte, die zum Zeitpunkt des Schweißens erfasst wurden. - Gesundheitswesen
Wenn KI darauf trainiert wird, Thorax-Röntgenaufnahmen zu lesen, können Patienten und Gesundheitsdienstleister schnellere Diagnosen erhalten. Unter Einsatz skalierbarer Intel® Xeon® Prozessoren für die Unterstützung eines neuronalen Netzes ist es der Forschungseinrichtung SURF gelungen, die Trainingsdauer von einem Monat auf sechs Stunden zu reduzieren und gleichzeitig die Genauigkeit zu verbessern. - Telekommunikation
Smartphones und das mobile Internet haben für beispiellose Mengen an mobilen Daten gesorgt. Zur Verbesserung der Kundenerfahrung hat sich der Telekommunikationsanbieter Bharati Airtel entscheiden, mithilfe von Intel® Xeon® Prozessoren und Intel® SSDs eine fortschrittliche Netzwerkanalyse zu nutzen, um Probleme im Netzwerk schneller erkennen und beheben zu können.
Intel® Technik für Datenanalyse
Angesichts eines breiten Ökosystems an Technologien und Partnern, die Unternehmen bei der Entwicklung der Lösungen von morgen helfen, beruhen fortschrittliche Analysen in Unternehmen weltweit auf Produkten von Intel. Vom Rechenzentrum bis zum Netzwerkrand: Intel setzt an jedem Punkt im Analyse-Ökosystem darauf, für maximalen Nutzen und optimale Leistung zu sorgen.
- Skalierbare Intel® Xeon® Prozessoren ermöglichen es, massive Datenmengen mit hoher Geschwindigkeit zu analysieren, egal ob am Netzwerkrand, im Rechenzentrum oder in der Cloud.
- Intel® Optane™ Technologie ist ein revolutionärer Ansatz für Arbeitsspeicher und Datenspeicher, mit dem sich Engpässe beim Verschieben und Speichern von Daten überwinden lassen.
- Intel® FPGAs sorgen für Beschleunigung im Rechenzentrum, um Reaktionszeiten zu verbessern.
- Intel® Select Lösungen wurden auf optimale Leistung geprüft und sorgen für weniger Rätselraten sowie eine beschleunigte Lösungsbereitstellung.