Embedded Analytics definiert

Embedded Analytics ist ein innovativer Ansatz zur Datenanalyse, der es den Menschen einfacher macht, fundierte Entscheidungen zu treffen. In diesem Artikel werden wir Embedded Analytics definieren, ihre Vorteile erkunden und gängige Implementierungstechniken untersuchen. Mit eingebetteten Analysen können Unternehmen Analysefunktionen direkt in Geschäftsabläufe und -anwendungen integrieren, sodass Mitarbeiter – und manchmal sogar Kunden – auf kontextbezogene Echtzeit-Einblicke zugreifen und datengesteuerte Entscheidungen treffen können.

Was versteht man unter Embedded Analytics?

Die eingebettete Analytik integriert Datenanalysen und Visualisierungsfunktionen direkt in betriebliche Anwendungen oder andere Software, sodass Mitarbeiter auf Daten zugreifen und diese analysieren können, ohne zwischen verschiedenen Anwendungen oder Systemen wechseln zu müssen. Eingebettete Analysen helfen Unternehmen, die Entscheidungsfindung zu verbessern und neue Chancen zu erkennen, während gleichzeitig die Komplexität der Analysen reduziert wird. Sie machen datengestützte Erkenntnisse für mehr Menschen – Mitarbeiter und manchmal sogar Kunden – zugänglich und umsetzbar, indem sie relevante und umsetzbare Informationen genau dort bereitstellen, wo sie gebraucht werden.

Embedded Analytics vs. Business Intelligence (BI)

Sowohl Geschäftsanalysen als auch eingebettete Analysen zielen darauf ab, Unternehmen anhand von datengestützten Erkenntnissen bei der Entscheidungsfindung zu unterstützen. Der Unterschied besteht darin, wie sie verwendet werden. Geschäftsanalysen und Business Intelligence (BI) erfordern, dass die Benutzer ihre operativen Anwendungen, die sie für ihre Arbeit nutzen, verlassen und separate Tools mit unterschiedlichen Schnittstellen verwenden, um Dateneinblicke zu erhalten.

Eingebettete Analysen sind für einen bestimmten Ort konzipiert, in den sie integriert werden, und liefern relevante Informationen für die jeweilige Aufgabe. Sie bieten einen einfachen Zugang zu den Analysen und Erkenntnissen, während Geschäftsanalyse- oder Business Intelligence-Tools zwar auch Informationen zum Abruf bereitstellen, aber eine technisch versierte Person benötigen, um Inhalte mithilfe des Tools und der zugehörigen Datenquellen zu erstellen oder zu ändern.

Wichtige Unterschiede

Im Gegensatz zur herkömmlichen Analyse entfällt bei der eingebetteten Analyse die Notwendigkeit, von der Benutzeroberfläche, die Sie für Ihre Arbeit verwenden, zu einem speziellen Analysetool zu wechseln, um auf die begleitenden Informationen und Erkenntnisse zuzugreifen. Weder interne Nutzer (Mitarbeiter) noch externe Nutzer (Kunden) benötigen fortgeschrittene technische Kenntnisse oder Zugriff auf die zugrunde liegende Analyseplattform oder Datenverwaltungssysteme, um eingebettete Analysen zu nutzen. Dieser Zugang ermöglicht es ihnen, datengestützte Entscheidungen zu treffen, ohne den damit verbundenen Analyseprozess zu verstehen.

Eingebettete Analysen bieten einen effizienteren, leichter zugänglichen und benutzerfreundlichen Ansatz, der sich besonders gut für die Unterstützung von Geschäftsprozessen in Echtzeit eignet. Eingebettete Analysen können kontextbezogene Einblicke liefern, um Geschäftsprozesse in Echtzeit zu unterstützen. Ohne eingebettete Analysefunktionen müsste der Benutzer Zugang zu einer separaten Analyseplattform haben, die Software bedienen können, die Datendefinitionen verstehen und mehr Zeit für die Interaktion, Bearbeitung und Auswertung der dargestellten Informationen aufwenden.

Wichtige Erkenntnisse

• Ein erfolgreiches Embedded-Analytics-Projekt erfordert ein klares Verständnis der spezifischen Geschäftsziele und der Benutzererfahrung, die mit dem Projekt angestrebt wird. Welchen Nutzen hat das Unternehmen, und welchen Nutzen hat der Kunde?
• Eingebettete Analysen müssen nahtlos in die Anwendung oder Plattform integriert werden, damit die eingebettete Komponente nicht als etwas von der Anwendung Getrenntes erkannt werden kann. Dazu muss sich das Embedded Analytics-System gut in die bestehende Infrastruktur und die vorhandenen Tools integrieren lassen.
• Eine Embedded Analytics-Lösung sollte skalierbar sein, um große Datenmengen und Benutzerinteraktionen ohne Verzögerung beim Rendern der eingebetteten Komponente zu verarbeiten. Das System sollte komplexe Abfragen und Berechnungen bewältigen und auch bei wachsenden Datenmengen optimal funktionieren.
• Das Implementierungsteam muss sicherstellen, dass Data Governance- und Sicherheitsrichtlinien vorhanden sind, um die Benutzerdaten zu schützen und die Vorschriften einzuhalten. Dazu gehören die Kontrolle des Datenzugriffs, die Überwachung der Datennutzung und die Durchsetzung von Sicherheitsrichtlinien.
• Es lohnt sich, die Kapitalrendite der eingebetteten Analyseplattform zu messen. Anhand von Nutzungsdaten können Unternehmen den Mehrwert bestimmter Kennzahlen, wie z. B. die Zeitersparnis von Kunden, quantifizieren.

Embedded Analytics erklärt

Embedded Analytics ist eine Softwareplattform, die Datenanalysefunktionen in die betrieblichen Anwendungen eines Unternehmens integriert, um Arbeitsabläufe und Geschäftsprozesse besser zu unterstützen. Durch die Verwendung von Analysen, die direkt in betriebliche Anwendungen wie CRM- oder ERP-Systeme eingebettet sind, können die Nutzer auf wichtige Dateneinblicke zugreifen, ohne zusätzliche Tools oder Unterstützung durch die IT oder Datenanalysten zu benötigen. Das bedeutet, dass Nutzer fundierte, datengestützte Entscheidungen treffen können, ohne den Kontext ihres aktuellen Arbeitsablaufs oder ihrer Anwendung zu verlassen. Wenn sie in einem Unternehmen umfassend eingesetzt werden, können eingebettete Analysen die Produktivität verbessern, den ROI für die Analyseplattform erhöhen und eine analyseorientierte Kultur fördern.

Warum sind Embedded Analytics wichtig?

Aus der Unternehmensperspektive: Eingebettete Analysen können einem Unternehmen helfen, seine Produkte und Dienstleistungen von denen der Konkurrenz abzuheben. So kann eine Bank beispielsweise visuelle Dateneinblicke in die Online-Kontoübersicht ihrer Kunden einbetten, die deren Sparfortschritt zeigen und das potenzielle zukünftige Vermögen auf der Grundlage verschiedener Spar- und Renditeszenarien prognostizieren. Dieser wertschöpfende Service ist relativ kostengünstig, aber sehr wertvoll für die Kunden, da er den Kunden einen direkten Nutzen bietet. Durch die direkte Einbindung von Analysen in Produkte können Unternehmen die Kundenbindung verbessern und sogar neue Einnahmequellen erschließen, indem sie für zusätzliche Analysefunktionen Gebühren erheben. Eingebettete Analysen ermöglichen es Unternehmen außerdem, Nutzungsdaten zu sammeln und zu analysieren, um Einblicke in das Kundenverhalten und die Präferenzen zu erhalten, die in die zukünftige Produktentwicklung einfließen.

Aus der Nutzerperspektive: Eingebettete Analysen ermöglichen es Mitarbeitern oder Kunden, direkt im Rahmen ihrer alltäglichen Aufgaben auf Daten zuzugreifen, ohne dass zusätzliche Tools oder Fachkenntnisse erforderlich sind. Auf diese Weise können Mitarbeiter fundiertere, datengestützte Entscheidungen treffen sowie die Produktivität, Genauigkeit und Effizienz verbessern. Mit eingebetteten Analysen können sie Daten schnell und einfach einsehen, die sonst nur schwer oder unter großem Zeitaufwand zu beschaffen wären. Darüber hinaus ermöglichen eingebettete Analysen es den Mitarbeitern, auf der Grundlage dieser Erkenntnisse sofort zu handeln, anstatt eine Entscheidung aufzuschieben, um weitere Daten und Forschungsergebnisse zu sammeln. So könnte beispielsweise jemand über sein persönliches Online-Bankkonto durch eingebettete Analysen seine Ausgabengewohnheiten visuell überprüfen. Außerdem könnten zusätzliche Tools ihm helfen, einzuschätzen, ob eine größere Anschaffung, etwa ein neues Auto, in seinem Budget liegt.

Wie funktionieren Embedded Analytics?

Es gibt verschiedene Methoden, um Erkenntnisse in andere Systeme zu integrieren, wobei immer mehr technische Fähigkeiten erforderlich sind. Die einfachste Variante ist das Ausschneiden und Einfügen von Links in eine Anwendung. Eine Stufe höher kommen Low-Code-Optionen zum Einsatz, die für eher technisch versierte Personen hilfreich sind, die nicht unbedingt programmieren können, aber die verwendeten Systeme verstehen. Schließlich gibt es auch noch Frameworks für Full-Code-Entwickler, die die größte Flexibilität bieten, aber von speziellen Kenntnissen abhängig sind. Im Folgenden finden Sie weitere Einzelheiten zu diesen drei Methoden für die Einbettung von Analysefunktionen.

• Integration durch Kopieren und Einfügen einer URL: Bei diesem Ansatz fordert das operative System, mit dem der Benutzer interagiert, die Analyseplattform auf, die gewünschte Analysekomponente, z. B. ein Diagramm oder eine Tabelle, an einer bestimmten Stelle der Benutzeroberfläche zu rendern. Um diesen Ansatz zu verwenden, muss die operative Anwendung eine Methode zum Einbetten von Inhalten bieten, in der Regel von Links, Websites oder iFrames. Die URL würde von der Analysesoftware stammen. Abbildung 2 zeigt die in Microsoft Teams eingebettete Analyse mithilfe der Website-App von Microsoft.

  Erfahren Sie, wie Sie Oracle Analytics Cloud in Microsoft Teams einbetten können

• Integration mithilfe von Low-Code-Entwicklungsplattformen: Zu den Vorteilen der Low-Code-Anwendungsentwicklung gehört die schnellere Innovation im Vergleich zur kompletten Programmierung, die eine schnelle Umsetzung von Geschäftsanforderungen bei minimalen Kosten ermöglicht. Für die Einbettung von Analysen können verschiedene Techniken verwendet werden, je nach Anwendungsfall und den Kenntnissen derjenigen Person, die die Einbettung vornimmt. Der Low-Code-Nutzer ist wahrscheinlich ein technisch versierter Business Analyst oder ein anderer „Citizen Developer“, der sich zwar mit funktionsreichen Tools auskennt, aber kein ausgesprochener Programmierer ist. Low-Code-Tools können beispielsweise eine Webkomponente anbieten, mit der sich analytische Erkenntnisse leicht in Anwendungen einbetten lassen. Einige Datenbanken enthalten zudem Low-Code-Tools, um Datenvisualisierungen und andere Analysen einfacher einzubetten.

  In Abbildung 3 zum Beispiel kann die Oracle APEX-Facettensuche eingebettete Analyseinhalte filtern, einschließlich Tag-Clouds und Visualisierungen zur Erzeugung natürlicher Sprache.

  Abbildung 4 zeigt eine Analyse-Webkomponente, die in einer Oracle Visual Builder-Anwendung verwendet wird und auf ein Analyseprojekt verweist, sowie die Eigenschaften, die der Low-Code-Anwendungsentwickler konfigurieren kann.

• Integration von Full-Code-Frameworks: Full-Code-Frameworks bieten zwar die größte Flexibilität, aber ihre Verwendung erfordert Entwickler mit den richtigen Fähigkeiten. So kann ein Entwickler beispielsweise ein JavaScript-Einbettungs-Framework zusammen mit HTML und CSS verwenden, um eine vollständig benutzerdefinierte Webanwendung zu erstellen. In Abbildung 5 können Sie für jede Oracle Analytics-Canvas den Code anzeigen und kopieren, der für den Verweis auf diese Canvas in der Webanwendung erforderlich ist.

  Die Einbettung von Inhalten auf diese Weise bietet zusätzliche Funktionen für die Übergabe von Filtern und das Aufrufen von Ereignissen, was zu einer ansprechenden Benutzererfahrung führt, die auf das responsive Webdesign zugeschnitten werden kann. Siehe Abbildung 6.

7 Vorteile von Embedded Analytics

Eingebettete Analysen können Mitarbeitern und Kunden den Zugang zu handlungsrelevanten Informationen erleichtern und effizienter gestalten, ohne dass sie die jeweilige Anwendung oder digitale Schnittstelle verlassen müssen. Diese Informationen können in Form eines Diagramms, einer Tabelle, einer Karte oder auch nur eines Prompts erfolgen. Der Punkt ist, dass die Informationen aus einer anderen Datenquelle stammen, aber natürlich in der digitalen Aktivität einer Person auftauchen. Im Folgenden finden Sie sieben Vorteile, die sich daraus ergeben können.

1. Datengestützte Entscheidungsfindung: Durch die Bereitstellung der richtigen Erkenntnisse, die in den Entscheidungsprozess eingebettet sind, und des erforderlichen Kontexts ist es wahrscheinlicher, dass die Mitarbeiter schneller die beste datengestützte Entscheidung treffen, da die Informationen sofort verfügbar sind, ohne dass sie danach suchen müssen.
2. Gesteigerte Produktivität: Wenn die richtigen Informationen sofort verfügbar sind, eingebettet in einen Geschäftsprozess, sparen die Mitarbeiter Zeit, da sie nicht in separaten Tools nach Analyseergebnissen suchen müssen. Der Wechsel zwischen verschiedenen Tools erfordert einen ständigen Kontextwechsel und beeinträchtigt die Produktivität.
3. Kundenzufriedenheit: Kunden können ihre Recherche- oder Kauferfahrung vereinfachen, da die für ihre Handlung oder Entscheidung relevanten Informationen sofort angezeigt werden. So können Mitarbeiter ihre Aufgaben erledigen, ohne Daten aus anderen Apps abrufen, telefonieren oder andere Experten um Hilfe bitten zu müssen.
4. Umsatzwachstum: Wenn Mitarbeiter schnellere, präzisere und datengestützte Entscheidungen treffen, steigen die Chancen auf ein besseres Geschäftsergebnis und Umsatzwachstum, da das Unternehmen schneller auf neue Chancen reagieren kann. Bestens informierte Kunden dürften weniger unentschlossen sein, was hoffentlich auch den Absatz fördert.
5. Selfservice: Eingebettete Analysen verbessern den Selfservice, indem sie Mitarbeitern relevantere Informationen zur Verfügung stellen, damit sie ihre Arbeit ohne zusätzliche Tools, Schritte oder Hilfe von anderen erledigen können.
6. Eine zuverlässige Single Source of Truth: Analyseplattformen, die ein einheitliches und zuverlässiges Unternehmensdatenmodell bereitstellen, können auch eingebettete Analysen liefern, um vertrauenswürdige Metriken und Erkenntnisse zu liefern. Informationen, die durch andere Methoden bereitgestellt werden – Telefonanrufe, Slack-Nachrichten, E-Mails, Kontoauszüge auf Papier – können schnell zu widersprüchlichen Zahlen führen.
7. Composable Applications (zusammensetzbare Anwendungen): Eingebettete Analysen sind ein wichtiger Baustein bei der Erstellung von zusammensetzbaren Anwendungen, da die Analyseplattform eine Fähigkeit, wie z. B. Datenvisualisierungen, bereitstellen kann, die einer Anwendung sonst fehlt. Der Vorteil von Composable Apps besteht darin, dass das Unternehmen vorhandene Komponenten schnell zusammenstellen kann, um eine neue Geschäftsanforderung zu erfüllen.

Beispiele und Anwendungsfälle für Embedded Analytics

Für den optimalen Einsatz von eingebetteten Analysefunktionen gibt es drei umfassende Integrationsszenarien: in Websites oder Anwendungen für die Öffentlichkeit, in Unternehmensanwendungen für Mitarbeiter und, im Falle unabhängiger Softwareanbieter, in Ihre Anwendungen, um deren Nutzen zu erhöhen. Im Folgenden finden Sie nähere Informationen zu diesen drei Szenarien.

Integration öffentlicher Websites und mobiler Anwendungen: Durch die Integration von Datenanalyse- und Visualisierungstools direkt in eine Website oder Web-App können Benutzer mit Daten interagieren und diese analysieren, ohne die Website verlassen zu müssen. Ein Ferienhausvermieter kann beispielsweise Gastgebern Einblicke in die Leistung ihres Objekts geben, z. B. in Bezug auf Belegungsraten, Preise und Bewertungen, und zwar im Rahmen der Website des Unternehmens oder der mobilen App für Eigentümer.

Integration interner operativer Systeme: Die Integration von Datenanalyse- und Visualisierungstools direkt in interne Unternehmenssysteme kann zu erheblichen Zeiteinsparungen bei den Mitarbeitern führen und ihnen mehr verwertbare Informationen liefern. Eine Plattform für das Lieferkettenmanagement, die Analysen beinhaltet, kann beispielsweise Echtzeittransparenz in Bezug auf Lagerbestände, Lieferantenleistung und Lieferzeiten bieten, sodass diese Erkenntnisse direkt im Lieferkettenmanagementsystem eines Unternehmens sichtbar werden, ohne dass ein Mitarbeiter zu anderen Unternehmenstools wechseln muss.

Integration von Drittanbietersystemen: Eingebettete Analysen können im Rahmen einer Vereinbarung mit unabhängigen Softwareanbietern in eine Drittanbieteranwendung integriert werden, um deren Benutzern Echtzeiteinblicke in ihre Arbeitsabläufe zu ermöglichen. Auf diese Weise kann der ISV seinen Kunden oder Partnern datengestützte Erkenntnisse zur Verfügung stellen und so einen Wettbewerbsvorteil erzielen. So könnte ein ISV beispielsweise Analysen in seine E-Commerce-Plattform einbetten, um seinen Kunden Echtzeit-Einblicke in das Kundenverhalten zu geben (z. B. in den Browser- und Kaufverlauf).

Wesentliche Funktionen der Embedded Analytics-Plattform

Eine Embedded Analytics-Plattform muss einige grundlegende Funktionen aufweisen, um den Anforderungen von Unternehmen gerecht zu werden. Dabei geht es vor allem darum, wie die Nutzer mit den Daten interagieren, z. B. durch Dashboards, Visualisierungen und Interaktivität, sowie um die Möglichkeit, auf die richtigen Daten zuzugreifen. Hier sind die wichtigsten Funktionen, die eine eingebettete Analyseplattform haben muss.

• Dashboards: Softwareanbieter, die sich auf die Entwicklung von Betriebssoftware spezialisiert haben, verfügen nicht unbedingt über Fachwissen in Bezug auf Analysetools, sodass es von Vorteil sein kann, Analysen von einem spezialisierten Softwareanbieter einzubetten. Durch die Integration von eingebetteten Dashboards können Mitarbeiter auf intuitive und zugängliche Weise mit ihren Daten interagieren.
• Datenvisualisierung: Eingebettete Datenvisualisierungen, wie z. B. Diagramme, Sprachnachrichten und Tabellen, können direkt in eine andere Web- oder Mobilanwendung integriert werden und bieten den Benutzern eine klare und übersichtliche visuelle Darstellung ihrer Daten zur Unterstützung von Entscheidungen.
• Selfservice-Analysen: Eingebettete Inhalte sind direkt mit der Datenquelle verbunden und bieten dem Benutzer eine grafische Möglichkeit, mit diesen Daten zu interagieren, ohne dass die IT-Abteilung einen Bericht für ihn erstellen muss. Zu den Selfservice-Funktionen gehört die Möglichkeit, die Ansicht durch Filtern, Ändern der Diagrammtypen, Aufschlüsseln zusätzlicher Datenelemente und Erstellen neuer Visualisierungen zu ändern.
• Data Connectors: Die Embedded Analytics-Plattform sollte direkt mit allen relevanten Datenquellen verbunden sein, ohne dass Daten verschoben werden müssen oder proprietäre Datenspeicher verwendet werden, da diese Ansätze zu veralteten und uneinheitlichen Daten führen können.
• Interaktivität: Eingebettete Analysen sollten mit dem Host interagieren können, in den sie eingebettet sind. Dazu kann die Annahme von als Filter übergebenen Werten oder das Senden von datengesteuerten Ereignissen an die Host-Seite gehören.

Die Zukunft von Embedded Analytics

Eingebettete Analysen werden in Zukunft eine immer wichtigere Rolle spielen, wenn es darum geht, Mitarbeitern und Kunden den Zugang zu den Erkenntnissen zu ermöglichen, die sie benötigen, um Maßnahmen innerhalb der Anwendung zu ergreifen, die sie gerade verwenden. Damit können Unternehmen erhebliche Hindernisse aus dem Weg räumen, Daten besser nutzen und den Menschen helfen, intelligente Entscheidungen zu treffen. Eingebettete Analysen bieten weit mehr als statische oder leicht interaktive Diagramme. Maschinelles Lernen (ML) wird in der Lage sein, kontextbezogene visuelle Vorhersagen zu liefern, ohne dass der Nutzer danach fragen muss. Ein Energieversorger kann beispielsweise ML nutzen, um auf den Abrechnungsseiten seiner Kunden Einblicke zu gewähren, die den Energieverbrauch der nächsten sechs Monate unter Berücksichtigung des bisherigen Verbrauchs und externer Faktoren wie Saisonalität und Wettervorhersagen prognostizieren.

Die Bereitstellung personalisierter Echtzeit-Einblicke wird immer wichtiger, da Unternehmen versuchen, sich durch zeitnahe und fundierte Entscheidungen einen Wettbewerbsvorteil zu verschaffen. Weitere Faktoren, die die Zukunft der eingebetteten Analysen beeinflussen können, sind die zunehmende Nutzung von cloudbasierten Lösungen, die verstärkte Einführung von Selfservice-Analysen und die Integration von Analyselösungen mit neuen Technologien wie dem Internet of Things (IoT) und der Blockchain.

Auswahl einer Embedded Analytics-Lösung

Bei der Beurteilung, ob eine Analyseplattform Ihre Anforderungen an eingebettete Analysen erfüllen kann, sollten Sie die folgenden Faktoren in der Reihenfolge ihrer Priorität berücksichtigen:

1. Integration: Sie sollte sich in die bestehende Anwendung oder Plattform integrieren lassen, ohne dass individuelle Workarounds erforderlich sind.
2. Datenkonnektivität: Sie sollte in der Lage sein, sich mit einer Vielzahl von Datenquellen zu verbinden, darunter Datenbanken, Cloud-Speicher und andere Anwendungen.
3. Sicherheit: Sie sollte zuverlässige Sicherheitsfunktionen zum Schutz sensibler Daten bieten, einschließlich stiller Benutzerauthentifizierung, Datenverschlüsselung und Zugriffskontrolle.
4. Skalierbarkeit: Sie sollte skalierbar sein, um große Datenmengen und Benutzerinteraktionen zu verarbeiten und gleichzeitig Performance und Zuverlässigkeit zu gewährleisten.
5. Support und Schulung: Sie sollte von einem sachkundigen Support-Team unterstützt werden, das Ihnen Zugang zu Schulungen und Ressourcen bietet, damit die Benutzer das System optimal nutzen können.
6. Gesamtbetriebskosten: Sie sollte eine positive Kapitalrendite (ROI) bieten und ein transparentes Preismodell haben, das alle Kosten berücksichtigt, einschließlich Lizenzierung, Implementierung, laufende Wartung und Support.
7. Anpassung: Die Visualisierungen des Systems sollten anpassbar sein, sodass die eingebettete Komponente als Teil der ursprünglichen Anwendung erscheint. Sie sollte funktional an die spezifischen Bedürfnisse des Unternehmens angepasst werden können und die Möglichkeit bieten, je nach Bedarf Funktionen hinzuzufügen oder zu entfernen.
8. Analysefunktionalität: Sie sollte eine Reihe von Analysefunktionen bereitstellen, darunter Datenmodellierung, Datenvisualisierung, prädiktive Analysen und Reporting.
9. Selfservice-Funktionen: Sie sollte es den Nutzern ermöglichen, ihre Datenansicht in Echtzeit zu ändern, ohne dass Schulungen oder die Unterstützung der IT erforderlich sind.

Nutzen Sie die Vorteile von Embedded Analytics mit Oracle

Oracle Analytics bietet eine Reihe von Einbettungsmöglichkeiten, wie z. B. die einfache Verwendung eines Links für den Zugriff auf eine Arbeitsmappe, sowie die Flexibilität, die Low-Code-Entwicklungstools von Oracle für die Bereitstellung von Komponenten zu nutzen oder ein JavaScript-Einbettungs-Framework zu verwenden, das vollständige Programmierer bevorzugen.

Die Kombination aus eingebetteten Oracle Analytics und der Fülle an Services, die in der Oracle Cloud Infrastructure (OCI) verfügbar sind, bietet Unternehmen eine einzigartige Möglichkeit, maßgeschneiderte, zusammenstellbare Anwendungen zu erstellen. Sie können beispielsweise mit dem Visual Builder eine Anwendung erstellen, die ein Bild aufnimmt, eine Analyse mit dem OCI Vision AI Service durchführt und Vorschläge für „Labels“ generiert, die als Filter für eingebettete Analysen dienen. Eine solche Lösung nutzt auch das Oracle Autonomous Data Warehouse, OCI Object Storage und die Kommunikation über OCI REST APIs. Geschäftliche Anwendungsfälle für eine solche App gibt es zuhauf – man denke nur an den Einsatz von AI Vision-Funktionen, um zu erkennen, wie voll Parkhäuser sind oder wann der Bestand an einer Station eines Fließbandes zurückgegangen ist.

Die Einbettung von Analysen anhand einer breiten Palette von Techniken kann Unternehmen jeder Größe helfen. Der Einstieg in die eingebettete Analyse funktioniert ganz einfach durch Kopieren und Einfügen eines Links zu einer Analyse-Arbeitsmappe in eine Ihrer Geschäftsanwendungen. Wenn Sie ein Citizen Developer sind, können Sie außerdem etwas Fortgeschritteneres ausprobieren, indem Sie Low-Code-Optionen für die Einbettung verwenden. Für Entwickler gibt es keine Grenzen, wenn sie ein Einbettungs-Framework für die Erstellung von vollständigem Code verwenden. Egal, wofür Sie sich entscheiden, Sie werden schnell sehen, wie die Bereitstellung von Erkenntnissen zum richtigen Zeitpunkt, während der Arbeit eines Mitarbeiters oder des Kaufprozesses eines Kunden, zu besseren Entscheidungen und höherer Produktivität oder mehr Umsatz führen kann.

Die Einbettung von Analysen ermöglicht es jedem System, die ihm zugedachten Funktionen zu erfüllen, was der wichtigste Vorteil ist. Softwareunternehmen können ihre Host-Anwendung (und deren Entwickler) ganz auf die Optimierung der Systemfunktionen ausrichten. Durch den Einsatz einer Analyseplattform, die eingebettete Analysen bereitstellt, können Unternehmen die Entwicklung eigener benutzerdefinierter Analysen vermeiden – ein Bereich, in dem es ihnen möglicherweise an Fachwissen fehlt.

Embedded Analytics – Häufig gestellte Fragen

Was ist ein Beispiel für Embedded Analytics?

Ein Beispiel für eingebettete Analysen sind Metriken und Visualisierungen, die in ein CRM-System (Customer Relationship Management) eingebettet sind. Vertriebsmitarbeiter können wichtige Leistungskennzahlen wie Umsatz, Konversionsraten und Kundenakquisitionskosten direkt in dem CRM-System anzeigen, das sie täglich nutzen. So können sie datengestützte Entscheidungen treffen, Trends erkennen und die Fortschritte bei der Erreichung ihrer Ziele verfolgen, ohne zwischen verschiedenen Anwendungen wechseln zu müssen.

Welche Vorteile haben eingebettete Analysen?

Die Stärke von eingebetteten Analysen liegt in ihrer Fähigkeit, Datenanalysen nahtlos in bestehende Geschäftsabläufe, Anwendungen und Prozesse zu integrieren. Durch die direkte Einbettung von Analysen in ihre täglichen Abläufe können Unternehmen Echtzeit-Einblicke gewinnen, datengestützte Entscheidungen treffen und schnell auf veränderte Marktbedingungen reagieren. Das kann zu einer verbesserten Effizienz und Customer Experience sowie zu höheren Einnahmen und geringeren Kosten führen.

Wie wertvoll sind Embedded Analytics?

Erstens ermöglichen eingebettete Analysen Unternehmen, fundierte Entscheidungen auf der Grundlage von Echtzeit-Dateneinblicken zu treffen, wodurch sie besser in der Lage sind, sofort auf Probleme oder Marktveränderungen zu reagieren. Mit Embedded Analytics können Mitarbeiter auf Daten zugreifen und diese interpretieren, ohne auf spezielle Fähigkeiten oder die Unterstützung durch ein Datenteam angewiesen zu sein. Dadurch wird der Datenzugang demokratisiert, die Entscheidungsfindung beschleunigt und die Wahrscheinlichkeit von Fehlern durch manuelle Datenverarbeitung verringert.

Zweitens können eingebettete Analysen einen Wettbewerbsvorteil bieten, indem sie die Qualität der Customer Experience verbessern. Mit Echtzeit-Einblicken können Unternehmen das Verhalten und die Vorlieben ihrer Kunden besser verstehen und so personalisierte Empfehlungen und gezielte Marketingkampagnen anbieten. Dadurch kann wiederum die Kundentreue erhöht, die Abwanderungsrate gesenkt und der Umsatz gesteigert werden.

Nicht zuletzt können eingebettete Analysen zur Kostensenkung beitragen, indem sie Ineffizienzen in Geschäftsprozessen aufdecken und eine kontinuierliche Optimierung ermöglichen. Durch die Verfolgung der wichtigsten KPIs in Echtzeit können Unternehmen Engpässe erkennen, Prozesse entsprechend anpassen und die Verschwendung reduzieren, was letztlich zu einer Verbesserung des Reingewinns führt.

Embedded Analytics ist ein innovativer Ansatz zur Datenanalyse, der es den Menschen einfacher macht, fundierte Entscheidungen zu treffen. In diesem Artikel werden wir Embedded Analytics definieren, ihre Vorteile erkunden und gängige Implementierungstechniken untersuchen. Mit eingebetteten Analysen können Unternehmen Analysefunktionen direkt in Geschäftsabläufe und -anwendungen integrieren, sodass Mitarbeiter – und manchmal sogar Kunden – auf kontextbezogene Echtzeit-Einblicke zugreifen und datengesteuerte Entscheidungen treffen können.

Was versteht man unter Embedded Analytics?

Die eingebettete Analytik integriert Datenanalysen und Visualisierungsfunktionen direkt in betriebliche Anwendungen oder andere Software, sodass Mitarbeiter auf Daten zugreifen und diese analysieren können, ohne zwischen verschiedenen Anwendungen oder Systemen wechseln zu müssen. Eingebettete Analysen helfen Unternehmen, die Entscheidungsfindung zu verbessern und neue Chancen zu erkennen, während gleichzeitig die Komplexität der Analysen reduziert wird. Sie machen datengestützte Erkenntnisse für mehr Menschen – Mitarbeiter und manchmal sogar Kunden – zugänglich und umsetzbar, indem sie relevante und umsetzbare Informationen genau dort bereitstellen, wo sie gebraucht werden.

Embedded Analytics vs. Business Intelligence (BI)

Sowohl Geschäftsanalysen als auch eingebettete Analysen zielen darauf ab, Unternehmen anhand von datengestützten Erkenntnissen bei der Entscheidungsfindung zu unterstützen. Der Unterschied besteht darin, wie sie verwendet werden. Geschäftsanalysen und Business Intelligence (BI) erfordern, dass die Benutzer ihre operativen Anwendungen, die sie für ihre Arbeit nutzen, verlassen und separate Tools mit unterschiedlichen Schnittstellen verwenden, um Dateneinblicke zu erhalten.

Eingebettete Analysen sind für einen bestimmten Ort konzipiert, in den sie integriert werden, und liefern relevante Informationen für die jeweilige Aufgabe. Sie bieten einen einfachen Zugang zu den Analysen und Erkenntnissen, während Geschäftsanalyse- oder Business Intelligence-Tools zwar auch Informationen zum Abruf bereitstellen, aber eine technisch versierte Person benötigen, um Inhalte mithilfe des Tools und der zugehörigen Datenquellen zu erstellen oder zu ändern.

Wichtige Unterschiede

Im Gegensatz zur herkömmlichen Analyse entfällt bei der eingebetteten Analyse die Notwendigkeit, von der Benutzeroberfläche, die Sie für Ihre Arbeit verwenden, zu einem speziellen Analysetool zu wechseln, um auf die begleitenden Informationen und Erkenntnisse zuzugreifen. Weder interne Nutzer (Mitarbeiter) noch externe Nutzer (Kunden) benötigen fortgeschrittene technische Kenntnisse oder Zugriff auf die zugrunde liegende Analyseplattform oder Datenverwaltungssysteme, um eingebettete Analysen zu nutzen. Dieser Zugang ermöglicht es ihnen, datengestützte Entscheidungen zu treffen, ohne den damit verbundenen Analyseprozess zu verstehen.

Eingebettete Analysen bieten einen effizienteren, leichter zugänglichen und benutzerfreundlichen Ansatz, der sich besonders gut für die Unterstützung von Geschäftsprozessen in Echtzeit eignet. Eingebettete Analysen können kontextbezogene Einblicke liefern, um Geschäftsprozesse in Echtzeit zu unterstützen. Ohne eingebettete Analysefunktionen müsste der Benutzer Zugang zu einer separaten Analyseplattform haben, die Software bedienen können, die Datendefinitionen verstehen und mehr Zeit für die Interaktion, Bearbeitung und Auswertung der dargestellten Informationen aufwenden.

Wichtige Erkenntnisse

• Ein erfolgreiches Embedded-Analytics-Projekt erfordert ein klares Verständnis der spezifischen Geschäftsziele und der Benutzererfahrung, die mit dem Projekt angestrebt wird. Welchen Nutzen hat das Unternehmen, und welchen Nutzen hat der Kunde?
• Eingebettete Analysen müssen nahtlos in die Anwendung oder Plattform integriert werden, damit die eingebettete Komponente nicht als etwas von der Anwendung Getrenntes erkannt werden kann. Dazu muss sich das Embedded Analytics-System gut in die bestehende Infrastruktur und die vorhandenen Tools integrieren lassen.
• Eine Embedded Analytics-Lösung sollte skalierbar sein, um große Datenmengen und Benutzerinteraktionen ohne Verzögerung beim Rendern der eingebetteten Komponente zu verarbeiten. Das System sollte komplexe Abfragen und Berechnungen bewältigen und auch bei wachsenden Datenmengen optimal funktionieren.
• Das Implementierungsteam muss sicherstellen, dass Data Governance- und Sicherheitsrichtlinien vorhanden sind, um die Benutzerdaten zu schützen und die Vorschriften einzuhalten. Dazu gehören die Kontrolle des Datenzugriffs, die Überwachung der Datennutzung und die Durchsetzung von Sicherheitsrichtlinien.
• Es lohnt sich, die Kapitalrendite der eingebetteten Analyseplattform zu messen. Anhand von Nutzungsdaten können Unternehmen den Mehrwert bestimmter Kennzahlen, wie z. B. die Zeitersparnis von Kunden, quantifizieren.

Embedded Analytics erklärt

Embedded Analytics ist eine Softwareplattform, die Datenanalysefunktionen in die betrieblichen Anwendungen eines Unternehmens integriert, um Arbeitsabläufe und Geschäftsprozesse besser zu unterstützen. Durch die Verwendung von Analysen, die direkt in betriebliche Anwendungen wie CRM- oder ERP-Systeme eingebettet sind, können die Nutzer auf wichtige Dateneinblicke zugreifen, ohne zusätzliche Tools oder Unterstützung durch die IT oder Datenanalysten zu benötigen. Das bedeutet, dass Nutzer fundierte, datengestützte Entscheidungen treffen können, ohne den Kontext ihres aktuellen Arbeitsablaufs oder ihrer Anwendung zu verlassen. Wenn sie in einem Unternehmen umfassend eingesetzt werden, können eingebettete Analysen die Produktivität verbessern, den ROI für die Analyseplattform erhöhen und eine analyseorientierte Kultur fördern.

Warum sind Embedded Analytics wichtig?

Aus der Unternehmensperspektive: Eingebettete Analysen können einem Unternehmen helfen, seine Produkte und Dienstleistungen von denen der Konkurrenz abzuheben. So kann eine Bank beispielsweise visuelle Dateneinblicke in die Online-Kontoübersicht ihrer Kunden einbetten, die deren Sparfortschritt zeigen und das potenzielle zukünftige Vermögen auf der Grundlage verschiedener Spar- und Renditeszenarien prognostizieren. Dieser wertschöpfende Service ist relativ kostengünstig, aber sehr wertvoll für die Kunden, da er den Kunden einen direkten Nutzen bietet. Durch die direkte Einbindung von Analysen in Produkte können Unternehmen die Kundenbindung verbessern und sogar neue Einnahmequellen erschließen, indem sie für zusätzliche Analysefunktionen Gebühren erheben. Eingebettete Analysen ermöglichen es Unternehmen außerdem, Nutzungsdaten zu sammeln und zu analysieren, um Einblicke in das Kundenverhalten und die Präferenzen zu erhalten, die in die zukünftige Produktentwicklung einfließen.

Aus der Nutzerperspektive: Eingebettete Analysen ermöglichen es Mitarbeitern oder Kunden, direkt im Rahmen ihrer alltäglichen Aufgaben auf Daten zuzugreifen, ohne dass zusätzliche Tools oder Fachkenntnisse erforderlich sind. Auf diese Weise können Mitarbeiter fundiertere, datengestützte Entscheidungen treffen sowie die Produktivität, Genauigkeit und Effizienz verbessern. Mit eingebetteten Analysen können sie Daten schnell und einfach einsehen, die sonst nur schwer oder unter großem Zeitaufwand zu beschaffen wären. Darüber hinaus ermöglichen eingebettete Analysen es den Mitarbeitern, auf der Grundlage dieser Erkenntnisse sofort zu handeln, anstatt eine Entscheidung aufzuschieben, um weitere Daten und Forschungsergebnisse zu sammeln. So könnte beispielsweise jemand über sein persönliches Online-Bankkonto durch eingebettete Analysen seine Ausgabengewohnheiten visuell überprüfen. Außerdem könnten zusätzliche Tools ihm helfen, einzuschätzen, ob eine größere Anschaffung, etwa ein neues Auto, in seinem Budget liegt.

Wie funktionieren Embedded Analytics?

Es gibt verschiedene Methoden, um Erkenntnisse in andere Systeme zu integrieren, wobei immer mehr technische Fähigkeiten erforderlich sind. Die einfachste Variante ist das Ausschneiden und Einfügen von Links in eine Anwendung. Eine Stufe höher kommen Low-Code-Optionen zum Einsatz, die für eher technisch versierte Personen hilfreich sind, die nicht unbedingt programmieren können, aber die verwendeten Systeme verstehen. Schließlich gibt es auch noch Frameworks für Full-Code-Entwickler, die die größte Flexibilität bieten, aber von speziellen Kenntnissen abhängig sind. Im Folgenden finden Sie weitere Einzelheiten zu diesen drei Methoden für die Einbettung von Analysefunktionen.

• Integration durch Kopieren und Einfügen einer URL: Bei diesem Ansatz fordert das operative System, mit dem der Benutzer interagiert, die Analyseplattform auf, die gewünschte Analysekomponente, z. B. ein Diagramm oder eine Tabelle, an einer bestimmten Stelle der Benutzeroberfläche zu rendern. Um diesen Ansatz zu verwenden, muss die operative Anwendung eine Methode zum Einbetten von Inhalten bieten, in der Regel von Links, Websites oder iFrames. Die URL würde von der Analysesoftware stammen. Abbildung 2 zeigt die in Microsoft Teams eingebettete Analyse mithilfe der Website-App von Microsoft.

  Erfahren Sie, wie Sie Oracle Analytics Cloud in Microsoft Teams einbetten können

• Integration mithilfe von Low-Code-Entwicklungsplattformen: Zu den Vorteilen der Low-Code-Anwendungsentwicklung gehört die schnellere Innovation im Vergleich zur kompletten Programmierung, die eine schnelle Umsetzung von Geschäftsanforderungen bei minimalen Kosten ermöglicht. Für die Einbettung von Analysen können verschiedene Techniken verwendet werden, je nach Anwendungsfall und den Kenntnissen derjenigen Person, die die Einbettung vornimmt. Der Low-Code-Nutzer ist wahrscheinlich ein technisch versierter Business Analyst oder ein anderer „Citizen Developer“, der sich zwar mit funktionsreichen Tools auskennt, aber kein ausgesprochener Programmierer ist. Low-Code-Tools können beispielsweise eine Webkomponente anbieten, mit der sich analytische Erkenntnisse leicht in Anwendungen einbetten lassen. Einige Datenbanken enthalten zudem Low-Code-Tools, um Datenvisualisierungen und andere Analysen einfacher einzubetten.

  In Abbildung 3 zum Beispiel kann die Oracle APEX-Facettensuche eingebettete Analyseinhalte filtern, einschließlich Tag-Clouds und Visualisierungen zur Erzeugung natürlicher Sprache.

  Abbildung 4 zeigt eine Analyse-Webkomponente, die in einer Oracle Visual Builder-Anwendung verwendet wird und auf ein Analyseprojekt verweist, sowie die Eigenschaften, die der Low-Code-Anwendungsentwickler konfigurieren kann.

• Integration von Full-Code-Frameworks: Full-Code-Frameworks bieten zwar die größte Flexibilität, aber ihre Verwendung erfordert Entwickler mit den richtigen Fähigkeiten. So kann ein Entwickler beispielsweise ein JavaScript-Einbettungs-Framework zusammen mit HTML und CSS verwenden, um eine vollständig benutzerdefinierte Webanwendung zu erstellen. In Abbildung 5 können Sie für jede Oracle Analytics-Canvas den Code anzeigen und kopieren, der für den Verweis auf diese Canvas in der Webanwendung erforderlich ist.

  Die Einbettung von Inhalten auf diese Weise bietet zusätzliche Funktionen für die Übergabe von Filtern und das Aufrufen von Ereignissen, was zu einer ansprechenden Benutzererfahrung führt, die auf das responsive Webdesign zugeschnitten werden kann. Siehe Abbildung 6.

7 Vorteile von Embedded Analytics

Eingebettete Analysen können Mitarbeitern und Kunden den Zugang zu handlungsrelevanten Informationen erleichtern und effizienter gestalten, ohne dass sie die jeweilige Anwendung oder digitale Schnittstelle verlassen müssen. Diese Informationen können in Form eines Diagramms, einer Tabelle, einer Karte oder auch nur eines Prompts erfolgen. Der Punkt ist, dass die Informationen aus einer anderen Datenquelle stammen, aber natürlich in der digitalen Aktivität einer Person auftauchen. Im Folgenden finden Sie sieben Vorteile, die sich daraus ergeben können.

1. Datengestützte Entscheidungsfindung: Durch die Bereitstellung der richtigen Erkenntnisse, die in den Entscheidungsprozess eingebettet sind, und des erforderlichen Kontexts ist es wahrscheinlicher, dass die Mitarbeiter schneller die beste datengestützte Entscheidung treffen, da die Informationen sofort verfügbar sind, ohne dass sie danach suchen müssen.
2. Gesteigerte Produktivität: Wenn die richtigen Informationen sofort verfügbar sind, eingebettet in einen Geschäftsprozess, sparen die Mitarbeiter Zeit, da sie nicht in separaten Tools nach Analyseergebnissen suchen müssen. Der Wechsel zwischen verschiedenen Tools erfordert einen ständigen Kontextwechsel und beeinträchtigt die Produktivität.
3. Kundenzufriedenheit: Kunden können ihre Recherche- oder Kauferfahrung vereinfachen, da die für ihre Handlung oder Entscheidung relevanten Informationen sofort angezeigt werden. So können Mitarbeiter ihre Aufgaben erledigen, ohne Daten aus anderen Apps abrufen, telefonieren oder andere Experten um Hilfe bitten zu müssen.
4. Umsatzwachstum: Wenn Mitarbeiter schnellere, präzisere und datengestützte Entscheidungen treffen, steigen die Chancen auf ein besseres Geschäftsergebnis und Umsatzwachstum, da das Unternehmen schneller auf neue Chancen reagieren kann. Bestens informierte Kunden dürften weniger unentschlossen sein, was hoffentlich auch den Absatz fördert.
5. Selfservice: Eingebettete Analysen verbessern den Selfservice, indem sie Mitarbeitern relevantere Informationen zur Verfügung stellen, damit sie ihre Arbeit ohne zusätzliche Tools, Schritte oder Hilfe von anderen erledigen können.
6. Eine zuverlässige Single Source of Truth: Analyseplattformen, die ein einheitliches und zuverlässiges Unternehmensdatenmodell bereitstellen, können auch eingebettete Analysen liefern, um vertrauenswürdige Metriken und Erkenntnisse zu liefern. Informationen, die durch andere Methoden bereitgestellt werden – Telefonanrufe, Slack-Nachrichten, E-Mails, Kontoauszüge auf Papier – können schnell zu widersprüchlichen Zahlen führen.
7. Composable Applications (zusammensetzbare Anwendungen): Eingebettete Analysen sind ein wichtiger Baustein bei der Erstellung von zusammensetzbaren Anwendungen, da die Analyseplattform eine Fähigkeit, wie z. B. Datenvisualisierungen, bereitstellen kann, die einer Anwendung sonst fehlt. Der Vorteil von Composable Apps besteht darin, dass das Unternehmen vorhandene Komponenten schnell zusammenstellen kann, um eine neue Geschäftsanforderung zu erfüllen.

Beispiele und Anwendungsfälle für Embedded Analytics

Für den optimalen Einsatz von eingebetteten Analysefunktionen gibt es drei umfassende Integrationsszenarien: in Websites oder Anwendungen für die Öffentlichkeit, in Unternehmensanwendungen für Mitarbeiter und, im Falle unabhängiger Softwareanbieter, in Ihre Anwendungen, um deren Nutzen zu erhöhen. Im Folgenden finden Sie nähere Informationen zu diesen drei Szenarien.

Integration öffentlicher Websites und mobiler Anwendungen: Durch die Integration von Datenanalyse- und Visualisierungstools direkt in eine Website oder Web-App können Benutzer mit Daten interagieren und diese analysieren, ohne die Website verlassen zu müssen. Ein Ferienhausvermieter kann beispielsweise Gastgebern Einblicke in die Leistung ihres Objekts geben, z. B. in Bezug auf Belegungsraten, Preise und Bewertungen, und zwar im Rahmen der Website des Unternehmens oder der mobilen App für Eigentümer.

Integration interner operativer Systeme: Die Integration von Datenanalyse- und Visualisierungstools direkt in interne Unternehmenssysteme kann zu erheblichen Zeiteinsparungen bei den Mitarbeitern führen und ihnen mehr verwertbare Informationen liefern. Eine Plattform für das Lieferkettenmanagement, die Analysen beinhaltet, kann beispielsweise Echtzeittransparenz in Bezug auf Lagerbestände, Lieferantenleistung und Lieferzeiten bieten, sodass diese Erkenntnisse direkt im Lieferkettenmanagementsystem eines Unternehmens sichtbar werden, ohne dass ein Mitarbeiter zu anderen Unternehmenstools wechseln muss.

Integration von Drittanbietersystemen: Eingebettete Analysen können im Rahmen einer Vereinbarung mit unabhängigen Softwareanbietern in eine Drittanbieteranwendung integriert werden, um deren Benutzern Echtzeiteinblicke in ihre Arbeitsabläufe zu ermöglichen. Auf diese Weise kann der ISV seinen Kunden oder Partnern datengestützte Erkenntnisse zur Verfügung stellen und so einen Wettbewerbsvorteil erzielen. So könnte ein ISV beispielsweise Analysen in seine E-Commerce-Plattform einbetten, um seinen Kunden Echtzeit-Einblicke in das Kundenverhalten zu geben (z. B. in den Browser- und Kaufverlauf).

Wesentliche Funktionen der Embedded Analytics-Plattform

Eine Embedded Analytics-Plattform muss einige grundlegende Funktionen aufweisen, um den Anforderungen von Unternehmen gerecht zu werden. Dabei geht es vor allem darum, wie die Nutzer mit den Daten interagieren, z. B. durch Dashboards, Visualisierungen und Interaktivität, sowie um die Möglichkeit, auf die richtigen Daten zuzugreifen. Hier sind die wichtigsten Funktionen, die eine eingebettete Analyseplattform haben muss.

• Dashboards: Softwareanbieter, die sich auf die Entwicklung von Betriebssoftware spezialisiert haben, verfügen nicht unbedingt über Fachwissen in Bezug auf Analysetools, sodass es von Vorteil sein kann, Analysen von einem spezialisierten Softwareanbieter einzubetten. Durch die Integration von eingebetteten Dashboards können Mitarbeiter auf intuitive und zugängliche Weise mit ihren Daten interagieren.
• Datenvisualisierung: Eingebettete Datenvisualisierungen, wie z. B. Diagramme, Sprachnachrichten und Tabellen, können direkt in eine andere Web- oder Mobilanwendung integriert werden und bieten den Benutzern eine klare und übersichtliche visuelle Darstellung ihrer Daten zur Unterstützung von Entscheidungen.
• Selfservice-Analysen: Eingebettete Inhalte sind direkt mit der Datenquelle verbunden und bieten dem Benutzer eine grafische Möglichkeit, mit diesen Daten zu interagieren, ohne dass die IT-Abteilung einen Bericht für ihn erstellen muss. Zu den Selfservice-Funktionen gehört die Möglichkeit, die Ansicht durch Filtern, Ändern der Diagrammtypen, Aufschlüsseln zusätzlicher Datenelemente und Erstellen neuer Visualisierungen zu ändern.
• Data Connectors: Die Embedded Analytics-Plattform sollte direkt mit allen relevanten Datenquellen verbunden sein, ohne dass Daten verschoben werden müssen oder proprietäre Datenspeicher verwendet werden, da diese Ansätze zu veralteten und uneinheitlichen Daten führen können.
• Interaktivität: Eingebettete Analysen sollten mit dem Host interagieren können, in den sie eingebettet sind. Dazu kann die Annahme von als Filter übergebenen Werten oder das Senden von datengesteuerten Ereignissen an die Host-Seite gehören.

Die Zukunft von Embedded Analytics

Eingebettete Analysen werden in Zukunft eine immer wichtigere Rolle spielen, wenn es darum geht, Mitarbeitern und Kunden den Zugang zu den Erkenntnissen zu ermöglichen, die sie benötigen, um Maßnahmen innerhalb der Anwendung zu ergreifen, die sie gerade verwenden. Damit können Unternehmen erhebliche Hindernisse aus dem Weg räumen, Daten besser nutzen und den Menschen helfen, intelligente Entscheidungen zu treffen. Eingebettete Analysen bieten weit mehr als statische oder leicht interaktive Diagramme. Maschinelles Lernen (ML) wird in der Lage sein, kontextbezogene visuelle Vorhersagen zu liefern, ohne dass der Nutzer danach fragen muss. Ein Energieversorger kann beispielsweise ML nutzen, um auf den Abrechnungsseiten seiner Kunden Einblicke zu gewähren, die den Energieverbrauch der nächsten sechs Monate unter Berücksichtigung des bisherigen Verbrauchs und externer Faktoren wie Saisonalität und Wettervorhersagen prognostizieren.

Die Bereitstellung personalisierter Echtzeit-Einblicke wird immer wichtiger, da Unternehmen versuchen, sich durch zeitnahe und fundierte Entscheidungen einen Wettbewerbsvorteil zu verschaffen. Weitere Faktoren, die die Zukunft der eingebetteten Analysen beeinflussen können, sind die zunehmende Nutzung von cloudbasierten Lösungen, die verstärkte Einführung von Selfservice-Analysen und die Integration von Analyselösungen mit neuen Technologien wie dem Internet of Things (IoT) und der Blockchain.

Auswahl einer Embedded Analytics-Lösung

Bei der Beurteilung, ob eine Analyseplattform Ihre Anforderungen an eingebettete Analysen erfüllen kann, sollten Sie die folgenden Faktoren in der Reihenfolge ihrer Priorität berücksichtigen:

1. Integration: Sie sollte sich in die bestehende Anwendung oder Plattform integrieren lassen, ohne dass individuelle Workarounds erforderlich sind.
2. Datenkonnektivität: Sie sollte in der Lage sein, sich mit einer Vielzahl von Datenquellen zu verbinden, darunter Datenbanken, Cloud-Speicher und andere Anwendungen.
3. Sicherheit: Sie sollte zuverlässige Sicherheitsfunktionen zum Schutz sensibler Daten bieten, einschließlich stiller Benutzerauthentifizierung, Datenverschlüsselung und Zugriffskontrolle.
4. Skalierbarkeit: Sie sollte skalierbar sein, um große Datenmengen und Benutzerinteraktionen zu verarbeiten und gleichzeitig Performance und Zuverlässigkeit zu gewährleisten.
5. Support und Schulung: Sie sollte von einem sachkundigen Support-Team unterstützt werden, das Ihnen Zugang zu Schulungen und Ressourcen bietet, damit die Benutzer das System optimal nutzen können.
6. Gesamtbetriebskosten: Sie sollte eine positive Kapitalrendite (ROI) bieten und ein transparentes Preismodell haben, das alle Kosten berücksichtigt, einschließlich Lizenzierung, Implementierung, laufende Wartung und Support.
7. Anpassung: Die Visualisierungen des Systems sollten anpassbar sein, sodass die eingebettete Komponente als Teil der ursprünglichen Anwendung erscheint. Sie sollte funktional an die spezifischen Bedürfnisse des Unternehmens angepasst werden können und die Möglichkeit bieten, je nach Bedarf Funktionen hinzuzufügen oder zu entfernen.
8. Analysefunktionalität: Sie sollte eine Reihe von Analysefunktionen bereitstellen, darunter Datenmodellierung, Datenvisualisierung, prädiktive Analysen und Reporting.
9. Selfservice-Funktionen: Sie sollte es den Nutzern ermöglichen, ihre Datenansicht in Echtzeit zu ändern, ohne dass Schulungen oder die Unterstützung der IT erforderlich sind.

Nutzen Sie die Vorteile von Embedded Analytics mit Oracle

Oracle Analytics bietet eine Reihe von Einbettungsmöglichkeiten, wie z. B. die einfache Verwendung eines Links für den Zugriff auf eine Arbeitsmappe, sowie die Flexibilität, die Low-Code-Entwicklungstools von Oracle für die Bereitstellung von Komponenten zu nutzen oder ein JavaScript-Einbettungs-Framework zu verwenden, das vollständige Programmierer bevorzugen.

Die Kombination aus eingebetteten Oracle Analytics und der Fülle an Services, die in der Oracle Cloud Infrastructure (OCI) verfügbar sind, bietet Unternehmen eine einzigartige Möglichkeit, maßgeschneiderte, zusammenstellbare Anwendungen zu erstellen. Sie können beispielsweise mit dem Visual Builder eine Anwendung erstellen, die ein Bild aufnimmt, eine Analyse mit dem OCI Vision AI Service durchführt und Vorschläge für „Labels“ generiert, die als Filter für eingebettete Analysen dienen. Eine solche Lösung nutzt auch das Oracle Autonomous Data Warehouse, OCI Object Storage und die Kommunikation über OCI REST APIs. Geschäftliche Anwendungsfälle für eine solche App gibt es zuhauf – man denke nur an den Einsatz von AI Vision-Funktionen, um zu erkennen, wie voll Parkhäuser sind oder wann der Bestand an einer Station eines Fließbandes zurückgegangen ist.

Die Einbettung von Analysen anhand einer breiten Palette von Techniken kann Unternehmen jeder Größe helfen. Der Einstieg in die eingebettete Analyse funktioniert ganz einfach durch Kopieren und Einfügen eines Links zu einer Analyse-Arbeitsmappe in eine Ihrer Geschäftsanwendungen. Wenn Sie ein Citizen Developer sind, können Sie außerdem etwas Fortgeschritteneres ausprobieren, indem Sie Low-Code-Optionen für die Einbettung verwenden. Für Entwickler gibt es keine Grenzen, wenn sie ein Einbettungs-Framework für die Erstellung von vollständigem Code verwenden. Egal, wofür Sie sich entscheiden, Sie werden schnell sehen, wie die Bereitstellung von Erkenntnissen zum richtigen Zeitpunkt, während der Arbeit eines Mitarbeiters oder des Kaufprozesses eines Kunden, zu besseren Entscheidungen und höherer Produktivität oder mehr Umsatz führen kann.

Die Einbettung von Analysen ermöglicht es jedem System, die ihm zugedachten Funktionen zu erfüllen, was der wichtigste Vorteil ist. Softwareunternehmen können ihre Host-Anwendung (und deren Entwickler) ganz auf die Optimierung der Systemfunktionen ausrichten. Durch den Einsatz einer Analyseplattform, die eingebettete Analysen bereitstellt, können Unternehmen die Entwicklung eigener benutzerdefinierter Analysen vermeiden – ein Bereich, in dem es ihnen möglicherweise an Fachwissen fehlt.

Embedded Analytics – Häufig gestellte Fragen

Was ist ein Beispiel für Embedded Analytics?

Ein Beispiel für eingebettete Analysen sind Metriken und Visualisierungen, die in ein CRM-System (Customer Relationship Management) eingebettet sind. Vertriebsmitarbeiter können wichtige Leistungskennzahlen wie Umsatz, Konversionsraten und Kundenakquisitionskosten direkt in dem CRM-System anzeigen, das sie täglich nutzen. So können sie datengestützte Entscheidungen treffen, Trends erkennen und die Fortschritte bei der Erreichung ihrer Ziele verfolgen, ohne zwischen verschiedenen Anwendungen wechseln zu müssen.

Welche Vorteile haben eingebettete Analysen?

Die Stärke von eingebetteten Analysen liegt in ihrer Fähigkeit, Datenanalysen nahtlos in bestehende Geschäftsabläufe, Anwendungen und Prozesse zu integrieren. Durch die direkte Einbettung von Analysen in ihre täglichen Abläufe können Unternehmen Echtzeit-Einblicke gewinnen, datengestützte Entscheidungen treffen und schnell auf veränderte Marktbedingungen reagieren. Das kann zu einer verbesserten Effizienz und Customer Experience sowie zu höheren Einnahmen und geringeren Kosten führen.

Wie wertvoll sind Embedded Analytics?

Erstens ermöglichen eingebettete Analysen Unternehmen, fundierte Entscheidungen auf der Grundlage von Echtzeit-Dateneinblicken zu treffen, wodurch sie besser in der Lage sind, sofort auf Probleme oder Marktveränderungen zu reagieren. Mit Embedded Analytics können Mitarbeiter auf Daten zugreifen und diese interpretieren, ohne auf spezielle Fähigkeiten oder die Unterstützung durch ein Datenteam angewiesen zu sein. Dadurch wird der Datenzugang demokratisiert, die Entscheidungsfindung beschleunigt und die Wahrscheinlichkeit von Fehlern durch manuelle Datenverarbeitung verringert.

Zweitens können eingebettete Analysen einen Wettbewerbsvorteil bieten, indem sie die Qualität der Customer Experience verbessern. Mit Echtzeit-Einblicken können Unternehmen das Verhalten und die Vorlieben ihrer Kunden besser verstehen und so personalisierte Empfehlungen und gezielte Marketingkampagnen anbieten. Dadurch kann wiederum die Kundentreue erhöht, die Abwanderungsrate gesenkt und der Umsatz gesteigert werden.

Nicht zuletzt können eingebettete Analysen zur Kostensenkung beitragen, indem sie Ineffizienzen in Geschäftsprozessen aufdecken und eine kontinuierliche Optimierung ermöglichen. Durch die Verfolgung der wichtigsten KPIs in Echtzeit können Unternehmen Engpässe erkennen, Prozesse entsprechend anpassen und die Verschwendung reduzieren, was letztlich zu einer Verbesserung des Reingewinns führt.