Was ist Tableau Business Science?

Tableau verfolgt u. a. das Ziel, mehr Menschen die Möglichkeit zu geben, in ihrem Arbeitsalltag Daten zu nutzen. Wenn Menschen Daten für Entscheidungen anwenden können, also sich bei der Analyse mehr mit der Beantwortung von Fragestellungen als mit dem Erlernen komplexer Software oder Fertigkeiten beschäftigen, wird das Humanpotenzial erschlossen, das außergewöhnliche Ergebnisse garantiert. Allerdings gibt es in der Praxis eine Vielzahl von Hürden, wenn Personen, die Daten benötigen, eine umfassende Analyse durchführen möchten, um damit optimale Entscheidungen zu treffen.

Wir möchten diese Hürden mit einer neuen Klasse von Analytics reduzieren: Tableau Business Science. Business Science macht leistungsstarke Data-Science-Funktionen für Geschäftsanwender verfügbar.

Das Lösen von geschäftlichen Problemen mithilfe von KI, ML und statistischen Methoden war lange Zeit die Sache von Data Scientists. Viele Unternehmen unterhalten kleine Data-Science-Teams, die sich mit speziellen, erfolgsentscheidenden und hochgradig skalierbaren Problemen beschäftigen. Gleichzeitig gibt es aber eine große Anzahl an geschäftlichen Entscheidungen, für die neben Daten Erfahrung und Fachkenntnisse erforderlich sind – und die erheblich von der Anwendung fortgeschrittener Analysemethoden profitieren würden.

Hier sehen wir eine Chance, nicht nur Data-Science-Funktionen zu demokratisieren und damit den Zielkonflikt zwischen extremer Genauigkeit und Kontrolle einerseits sowie einer schnellen Gewinnung von Erkenntnissen andererseits zu entschärfen, sondern diese Erkenntnisse auch in einem Zeitraum praktisch nutzbar zu machen, in dem sie noch relevant sind. Tableau geht es immer darum, Menschen die Möglichkeit zu geben, für eine Analyse kontinuierlich neue Fragen zu stellen, die nächste Hypothese zu prüfen und die nächste Idee zu testen. Jetzt gehen wir dabei noch einen Schritt weiter. Wir möchten das menschliche Urteilsvermögen mit praktisch anwendbarer, ethisch vertretbarer KI erweitern, mit der heutzutage Vorhersagen für geschäftliche Probleme möglich sind. 

Durch Bereitstellung erklärbarer KI und prädiktiver Analytics-Tools für Analysten und Geschäftsanwender ermöglicht Business Science schnellere und zuverlässigere Entscheidungen in einem Unternehmen. Es erweitert dabei die Anwendungsfälle für Analytics und vertieft das Verständnis der eigenen Daten.

Was ist Tableau Business Science?

Business Science ist eine neue Klasse KI-gestützter Analytics, die es Menschen mit Fachkenntnissen ermöglicht, smartere Entscheidungen schneller und sicherer zu treffen, da nicht alle Probleme Präzision auf Kosten von Geschwindigkeit und Geschäftskontext erfordern. Business Science-Lösungen sind strikt und präzise. Sie geben aber gleichzeitig Entscheidungsträgern die Möglichkeit, das benötigte Maß an Kontrolle und Flexibilität für ihren Anwendungsfall individuell festzulegen. Bereiche, in denen Benutzer die Ergebnisse selbst steuern können, sind z. B. die Dateneingabe, die Auswahl von Variablen und die Festlegung von Schwellenwerten. Business-Experten haben die Möglichkeit, Vorgänge komplett zu automatisieren oder geführt selbst Änderungen bei der Modellerstellung vorzunehmen. Durch die Ausstattung von mehr Menschen mit kontrollierter, programmierfreier KI für Vorhersagen, Was-wäre-wenn-Szenarien und geführter Modellerstellung können Geschäftsteams mehr Analysen selbst durchführen.

Business Science demokratisiert Data-Science-Funktionen und gibt Fachexperten Einblick in die zentralen Faktoren eines Modells, ohne dass diese über Kenntnisse herkömmlicher Data-Science-Tools verfügen müssen. Mit einer geführten KI-Funktionalität für Fachexperten können Teams fortgeschrittene Analysen auf zusätzliche geschäftliche Probleme anwenden und damit schneller wie zielgerichteter wichtige Entscheidungen treffen, die aber weiterhin in das menschliche Urteilsvermögen eingebettet sind. Dabei geht es nicht um die Feinabstimmung hochpräziser Modelle, sondern um die möglichst genaue Hinführung an das Problem in der richtigen Richtung. 

Letzten Endes ist das Geschäftsleben naturgemäß kompliziert und unberechenbar. Fachwissen und die Kenntnisse der Personen, die die Dynamik ihres Fachgebiets verstehen, sind so unverzichtbar. Deshalb ist Business Science enorm hilfreich, um Geschäftsprobleme zu lösen, für deren Bewältigung einem Data-Science-Team die erforderlichen Ressourcen fehlen oder die dafür nicht vorrangig bereitgestellt werden können.

Wofür bietet Tableau Business Science Unterstützung?

Business Science ist für Mitarbeiter gedacht, die ihr Geschäftsfeld kennen, wissen, welche Faktoren dafür wichtig sind, und welche Daten für Lösungen hilfreich sein können. Business Science erfordert keine tief gehenden technischen Kenntnisse und nicht die Fähigkeit, Algorithmen zu programmieren, bereitzustellen und zu überwachen. Wenn Sie Business-Experten und Datenanalysten die Möglichkeit geben, die Vorhersagen und Erkenntnisse von ML-Modellen zu nutzen, ohne Python, statistische Methoden oder das Feinabstimmen von Algorithmen erlernen müssen, wird Ihr Team zu datenorientierten Experten.

Wir kennen zahlreiche Szenarien, in den Business Science der richtige Ansatz für optimale Geschäftsergebnisse ist – von der Lead-Bewertung im Marketing und der Zuweisung von Quoten für Vertriebsteams bis zur Distribution und Optimierung von Lieferketten. Die Personalabteilung kann beispielsweise mithilfe von Business Science die Wahrscheinlichkeit bewerten, mit der ein für sie interessanter Bewerber ein Angebot annimmt. Oder ein Immobilienteam hat die Möglichkeit, mithilfe von Business Science zu überlegen, wo Bürofläche erworben werden soll, und zu ermitteln, wie hoch die Kosten sein werden, um von einem Standort zum anderen umzuziehen. Jede Art von Team kann mit Business Science Budgets erstellen oder Ressourcen zuordnen.

Wie unterscheidet sich Tableau Business Science von Data Science?

Business Science nutzt zwar einige statistische und Computing-Methoden von Data Science. Fachwissen und schnelle Erkenntnisgewinnung sind aber dabei wichtiger als statistische Perfektion. Business Science wird unter einer anderen Prämisse als Data Science angewendet, sowohl was die Ziele betrifft als auch in Bezug auf den typischen Benutzer.

Das Ergebnis von Data Science ist ein ML-Algorithmus, der für die Optimierung eines wiederkehrenden Vorgangs genutzt werden kann. Mit Data Science wird oft versucht, eine Ja/Nein-Fragestellung zu beantworten, oder zu ermitteln, ob ein vorhergesagtes Ergebnis einen bestimmten Schwellenwert überschreitet. Ein typischer Anwendungsfall für Data Science ist beispielsweise die Betrugsaufdeckung. Dabei wird mit historischen Daten ein Algorithmus zur Betrugserkennung trainiert. Dazu werden Muster von mehreren Hunderttausend bis zu Millionen von Transaktionen analysiert und eine Vorhersage erstellt, ob eine Transaktion betrugsverdächtig ist. Hier ist eine Feinabstimmung des Modells unerlässlich, da bereits geringste Einbußen an Genauigkeit, also schon im Promillebereich, Unternehmen Millionen kosten können.

Mit Business Science geht es darum, den KPI zu verbessern und nicht ein Modell bis zur maximalen Präzision zu perfektionieren. Durch einen mehr iterativen Vorgang für kontinuierliche Überarbeitung und erneute Bereitstellung im Gegensatz zu den herkömmlichen Data-Science-Zyklen werden mit Business Science die Hürden für die Geschäftsanwender beseitigt, sodass auch sie im Handumdrehen Modelle erstellen und Vorhersagen verwenden können. Das bedeutet, dass mehr Mitarbeiter diese erweiterten Analysemethoden produktiv und schneller nutzen sowie smartere Entscheidungen treffen können, wann und wo es erforderlich ist.

Angenommen, ein Einzelhandelsunternehmen möchte wissen, mit welchem neuen Produkt in seinen Filialen der Gewinn in einer bestimmten Region gesteigert werden kann. Geschäftsleute kennen die Faktoren wie etwa Lieferantenbeziehungen und regionale Trends sowie andere relevante qualitative Einflussgrößen, die für eine solche Entscheidung wichtig sein können – Details, die einer Maschine nicht zugänglich sind. Durch Verbindung von menschlichem Fachwissen, Urteilsvermögen und Kontextverständnis mit der Exaktheit, den Automatisierungsmöglichkeiten und der Skalierbarkeit maschinengenerierter Erkenntnisse können Geschäftsergebnisse verbessert werden. 

Data Science ist hingegen mehr für die Analyse beispielsweise der Wirksamkeit eines Impfstoffs in einem klinischen Test geeignet. Business Science kommt dann ins Spiel, wenn die Frage der Verteilung und Priorisierung eines Impfstoffs gelöst werden muss, eine Problemstellung, deren Aspekte stark vom menschlichen Urteil abhängig sind und sich Schritt für Schritt entwickeln. Bildlich gesprochen kann man sich Vincent van Gogh als Data Scientist vorstellen, während Business Science das Bild „Sternennacht“ nach dem Prinzip „Malen nach Zahlen“ erstellt. Data Science benennt eine Ortsangabe mit „37.7914° N, 122.3951° W + 2,03 x 10^5 mm in 44,7° => 37.7932° N, 122.3947° W“, während Business Science dafür eine Anleitung in der Form formuliert „Nehmen Sie die dritte Straße links und achten Sie auf den Verkehr, dann sind Sie in der One Market Street.“

Weitere Informationen zu Tableau Business Science

Wir freuen uns sehr, diese Klasse von KI-gestützter Analytics mit dem Modul „Einstein Discovery“ von Salesforce in Tableau anbieten zu können. Einstein Discovery wurde mit transparenter und ethisch vertretbarer KI entwickelt. Es ist eine bewährte Technologie, bei der Geschäftsteams wissen, welchen zentralen Faktoren die Ergebnisse beeinflussen und welche potenziellen Verzerrungen auftreten können. Damit sind ein tiefer gehendes Verständnis und eine größere Sicherheit bei der Entscheidungsfindung möglich. Einstein Discovery ist direkt in geschäftliche Workflows eingebunden und kann so von den Benutzern produktiv für ihre Aufgabenstellungen angewendet werden.

Sie möchten mehr über Tableau Business Science wissen? Lesen Sie dazu unser Whitepaper.

Blog abonnieren