Data Insider

Was ist Operational Intelligence (OI)?

Operational Intelligence ist eine Sammlung von Business Analytics-Systemen, welche die Entscheidungsfindung in Echtzeit unterstützen sollen. OI erfasst verschiedene Data-Feeds, die den laufenden Geschäftsbetrieb und damit verbundene externe Faktoren darstellen. Sobald die entsprechenden Daten ankommen, werden diese von OI analysiert und verarbeitet. Die Daten können Informationen zum Umsatz der Filialen eines Einzelhandelsunternehmens, zur Nutzung seiner Fahrzeuge oder sogar allgemeine Umweltdaten wie die Außentemperatur in Echtzeit umfassen – also im Wesentlichen Daten, die für den Entscheidungsprozess des Unternehmens nützlich sind.

Die Datenquellen einer OI-Implementierung können sehr unterschiedlich und vielgestaltig sein, stammen aber weitgehend aus den wichtigsten Geschäftsprozessen eines Unternehmens. In einem typischen Szenario werden diese Informationen in einem Dashboard-Format präsentiert. Die wichtigsten Informationen werden dabei mit Warnmeldungen versehen, die auf wichtige Ausreißer (Outlier) oder Trends aufmerksam machen.

Je nach Ihren Anforderungen können Daten aus einem CRM-System, aus Börsentransaktionen oder aus Echtzeit-Verkaufsberichten bezogen werden. OI wird auch häufig in IT Operations eingesetzt, um betriebliche Metriken zu Netzwerken und Servern, Sicherheitsbedrohungen, Anwendungsbereitstellungen und mehr zu überwachen.

Neuere technische Entwicklungen haben es ermöglicht, genauere Details in OI-Lösungen zu integrieren. OI-Daten können direkt von IoT-Sensoren abgerufen werden, die in Maschinen in der Fertigungshalle eingebaut sind, oder von Messtechnik innerhalb der Telekommunikationsinfrastruktur eines Unternehmens. Durch die Korrelation wichtiger Datenpunkte aus verschiedenen Quellen kann ein OI-Dashboard konfiguriert werden, das bei der Planung zusätzlicher Fertigungslinien oder beim Einsatz von Bereitschaftstechnikern an kritischen Punkten hilft.

Auf diese Weise können OI-Lösungen äußerst detailliert und komplex werden. Sie können immer mehr umsetzbare und nützliche Geschäftseinblicke liefern, da unzählige Datenquellen in das System integriert werden.

Operational Intelligence im Kontext

Was ist der Zusammenhang zwischen Operational Intelligence und Business Intelligence (BI)?

Die Grundidee von Business Intelligence kam erstmals in den 1990er Jahren auf und entwickelte sich daraufhin zu den ausgereiften Tools von heute, auf die Unternehmen jeglicher Größe zurückgreifen. Aber in den letzten Jahren sind immer fortschrittlichere Technologien auf den Markt gekommen, die die Entwicklung von Operational Intelligence-Systemen begünstigt haben. Operational Intelligence wird oft als die nächste Generation von Business Intelligence beschrieben, ein klarer Hinweis auf den Ursprung dieser beiden Disziplinen der Datenanalyse.

Das Hauptunterscheidungsmerkmal der beiden Technologien ist Aktualität. Einfach ausgedrückt, basiert Business Intelligence auf historischen Daten wie Serverprotokollen, bisherigen Finanzberichten und Branchenanalysen. Die Lösung wurde entwickelt, um riesige Mengen an Informationen als kleinere, verwertbare Einheiten aufzubereiten. Technologien wie Data Mining wurden entwickelt, um betriebliche und geschäftliche Erkenntnisse aus großen Datenspeichern zu gewinnen, aber diese Art der Analyse war zeitaufwändig. Es bedeutete, dass Großunternehmen Data Mining nur zeitweise ausführen konnten, was lediglich Momentaufnahmen anstelle eines kontinuierlichen Bilds ermöglichte.

Operational Intelligence-Tools, auf der anderen Seite, sind für eine Ausführung in Echtzeit konzipiert, wobei die aufgezeichneten Informationen zur kontinuierlichen Verbesserung von Analysen verwendet werden. Unternehmen sind nun nicht mehr an archivierte Protokolle und statische Informationen gebunden. Mithilfe von OI können sie Einblicke in Echtzeit gewinnen und Informationen bereits sammeln, während diese sich noch entwickeln, und so nützliche und aktuelle Geschäftsinformationen erhalten.

Ist Operational Intelligence besser als Business Intelligence?

OI ist nicht unbedingt besser als BI, bietet aber einige entscheidende Vorteile. Die Aktualität der Echtzeit-Informationen von OI ermöglicht es Unternehmen, sofort auf Chancen oder Bedrohungen zu reagieren. Ein Business Intelligence-Tool ist möglicherweise weniger aufschlussreich oder relevant, wenn es mit vierteljährlichen Umsatzberichten und jährlich veröffentlichten Branchenstatistiken gefüttert wird. Die daraus resultierenden Erkenntnisse sind mindestens einige Monate veraltet, wenn der Endbenutzer sie anzeigt.

Viele Nutzer sind womöglich unzufrieden mit Business Intelligence-Tools, die ihnen sagen, was sie schon seit Wochen oder Monaten wissen. Infolgedessen wenden sie sich möglicherweise OI-Lösungen zu, die Transparenz in Echtzeit bieten. Das soll aber nicht heißen, dass historische Daten und Analysen keinen Wert haben, da sie einen wesentlichen Einfluss auf die Zukunft eines Unternehmens haben können. BI und OI arbeiten in vielen Fällen zusammen und kombinieren die umfassende Analyse historischer Daten von BI mit der Echtzeittransparenz von OI, um eine umfassendere, strategische Sicht auf das Unternehmen und den Markt zu gewinnen.

Was ist Real-Time Business Intelligence?

Real-Time Business Intelligence (RTBI) ist ein Vorgänger von OI. Das Konzept wurde ursprünglich entwickelt, um BI-Lösungen mehr Aktualität zu verleihen. Während BI konzeptbedingt rückwärts orientiert ist, geht es bei RTBI darum, eine Business Intelligence-Lösung mit einer aktuelleren Datenquelle zu versehen. RTBI verwendet zwar nach wie vor eine historische Datenquelle, um Erkenntnisse zu generieren, untersucht aber eine Datenbank, die auf dem neuesten Stand ist, und nicht mehrere Monate alte Protokolle. In einer typischen RTBI-Umgebung werden alle sekundären Informationen (z. B. Branchenberichte) als Datenquelle abgelehnt, wenn sie nicht aktuell sind.

Inside Operational Intelligence

Welches sind die Hauptmerkale von Operational Intelligence?

Zu den Hauptmerkmalen von Operational Intelligence-Lösungen gehören Echtzeit-Monitoring, Dashboards und Visualisierungen, Echtzeit-Alarmsysteme, branchenspezifische Analysen, bedarfsgesteuerte (d. h. on demand) Berichterstellung, Big Data- und Machine Learning-Funktionen, automatische Korrekturmaßnahmen und unbegrenzte Skalierbarkeit.

OI Demo Executive View

Dashboards und Visualisierungen geben einen schnellen Einblick in Betriebszustand und Datentrends.

Echtzeit-Monitoring: Dies ist der Kern dessen, was OI eigentlich ausmacht. Jede OI-Lösung überwacht ihre Datenquellen in Echtzeit. Unabhängig davon, ob diese Daten von den Sensoren einer Fertigungsanlage, einem Feed zum Einzelhandelsumsatz oder aus Warnmeldungen stammen, die erzeugt werden, wenn eine beim Kunden bereitgestellte Anwendung abstürzt, ist das Hauptmerkmal von OI, dass Analysen und Warnmeldungen sofort verfügbar sind – oft binnen Sekunden nach der Erzeugung der Event- bzw. Ereignisdaten.

Dashboards und Visualisierungen: Ein weiteres wesentliches Merkmal von OI ist die Fähigkeit, komplexe Informationen zu verarbeiten und in einem leicht verständlichen Format darzustellen. Dashboards sind dabei die gängige Form, Informationen grafisch so darzustellen, dass aus einer großen Datenmenge sinnvolle Ergebnisse herausgearbeitet werden können. In einem leistungsfähigen OI-System sind Dashboards auch benutzerspezifisch anpassbar. Ein Wirtschaftsprüfer und ein Produktentwickler mögen sich beide auf OI-Informationen verlassen, treffen aber auf ihrer Grundlage sehr unterschiedliche Entscheidungen. Die Möglichkeit, das Aussehen des Dashboards und der Datenvisualisierungen sowie die von ihnen verwendeten Daten anzupassen, ist ein wesentliches Leistungsmerkmal.

Echtzeit-Benachrichtigungssysteme: Operational Intelligence ist auch darauf ausgelegt, den User zu benachrichtigen, sobald relevante Ereignisse eintreten. Der User kann spezifische Bedingungen und Schwellenwerte festlegen, bei denen eine Benachrichtigung generiert wird. Diese Meldung wird dann auf dem Dashboard angezeigt und/oder per E-Mail oder Notification auf einem Mobilgerät an den Benutzer gesendet, was eine proaktive Reaktion ermöglicht.

Branchenspezifische Analysen: OI-Lösungen eignen sich für eine Vielzahl von Branchen – von der Fertigung über den Einzelhandel bis hin zu Finanzdienstleistungen – wobei die Bedürfnisse dieser verschiedenen Nutzer jedoch unterschiedlich sind. Ein Telekommunikationsunternehmen sieht sich anderen Herausforderungen gegenüber als eine nationale Einzelhandelskette oder ein Anbieter im Gesundheitswesen. Dashboards können branchenspezifisch konfiguriert werden, wodurch die wichtigsten und relevantesten Informationen für den Endbenutzer sichtbar werden.

On demand Berichterstellung: Ein Echtzeit-Dashboard ist nützlich, um auf aktuelle Situationen zu reagieren. Berichte dienen dazu, Informationen an andere weiterzugeben und ein umfassenderes Bild der aktuellen Lage zu vermitteln. Die besten OI-Lösungen bieten eine Berichterstellung, die nicht nur für erfahrene Data Scientists, sondern auch für andere Nutzer zugänglich ist.

  • Big Data- und Machine Learning-Funktionen: OI nutzt künstliche Intelligenz (KI). Dies ermöglicht es fortschrittlichen Modellen und Algorithmen, riesige Datenbestände auszuwerten. Eine leistungsfähige OI-Lösung muss in der Lage sein, täglich Hunderte von Terabyte von Daten zu indizieren, zu verarbeiten und zu analysieren, um kontinuierlich potenzielle Ergebnisse vorherzusagen und neue Marktchancen zu erschließen.
  • Automatische Korrekturmaßnahmen: Was passiert, wenn Ihre OI-Lösung feststellt, dass ein Problem vorliegt? Sie kann Sie entweder benachrichtigen oder Maßnahmen ergreifen, um das Problem selbst zu beheben. Die automatische Korrektur ist ein innovatives Merkmal von OI, wobei leistungsstarkes Scripting die automatische Behebung bestimmter Vorgänge durch algorithmische Verfahren ermöglicht.
  • Unbegrenzte Skalierbarkeit: Der Bedarf an Datenspeicherung und -verarbeitung wächst exponentiell. Um von Nutzen zu sein muss eine OI-Lösung deshalb mit dieser Entwicklung Schritt halten können. Ordnungsgemäß konzipierte OI-Technologien sollten unbegrenzt skaliert werden können, indem bei laufendem Betrieb über eine Cloud-Infrastruktur Rechenleistung einfach hinzugefügt wird.

Welche Branchen profitieren am meisten von Operational Intelligence?

Operational Intelligence ist in vielen Branchen weit verbreitet, vor allem dort, wo die Einhaltung von Spitzen-Service-Levels von entscheidender Bedeutung ist. Im Folgenden finden Sie einige der Branchen, in denen OI den größten Nutzen bringt.

  • Finanzdienstleistungen: OI wird im Finanzwesen eingesetzt, um Märkte zu monitoren und die Verfügbarkeit kritischer Finanzsysteme zu gewährleisten, bei denen ein etwaiger Ausfall mehrere Millionen kosten könnte.
  • Telekommunikation: OI kann den Netzzustand überwachen und Fehler aufspüren, bevor es zu größeren Ausfällen kommt. OI ist auch ein wichtiges Instrument zur Erkennung von Sicherheitsverletzungen in Netzwerken.
  • Fertigung: Die Betriebszeit der Fertigungsanlagen ist in jeder Produktionsumgebung von entscheidender Bedeutung. Durch die Überwachung von Maschinensensoren und anderen bei der Fertigung generierten Daten ermöglicht OI die Beaufsichtigung einer Fertigungsstätte in jeder Phase – von der Erzeugung bis zur Auslieferung eines Produkts.
  • Einzelhandel: OI hat einen außergewöhnlichen Nutzen in von Trends geprägten Einzelhandelsumgebungen, sei es bei der Sicherstellung der Verfügbarkeit von E-Commerce-Websites oder der Analyse von Verkaufsmustern zur Ermittlung von Trends.
  • Transportwesen: Flughäfen und andere Reisezentren nutzen OI, um den Passagier- und Fahrzeugfluss zu steuern, Vorfälle zu minimieren und allen Beteiligten ein reibungsloses Reiseerlebnis zu bieten.
  • Medizin: OI-Tools können beim Monitoring einer Vielzahl von Vorgängen im Gesundheitswesen eingesetzt werden, einschließlich der Überwachung von Krankenhauskapazitäten und der Verwaltung des Arzneimittelbestands.

Einstieg

Was sind die ersten Schritte zum Einstieg in Operational Intelligence?

Beginnen Sie Ihre Operational Intelligence-Initiative mit diesen sieben Schritten, angefangen bei den Zielen bis hin zum ersten Pilotprojekt:

  1. Verstehen der Ziele: Obwohl OI ein breites Anwendungsspektrum hat, müssen Sie feststellen, wo es den größten Nutzen haben wird. Identifizieren Sie Probleme, die sich mit OI lösen lassen, indem Sie wesentliche Schwachstellen in Ihrem Unternehmen aufdecken. Fragen Sie sich dann, wie die Bereitstellung von aktuelleren, umsetzbaren Datenanalysen durch OI helfen kann, diese Probleme zu beseitigen.
  2. Aufbau eines Teams: Sobald Sie Ihre Herausforderungen ermittelt haben, sollten Sie mit der Zusammenstellung eines Teams beginnen, das die OI-Lösung auswählen, entwickeln und betreiben wird. Die Leitung dieses Teams übernimmt oft jemand aus der Führungsetage (CIO, CTO oder CDO, CFO oder CMO) – je nach den Besonderheiten des Problems, das Sie zu lösen versuchen. Für eine OI-Initiative zur Verbesserung der Netzwerk-Uptime könnte der CTO der beste Unterstützer sein, während eine Initiative zur Überwachung von Datenverkehrsmustern im Einzelhandel von einem CMO betreut werden könnte.
  3. Bestandsaufnahme Ihrer Betriebsdaten: OI benötigt Daten, um effektiv zu sein. Das bedeutet, dass Sie mit Ihren Daten vertraut sein müssen, bevor Sie versuchen, sie in eine OI-Lösung zu pressen. OI wird versagen, wenn Ihre Rohdaten-Feeds nicht ausreichen oder Betriebsdaten nicht zugänglich sind. Überprüfen Sie Ihre Datenspeicher, um festzustellen, welche Daten erzeugt, wo sie gespeichert und wie sie derzeit analysiert werden.
  4. Verbessern Ihrer Daten: Möglicherweise werden Sie feststellen, dass einige Ihrer Daten entweder nicht in ausreichendem Umfang, in geringer Qualität oder veraltet vorhanden sind – oder sogar alles zusammen. Bereinigen Sie Ihre Data-Feeds, bevor Sie eine OI-Initiative starten, sonst riskieren Sie unzulängliche Daten, was zu schlechten Analysen und falschen Entscheidungen führt. Die Datenbereinigung kann ein durchaus komplexes Unterfangen sein, das die Aktualisierung von Data-Feeds oder das Überdenken der Architektur bestimmter Systeme mit sich bringt. Dies kann neue Sensoren zur Erfassung von Maschinendaten oder eine Änderung der Art und Weise erfordern, wie wichtige Transaktionen protokolliert werden.
  5. Set-up von Metriken: Gleichzeitig mit dem vierten Schritt sollten Sie in quantitativer Hinsicht spezifische KPIs für den Aspekt identifizieren, der mit Ihrer OI-Lösung verbessert werden soll. Das könnte eine Verringerung der Ausfallzeiten von 0,1% auf 0,01%, eine Verkürzung der Wartezeiten der Kunden um durchschnittlich zwei Minuten oder eine Umsatzsteigerung um 5% sein. Also alles, was einen messbaren, sinnvollen Fortschritt darstellt.
  6. Auswählen einer OI-Lösung: Jetzt ist es endlich an der Zeit, eine OI-Lösung oder ein OI-Tool zu bestimmen. Im folgenden Abschnitt gehen wir auf die wichtigsten Punkte ein, die bei der Auswahl eines OI-Anbieters zu beachten sind.
  7. Erst einmal klein anfangen: Wie bei jedem großen IT-Projekt sollten Sie erst einmal das Gehen lernen, bevor Sie mit dem Laufen anfangen. Wählen Sie eine einzelne KPI und starten Sie ein OI-Pilotprojekt. Fügen Sie der Lösung anschließend zugehörige Probleme und damit verknüpfte Metriken hinzu. Eine OI-Lösung, die ursprünglich für die Reduzierung von Ausfallzeiten einer App vorgesehen war, könnte später Kundenbewertungen dieser App monitoren oder helfen, die Ursache von Abstürzen der App zu ermitteln. Bauen Sie auf Ihren Erfolgen auf, während die OI-Lösung ihren Wert unter Beweis stellt.

Wie finden Sie die richtige Lösung für Operational Intelligence bzw. die besten Tools?

Sie finden die richtige OI-Lösung, indem Sie Ihre spezifische Branche und Ihre Anforderungen berücksichtigen. Auch wenn jede Implementierung anders ausfallen wird, sind sechs Hauptaspekte besonders zu beachten:

  • Werden die Erkenntnisse auch wirklich in Echtzeit generiert? Einige OI-Lösungen sind das nur dem Namen nach und bieten möglicherweise keine echte Echtzeitanalyse.
  • Ist die Lösung Cloud-basiert oder lokal? Cloud-basierte Lösungen bieten zumeist mehr Skalierbarkeit.
  • Kann die Lösung auch von den jeweiligen Mitarbeitern aus der Abteilung oder nur von Data Scientists genutzt werden? Ihr OI-Tool hat eine weitaus größere Erfolgschance, wenn es unternehmensweit einsetzbar ist.
  • Bietet die Lösung individualisierbare Dashboards, die für Ihre Branche und Ihren speziellen Anwendungsfall relevant sind?
  • Ergänzt die Lösung bereits bestehende Intelligence-Tools und andere Technologien, die schon in Betrieb sind?
  • Kann sich die Lösung out-of-the-box mit Ihren Maschinendaten (mit den benötigten Treibern, APIs und anderen verfügbaren Verbindungstechnologien) verbinden?

Fazit: OI kann Ihr Unternehmen grundlegend verändern

Wenn Analysen und Erkenntnisse vom Blick auf das, was war, auf das Hier und Jetzt übergehen, können Sie den Entscheidungsprozess und den Beitrag Ihres Analyseteams zu den Geschäftsergebnissen nachhaltig verändern. OI kann Maschinendaten und andere Inputs in konkrete Erkenntnisse verwandeln, die die Produktivität, Sicherheit und Rentabilität Ihres Unternehmens verbessern.

Im Splunk-Whitepaper „Der Weg zu Operational Intelligence (The Path to Operational Intelligence)“ erfahren Sie mehr darüber, wie Sie Ihre vorhandenen Daten nutzen können, um veraltete, reaktive Problemlösungsmethoden in datengesteuerte Echtzeiterkenntnisse zu verwandeln. Die ersten Schritte sind einfacher, als Sie denken.

Weitere Informationen zu Operational Intelligence

Mehr über das Potenzial von Operational Intelligence erfahren Sie im Splunk-Blog: