Operative Intelligenz: 6 Schritte zum Einstieg

Die Fähigkeit, schnell Entscheidungen zu treffen, kann den Unterschied zwischen Erfolg und Stillstand ausmachen. Schnelle Entscheidungen sind selbstverständlich nicht zwangsläufig die richtigen Entscheidungen. Die richtigen Entscheidungen basieren auf den besten Informationen – und das gelingt am leichtesten mit Daten.

Darum geht es bei operativer Intelligenz.

In diesem Artikel erfahrt ihr alles über operative Intelligenz (OI), einschließlich der wichtigsten Vorteile, Ziele und Einstiegsmöglichkeiten. Beginnen wir zunächst mit einer erweiterten Definition von OI.

Was ist Operational Intelligence (OI)?

Operative Intelligenz ist eine Sammlung von Business-Analytics-Systemen, die die Entscheidungsfindung in Echtzeit unterstützen sollen. OI sammelt verschiedene Datenströme, die laufende Geschäftsprozesse und damit verbundene externe Faktoren abbilden. Sie analysiert und verarbeitet diese Datenfeeds bei deren Eintreffen.

Die Datenquellen in einer OI-Implementierung können sehr vielfältig und unterschiedlich sein, stammen aber überwiegend aus den wichtigsten Geschäftsprozessen eines Unternehmens. Im IT-Betrieb bedeutet dies die Überwachung von betrieblichen Kennzahlen, der Netzwerke und Server, Sicherheitsbedrohungen, Anwendungsbereitstellungen und mehr.

Typischerweise werden diese Informationen in Form eines Dashboards dargestellt, das wichtige Ausreißer oder Trends hervorhebt. Durch die Einbindung zahlreicher Datenquellen können OI-Lösungen äußerst detailreich und komplex werden, was zunehmend wertvolle und nützliche Geschäftseinblicke eröffnet. Mehr Datenquellen liefern genauere Erkenntnisse.

Bis hierhin mag diese Beschreibung recht vertraut klingen, besonders wenn ihr euch mit Business Intelligence auskennt. Worin unterscheiden sich die beiden Begriffe also?

Operative Intelligenz (OI) vs. Business Intelligence (BI)

Der Hauptunterschied zwischen den beiden Technologien liegt in der Aktualität.

Operative Intelligenz wird oft als die nächste Generation der Business Intelligence bezeichnet. Das weist auf die gleiche Abstammung beider Datenanalyse-Schulen hin.

Business Intelligence stützt sich – vereinfacht ausgedrückt – auf historische Daten wie

• Server-Logs
• vergangene Finanzberichte
• Branchenanalysen

Sie wurde entwickelt, um große Mengen an Informationen in kleinere, besser umsetzbare Einheiten zu zerlegen. Technologien wie Data Mining entstanden, um operative und geschäftliche Erkenntnisse aus großen Datenspeichern zu gewinnen. Doch diese Art der Analyse brauchte Zeit, wodurch nur gelegentliche Momentaufnahmen verfügbar waren, aber keine kontinuierliche Überwachung.

Werkzeuge für operative Intelligenz sind darauf ausgelegt, in Echtzeit zu arbeiten und die Informationen bei ihrer Erfassung zu nutzen, um die Analysen ständig zu verbessern. Unternehmen müssen sich nicht mehr mit archivierten Protokollen und statischen Informationen begnügen. Mit OI können sie Echtzeit-Erkenntnisse sammeln und Informationen erfassen, während sie entstehen. Das ermöglicht nützliche und zeitnahe Geschäftseinblicke. Diese Echtzeit-Erkenntnisse ermöglicht es Unternehmen, bei Chancen oder Bedrohungen sofort zu handeln.

Dennoch ist BI nach wie vor unglaublich wertvoll: BI und OI arbeiten oft zusammen, indem sie die umfassende historische Analyse von BI mit der Echtzeit-Sichtbarkeit von OI kombinieren. Das eröffnet eine umfangreichere strategische Sicht auf das Unternehmen und den Markt.

Unabhängig vom Ansatz sollte jede Implementierung von operativer Intelligenz darauf abzielen, einige Schlüsselfunktionen zu integrieren. Diese Features können aus zahlreichen Systemen oder Überwachungsinstrumenten stammen – die alle zu einem starken OI-Ansatz gehören.

Schlüsselfunktionen in der operativen Intelligenz

Zu den Schlüsselfunktionen von Lösungen für operative Intelligenz gehören:

• Echtzeit-Monitoring
• Dashboards und Visualisierungen
• Echtzeit-Warnsysteme
• Branchenspezifische Analysen
• Berichtserstellung auf Abruf
• Big-Data- und Machine-Learning-Funktionen
• Automatische Problembehebungsmaßnahmen
• Unbegrenzte Skalierbarkeit

Betrachten wir jede dieser Funktionen im Einzelnen.

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

Echtzeit-Monitoring

Dies ist der Kern dessen, was OI ausmacht. Jede OI-Lösung überwacht Datenquellen in Echtzeit. Ganz gleich, ob diese Daten von Maschinensensoren in der Produktion, von Verkaufsdaten im Einzelhandel oder von Warnmeldungen stammen, die entstehen, wenn eine bei Kunden eingesetzte Anwendung abstürzt: Das zentrale Merkmal von OI besteht darin, dass Analysen und Warnungen in dem Moment erfolgen, in dem Probleme auftreten. Dies geschieht oft innerhalb von Sekunden.

(Erfahrt mehr über IoT-Überwachung.)

Dashboards und Visualisierungen

Eine weitere wesentliche OI-Eigenschaft ist die Fähigkeit, komplexe Informationen zu verarbeiten und in einem leicht verständlichen Format zu präsentieren. Dies geschieht in der Regel in Dashboards, die Informationen in grafischer Form darstellen. So ergeben die Datenberge einen Sinn. In einem leistungsfähigen OI-System lassen sich Dashboards auch individuell an die Bedürfnisse der User anpassen.

Ein Finanzprüfer und ein Produktentwickler können sich beide auf OI-Informationen stützen, werden aber völlig unterschiedliche Entscheidungen daraus ableiten. Als wesentliches Merkmal gilt die Möglichkeit, das Aussehen des Dashboards und der Datenvisualisierung sowie die Daten, auf die sie sich stützen, individuell zu gestalten.

Echtzeit-Warnsysteme

Operative Intelligenz benachrichtigt den Benutzer auch bei wichtigen Ereignissen. Der Benutzer kann spezifische Bedingungen und Schwellenwerte festlegen, bei denen eine Benachrichtigung generiert wird. Diese Warnung erscheint dann im Dashboard. Auch E-Mails oder Benachrichtigung auf Mobilgeräten ermöglichen eine proaktive Reaktion.

Branchenspezifische Analysen

OI-Lösungen eignen sich für viele Branchen – von der Fertigung über den Einzelhandel bis hin zu Finanzdienstleistungen. Die Bedürfnisse dieser Nutzer sind allerdings unterschiedlich. Eine Telekommunikationsfirma steht vor anderen Herausforderungen als eine nationale Einzelhandelskette oder ein Gesundheitsdienstleister. Dashboards können auf Basis der Branche konfiguriert werden, sodass der User die wichtigsten und relevantesten Informationen sieht.

Berichtserstellung auf Abruf

Ein Live-Dashboard ist nützlich, um auf aktuelle Situationen zu reagieren. Das gilt auch für Berichte mit Informationen für andere mit einem umfassenderen Bild auf die aktuelle Umgebung. Die besten OI-Lösungen bieten eine Berichterstattung, die für normale Durchschnittsbenutzer zugänglich ist, nicht nur für Datenexperten.

Big-Data- und Machine-Learning-Fähigkeiten

OI nutzt künstliche Intelligenz und ermöglicht fortschrittliche Modelle und Algorithmen, um aus riesigen Datenmengen sinnvolle Erkenntnisse zu ziehen. Eine leistungsfähige OI-Lösung muss täglich Hunderte von Terabytes an Daten indizieren, verarbeiten und analysieren können, um kontinuierlich potenzielle Ergebnisse vorherzusagen und neue Marktchancen aufzudecken.

Automatische Problembehebungsmaßnahmen

Was geschieht, wenn eure OI-Lösung ein Problem feststellt? Sie kann euch entweder alarmieren oder selbst Maßnahmen zur Behebung des Problems ergreifen.

Die automatische Problembehebung gilt als bahnbrechendes Merkmal von OI. Leistungsstarke Skripte ermöglichen es, bestimmte Vorgänge durch algorithmische Operationen automatisch zu reparieren.

Unbegrenzte Skalierbarkeit

Der Bedarf an Datenspeicherung und -verarbeitung wächst exponentiell, und eine OI-Lösung muss damit Schritt halten können, um überhaupt nützlich zu sein. Sauber konzipierte OI-Technologien sollten unbegrenzt skalierbar sein, indem sie über eine cloudbasierte Infrastruktur einfach im laufenden Betrieb Rechenleistung hinzufügen.

6 Schritte für den OI-Einstieg

Beginnt eure Operational-Intelligence-Initiative mit diesen sechs Schritten, angefangen bei den Zielen bis hin zum ersten Pilotprojekt:

Versteht eure Ziele

Obwohl OI breit einsetzbar ist, müsst ihr herausfinden, wo die Technologie die größte Wirkung entfalten kann. Ermittelt die Probleme, die OI lösen kann, indem ihr die wichtigsten Schwachpunkte im Unternehmen aufdeckt. Fragt euch dann, wie die Bereitstellung von zeitnahen, umsetzbaren Datenanalysen durch OI zur Lösung dieser Probleme beitragen kann.

Baut ein Team auf

Sobald ihr eure Herausforderungen kennt, ist es an der Zeit, ein Team zusammenzustellen, das die OI-Lösung auswählt, aufbaut und betreibt. Dies wird oft von jemandem aus der Führungsebene (CIO, CTO oder CDO, CFO oder CMO) vorangetrieben, abhängig von den Besonderheiten des zu lösenden Problems.

Bei einer OI-Initiative zur Verbesserung der Netzwerkverfügbarkeit könnte der CTO der beste Unterstützer sein, während eine Initiative zur Überwachung von Einzelhandels-Verkehrsmustern eher in den CMO-Aufgabenbereich fallen könnte.

Erfasset eure operativen Daten

OI benötigt Daten, um effektiv zu arbeiten. Ihr müsst verstehen, wie eure Daten aussehen, bevor ihr versucht, sie in eine OI-Lösung zu zwängen. OI scheitert sofort, wenn eure Rohdaten-Feeds nicht ausreichen oder wenn Betriebsdaten nicht zur Verfügung stehen. Überprüft eure Datenspeicher, um Folgendes zu ermitteln:

• Was generiert wird
• Wo es gespeichert wird
• Wie es derzeit analysiert wird

Verbessert eure Daten

Wahrscheinlich werdet ihr feststellen, dass einige eurer Daten unzureichend sind, eine zu geringe Qualität aufweisen oder zu alt sind – oder alles davon.

Bereinigt eure Datenströme, bevor ihr eine OI-Initiative ins Leben ruft. Andernfalls riskiert ihr schlechte Daten, die zu schlechten Analysen und schlechten Entscheidungen führen. Die Datenbereinigung ist wahrscheinlich ein komplexes Unterfangen, das die Aktualisierung von Datenfeeds oder ein Überdenken der Architektur bestimmter Systeme erfordert. Das könnte neue Maschinendaten-Sensoren oder eine Änderung der Protokollierung wichtiger Transaktionen erfordern.

Metriken festlegen

Parallel zu Schritt vier solltet ihr in quantitativer Hinsicht spezifische KPIs für das festlegen, was eure OI-Lösung verbessern soll. Das könnte eine Reduzierung der Ausfallzeit von 0,1 Prozent auf 0,01 Prozent sein, eine Verkürzung der Kundenwartezeiten um durchschnittlich zwei Minuten oder eine Steigerung des Umsatzes um fünf Prozent. Was auch immer einen messbaren, bedeutsamen Fortschritt darstellt.

(Erkundet gängige Metriken für DevOps, SRE, Sicherheitsoperationen und Vorfallreaktionen.)

Klein anfangen und darauf aufbauen

Wie bei jedem großen technologischen Vorhaben solltet ihr zunächst das Laufen lernen, bevor ihr rennt. Greift einen einzelnen KPI heraus und startet ein OI-Pilotprojekt. Fügt anschließend verwandte Probleme und zugehörige Metriken zur Lösung hinzu. Eine OI-Lösung, die zunächst mit der Reduzierung von App-Ausfallzeiten beauftragt wurde, könnte später damit beginnen, Kundenbewertungen dieser App zu überwachen. Sie könnte auch bei der Ursachenforschung von App-Abstürzen helfen. Baut auf euren Erfolgen auf, sobald die OI-Lösung ihren Nutzen bewiesen hat.