Wie Search, Chatbots und KI den Erfolg von Analytics steigern können

Eine Merchandiserin für Bademoden eines beliebten Einzelhändlers pendelt zu ihrem Montagsgespräch über Verkauf und Betriebsplanung. Kurz vor ihrem Halt teilt Slack ihr mit, dass der Showroom am Alexanderplatz Gefahr läuft, im Juli ohne Bestände der beliebtesten Bademodenlinie dazustehen. Sie schickt eine E-Mail an ihren Lieferanten in Indonesien, um die Verfügbarkeit noch vor dem Gsgespräch zu überprüfen.

Wer hat der Merchandiserin diese Slack-Nachricht geschickt? Es war kein „Wer“, sondern ein „Was“: Die Bestandswarnung wurde von einem Chatbot gesendet – einem KI-Agenten, wie er heute in Verbraucher-Websites gang und gäbe ist, um Abläufe in Vertrieb und Kundenservice zu automatisieren. Chatbots werden heute auch in moderne Arbeitsplätze integriert, um die kritische „letzte Meile der Analyse“ für den täglichen Geschäftsgebrauch schneller, einfacher und wertvoller zu machen.

Dies gelingt ihnen, indem sie die Datenkompetenz der Verantwortlichen verbessern und es ihnen ermöglichen, Ideen über Daten in einer gemeinsamen Sprache auszudrücken. Datenkompetente Mitarbeiter können Rohdaten in verwertbare Informationen umwandeln, weil sie verstehen, wie man sie interpretiert, die Daten kennen, die verfügbar und nicht verfügbar sind, und wissen, wie man sie angemessen verwendet.

Warum ist die „letzte Meile der Analyse“ so wichtig? Sie ist die Domäne der Geschäftsanwender, bei denen die Akzeptanz von Analyselösungen typischerweise nachlässt. Obwohl sich die Datenvisualisierung bei Business-Intelligence-(BI-)Lösungen und Analysesoftware in den letzten zehn Jahren stark verbessert hat, ist die Akzeptanz immer noch zu gering.

Laut einer Umfrage von Gartner aus dem Jahre 2017 betrug die Adoptionsrate von BI- und Analytics-Lösungen nur 32 Prozent. Um das Ziel, ein datengesteuertes Unternehmen zu werden, zu erreichen, braucht es viel mehr als nur schöne Visualisierungen. Mitarbeiter benötigen zeitnahe, relevante und umsetzbare Dateneinsichten, um in ihren jeweiligen Rollen erfolgreich zu sein. Search, Chatbots und KI helfen, all diese Anforderungen zu erreichen.

So funktioniert der Einsatz von Search, Chatbots & KI

Search

Dieser Ansatz basiert auf der relationalen Suche, die es den Nutzern erlaubt, wie in einer Google-Suche jede datenbezogene Frage einfach in die Suchleiste der Anwendung einzugeben. Die Lösung generiert die Antworten sofort und stellt diese je nach Art der Daten in der passendsten Visualisierung dar. Dazu analysiert die relationale Search-Engine deterministisch jede Abfrage und berechnet die Antwort. Dafür wird eine massiv parallele In-Memory-Berechnungs-Engine genutzt, die es erlaubt, in Sekundenschnelle Millionen von Abfragen vorzunehmen und relevante Erkenntnisse aus Milliarden von Datenkombinationen verschiedenster Quellen zu gewinnen.

KI-Algorithmen helfen dabei, Anomalien und Ausreißer aufzudecken, die Beziehungen zwischen Messwerten zu identifizieren und Auf- oder Abwärtstrends in ungenauen Daten zu finden. Sie können sogar eine vollständige Datenreihe analysieren oder die Unterschiede zwischen zwei Datenpunkten im Detail klären. Der Nutzer erhält dabei die Antworten auf seine Anfrage so schnell, wie er es von einer Google-Suche gewohnt ist. Und er kann seine Fragen dank linguistischer Datenverarbeitung – auch NLP genannt (aus dem Englischen: Natural Language Processing) – auch in natürlicher Sprache eingeben.

Push-Benachrichtigungen

Wenn die KI-gesteuerten Systeme Änderungen, Anomalien und Ausreißer in Datensätzen erkannt haben, können Chatbots eingesetzt werden, um je nach Rolle, Interessen und Präferenzen relevante Informationen an die Nutzer zu übermitteln. In Zukunft wird dies noch verfeinert, indem nicht nur Informationen über geänderte Daten ausgegeben, sondern auch Erkenntnisse zu diesen Daten hinzugefügt werden. In älteren Systemen müssen Nutzer von der IT-Abteilung manuell Regeln einrichten lassen, wenn sie über kritische Änderungen an Daten informiert werden möchten. Dies ist nicht nur ein langsamer und starrer Prozess, sondern die Nutzer müssen auch genau wissen, wonach sie suchen, was bei der großen Menge der Datenszenarien meist nicht der Fall ist.

Messaging Integration

Jeden Tag sind mehr Mitarbeiter über Messaging-Plattformen wie Slack und Microsoft Teams verbunden. Auch hier kann man Chatbots verwenden, um Dateninformationen über Messaging-Plattformen an Desktop- und mobile Geräte zu übermitteln. Bei ThoughtSpot erhalten die Vertriebs- und Marketingmitarbeiter über ihre Slack-Kanäle Benachrichtigungen von Chatbots über Datenänderungen in Salesforce. In diesen Umgebungen finden heute viele Konversationen über Daten statt.

Gesprächsanalyse

Hier fangen die Dinge an, wirklich spannend zu werden. Bei der Konversationsanalyse interagieren Benutzer per Messaging oder per Sprache mit Chatbots. Im Wesentlichen geht es darum, mit ihren Daten jederzeit und überall kommunizieren zu können. Nehmen wir an, unsere Merchandiserin aus dem Eingangsbeispiel möchte mehr darüber erfahren, warum diese bestimmte Badebekleidungslinie nur noch einen geringen Lagerbestand hat. Sie kann den Chatbot fragen, wie das passiert ist und welche Ursachen dahinterstecken könnten. Diese Fähigkeit, mit einem Chatbot in natürlicher Sprache frei sprechen zu können, ist allerdings die Zukunft von Analytics am Arbeitsplatz. Doch mit dem, was aktuell möglich ist, ist man auch in der Realität schon sehr nah daran.

Chatbots sind ideale Datenkuriere

Zugegeben, Chatbots erfreuten sich anfangs keiner großen Beliebtheit. So musste Facebook beispielsweise seine Chatbots zurückfahren, nachdem 70 Prozent seiner Interaktionen aufgrund von Kommunikationsschwierigkeiten fehlschlugen. Einige Verbraucher finden es unheimlich, wenn sie auf eine Website gehen und ein Verkaufs-Chatbot erscheint. In Szenarien des Kundensupports werden Chatbots jedoch immer beliebter. Dies gilt insbesondere dann, wenn jemand nur eine einfache und spezifische Antwort auf eine Frage wie „Wie lautet der WLAN-Code für meinen Router?“ benötigt.

Ebenso sind Chatbots die idealen Kuriere für Dateninformationen in Unternehmen, die die Datenkompetenz ihrer Geschäftskunden erhöhen möchten. Datenfragen sind zu 100 Prozent deterministisch – es gibt nur eine richtige Antwort. Das bedeutet, dass hier ein Chatbot nicht das Niveau bezüglich der Mehrdeutigkeit der menschlichen Sprache und der perfekten Syntax besitzen muss, wie es in einem persönlichen Verkaufsgespräch erwartet wird. Wenn sich die Mitarbeiter erst daran gewöhnt haben, mit einer Maschine zu kommunizieren, werden sie sich schnell damit wohlfühlen, Datenfragen zu stellen, ohne dabei von einem ungeduldigen Datenexperten beurteilt oder gedrängt zu werden. Datenexperten sind schließlich in den meisten Unternehmen nicht ausreichend vorhanden, um die vielfältigen und zahlreichen Anfragen der Business-User zeitnah zu beantworten.

Für die nächsten Generationen von Mitarbeitern, die wie selbstverständlich mit Alexa, Siri & Co. kommunizieren, wird der Einsatz von Chatbots ganz normal werden. Bereits bei den Millennials ist die Hemmschwelle bei Chatbots und Messaging wesentlich geringer. Untersuchungen des US-Mobilfunkvermarkters 3CInteractive ergaben, dass 40 Prozent der Millennials angaben, täglich mit einem Chatbot zu interagieren, Tendenz steigend. Chatbots bieten die sofortige Befriedigung des Bedürfnisses nach Antworten, die die mit Suchmaschinen aufgewachsenen Millennials gewohnt sind. Dies ist von daher wichtig, weil diese Millennials bald die größte Altersgruppe in der globalen Belegschaft darstellen werden und in Zeiten von Fachkräftemangel immer mehr Unternehmen auf Technologien setzen müssen, die junge Talente anziehen und halten können.

Für Unternehmen, die auf eine datengesteuerte Organisation setzen, bieten Search, Chatbots und KI ein großes Potenzial zur Verbesserung von BI und Analytics. Search erlaubt es den Nutzern, auch ohne IT-Kenntnisse jede datenbezogene Frage einfach in die Suchleiste der Anwendung einzugeben. Chatbots helfen dabei, die Akzeptanzrate zu erhöhen, indem sie den Mitarbeitern die Antworten in dem Augenblick und dort zukommen lassen, wo sie gebraucht werden. KI sorgt dank NLP dafür, dass die Mitarbeiter einfach mit den Daten kommunizieren können. All diese Technologien helfen dabei, die Datenkompetenz der Mitarbeiter zu erhöhen und bessere Geschäftsentscheidungen zu treffen.

Christian Werling, Regional Director DACH bei ThoughtSpot

www.thoughtspot.com/de