Der Analyst könnte der Kutscher der Neuzeit werden. Was vor 100 Jahren das Auto mit dem Kutscher gemacht hat, könnte in naher Zukunft GenAI mit den Analysten machen. Ein komplettes Umdenken und Neupositionieren von der Rolle des Analysten steht vor der Tür. Wer nicht umdenkt, verliert – Sei bereit!
Die klassische Analytics-Organisation ist überholt: Statische Reports, BI‘s, manuelle Auswertungen, zentrale Bottlenecks – das passt nicht mehr zum Tempo moderner Entscheidungen. Datenkonsumenten erwarten kontextbezogene Antworten in natürlicher Sprache, direkt aus dem Datenmodell.
Ein tagtägliches Szenario in vielen Firmen: Du sitzt vor deinem Dashboard und hast eine Frage – etwa zur aktuellen Umsatzentwicklung oder zur Margenverteilung. Statt einen Analysten zu kontaktieren, sprichst du direkt mit dem Dashboard. Und bekommst sofort eine präzise Antwort. Klingt nach Zukunftsmusik?
Standardreports – selten passend, oft problematisch
Standardreports sind in grossen Unternehmen üblich – aber selten hilfreich. Zu viel, zu wenig, das Wesentliche fehlt. Reporting kostet Zeit und Geld: Datenänderungen stören Kennzahlen, Filter versagen, Zugriffsrechte blockieren Dashboards. Viele Reports verstauben ungenutzt – im Versionsdschungel von V1, V2, _final, _finalV1_Huber (sic!).
Kurz: „Statische Reports liefern keine Antworten – sie liefern Wartezeiten.“
In meiner Firma zeigte eine Erhebung, dass nur gerade 10 % der Reports regelmässig genutzt werden, der Rest kostet im Prinzip nur Zeit und Geld.
Tod dem Standard – jetzt kommen echte Antworten
Stell dir vor: Du brauchst dringend die Umsatzzahlen eines Produkts für eine wichtige Sitzung.
Der Standardreport? Nur Produktgruppen, keine Produkte.
Der Analyst? Im Urlaub.
Niemand da, der dir deine Frage beantwortet!
Conversational Analytics erlaubt es dir neu, direkt mit deinen Daten zu interagieren – du sprichst direkt mit deinen Daten.
Fragen wie:
• „Welche Produkte verlieren Marge?“
• „Welcher Kunde drückt die Preise?“
werden sofort beantwortet – in natürlicher Sprache, direkt aus dem Datenmodell.
Das Fundament bilden semantische Modelle – entwickelt gemeinsam von Data Engineers und Business-Experten. Sie übersetzen komplexe Datenstrukturen in verständliche Geschäftslogik: Was ist ein Kunde? Wie hängen Produkte, Regionen und Margen zusammen? Ganz ohne technisches Wissen über Datenbankfelder, kryptische Bezeichnungen, Power BI, Excel.
Ein flexibles Dialogsystem ersetzt starre Reportstrukturen. Das Standard-Reporting bleibt als Basis erhalten; alles Weitere liefert das Modell bei Bedarf.
Und das Beste: Es ist extrem kosteneffizient.
Bei uns kostet eine Abfrage rund 0.7 Rappen – nur Informationen, die wirklich gebraucht werden, verursachen auch Kosten!
Aus der Praxis: Wie wir Conversational Analytics im Konzern eingeführt haben
Wir starteten mit einem global verfügbaren Daily Sales Dashboard – Umsätze nach BU, ergänzt um Kunden- und Produktinfos. Für weitergehende Fragen kann der User seine Frage direkt auf dem Dashboard eingeben:
• „Welche Fragen kannst du beantworten?“
• „Welche Produkte haben die meiste Marge verloren?“
• „Welche Kunden drücken die Preise – und wie wirkt sich das auf meine Marge aus?“
• „Welcher Verkäufer liegt hinter dem Ziel?“
Antworten kommen in Sekunden, die Konversation kann beginnen.
Gute Ergebnisse brauchen Training – aber nicht viel:
Ein Praktikant mit Grundkenntnissen in SQL und Python trainierte unser Modell basierend auf Databricks AI Genie in nur zwei Tagen. Das Ergebnis: eine klare Mehrheit an präzisen und vertrauenswürdigen Antworten.
Wenn eine Antwort ungenau oder falsch ist, reicht ein Klick: Prompt und Antwort gehen direkt an einen Analysten, der sie prüft und das Modell nachschärft. Beim nächsten Mal sitzt die Antwort – präzise und verlässlich.
Die Nutzerakzeptanz ist aussergewöhnlich hoch – das System wird schnell angenommen und aktiv genutzt.
Warum?
Weil der Mehrwert sofort spürbar ist:
• Informationen sind direkt verfügbar
• Keine Umwege, keine Wartezeiten
• Extrem kosteneffizient
Der Paradigmenwechsel hat aber auch Nebenwirkungen
Der Wandel zu Conversational Analytics bringt nicht nur Fortschritt – sondern auch Reibung.
Rollenverständnisse verändern sich drastisch:
• Weg vom Reporting, hin zu Data Engineering, Governance und Business Translation
• Datenarchitektur wird wichtiger als Datenanalyse
• Klassisches Reporting wird „nur“ noch als Base-lining genutzt, wird aber mehr und mehr verschwinden.
Der klassische Analyst wird verschwinden – und das bald.
Er ist wohl wirklich der Kutscher der Neuzeit
Beitrag wurde mit KI optimiert
