Glossar

Eine einmalige, spontane Analyse von Daten, die auf spezifische, aktuelle Geschäftsfragen oder Probleme abzielt. Ad-hoc-Analysen ermöglichen Benutzern, Daten flexibel zu untersuchen und individuelle Berichte zu erstellen.

Datenaggregation ist der Prozess der Sammlung, Gruppierung und Zusammenfassung von Daten aus verschiedenen Quellen, Ebenen oder Perioden, um die Datenmenge zu reduzieren, die Komplexität zu vereinfachen und die Analyse, Berichterstattung und Entscheidungsfindung zu erleichtern. Datenaggregation ist ein wichtiger Aspekt von Data Warehousing, OLAP und Data Cubes, da sie die Performance, Skalierbarkeit und Benutzerfreundlichkeit von Business Intelligence und Analytics verbessert. Datenaggregationstechniken umfassen Gruppierung, Filterung, Sortierung, Summierung und Durchschnittsbildung.

Softwaretools und Plattformen, die entwickelt wurden, um den Prozess der Datenerhebung, -analyse und -interpretation zu unterstützen und Geschäftsanwendern wertvolle Erkenntnisse zu liefern.

Anomaly Detection bezieht sich auf die Identifizierung von Mustern, Ereignissen oder Datenpunkten, die von der Norm oder den Erwartungen abweichen und möglicherweise auf Probleme, Fehler, Betrug oder Chancen hinweisen. Anomaly Detection ist ein wichtiger Aspekt von Business Intelligence, Advanced Analytics, Data Science und Risikomanagement, da es Unternehmen ermöglicht, unerwartete Muster und Verhaltensweisen frühzeitig zu erkennen und darauf zu reagieren. Anomaly Detection-Techniken umfassen statistische Tests, maschinelles Lernen, Clusteranalyse und Zeitreihenanalyse.

Ein Ansatz, bei dem Endbenutzer die Möglichkeit haben, eigene Berichte und Dashboards basierend auf ihren spezifischen Anforderungen und Interessen zu erstellen, ohne auf IT-Unterstützung angewiesen zu sein.

Eine API (Application Programming Interface) ist eine Sammlung von Protokollen, Routinen und Tools, die als Schnittstelle zwischen unterschiedlichen Softwareanwendungen und Systemen dienen. APIs ermöglichen es Entwicklern, auf bestimmte Funktionen oder Dienste einer anderen Software oder eines anderen Systems zuzugreifen, ohne dessen internen Code kennen zu müssen. APIs erlauben die Integration und Kommunikation zwischen Softwarekomponenten und erleichtern die Entwicklung und Erweiterung von Anwendungen, indem sie wiederverwendbare und standardisierte Programmierschnittstellen bereitstellen.

Im Bereich von Business Intelligence und Datenmanagement werden APIs häufig verwendet, um Daten aus verschiedenen Quellen abzurufen, wie beispielsweise Webdienste, soziale Netzwerke, Cloud-Anwendungen, IoT-Geräte oder mobile Apps. APIs unterstützen den automatisierten und sicheren Datenaustausch, die Synchronisation und die Aktualisierung von Daten zwischen Systemen, Plattformen und Anbietern. APIs sind ein zentraler Bestandteil von Datenintegrations-, ETL- (Extract, Transform, Load) und Datenmigrationsprozessen und können in Kombination mit Datenbanken, Data Warehouses, Analysewerkzeugen und Berichtslösungen verwendet werden, um die Datenverfügbarkeit, Datenqualität, Datenanalyse und Datenvisualisierung zu optimieren.

Ein strategisches Management- und Messsystem, das Finanz- und Nicht-Finanzkennzahlen verwendet, um die Leistung eines Unternehmens in vier Perspektiven zu bewerten: Finanzen, Kunden, interne Prozesse und Wachstum/Lernen.

Referenzpunkte oder Ausgangswerte, die zur Messung von Veränderungen oder Fortschritten im Laufe der Zeit verwendet werden. Baselines helfen dabei, die Leistung von Projekten oder Initiativen zu bewerten und Ziele zu setzen.

Der Prozess des Vergleichs der eigenen Geschäftsprozesse, Praktiken oder Leistungskennzahlen mit denen von Branchenführern oder Wettbewerbern, um Verbesserungsmöglichkeiten zu identifizieren.

Big Data bezieht sich auf extrem große, komplexe und heterogene Datenmengen, die traditionelle Datenverarbeitungs- und Analysemethoden überfordern. Big Data hat die Landschaft von Business Intelligence, Analytics und Data Science verändert, indem sie neue Herausforderungen und Möglichkeiten für die Sammlung, Speicherung, Verarbeitung und Analyse von Daten in großem Umfang, hoher Geschwindigkeit und vielfältigen Formaten bietet. Big Data-Technologien umfassen verteilte Datenbanksysteme, NoSQL-Datenbanken, Hadoop, Spark und maschinelles Lernen.