BARC Spotlight
GenAI in Business Intelligence and Analytics
Kevin Petrie, August 2024
Generative KI (GenAI) revolutioniert die Business Intelligence und Analytik (BIA), indem sie Teams in die Lage versetzt, Daten mithilfe natürlicher Sprache zu analysieren und aufzubereiten. Dies steigert die Produktivität und unterstützt anspruchsvolle Anwendungsfälle.
Die Fähigkeiten von GenAI gehen über die Verarbeitung natürlicher Sprache, die Umwandlung menschlicher Befehle in SQL-Abfragen und die Beschreibung von Ergebnissen hinaus. Dieses BARC Spotlight stützt sich auf eine Umfrage unter 238 Datenverantwortlichen, um den Stand der Einführung, die Vorteile, Risiken und Best Practices im Zusammenhang mit GenAI in BIA zu untersuchen.
Download: GenAI in Business Intelligence and Analytics
Mgmt Summary
GenAI birgt ein großes Potenzial für die Transformation von Business Intelligence und Analytik, indem sie die Produktivität steigert und anspruchsvollere Analysen ermöglicht. Die Technologie befindet sich zwar noch im Anfangsstadium, aber Unternehmen, die GenAI strategisch implementieren, die damit verbundenen Risiken angehen und ihre Datenkultur stärken, können das volle Potenzial nutzen, um datengestützte Entscheidungsfindung und betriebliche Effizienz zu fördern.
Adoption of GenAI in BI
Die Anwendung von GenAI in der BIA steckt noch in den Kinderschuhen, und nur ein kleiner Prozentsatz der Unternehmen setzt sie vollständig um. Ungefähr 29 % der Befragten diskutieren über GenAI, 9 % evaluieren es und 22 % experimentieren damit. Nur 9 % befinden sich in der Implementierungsphase, wobei 6 % teilweise und 3 % vollständig im Einsatz sind. Fortgeschrittene KI-/ML-Anwender werden GenAI eher übernehmen und ihre bestehenden Data-Science-Programme nutzen. Mehr als ein Drittel der Befragten erwartet, dass GenAI ihre BIA-Nutzung in den nächsten 12-18 Monaten moderat verbessern wird, wobei Dateningenieure und Geschäftsanwender am optimistischsten sind.
Benefits & Risks
Zu den wichtigsten Vorteilen von GenAI für BIA gehören schnellere Erkenntnisse, geringere Arbeitsbelastung, verbesserte Benutzerinteraktion, vereinfachte BIA-Prozesse und erweiterte Self-Service-Funktionen. Diese Vorteile helfen Unternehmen, datengesteuerter zu werden und die Datennutzung zu demokratisieren. Risiken wie Datenschutz, Qualifikationsdefizite, Compliance, Datenqualität und Voreingenommenheit sind jedoch ein großes Problem. Frühe Anwender finden diese Risiken aufgrund ihrer Reife in der traditionellen KI/ML-Governance überschaubar.