Wie die meisten von Ihnen ja wissen, ist die dab:Daten – Analysen & Beratung GmbH eine Ausgründung aus der Technischen Hochschule Deggendorf (THD). Seit jeher haben wir daher auch immer Werkstudenten, die bei uns arbeiten und manchmal auch ihre Abschlussarbeit bei uns schreiben.
4 Drei Anwendungsbeispiele Konkrete Anwendungsfälle sind also gefragt. Aus unserem Portfolio möchte ich hier drei Beispiele aufzeigen, um Ihnen entsprechende Anregungen zu geben. Dies habe ich in drei verschiedene Kategorien aufgeteilt: Einmal ein Beispiel dafür, wie sich bekannte, transaktionsbasierte Analysen verbessern lassen, am Beispiel der klassischen Doppelzahlungsanalyse. Weiter geht es mit neuen Analyseansätzen, und zwar konkret dem Vergleich der Stammdatenqualität, ausgedrückt in einer objektiv ermittelten Kennzahl. Drittes Beispiel ist die Segmentierung von Geschäftspartnern in der Finanzbuchhaltung, allerdings nicht klassisch, sondern basierend auf der Buchungsstruktur, die diese Partner aufweisen.
Die Digitalisierung ist nicht erst seit Corona ein brennendes Thema in den Unternehmen, doch zeigt die plötzliche Umstellung auf dezentrale Orte wie das Homeoffice die Schwachstellen bei der Digitalisierung deutlich auf. Etwaige Versäumnisse oder fehlende Bereitschaft wirken sich nun stark auf den Arbeitsalltag in den einzelnen Unternehmen aus.
Dies ist der zweite Teil einer kurzen Blogpostreihe, in der wir Ihnen zwei Vorgehensweise präsentieren, wie die Analysesoftware „ACL™ Robotics“ - früher „ACL™ Analytics“ - des Softwarehersteller Galvanize die Umsetzung von Machine Learning ermöglicht. Die seit vielen Jahren am Markt etablierte Softwarelösung „ACL™ Robotics“ unterstützt die manuelle und automatisierte Analyse großer Datenmengen. Neben vielen Schnittstellen u.a. zu SAP (via "SAP Connector"), Salesforce, Google Hive, Amazon Redshift, Outlook, PDF-Importen oder beliebigen ODBC-Datenquellen, hilft eine automatisierte Skriptsprache, die Abfolge von Analyseschritten zu automatisieren. Der Hersteller Galvanize ordnet dies dem Bereich RPA (Robotic Process Automation) zu. Einzelne Analyseschritte werden durch Methoden bzw. Kommandos wie Sortierungen, Summenstrukturen, Joins, Relationen oder Verdichtungen wie Kreuztabellen und Summenstrukturen abgebildet. Im Zusammenhang mit diesem Blogpost gehören dazu seit geraumer Zeit auch drei Kommandos im Kontext von Machine Learning: „Train“, „Predict“ und „Cluster“. Wir bringen Ihnen im Folgenden die Verwendung dieser drei Kommandos anhand von konkreten betriebswirtschaftlichen Beispielen näher. Für ACL-Anwender bieten wir zudem die Möglichkeit, ACL-Projekte für die Beispiele herunterzuladen, um jede Methode selbst in der Praxis nachzuvollziehen.
Die Analyse von Prozessen in Unternehmen mithilfe von Process Mining im speziellen für die Prozesse Purchase-to-Pay und Order-to-Cash sind weiterhin stark gefragt. Unsere Position und Lösungen zu diesem Thema haben wir bereits in verschiedenen Blogposts vorgestellt.
Ich hoffe Ihnen hat unser erster Beitrag in unserer Reihe über Machine Learning gefallen. Sollten Sie ihn verpasst haben - kein Problem. Hier können Sie ihn nachlesen. Im zweiten Teil dieser Blogreihe fokussieren wir uns auf folgende Themen:
In diesem Blogpost zeigen wir Ihnen zwei Beispiele von Vorgehensweisen, wie die Analysesoftware „ACL™ Robotics“ - früher „ACL™ Analytics“ - des Softwarehersteller Galvanize die Umsetzung von Machine Learning ermöglicht. Für Profis: Es werden sowohl Supervised- als auch Unsupervised-Learning Ansätze unterstützt. „ACL™ Robotics“ ist eine Softwarelösung, die schon seit vielen Jahren die manuelle und automatisierte Analyse großer Datenmengen unterstützt. Neben vielen Schnittstellen u.a. zu SAP (via "SAP Connector"), Salesforce, Google Hive, Amazon Redshift, Outlook, PDF-Importen oder beliebigen ODBC-Datenquellen, hilft eine automatisierte Skriptsprache, die Abfolge von Analyseschritten zu automatisieren. Der Hersteller Galvanize ordnet dies dem Bereich RPA (Robotic Process Automation) zu. Einzelne Analyseschritte werden durch Methoden bzw. Kommandos wie Sortierungen, Summenstrukturen, Joins, Relationen oder Verdichtungen wie Kreuztabellen und Summenstrukturen abgebildet, um nur einige Beispiele zu nennen. Zu diesen Kommandos gehören seit geraumer Zeit auch drei, mit deren Hilfe sich Machine Learning Ansätze automatisieren lassen: „Train“, „Predict“ und „Cluster“. Wir bringen Ihnen in diesem Blogpost die Verwendung dieser drei Kommandos näher, anhand von konkreten betriebswirtschaftlichen Beispielen wie etwa der Vorhersage von Retourenwerten und dem Clustering von Kunden im Zusammenspiel mit Zahlungszielen. Für bestehende ACL-Anwender bieten wir zudem die Möglichkeit, ACL-Projekte für die Beispiele herunterzuladen und so jede Methode selbst Schritt für Schritt ausprobieren zu können.
Process Mining ist eines der trending Topics in vielen Unternehmen, da man sich durch die Visualisierung des Prozesses erhofft, Schwachstellen erkennen und beheben zu können. Dass Process Mining jedoch ohne die Aufbereitung von Daten nicht funktioniert, haben dabei die wenigsten im Hinterkopf.
Wir haben Sie an dieser Stelle bereits öfter mit Updates über die Highbond Plattform von Galvanize auf dem Laufenden gehalten. Die Investitionen, die Galvanize im Zusammenhang mit der GRC Plattform tätigt, in Verbindung mit der klaren und eindeutig definierten Strategie zahlen sich nun aus: Forrester Research führt Galvanize als Leader in ihrem Report „The Forrester Wave™: Governance, Risk, and Compliance Platforms, Q1 2020“
Künstliche Intelligenz und Maschinelles Lernen – egal in welchem Medium man sich bewegt (Printmedien, Onlineportale, Radio oder TV), meist früher als später wird man mit mindestens einem dieser Schlagwörter konfrontiert. Aber wie heißt es so schön: Es wurde schon alles gesagt, nur nicht von allen.
Mittlerweile beschäftigen wir uns seit über 15 Jahren mit den Themen Datenanalyse, Audit, Risikomanagement, Compliance und IKS (ICS Internal Controls). Gerade in der jüngeren Vergangenheit der letzten 1-2 Jahre hat sich hier enorm viel getan.
Diejenigen von Ihnen, die das Thema Datenanalyse bei sich im Unternehmen betreuen, werden sicherlich schon festgestellt haben, dass es eine Sache ist, Analysen laufen zu lassen. Die Abarbeitung der Ergebnisse hingegen ist ein komplett anderes Feld, welches zumeist viel mehr Zeit und Arbeit kostet als erwartet.
