Ein Dokument ist kein Benutzer

Kürzlich stieß ich auf einen interessanten Einsatz von Produktanalysen bei einem Unternehmen für Dokumentenmanagement. Sie nutzten eines der Produktanalysetools der ersten Generation auf dem Markt, um Analysen über den Weg und den Lebenszyklus von Dokumenten durchzuführen. Die zentrale Entität, die sie modellieren mussten, war ein Dokument. Leider war das Produktanalysetool der ersten Generation, das sie verwendeten, für benutzerzentrierte Anwendungen im Stil eines Warenkorbs konzipiert. Dadurch war das Unternehmen gezwungen, ein Dokument als Benutzer zu modellieren. Infolgedessen hatten sie Schwierigkeiten, mit diesem kontextuell ungenauen Modell wertvolle Analysen zu erstellen. Kommt Ihnen das bekannt vor?

Während Anwendungen in der Regel benutzerorientiert sind, gibt es viele, die das nicht sind. Zentrale Entitäten könnten Dokument, Ticket, Server, Konto, Gerät, Projekt, Aufgabe, Plan usw. sein. Entitäten, die Menschen widerspiegeln, die Aktionen durchführen, müssen anders modelliert werden als Entitäten, die keine Menschen widerspiegeln, auf denen Aktionen von Menschen durchgeführt werden. Die Produktanalysesysteme der nächsten Generation bieten flexible Datenmodelle, die Ihr einzigartiges Geschäft modellieren können und wesentlich umfangreichere Analysen ermöglichen.

Zweckgebundene vs. allgemeine Produktanalytik

Vor über einem Jahrzehnt kamen die Produktanalysetools der ersten Generation auf den Markt. Mit ihren Instrumentierungs-SDKs boten sie die Möglichkeit, Ereignisse der Benutzerinteraktion in Produkten zu erfassen. Zusätzlich zu den Instrumenten boten diese Tools vorgefertigte Berichtsvorlagen für häufig verwendete Analysen wie Segmentierung von Ereignissen, Conversion, Kundenbindung, Journeys usw. Diese Tools wurden speziell für sehr spezifische Analysen mit einer Berichtsvorlage für jede Art von Analyse entwickelt. Daher haben sie ein einfaches Datenmodell aus Benutzer, Ereignis und Sitzung integriert. Ein vorgefertigtes Datenmodell hat den Vorteil der Benutzerfreundlichkeit, schränkt aber die Menge der Analysefragen ein, die gestellt und beantwortet werden können.

Allzweck-Analysetools wie Business Intelligence (BI)-Tools wurden als universelle Plattformen entwickelt, um eine breite Palette von Analyseanforderungen zu unterstützen. Mit generischen Abstraktionen von relationalen und dimensionalen Modellen konnten sie praktisch jede analytische Berechnung mit SQL durchführen, was eine breite Palette von Anwendungsfällen ermöglichte. BI-Tools unterstützten auch die Beantwortung von Ad-hoc-Fragen durch Schnittstellen zur einfachen Zusammenstellung von Abfragen. Obwohl sie über Abstraktionen für die Modellierung beliebiger Entitäten und deren Beziehungen zu anderen Entitäten verfügen, fehlen BI-Tools einige der speziellen Funktionen für die Modellierung von Ereignisströmen (z.B. die Modellierung einer Abfolge von Ereignissen mit der Zeit zwischen den Ereignissen). Technisch gesehen könnten Sie dies mit SQL tun, aber es wäre sehr umständlich auszudrücken (seitenweise SQL für eine einzige Analyse) und oft ineffizient in der Berechnung.

Produktanalytik der nächsten Generation

Es gibt eine neue Generation von Produktanalysetools, die die Funktionen der traditionellen Tools der ersten Generation erweitern. Diese Tools verfügen über Berichtsvorlagen für die grundlegende Produktanalyse, ermöglichen es Ihnen aber, von jedem beliebigen Punkt aus in eine explorative Ad-hoc-Analyse einzusteigen. Grundlage hierfür ist ein Datenmodell, das grundsätzlich relational ist und eine BI-ähnliche Flexibilität aufweist, aber über Erweiterungen für die Ereignisorientierung verfügt, die für Anwendungsfälle der Produktanalyse typisch ist. Dieses flexible Datenmodell ist mit einer visuellen Ad-hoc-Explorationsschnittstelle und vollständiger SQL-Unterstützung gekoppelt.

Ein Dokument kann also als genau das modelliert werden - ein Dokument. Sie arbeiten nativ mit allen Ihren Geschäftseinheiten, wie Sie sie in den Quellsystemen oder im Data Warehouse sehen. Auf der Grundlage dieses reichhaltigen, nativen Datenmodells können Sie ganz natürlich Fragen stellen, z.B. Wie hoch ist die durchschnittliche Anzahl der Unterzeichner für Dokumente in personalisierten Plänen im Vergleich zu Unternehmensplänen? Wie sieht der wöchentliche Trend bei der Produktnutzung für Konten aus, deren Vertragsverlängerung in den nächsten 30 Tagen ansteht?

Mit den Tools der nächsten Generation vermeiden Sie, dass Sie Ihr Geschäftsmodell in ein Datenmodell zwängen müssen, das für etwas ganz anderes konzipiert wurde. Stattdessen nutzen Sie umfangreiche Funktionen zur Modellierung, um Ihr einzigartiges Geschäft wirklich abzubilden. So können Sie eine Vielzahl von kontextbezogenen Fragen in einer Sprache stellen und beantworten, die für alle Beteiligten intuitiv und natürlich ist. Wenn diese Funktion zusätzlich zu allen Daten in Ihrem Data Warehouse zur Verfügung steht, können Sie auf umfassendere Produkteinblicke zugreifen, die mit den Geschäftsergebnissen korrelieren.

Warehouse-Native Produkt- und Verhaltensanalysen

Optimizely Warehouse-Native Analytics läutet die nächste Generation der Self-Service-Produktanalyse ein - mit der Leistung von BI, die nativ aus Ihrem Data Warehouse heraus arbeitet.