DE | EN

Fast jeder von uns nutzt inzwischen vollkommen selbstverständlich asynchrone Kommunikationswege wie Chats oder E-Mails. Durch soziale Medien und Messenger sind wir längst gewöhnt, unsere Anfragen komprimiert zu formulieren und in Textform zu kommunizieren.

Warum also nicht direkt mit meinen Daten chatten und somit genau die Antworten erhalten, die ich suche? – Dieser Frage möchte ich, Kevin Duchrow aus dem Team BI der fme AG in diesem Blogbeitrag nachgehen und aufzeigen, welche Lösung Qlik uns hierzu bietet. Ich möchte in diesem Zusammenhang auch auf die Herausforderungen eingehen und zeigen, wie es uns möglich ist, diese Analysen zu optimieren und damit unser Ziel zu erreichen:

Wir möchten erreichen, dass auch Personen mit weniger technischem Know-how in der Lage sind, ihre Fragen an die vorhandenen Daten zu stellen und eindeutige Antworten zu erhalten.

Der Insight Advisor Chat als neue Funktion von Qlik Sense

Es klingt fast zu schön, um wahr zu sein. Der Insight Advisor Chat bietet uns die Gelegenheit, direkt mit unseren Daten zu chatten. Mit natürlicher Sprache lassen sich selbst sehr komplexe Anfragen modellieren: Nach dem Absenden der Nachricht erhalten Sie nicht nur eine einfache ja/nein-Antwort oder bekommen eine einzelne KPI zurückgeliefert, Sie erhalten darüber hinaus umgehend eine an die Daten angepasste visuelle Datenrepräsentierung sowie zusätzliche Tipps für die nächsten Analysen.

Ich habe den Insight Advisor Chat, eine neue Funktion von Qlik Sense, die für alle Kunden der Qlik Sense Cloud verfügbar ist, getestet. Dabei handelt es sich eingangs um einen unscheinbaren Button am oberen Bildschirmbereich mit der Aufschrift »Ask Insight Advisor«. Nach einem Klick auf diesen Button öffnet sich der bereits angesprochene, interaktive Chat und der Anwender kann seine Fragen loswerden. Möglicherweise kommt diese Funktion einigen bereits bekannt vor, denn bereits in der On-Premises Lösung (Qlik Sense Enterprise for Windows) gibt es eine solche Funktion unter dem Namen »Qlik Insight Bot«. Wer sich damit bereits auch schon etwas mehr auseinandergesetzt hat weiß, dass die Installation dabei nicht besonders einfach ist und die Einrichtung und Konfiguration an einigen Stellen ihre Ecken und Kanten hat. Mit dem Insight Advisor Chat geht Qlik nun einige Schritte weiter. Nicht nur, dass dem Administrator über das Cloud Deployment die komplette Installation abgenommen wird, sondern es wurde mit der Business Logic eine absolut notwendige neue Modellierungsfunktion eingeführt. Aber warum bin ich der Meinung, dass diese Funktion so wichtig ist?

Einblicke in den Insight Advisor Chat

Um Ihnen die Wichtigkeit der neuen Modellierungsfunktion deutlich zu machen, möchte ich Ihnen ein paar Einblicke geben.

Nachdem ich mir voller Vorfreude eine Test-App gebaut und in die Qlik Cloud hochgeladen habe, wollte ich erstmals den Chat in vollen Zügen ausprobieren und testen. Dafür ist es zuerst nötig, in der zu analysierenden App die »Einblicke für den Chat in hub« zu aktivieren. Diese Option findet sich in den Optionen der jeweiligen App. Damit erreichte ich bereits ‒ ohne viel Aufwand ‒ mein erstes, selbstgestecktes Ziel: Ich konnte die App im Insight Advisor Chat sehen und direkt anfangen zu chatten. Leider kam schnell die Ernüchterung, nachdem ich meine erste, etwas komplexere Anfrage stellte: »Show me the average turnover of the last years by departments.«

Ich erwartete kein Hexenwerk, aber das Ergebnis enttäuschte mich dann doch etwas. Ich habe dies einmal fotografisch festgehalten:

 

Chatfenster des Qlik Insight Advisor Chats mit meiner Suchanfrage und der Antwort, die lediglich aus einer Zahl besteht.

Abb. 1: Chatfenster des Insight Advisor mit meiner Suchanfrage und der Antwort, die lediglich aus einer Zahl besteht.

 

Doch was ist passiert? – Da es sich um ein Sales Dashboard handelt, wäre es interessant zu sehen, wie hoch der durchschnittliche Umsatz der letzten Jahre von jeder Abteilung war. Was ich also optimalerweise erwartet hätte, wäre ein Balkendiagramm, welches mir den durchschnittlichen Umsatz aller Abteilungen über die Jahre darstellt. In der Test-App sind jedoch lediglich Testdaten für das Jahr 2018 hinterlegt. Nachfolgend visualisiere ich in einem selbst erstellen Diagramm, was ich mir vom Advisor Chat als Antwort gewünscht hätte.

 

Qlik Insight Advisor Chat Antwort als Balkendiagramm Umsatz für das Jahr 2018

Abb. 2: Als Antwort auf meine Anfrage bzgl. des Umsatzes der Abteilungen hätte ich ein solches Balkendiagramm erwartet.

 

Ich formulierte meine Anfrage auf Englisch, da der Insight Advisor Chat aktuell nur in englischer Sprache zur Verfügung steht und erhielt die Antwort »2018« (siehe Abb. 1).

 

Der Insight Advisor macht die Auswertungen transparent, wodurch direkt zu sehen ist, woran es scheitert:

Qlik Insight Advisor Chat visualisiert die Interpretation meiner Anfrage. Das Wort years ist gefettet

Abb. 3: Insight Advisor visualisiert die Interpretation meiner Anfrage.

 

Im Bild ist durch die hervorgehobene Schriftdicke zu erkennen, dass nur das Schlüsselwort »Year« als Dimension erkannt wurde. Da, wie gesagt nur für ein Jahr Daten in dieser Test-App hinterlegt sind, zeigt mir die App also auch nur die 2018 als Dimensionstabellenauszug an. Das bedeutet, mit dem Rest meiner Anfrage konnte der Insight Advisor leider nichts anfangen. Dieses Problem gilt es zu lösen.

Anders als bei dem Insight Bot, gibt uns Qlik dafür nun bei dem Insight Advisor Chat ein wertvolles Werkzeug mit an die Hand, die sogenannte »Business Logic«.

Die Business Logic als wertvolles Werkzeug des Insight Advisor Chats

Mit der Business Logic ist es uns unter anderem möglich, neben dem Datenmodell ein zusätzliches, logisches Modell zu definieren, um die Daten genauer beschreiben zu können. Zusätzlich können wir bestimmte Felder explizit mit Fachbegriffen verknüpfen und somit dem Insight Advisor Chat mehr Informationen zur richtigen Interpretation bieten.

Da es den Rahmen dieses Beitrages sprengen würde, möchte ich im Folgenden auf nur zwei Elemente der Business Logic genauer eingehen: auf Felder und Gruppe sowie auf das Vokabular.

 

Felder und Gruppen

Bereits mit dieser Anpassung wird der Wert der generierten Einblicke deutlich erhöht. Zu jedem Feld in unserer App können wir hier zusätzliche Informationen hinterlegen. Zum Beispiel, ob es sich bei einem bestimmten Datenfeld um ein reguläres Textfeld handelt oder möglicherweise um einen geographischen Zusammenhang, also Ort oder Land. Diese kleine Zusatzinformation wird als Dimension in der Anfrage verwendet und führt dazu, dass anstelle eines einfachen Balkendiagramms beispielsweise eine Karte mit Markierungen visualisiert wird.

Qlik Insight Advisor Chat_Übersicht der Felder und Gruppen in der Business Logic

Abb. 4: Übersicht der Felder und Gruppen in der Business Logic

 

In der Abbildung 4 habe ich die Übersicht der Felder und Gruppen einmal abgebildet. Hier werden alle Felder und Dimensionen in einer Tabelle dargestellt. Über die Spalte »Sichtbarkeit« ist es uns möglich auszusteuern, ob ein Benutzer dieses Feld sehen kann, also die Abfragen überhaupt auf bestimmte Felder adressieren kann.

In der Spalte »Klassifizierung« können wir beeinflussen, ob dieses Feld als Dimension oder als Kennzahl interpretiert wird. Dies beeinflusst primär die Interpretation der Daten und die daraus resultierenden Dimensionen. In der Regel erkennt Qlik dies bereits richtig als Kennzahl oder Dimension, es kann hier aber nochmal unterklassifiziert werden. In unserem Fall könnten wir das Feld beispielsweise nicht nur als Kennzahl klassifizieren, sondern sogar als »monetary« also als Geld-verwandtes Feld. Damit beeinflussen wir die Interpretation der Daten soweit, dass die Ergebnisse das Suffix »€« bekommen und somit eindeutig als Geld identifiziert werden können.

 

Qlik Insight Advisor Chat Business Logic Aenderung Klassifizierung_Abb5

Abb. 5: Änderung der Klassifizierung des Feldes »Revenue« von »Kennzahl« zu »monetary«.

 

Hier lassen sich noch zahlreiche andere Spezifikationen den Feldern anfügen und viele weitere branchenspezifische und performancetechnische Anpassungen machen.

 

Vokabular

Neben dem logischen Modell gehört auch das Vokabular zur Business Logic. Hierbei handelt es sich im Prinzip um ein Wörterbuch für die App. Über den Button »Vokabular erstellen« lassen sich nun einzelne oder auch mehrere Wörter auf ein Feld oder einer Masterkennzahl abbilden.

Qlik Insight Advisor Chat_Funktion Vokabular_Formular zum Erstellen von zusätzlichem Vokabular.

Abb. 6: Formular zum Erstellen von zusätzlichem Vokabular.

 

Hier können für bestimmte Formulierungen die passenden Felder oder Masterkennzahlen ausgewählt werden (Abbildung 6). Mit dem Vokabular stellen Sie sicher, dass der Insight Advisor die »Sprache« Ihrer Anwender versteht. Diese Anpassungen sind daher sehr individuell und sollten mit einem fachlichen Experten abgestimmt werden. Zum Beispiel lassen sich in dem Feld »Begriffe« mehrere Formulierungen aufzählen, die auf das gleiche Feld im Qlik Datenmodell einzahlen.

Dies lässt sich für beliebig viele Felder anpassen. Es ist ebenso möglich Bedingungen einzufügen. Damit können Sie sogar Begriffe definieren, die nur dann zutreffen, wenn der Wert eines Feldes bestimmte Kriterien erfüllt.

Zum Beispiel können Sie die Formulierung »high turnover« definieren, die erst berücksichtigt wird, wenn ein gewisser Schwellwert erreicht wurde.

 

Insight Advisor Chat_Funktion Vokabular_Übersicht des Vokabulars

Abb. 7: Übersicht des, für die App angelegten, Vokabulars

Fazit und Ausblick

Eingangs habe ich gefragt, ob es möglich sei, »mit meinen Daten zu chatten, um somit genau die Antworten zu erhalten, die ich suche?«

Der Insight Advisor Chat bietet die innovative Möglichkeit für User, durch die Nutzung von natürlicher Sprache in Schriftform eine Auswertung der vorhandenen Daten zu erhalten. Doch zeigt die Realität, dass dies auch mit einem hohen zusätzlichen Arbeitsaufwand verbunden ist. In diesem Zusammenhang wurde ich gefragt, wie hoch ich den Aufwand für die zusätzliche Modellierung einschätze. Über diese Frage habe ich mir im Nachgang noch viele Gedanken gemacht und bin zu dem Entschluss gekommen, dass ich den Arbeitsaufwand ähnlich hoch einschätze wie für die eigentliche Datenmodellierung selbst. Insbesondere deswegen, weil die Diversität in der natürlichen Sprache besonders groß ist. Nicht nur der Unterschied anhand des fachlichen und technischen Wissens ist dabei eine Herausforderung, sondern auch regionale Formulierungen oder Umgangssprache lassen die Anzahl der Möglichkeiten der Anfragen explodieren. Jedoch kann auch mit deutlich weniger Aufwand ein zufriedenstellender Chat für eine App gebaut werden; soll die App und der Chat jedoch für ein großes Publikum freigegeben und auf einem komplexen Datenmodell basieren, so sollte viel getestet und optimiert werden, um den Benutzern eine tolle User Experience zu bieten.

Trotz dieser Komplexität denke ich, dass Qlik hier den richtigen Weg geht und mit der Business Logic eine klare Trennung zu der klassischen Datenmodellierung einführt. Damit geht die Übersicht nicht verloren, die Verantwortlichkeiten sind klar getrennt und es können auch bereits vorhandene Apps nachträglich mit dem Chat erweitert werden, da das Datenmodell selbst nicht zwingend verändert werden muss.

Bleibt noch die Frage offen, ob wir unser Ausgangsziel erreicht haben?

»Wir möchten erreichen, dass auch Personen mit weniger technischem Know-how in der Lage sind, ihre Fragen an die vorhandenen Daten zu stellen und eindeutige Antworten zu erhalten.«

Für unser Beispiel lässt sich festhalten, dass viele Anpassungen nötig sind, um den Insight Advisor Chat für den Umgang mit weniger technisch orientierten Anwendern zu optimieren. Doch gibt uns Qlik nun das richtige Werkzeug an die Hand, um dieses Ziel zu erreichen und erfolgreich umzusetzen ‒ auch aufbauend auf existierenden Apps.

Verschiedenste BI Tools folgen dem (Schrift-)Sprachsteuerungs-Trend und auch in unser Privatleben hat das Fragenstellen mit natürlicher Sprache an technischen Geräten bereits Einzug gehalten. Sei es durch Sprachassistenzsysteme wie Amazon Alexa, Google Home oder auch bei vielen Websites, die ihren Support mit automatisierten Chatbots entlasten. Somit steigt auch die Erwartung beim Anwender, dass auch BI Tools diese Möglichkeiten bieten. Aus meiner Sicht sind das gute Gründe, diesen zusätzlichen Arbeitsaufwand zu betreiben und bei Ihren Anwendern eine selbstverständliche Chat-Interaktion mit Daten zu fördern.

Nachdem ich mich intensiv mit den Daten und den Anpassungsmöglichkeiten des Insight Advisor Chats beschäftigt habe, kann ich auf jeden Fall sagen, dass dieses Thema ein enormes Potential bietet. Ich glaube, dass das sogenannte »Conversational Analytics« zukünftig eine große Rolle im BI Umfeld spielen wird.

Ich bin sehr gespannt welche Möglichkeiten sich noch in der Zukunft bieten und wie sich das Thema weiterentwickelt und hoffe auch, Sie inspiriert zu haben. Sollte dies der Fall sein oder Sie haben Fragen zu diesem Thema, kommen Sie gerne auf mich zu und lassen Sie uns über Ihre Ideen oder Ihr Projekt sprechen.

 

JETZT KONTAKT AUFNEHMEN

 

PS: Hier noch ein weiterer visueller Einblick in den Insight Advisor Chat

Blog Qlik Insight Advisor Chat

 

Tags: Business Intelligence