Analytics-Glossar
Wichtige Begriffe aus Data Analytics, Machine Learning und Monitoring verständlich erklärt
Analytics
Anomalieerkennung
Automatische Identifikation von Datenpunkten oder Mustern, die signifikant von
erwarteten Normalwerten abweichen. Moderne Systeme nutzen statistische Methoden oder
Machine Learning, um sowohl punktuelle Ausreißer als auch kontextuelle Anomalien zu
erkennen.
Monitoring
Baseline
Referenzwert oder Normalzustand einer Metrik, der als Vergleichsbasis für
Abweichungserkennung dient. Baselines werden typischerweise aus historischen Daten
berechnet und berücksichtigen Saisonalität sowie Trends.
Infrastructure
Data Pipeline
Automatisierte Prozesskette zur Übertragung, Transformation und Verarbeitung von Daten
zwischen verschiedenen Systemen. Moderne Pipelines umfassen Extraktion, Validierung,
Transformation und Laden von Daten.
Infrastructure
ETL-Prozess
Extract-Transform-Load bezeichnet den Prozess des Extrahierens von Daten aus
Quellsystemen, Transformieren in einheitliches Format und Laden in Zielsysteme wie Data
Warehouses oder Analytics-Plattformen.
AI
Feature Engineering
Prozess der Erstellung aussagekräftiger Eingangsvariablen für Machine Learning Modelle
durch Transformation, Aggregation oder Kombination von Rohdaten. Entscheidend für
Modellqualität und Vorhersagegenauigkeit.
Business
KPI
Key Performance Indicator bezeichnet eine messbare Kennzahl, die den Erfolg oder
Fortschritt bezüglich definierter Geschäftsziele quantifiziert. Effektive KPIs sind
spezifisch, messbar und handlungsrelevant.
Performance
Latenz
Zeitverzögerung zwischen einem Ereignis und seiner Verarbeitung oder Anzeige im System.
Bei Echtzeit-Monitoring ist niedrige Latenz kritisch für zeitnahe Reaktionen auf
Abweichungen.
AI
Machine Learning
Teilgebiet der künstlichen Intelligenz, bei dem Algorithmen aus Daten lernen und Muster
erkennen, ohne explizit programmiert zu werden. Ermöglicht Vorhersagen und
Entscheidungen basierend auf historischen Beispielen.
Analytics
Prädiktive Analyse
Verwendung historischer Daten, statistischer Algorithmen und Machine Learning zur
Vorhersage zukünftiger Ereignisse oder Trends. Ermöglicht proaktives Handeln statt
reaktiver Problemlösung.
Technology
Real-Time Processing
Verarbeitung von Daten unmittelbar nach ihrer Entstehung mit minimaler Verzögerung.
Ermöglicht sofortige Reaktionen auf Ereignisse im Gegensatz zu Batch-Verarbeitung mit
Zeitverzögerung.
Monitoring
Severity Level
Klassifizierung der Dringlichkeit oder Kritikalität eines Alarms oder Problems. Typische
Stufen umfassen Info, Warning, Error und Critical mit unterschiedlichen Eskalations- und
Benachrichtigungsregeln.
Analytics
Time Series
Datenreihe mit zeitlich geordneten Werten, typischerweise in regelmäßigen Intervallen
erfasst. Grundlage für Trendanalysen, Vorhersagen und Anomalieerkennung in
Monitoring-Systemen.
Visualization
Dashboard
Visuelle Benutzeroberfläche, die wichtige Metriken und KPIs in übersichtlicher Form
präsentiert. Effektive Dashboards ermöglichen schnelle Erfassung der aktuellen Situation
und Identifikation von Handlungsbedarf.
Infrastructure
Data Warehouse
Zentrale Datenbank, die Informationen aus verschiedenen Quellen konsolidiert und für
Analysen optimiert. Dient als Single Source of Truth für unternehmensweite Analytics.
Monitoring
False Positive
Fehlalarm, bei dem das System eine Anomalie meldet, obwohl tatsächlich keine
problematische Situation vorliegt. Hohe False-Positive-Raten führen zu Alarm-Fatigue und
verminderter Systemakzeptanz.
Business
SLA
Service Level Agreement definiert zugesicherte Leistungsparameter wie Verfügbarkeit,
Reaktionszeiten oder Fehlerquoten. Monitoring-Systeme überwachen automatisch die
Einhaltung vereinbarter SLAs.
Technology
Stream Processing
Kontinuierliche Verarbeitung von Datenströmen in Echtzeit, ohne sie zunächst vollständig
zu speichern. Ermöglicht sofortige Analysen und Reaktionen auf eingehende Events.
Monitoring
Threshold
Schwellenwert, der die Grenze zwischen normalem und anomalem Verhalten definiert. Kann
statisch festgelegt oder dynamisch basierend auf historischen Mustern berechnet werden.
