Kommentar von Tom Becker, Alteryx

Analysespezialisten verschwenden ihre Zeit

| Autor / Redakteur: Tom Becker / Nico Litzel

Der Autor: Tom Becker ist General Manager Central & Eastern Europe bei Alteryx
Der Autor: Tom Becker ist General Manager Central & Eastern Europe bei Alteryx (Bild: Alteryx)

Daten sind wahlweise das Öl oder Gold des 21. Jahrhunderts. Unternehmen graben nach wertvollen Datenquellen, um neue Erkenntnisse zu gewinnen und effizienter arbeiten zu können. Die „Goldgräber“ sind dabei die Data-Analysten und Data Scientists, die gesammelte Daten aufbereiten, ordnen, analysieren und Ergebnisse kommunizieren. Doch wie viel Zeit benötigen sie für welche Aufgabenbereiche? Wie effizient und effektiv können sie mit den ihnen zur Verfügung gestellten Tools arbeiten? Und wie sieht ihr Arbeitsalltag aus?

Um diese Fragen zu beantworten, hat das US-Software-Unternehmen Alteryx beim internationalen Marktforschungsunternehmen IDC eine weltweite Studie [Registrierung erforderlich] in Auftrag gegeben und rund 400 Data Professionals zu ihrem Arbeitsalltag befragen lassen – mit überraschendem Ergebnis.

Das Schlüsselwort für Unternehmen heute: Data Discovery

Vorrangig geht es im Berufsfeld Business Intelligence und Analytics darum, Ordnung in die Massen an Datenpunkten zu bringen, diese genau auszuwerten und richtig zu interpretieren – auch „Data Discovery“ genannt.

Die große Mehrheit der Befragten gab an, dass die sinnvolle Nutzung von Daten ein wichtiger Treiber für den Erfolg eines Unternehmens sei – egal ob im Bereich der Prozessoptimierung, Risikominimierung, Compliance oder Umsatzsteigerung. Grundsätzlich steigt ohnehin die Anzahl derer, die tagtäglich mit Daten arbeiten: Mittlerweile beschäftigen sich rund 34 Prozent der Mitarbeiter eines Unternehmens professionell mit Datenmengen – mehr als die Hälfte davon eigens eingestellte Datenanalysten oder Citizen Data Scientists und der Rest verarbeitet bzw. managt Daten in ihrem Arbeitsalltag. Mehr als die Hälfte der Umfrageteilnehmer gaben außerdem an, dass sie mehr als 50 Stunden pro Woche im Büro verbringen. Doch warum machen die Betroffenen so viele Überstunden, obwohl sich ihr Job doch eigentlich um Effizienzsteigerung dreht?

Der Alltag mit den Daten: Zeitdiebe und die Realität der Spezialisten

Für die meisten Unternehmen ist die Realität ernüchternd: Mitarbeiter haben nur minderwertige Datensätze, keine aktuellen Daten oder sie können sie aufgrund von beidem nicht richtig nutzen. Es klafft eine Lücke zwischen dem Ist- und dem Sollzustand: 43 Prozent der Befragten gaben zum Beispiel an, dass sie immer noch unvollständige, inkonsistente Daten verarbeiten, weitere 41 Prozent bemängeln, dass die Daten nicht so aktuell seien, wie das Projektziel voraussetzt. Rund ein Drittel sagten sogar, dass sie den eigenen Datensätzen nicht so vertrauen, wie sie es eigentlich gerne tun würden. Dies führt zu Verunsicherung und Zeitverlust durch die Suche nach Daten sowie die Überprüfung bestehender Datensätze.

Aber es zeigen sich noch andere große Zeitfresser: Bei näherer Betrachtung des Arbeitsalltags wird deutlich, dass aufgrund von Administrationsaufgaben nur 60 Prozent der Wochenstunden, die eigentlich für die Datenanalyse vorgesehen waren, für diese übrigbleiben – bei 40 Wochenstunden sind das nur noch 24 Stunden.

Die Umfrage zeigt außerdem, dass von diesen 24 Stunden wiederum nur 27 Prozent für die Erkenntnisgewinnung genutzt werden. Den Großteil der Zeit suchen Datenspezialisten nach Daten (37 Prozent) oder bereiten diese auf, um sie überhaupt nutzen zu können (36 Prozent).

Ein weiterer Zeitfresser, den 20 Prozent der Teilnehmer beklagen, ist, dass sie viel zu häufig Datenanalyseprojekte neu aufsetzen müssen, die im Grunde die gleichen Ergebnisse liefern wie vorherige Analysen. Dabei spielen vor allem das Verständnis für Daten wie auch die Methodik eine Rolle. Insgesamt verlieren Datenanalysten also rund 50 Prozent ihrer Wochenarbeitszeit an ineffektive oder administrative Aufgaben.

Zeit ist Geld: 4 Tipps, um wieder Herrscher über die eigene Arbeitszeit zu werden

Zeit ist Geld und für Unternehmen im globalen Wettbewerb gilt das ganz besonders. Dass Data Scientists und Analysten so viel Zeit mit eigentlich sekundären Aufgaben verlieren, macht sich auch bei den wirtschaftlichen Zahlen bemerkbar: Ausgehend von den Gehältern und der unproduktiven Zeit verlieren Unternehmen in Europa pro 100 Mitarbeitern umgerechnet rund 1,1 Millionen Euro. Wenn man das auf die teilnehmenden Unternehmen und ihre Mitarbeiterzahl hochrechnet, verlieren diese im Durchschnitt 49 Millionen Euro pro Jahr.

Welche Tipps gibt es für Data Professionals, um sich wieder mehr mit ihrer eigentlichen Aufgabe – dem Erkenntnisgewinn durch Datenanalyse – beschäftigen zu können?

  • 1. Den Flaschenhals loswerden: So simpel wie dieser Tipp auch klingt, so oft wird er vernachlässigt: Unternehmen müssen genügend geschultes Personal einstellen, das mit den speziellen Programmen und Tools umgehen kann. Sie müssen dafür sorgen, dass der Workload nicht an einzelnen Mitarbeiter hängenbleibt. Sonst kann ein Flaschenhals entstehen, der zum Teil ganze Abteilungen arbeitsunfähig macht, wenn etwa Entscheidungen aufgrund von Datenauswertungen getroffen werden und der Datenanalyst das Arbeitspensum nicht schafft. Es lohnt sich auf lange Sicht also, genügend Citizen Data Scientists anzustellen und auf Self-Service-Lösungen zurückzugreifen. Somit können sich Teams selber helfen und ihre eigenen Reportings generieren, ohne Programmier- und Abfragesprachen beherrschen zu müssen.
  • 2. Smooth Workflow – richtige Vorbereitung ist die halbe Miete: Die Umfrage zeigt deutlich, dass Datenanalysten zu viel Zeit für die Vorbereitung der Daten benötigen. Nichts ist aufwendiger, als Datenquellen immer wieder zu überprüfen und gegebenenfalls Formate zu korrigieren, bevor die eigentliche Analyse angegangen wird. Zum einen sollten smarte Workflows gebaut werden, mit denen wiederkehrende Vorbereitungen automatisiert werden und die Informationen gleich in den richtigen Dateiformaten gespeichert werden. Sogenannte Data Lakes können zudem genutzt werden, um automatisch alle Rohdaten an einer zentralen Stelle zu speichern und diese bei Bedarf in lesbare Informationen umzuwandeln. Durch die Kompatibilität mit gängiger Enterprise-Software und den weiterverarbeitenden Systemen wird sichergestellt, dass keine Fehler bei der Übertragung von Informationen von einer Software zur anderen entstehen.
  • 3. Web Scraping im Internet – ein Schlaraffenland von Daten: Wenn ein großes Analyseprojekt ins Haus steht, so wird manchen Data-Analysten schon schwindelig. Denn oft bedeutet dies erst einmal Recherche, einzelne Downloads und Überprüfung der richtigen Formate. Allerdings kann man auch hier Zeit sparen: Es gibt viele Anbieter, die dem Data Professional allein mit einer URL und einigen, wenigen einzustellenden Parametern stundenlange Arbeit ersparen, indem sie automatisiert „Data Scraping“, also das Zusammentragen von vorhandenen Datensätzen von Webseiten, durchführen. So lassen sich z. B. vom Statistischen Bundesamt oder anderen öffentlichen Quellen ganz einfach aktuelle Tabellen herunterladen und in Analyseprojekte einbauen. Eigene Umfragen und mühsames Zusammensuchen fallen somit weg.
  • 4. Verständlich kommunizieren: Die Ergebnisse eines Analyseprojekts können noch so aufschlussreich und mit Aha-Effekt gesegnet sein – wenn sie nicht verständlich kommuniziert werden, verschwindet der Erkenntnisgewinn. Deshalb müssen Datenanalysten nicht nur Experten auf ihrem Fachgebiet sein, sondern auch visuell und sprachlich kommunikativ ausgebildet sein. Wer von vornherein die Ergebnisse verständlich aufschlüsselt und konkrete, sinnvolle Aussagen dazu trifft, erspart sich viele Nachfragen.
So erschließt ein Data Lake unstrukturierte Daten

Kommentar von Benjamin Krebs, Dell EMC

So erschließt ein Data Lake unstrukturierte Daten

20.09.17 - Das schnelle Wachstum unstrukturierter Datenbestände ist für Unternehmen Herausforderung und Chance zugleich. Mit einem Data Lake als Herzstück können Fach- und IT-Abteilungen alle Big-Data-Anforderungen bei der Analyse und Aufbereitung unstrukturierter Datenbestände erfolgreich meistern. lesen

Der Chief Data Officer etabliert sich

Umfrage

Der Chief Data Officer etabliert sich

09.10.17 - Auf der obersten Unternehmensebene gibt es eine neue Verantwortlichkeit: Immer mehr Betriebe engagieren einen Daten- oder Analytikchef. Richtig so, findet das Marktforschungs- und Beratungsunternehmen Gartner. lesen

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45305925 / Analytics)