Kommentar von Klaas Wilhelm Bollhoefer, The unbelievable Machine Company

Big Data – das wird 2016

| Autor / Redakteur: Klaas Wilhelm Bollhoefer / Nico Litzel

Klaas Wilhelm Bollhoefer, Chief Data Scientist von The unbelievable Machine Company (*um): „Data Thinking wird der entscheidende Schritt weiter – ein grundlegend modernisiertes Verständnis, das überhaupt erst ermöglicht, neue digitale Ziele zu erreichen.“
Klaas Wilhelm Bollhoefer, Chief Data Scientist von The unbelievable Machine Company (*um): „Data Thinking wird der entscheidende Schritt weiter – ein grundlegend modernisiertes Verständnis, das überhaupt erst ermöglicht, neue digitale Ziele zu erreichen.“ (Bild: The unbelievable Machine Company)

Big Data ist als Thema und Notwendigkeit in den meisten Unternehmen angekommen. Die Frage ist nicht mehr, ob eigene Big-Data-Projekte durchgeführt werden, sondern in welcher Form und auf welchem Level.

2016 kommen auf jeden Fall neue Anforderungen und Möglichkeiten hinzu. Welche das sind und wohin die Reise geht, erläutert Klaas Wilhelm Bollhoefer, Chief Data Scientist und Mastermind von The unbelievable Machine Company.

1. Data Thinking

Das nächste wirklich große Ding beginnt im Kopf. Es ist die Weiterentwicklung und Modernisierung des Mindsets, ich nenne es Data Thinking. Darunter verstehe ich die zunehmende strategische Fundierung von Data-Science- und Big-Data-Themen auf oberstem Management-Level in Unternehmen und die dafür notwendige ganzheitliche Begleitung/Beratung der individuellen „Digitalen Transformation" dieser Unternehmen durch erfahrene Experten. Es setzt „vor der Idee“ an, vor Beginn eines konkreten Big-Data-Projekts „from idea to cable“, und markiert damit den Shift vom „Enablement" der Unternehmen zu wirklicher „Creator- und Leadership“.

Data Thinking umfasst neue Beratungskonzepte und -ansätze, mit klarem Fokus auf Data und Technologie. Hands-on, maßgeschneidert, authentisch und pragmatisch. Sie müssen mit dem unstillbaren Gespür für Markt-Entwicklungen, Trends und Themen bzw. mit wirklicher Erfahrung in den Innovationsbereichen Cloud und Big Data gedacht werden und übergeordnet über einzelne Projekte und Initiativen im Unternehmen platziert sein. Es sind nicht nur technische Aspekte, die gedacht, geplant und verstanden werden müssen, sondern vor allem organisatorische und nicht zuletzt strategische. Dazu sind, Stand heute, allerdings weder die klassischen Beratungsunternehmen, noch die Hersteller oder gar die Digitalagenturen in der Lage.

2. Data Science on scale

Nachdem 2015 nahezu alle großen und mittelständischen Unternehmen den Aufbau von Big-Data-Plattformen betrieben haben, ihren „Data Lake" ausgehoben und mit Daten geflutet haben sowie (im Idealfall) erste Pilotprojekte erfolgreich realisiert haben, wird 2016 der Bedarf nach Data Science enorm steigen. Sprich: nach Konzeption und Entwicklung wertgebender Data- und Analytics-Anwendungen.

Viel Geld wurde in Infrastruktur investiert, nun muss zwingend auch der Business Value kommen. Es kommen verstärkt die Data Scientists zum Einsatz, mehrheitlich auf Hadoop- bzw. NoSQL-basierten Architekturen. Die Nachfrage nach Expertise im Bereich Data Science nimmt 2016 exponentiell zu.

Ergänzendes zum Thema
 
Der Autor:

3. Machine Learning / Deep Learning (as a Service)

Machine Learning bleibt immer noch das „dicke Ding“, vor dem alle Ehrfurcht haben und zum Teil wahre Magie erhoffen. Zugleich wird Künstliche Intelligenz (KI) mit Google TensorFlow, Azure ML & Co. mehr und mehr Mainstream und erlangt immer mehr Aufmerksamkeit. Und selbst Deep Learning ist quasi schon Teil des allgemeinen Sprachgebrauchs. 2016 wird das Jahr der Taten. Let the magic happen!

Gerade im Kontext der Industrie 4.0 kommen die Machine-Learning-Experten zum Zug, die all diese Möglichkeiten, Tools und Optionen individuell auf konkrete Business-Vorhaben und Data-Projekte mappen können. Vor allem, wenn man bedenkt, dass das ganze Themengebiet noch absolut „work in progress“ ist und quasi wöchentlich neue Meilensteine erreicht werden.

Besonders spannend ist und bleibt das Custom Machine Learning as a Service. Individuell optimierte KI-Logik, via definierter Programming-Interfaces in einer hoch-sicheren Secure-Cloud-Umgebung bereitgestellt, wird den Unternehmen enorm helfen, relevante erste Projekte und Learnings von dem eher langfristigen Aufbau von Teams, Skills und Strukturen zu entkoppeln. Die Unternehmen müssen noch nicht von Tag 1 an die Experten für Scala, Hadoop, Python, Künstliche Intelligenz & Co. sein, um Applikationen und Infrastrukturen zur Anwendung zu bringen. Sie legen einfach los.

4. Human Data Interfaces (HDI)

Auch wenn wir schon lange über Datenvisualisierung & Co. sprechen und es tausend gute und weniger gute Beispiele dafür gibt – es dauert noch ein wenig, bis der Knoten platzt.

Wenn im Rahmen von Industrie 4.0 über Realtime-Monitoring-Systeme in der smarten Fabrik nachgedacht wird. Wenn in den Produktionshallen von haushohen Gasturbinen Entwicklungstests und Analysen durchgeführt werden, z. B. mit Unterstützung von Augmented Reality Devices. Wenn mehr und mehr Business- Entscheider (und eben nicht mehr der BI- oder IT-Experte) auf Basis von Daten und Analyseergebnissen Entscheidungen fällen sollen. Wenn Assistenz-Systeme wie Watson, Siri und Cortana mehr und mehr von den wirklichen Daten abstrahieren und damit de facto „Black Boxes" bilden, mit denen wir in die Interaktion treten ...

Überall dort geht es letztendlich um das Mensch-Maschine-, besser Mensch-Daten-Interface, dem die enorme Aufgabe zukommt, eben den Menschen bestmöglich, nachvollziehbar und verständlich bei der Interpretation und Bewertung von Daten und Analysen zu unterstützen. Hier stehen wir noch ziemlich am Anfang, doch 2016 nimmt die Entwicklung Fahrt auf.

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? Kontaktieren Sie uns über: support.vogel.de/ (ID: 43780297 / Analytics)