Kommentar von Felipe Henao Brand, Talend Datenbewertung, eine neue strukturelle Herausforderung

Autor / Redakteur: Felipe Henao Brand / Nico Litzel

Die Digitalisierung nimmt Fahrt auf und die Covid-19-Pandemie hat sie in bestimmten Sektoren stark beschleunigt. Daten sind in allen Ecken und Winkeln eines Unternehmens präsent. Vor diesem Hintergrund stellen sich alle IT-, Daten- und Businessmanager die gleiche Frage: Wie kann ich meine Daten bewerten?

Firmen zum Thema

Der Autor: Felipe Henao Brand ist Senior Product Manager bei Talend
Der Autor: Felipe Henao Brand ist Senior Product Manager bei Talend
(Bild: Talend)

Angesichts des Wunsches, Daten zu bewerten oder auch zu monetarisieren, gewinnt die Datenanalyse in Unternehmen immer mehr an Bedeutung. Für ihre Analysen nutzen Unternehmen immer häufiger Technologien wie Künstliche Intelligenz oder maschinelles Lernen. Data Science und vor allem die Data Scientists sind zu einem „Must-have“ für Unternehmen avanciert. Und doch müssen viele feststellen, dass die Beherrschung von Data Science nicht ausreicht, um Daten hinreichend zu bewerten. Woran mangelt es den Unternehmen also? Gibt es ein gutes Team, das hilft, die Herausforderungen im Bereich Daten besser zu verstehen? Wie kann es gelingen, Change-Management und die strukturelle Organisation rund um Daten zu bündeln?

Von der Theorie zur Praxis

Gibt man „Data Scientist Stellenangebote“ in Google ein, liefert die Suchmaschine fast drei Millionen Ergebnisse. Sofern dies nicht nur eine „Modeerscheinung“ ist, sank die Zahl der neuen Angebote im Jahr 2020 laut der Stellenangebotsplattform Indeed um 45 Prozent. Ein Trend, der sich durch Kostensenkungen und den Rückgang der Investitionen in Technologie erklären lässt, aber auch durch den Anstieg der Nachfrage nach Dateningenieuren nach der Covid-19-Krise.

Dieses Phänomen lässt sich auch dadurch erklären, dass es keine klaren Geschäftsstrategien gibt und die Bedürfnisse nicht eindeutig identifiziert wurden, da viele Organisationen gerade erst mit ihrer Arbeit rund um Data Science begonnen haben. Die Entwicklung und Nutzung von KI-Technologie stecken oft noch in den Kinderschuhen. Einige Unternehmen, die bereits Data Scientists beschäftigen, haben Schwierigkeiten, deren Fähigkeiten nutzbringend einzusetzen.

Betrachtet man die Datenmengen, die von Unternehmen verarbeitet werden, die verschiedenen Strukturen und Architekturen, ist es nicht zwingend notwendig, einen Data Scientist in den Reihen der Datenexperten zu haben. Für Unternehmen, die astronomische Datenmengen in verschiedenen Kanälen und mit einer komplexen Struktur verwalten, dürfte sich das Know-how eines Data Scientist als sehr nützlich erweisen, um Daten zu modellieren, abzufragen und Prognosen zu erstellen. Die ersten Fragen, die man sich stellen muss, beziehen sich daher auf die Daten- und Geschäftsanforderungen und die Organisation der Struktur eines Unternehmens und seiner Datenstrategie.

Data Scientists sind kein Allheilmittel

Die Unternehmen haben erkannt, dass ein Data Scientist nicht die Antwort auf ihre Probleme bei der Bewertung ihrer Daten darstellt. Das ist zum Teil auf ein mangelndes Verständnis der Umgebung zurückführen, in die die Daten eingebettet sind. Ein Datenwissenschaftler versteht vielleicht die Daten, aber nicht ihren Zweck und ihre Umgebungen oder ihre Geschäftsanwendungen.

Nehmen wir das Beispiel einer Marketingabteilung, die an der Implementierung von KI arbeitet, um ihren Web-ROI zu beschleunigen. Die Datenwissenschaftler werden einen Algorithmus entwickeln und implementieren, ohne die spezifische Umgebung und ihr Verhalten zu berücksichtigen. Die Website benötigt nun viel länger zum Laden, während sie den Algorithmus ausführt, um Empfehlungen anzubieten und verspielt so die möglichen Vorteile.

Ein ganzheitlicher Ansatz für das Datenmanagement

Daten sind mittlerweile ein fundamentaler Baustein eines jeden Unternehmens, sie bleiben aber in ihrem Lebenszyklus-Management komplex. Die Bewertung von Daten ähnelt ein wenig der Suche nach dem heiligen Gral – und man fragt sich gelegentlich, ob es sich dabei nicht um eine Legende handelt.

Den Gral gibt es wirklich, aber wie in der Geschichte muss man sich mit den richtigen „Daten-Rittern“ umgeben. Wie sieht also dieser neue Roundtable zum Thema Daten aus? Um die Datenanalyse zu optimieren und von ihr zu profitieren, entscheiden sich immer mehr Unternehmen dafür, die Analyse wieder in nur einer Abteilung bzw. einem einzigen Team anzusiedeln. Unter den zehn von Gartner identifizierten Trends im Bereich Daten und Analytik, finden wir die Analytik als zentrale Funktion ¬– und nicht mehr verstreut auf verschiedene Geschäftsbereiche, wobei den Chief Data Officers eine zunehmend bedeutendere Rolle eingeräumt wird.

Durch die Zentralisierung der Analytik lassen sich insbesondere Kommunikationsprobleme beheben, die auftreten können, wenn diese Funktion im Unternehmen verstreut ist. So entstehen genauso viele Datensilos, wie es Abteilungen oder Stakeholder gibt. Mit diesem zentralisierten Ansatz wird das Management von Daten und deren Lebenszyklus sowie Wert zu einem kollektiven Projekt mit dem Chief Data Officer als Leiter. Von einer einflussreichen und bereichsübergreifenden Funktion mit wenig Befugnissen entwickelt sich der Chief Data Officer zum Entscheidungsträger. Er wird sich bei Bedarf mit Data Scientists, Data Engineers und bei Bedarf immer mehr Business-Analysten umgeben.

Letzteren fällt künftig eine Schlüsselposition zu, da sie das fehlende Bindeglied zwischen der Datentheorie und ihrer Anwendung in der Praxis darstellen: Der Business-Analyst versteht, welche geschäftlichen Erwartungen an die Daten geknüpft werden. Er entschlüsselt den Wert der Daten.

Dieses zentrale Team, das oft an den operativen Bereich angegliedert ist, wird von den IT-, Sicherheits- und Compliance-Teams unterstützt. So wird bei jedem Datenbewertungs- oder Datentransformationsprojekt eine optimale Ausrichtung auf die Ziele und Anforderungen des Geschäfts sichergestellt.

(ID:47536876)