Kommentar von Dr. Robert Grünwald, Novustat

Die größten Herausforderungen beim Outsourcen von Big-Data-Projekten

| Autor / Redakteur: Dr. Robert Grünwald / Nico Litzel

Der Autor: Dr. Robert Grünwald ist Inhaber und Geschäftsführer von Novustat
Der Autor: Dr. Robert Grünwald ist Inhaber und Geschäftsführer von Novustat (Bild: Novustat)

Die Notwendigkeit von Data Science für Unternehmen ist unumstritten. Gleichwohl können Auswertungen oft nicht vom Anwender durchgeführt werden: Sei es aufgrund fehlender zeitlicher oder personeller Ressourcen, ungenügender Ausstattung oder dem Fehlen tiefergreifender Kenntnisse von Data Analytics. Viele Anwender suchen daher professionelle Unterstützung bei einer Data-Science-Beratung

Bei Data Analytics in Big-Data-Projekten sind allerdings eine ganze Reihe von Herausforderungen zu meistern. Wir zeigen in diesem Artikel die sieben größten Herausforderungen beim Outsourcing an Data-Science-Consulting-Anbieter und wie diese bewältigt werden können.

Data Science – auch für KMU eine Notwendigkeit

Große Datenmengen fallen in vielen Bereichen an und werden systematisch gesammelt. Hieraus lassen sich wertvolle Informationen und Schlussfolgerungen für Entscheidungen finden. Facebook, Google, Paypal und Amazon haben es vorgemacht und wurden mit Data-Mining-Methoden innerhalb kürzester Zeit zu milliardenschweren Weltmarktführern. Auch kleinen und mittelständischen Unternehmen (KMU) ist die Bedeutung und der Marktvorteil von Data-Science-Methoden meist durchaus bewusst. Daten liegen in rauen Mengen auch bereits digital vor, Software zur Auswertung ist mitunter sogar kostenfrei erhältlich. Trotzdem wird Big Data Analytics in vielen Unternehmen überhaupt nicht genutzt.

Die 7 größten Herausforderungen

Eine gute Möglichkeit, erste Kontakte mit Data Science ohne langfristige Verpflichtungen zu knüpfen, bietet sich durch Outsourcing an. Für das Gelingen externer Datenauswertung auf dem Gebiet Data-Mining sind allerdings eine Reihe von Herausforderungen auf Anwenderseite und seitens der Data-Science-Beratung zu bewältigen. Wir stellen die sieben größten Herausforderungen für effektives Consulting im Data-Science-Bereich vor und skizzieren hierfür Lösungsansätze:

1. Datentransfer, Updates und Datenintegrität

Eine große Herausforderung des Outsourcings stellt der Datentransfer großer Datenmengen unter Erhaltung der Datenintegrität dar. Als Lösung bieten sich hier Cloudarchitekturen an, bei denen sowohl der Anwender als auch der Analyst einen Datenzugriff haben. Ergebnisse können dort im Anschluss vom Data-Science-Consulting-Partner hinterlegt werden.

2. Datensicherheit – Vertraulichkeit

Der Datenpool eines Unternehmens beinhaltet wertvolle, vertrauliche sowie sensible Informationen. Der Schutz und die vertrauensvolle Handhabung dieser Daten muss für alle Beteiligten eine Selbstverständlichkeit sein. Oftmals gibt es aber beim Datenaustausch über Unternehmens- und/oder Ländergrenzen hinweg spezifische Anforderungen.

Um diese Herausforderung zu meistern, muss eine rechtsbindende vertragliche Absicherung jedem Datenaustausch vorausgehen. Unterschiede in Datenschutzbestimmungen und -gesetzen sollten darin harmonisiert werden. Zudem kann es im Rahmen der Auswertung notwendig sein, die Daten in Cloud-Architekturen abzulegen, sodass hierbei wiederum spezielle Datenschutzregelungen in Kraft treten, die vertraglich geregelt werden müssen.

3. Fokus auf konkrete Fragen

Data Analytics, im Sinne von Informationen aus den Daten generieren, verleitet dazu, die reichhaltige Methodenpalette anzuwenden und im Nachhinein relevante Informationen zu selektieren. Dies führt dazu, dass der Analyst verloren in einem Datenmeer ziellos Informationen generiert. Der Anwender wird dann oftmals mit trivialen Aussagen konfrontiert.

Dieser Herausforderung kann dadurch entgegengewirkt werden, dass vor Beginn der Zusammenarbeit konkrete Fragestellungen definiert werden und der Fokus der Auswertung eindeutig auf eine Richtung festgelegt wird. Dazu muss der Anwender sich im Austausch mit den Fachleuten der Data-Science-Beratung zunächst überlegen, welche Informationen und Entscheidungshilfen benötigt werden.

4. Alle Phasen des Data-Mining-Prozesses gründlich durchführen

Im Data Science Consulting liegt der Fokus häufig in der Generierung von Entscheidungshilfen. Der Anwender hat primär Interesse an den Ergebnissen der Data Analytics. Obgleich sich der Fokus immer auf die Ergebnisse konzentrieren wird, sind die oft zeitraubenden und aufwendigen ersten Phasen alle Phasen des CRISP-DM (Cross-Industry Standard Process for Data Mining) essenziell für gültige und verlässliche Ergebnisse. Nachhaltiges Data Science Consulting umfasst ebenso die Bereiche Datenbereinigung, Extraktion von Information, Datenintegration, Modellierung und Analyse sowie Interpretation und Diskussion. Man sollte dabei eine Ausführung aller Schritte aus einer Hand anstreben.

5. Data Science Consulting mit fachspezifischem Hintergrund

Das Outsourcen von Data Analytics bei Big-Data-Anwendungen hat den Vorteil, dass hoch spezialisierte Experten zur Verfügung stehen. Doch nicht jeder Analyst ist in einer Data-Science-Beratung für eine festgelegte Fragestellung optimal. Für das Finden relevanter Informationen und gewinnbringender Erkenntnisse in Data Science sind solide mathematisch, analytischen Fähigkeiten und in hohem Masse auch fachspezifische Kenntnisse erforderlich. Professionelle Big-Data-Analysten kennen den Anwendungsbereich, in dem sie tätig sind, sehr genau. Nur mit diesem Hintergrundwissen kann sichergestellt werden, dass die Ergebnisse korrekt interpretiert und auch gewinnbringend angewendet werden können. Das Portfolio bzw. die Referenzen des Consulting-Anbieters sind hierfür nützliche Beurteilungskriterien.

6. Auswertung als informationsgenerierenden Prozess begreifen

Anwender, die noch wenig Erfahrung im Bereich Data Analytics haben, gehen erfahrungsgemäß oft davon aus, am Ende der Auswertung konkrete Ergebnisse im Sinne von Tatsachen oder Fakten zu erhalten. Für die Lösung dieser Herausforderung sollte man zunächst beachten, dass bei allen Analysen aufgrund der Stichprobenziehung der Zufall mitspielt. Alle Aussagen gelten also nur mit einer gewissen Wahrscheinlichkeit. Die zweite wesentliche Herausforderung, dass die Ergebnisse nicht starr und fest sind. Was heute gilt, kann morgen schon veraltet sein. Branchen wie Versicherungen, Banken, Logistik, E-Commerce, digitale Medien und Gesundheitswesen sind so schnelllebig, dass sich die Erkenntnisse permanent ändern. Diese Herausforderung kann dadurch aufgelöst werden, dass im Consulting-Prozess der Fokus auf den Analyse-Prozess als Kernstück der Auswertung gelegt wird. Mithilfe der Algorithmen können die Auswertungen permanent aktualisiert und berichtet werden. Data-Mining ist als informationsgenerierender Prozess zu verstehen, der nicht an einem festgelegten Stichtag abgeschlossen ist. Data-Mining liefert ein datengetriebenes Entscheidungsmodell und keine allzeit und global gültigen Fakten. Der Data-Science-Consulting-Anbieter sollte dies dem Anwender vermitteln.

7. Auswahl des Dienstleisters

Die größte und wichtigste Entscheidung, die der Anwender trifft, ist die Wahl eines Dienstleisters. Jegliche Bemühungen und gewonnene Erkenntnisse sind hinfällig, wenn der Anwender diese nicht im Unternehmen nutzen kann. Um diese Herausforderung zu bewältigen, gehört seitens des Anwenders die Bereitschaft, die gewonnenen Erkenntnisse aufzunehmen und als Bestandteil der Entscheidungsfindung zu berücksichtigen. Ist diese grundsätzliche Bereitschaft gegeben, so sind folgende Punkte ausschlaggebend für ein produktives Outsourcing:

  • Seitens des Dienstleisters ist ein tiefes Verständnis für das Problem und die Fragestellung des Anwenders notwendig (s. Punkt 5).
  • Alle Beteiligten sollten am gegenseitigen Dialog Interesse zeigen und sich Zeit für den Austausch nehmen. Unserer Erfahrung nach hat es sich sehr bewährt, wenn Anwender und Analyst sich verbal und elektronisch in der Data-Science-Beratung austauschen können.
  • Eine vernünftige Zusammenarbeit umfasst alle Bereiche des CRISP-DM (s. Punkt 4).
  • Outsourcing von Data Analytics ist nicht an einem Stichtag abgeschlossen (s. Punkt 6). Etablierte und renommierte Unternehmen sorgen dafür, dass auch nach Jahren Rückfragen kompetent beantwortet werden können.

Resümee

Es bietet Unternehmen viele Vorteile, auf externe Consulting-Unternehmen für die Data Analytics zu setzen. Data Science im Outsourcing hilft Unternehmen, wertvolle und wettbewerbsrelevante Informationen aus den vorhandenen Daten zu erhalten, um zeitnah Entscheidungshilfen parat zu haben. Darüber hinaus steht ein großer hoch qualifizierter Expertenpool für unterschiedliche Anwendungsfelder zur Verfügung. Um die Zusammenarbeit gewinnbringend und für beide Seiten produktiv zu gestalten sind allerdings einige Herausforderungen zu beachten. Ist von beiden Seiten die Bereitschaft zu einer langfristigen qualitativ hochwertigen Zusammenarbeit und dem gegenseitigen Verständnis gegeben, so ist damit bereits eine wesentliche Voraussetzung geschaffen. Sicherlich werden zukünftige technische Entwicklungen eine Zusammenarbeit über Firmengrenzen hinweg weiter vorantreiben.

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: 46174032 / Analytics)