Kommentar von Tom Becker, Alteryx

Was in Zukunft wichtig wird – Trends der Datenanalyse

| 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)

Mittlerweile ist jedem klar geworden – Datenanalyse ist wichtig wie nie. Viele Unternehmen haben bereits begonnen, finanzielle und strategische Vorteile aus datenbasierten Entscheidungen zu ziehen. Kann man es sich also überhaupt noch leisten, zu warten? Welche Veränderungen sind bereits absehbar und was sind die großen Trends?

Trend 1: Der AHA-Moment – Amplified Human Analytics und Citizen Data Scientists

Die beste Software und die leistungsstärkste Hardware bringen nichts, wenn es niemanden gibt, der sie adäquat anwenden kann. Die menschliche Komponente und die Fähigkeit abstrakt, assoziativ und intelligent zu denken sind und bleiben unersetzlich – allein schon deshalb, weil jedes Unternehmen von Menschen positioniert, verwaltet und gesteuert wird.

Die Unternehmen, die geschickt die neuen technischen Möglichkeiten mit der menschlichen Komponente verbinden und Amplified Human Analytics betreiben, blicken vorausschauend in die Zukunft – wie zum Beispiel Adidas. Um den Kundenwünschen im E-Commerce besser zu entsprechen und gleichzeitig die Betriebskosten zu senken, entwickelte das Unternehmen aus Herzogenaurach einen leicht anpassbaren Prognose-Workflow für den eigenen Online-Verkauf. Dabei vergleicht der Sportartikelhersteller aktuelle mit älteren Datenpunkten und gewichtet diese individuell nach z. B. Produktsparte und oder E-Commerce-Kanal, um so eine Prognose für Trends sowie eine zu erwartende höhere Nachfrage zu berechnen. Das Resultat: Zufriedenere Kunden in 17 verschiedenen Märkten bei verringertem Arbeitsaufwand, gezielterer Warendistribution und gesunkenen Kosten für das Unternehmen.

Wie dieser Fall außerdem zeigt, liefert die Kombination aus Technologie und menschlicher Komponente auch die Lösung für den Fachkräftemangel bei hochqualifizierten Data Scientists. Denn nicht alle Aufgaben bei der Datenanalyse müssen von den rar gesäten Datenexperten durchgeführt werden. Mittlerweile gibt es Software-as-a-Service-Tools, die relativ einfach anwendbar sind sowie Code-frei funktionieren und so auch von geschultem Personal eingesetzt werden können. Gartner, eines der führenden Beratungs- und Marktforschungsunternehmen, hat dafür den Begriff der Citizen Data Scientists geprägt, Mitarbeiter aus den Fachabteilungen, die in Datenanalyse weitergebildet werden. Dank programmierfreier Software und vorkonfigurierten R- und Python-Tools können sie Datensätze eigenständig untersuchen, ihre eigenen Workflows und Analysemodelle aufsetzen und diese immer wieder replizieren. Ein großer Vorteil ist, dass Citizen Data Scientists das jeweilige Fachwissen ihrer Abteilung mitbringen und die Analyseergebnisse besser verstehen und direkt umzusetzen können. So bleibt den hochspezialisierten Data Scientist mehr Zeit, um sich um die wirklich harten Nüsse und kreativen Analysen zu kümmern, während sich die einzelnen Abteilungen selbst helfen können.

Trend 2: Unternehmen brauchen mehr Datenkultur

Um wirklich erfolgreich zu sein, darf sich der kompetente Umgang mit Daten nicht nur auf einzelne Abteilungen beschränken. Stattdessen muss jedes Unternehmen im 21. Jahrhundert dafür sorgen, dass sich eine offene und positive Kultur um das gesamte Thema der Datenanalyse durch alle Unternehmensbereiche hindurchzieht – denn Daten entstehen überall. Gleichzeitig sinkt so auch die Hemmschwelle bei den Mitarbeitern, sich selbstständig mit Datenanalyse auseinanderzusetzen, das Thema wird greifbarer und findet Platz in den verschiedenen Teams. Workshops, Kooperationsplattformen und interne Ansprechpartner helfen hier übrigens sehr, Barrieren zu überwinden, Vorurteile abzubauen und Mitarbeiter anzuleiten. Gleichzeitig sollten auch Citizen Data Scientists im Data Science Teams sitzen, da so Abteilungswissen hinzukommt und ein Tunnelblick vermieden wird. Sie können auch dafür sorgen, dass Analyseberichte und Ergebnisse unternehmensweit richtig kommuniziert werden. Das trägt nicht nur zur allgemeinen Akzeptanz der Datenanalyse innerhalb des Unternehmens bei, sondern kann zu einem Wettbewerbsvorteil für Unternehmen werden – zum Beispiel durch die aktive Förderung bei der Weiterbildung zum Datenexperten, was die Arbeitgeberattraktivität bei Bewerbern definitiv erhöht. Erste Anzeichen für diesen Trend kann man schon heute sehen: Laut einer aktuellen, von Alteryx in Auftrag gegebenen IDC-Studie sind Daten zum Herzstück der digitalen Transformation geworden. So verarbeiten mittlerweile 80 Prozent der befragten Unternehmen strukturiert Daten über mehrere Prozessebenen hinweg und verwenden die Ergebnisse in verschiedenen Unternehmensbereichen.

Trend 3: Machine Learning und Künstliche Intelligenz – das nächste große Ding?

Neben Big Data beschäftigen derzeit auch Künstliche Intelligenz (KI) und Machine Learning (ML) die Medien, Politik und Wirtschaft – auch wenn KI oftmals eher noch Labor als Praxis ist. Nichtsdestotrotz wird beides bereits jetzt in der Datenanalyse eingesetzt und in Zukunft immer wichtiger, wie nicht zuletzt das Fraunhofer-Institut in einer Studie betont. Die Metatechnologien KI und ML eröffnen neue Möglichkeiten: Cognitive Analytics, Contextual Insights und Augmented Analytics sind Stichwörter, die wir bei der Datenanalyse zukünftig häufiger hören werden. Es ist das Versprechen, dass Datenanalyse von der Datenaufbereitung, über Datadiscovery bis hin zur Einsicht noch einfacher für alle wird.

Systeme, die auf maschinellem Lernen und KI beruhen, sind in der Lage, bereits gesammelte Daten und neue Daten verknüpft zu verarbeiten und aus diesen Erfahrungswerten zu „lernen“. Dadurch können zuverlässige, konsistente und zielführende Analysen dank großer Datenmengen durchgeführt werden, wobei die „Trainingsdaten“ für den Algorithmus unbedingt eine hohe Qualität aufweisen müssen – sonst werden Ergebnisse später verzerrt. Für Unternehmen kann es sich also bereits jetzt auszahlen, in ML und KI zu investieren, denn diese Erfahrungswerte sind schon jetzt ein großer Vorteil und es spart Zeit sowie Geld. Es geht aber auch eine Nummer kleiner; viele repetitive und monotone Aufgaben wie zum Beispiel Dateneingabe und -zugriff können automatisiert werden, sodass Mitarbeiter mehr Kapazitäten für komplexere Aufgaben haben. Laut Gartner werden bis zum Jahr 2020 mehr als 40 Prozent der datenwissenschaftlichen Aufgaben so ablaufen – ein gewaltiges Potenzial an Arbeitskraft und -zeit, die Unternehmen dadurch bei ihren eigenen Mitarbeitern freisetzen können. Des Weiteren verringert sich durch die Automatisierung auch die Anzahl an Fehlern, weil weniger menschliche Fehler passieren – selbst bei hochkomplexen Berechnungen.

Der Trend ist also definitiv, sich bereits mit ML und KI zu beschäftigen und sie heute schon in die Führungsebene der Unternehmen zu tragen. Ein Verständnis der Daten und zum Nutzen und ein sorgfältiger Plan zur Implementierung der Prozesse und Systeme ist hierbei allerdings essentiell.

Übrigens: Bei all der Technologie darf man aber auch die menschliche Komponente nicht außer Acht lassen. Schließlich sind es die Mitarbeiter, die letztendlich auch darüber entscheiden, wie und ob Machine Learning und Künstliche Intelligenz angewendet werden.

Den Stier bei den Hörnern packen und Trends umsetzen

Wenn wir uns das Jahr 2020 vorstellen, dann werden Unternehmen geprägt sein von drei entscheidenden Faktoren:

  • 1. Amplified Human Analytics bei denen sich technologische Möglichkeiten und menschliche Fähigkeiten gewinnbringend ergänzen.
  • 2. Einer ganzheitlichen und offenen Datenkultur im gesamten Unternehmen mit ausgewogenen Teams aus hochqualifizierten Data Scientists und Citizen Data Scientists.
  • 3. Sinnvoll eingesetztes ML und KI zur automatisierten Verarbeitung großer und komplexer Datenmengen, was dazu führt, dass Data Scientists von zeitintensiven und repetitiven Aufgaben befreit werden und sie sich stärker auf kreative Lösungen für komplexe Fragestellungen konzentrieren können.

Fest steht: Datenanalyse braucht Struktur und Strategie, Standkraft und ein wenig Sturheit – zumindest zu Beginn. Wieso also nicht jetzt schon damit beginnen? Nur diejenigen Unternehmen, die das bereits erkennen, werden auch morgen im globalen Wettbewerb erfolgreich sein. Und schließlich ist es doch so: Egal wie lang der Weg erscheint, in einem Jahr ist man froh über die Schritte, die man bereits heute gemacht hat.

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: 45972103 / Analytics)