Wie schlau ist Ihr Unternehmen?

Wie schlau ist Ihr Unternehmen?

Datenkompetenz wird immer mehr zur Grund­voraussetzung unternehmerischen Erfolgs.

Der Job eines Data Scientists ist es, aus großen Datenmengen Informationen zu generieren und Handlungsempfehlungen abzuleiten, die das Unternehmen befähigen, effizienter zu arbeiten.

Doch was muss ein Data Scientist können und welche Skills sollte er mitbringen? Zum Beispiel muss er mit den unterschiedlichsten Datenbanksystemen zurechtkommen, doch meistens liegen die Daten nur unstrukturiert vor. Unternehmen arbeiten heute mit CRM-und ERP-Lösungen von Microsoft, SAP, Oracle und Co. Standardmäßig kommen in diesen Fällen relationale Datenbanken zum Einsatz. Demnach sollte ein Data Scientist SQL, „Structured Query Language“, in allen Abwandlungen beherrschen. Werden dann die Daten für die Analyse exportiert, fangen die ersten Schwierigkeiten schon an. Zusätzlich müssen immer mehr unstrukturierte Daten aus Social-Media-Kanälen und anderen Internetquellen analysiert werden.
Diverse Schnittstellen müssen in diesem Kontext bedient werden, um neue Erkenntnisse zu gewinnen. Und so geht es weiter mit Know-how über Verschlüsselungsverfahren, Datenbankanbindungen und dem Echt­zeitmanagement von Datenströmen. Data-Scientisten sind gefragter denn je, um die digitale Transformation im Unternehmen voranzutreiben. Doch der Markt für Spezialisten ist wie leergefegt. Sich selbst zu helfen, scheint das Gebot der Stunde zu sein. Doch welche Möglichkeiten gibt es, die Datenflut zu meistern?

„Die zentrale Datenhaltung ist Voraussetzung für eine hohe Datenqualität. Sie macht die Verwaltung von aktuellen, vollständigen Daten möglich und verhindert, dass Daten doppelt oder gar mehrfach vorliegen“, erklärte uns dazu Dr.-Ing. Gerd Staudinger von Stella Systemhaus. Die Software-Technologie G2 verbindet die Flexibilität einer generischen Lösung wie Excel mit einer zentralen Datenhaltung wie bei einer Branchenlösung. Doch anders als bei Excel liegen die Daten wohlgeordnet auf einem sicheren Datenbankserver. Und im Unterschied zu herkömmlichen Branchenlösungen werden bei G2 die Geschäftsregeln nicht in der Software selbst verankert, sondern ähnlich wie bei Excel mit Anweisungen und Funktionen in Formularen hinterlegt. Staudinger betonte dabei: „Wenn sich eine Geschäftsregel ändert, sind keine externen IT-Experten notwendig, um die Software für viel Geld anzupassen, sondern die Mitarbeiter legen ein neues Formular an.“

Fest steht, dass Unternehmen neue Erkenntnisse aus ihren verschiedenen Datenquellen und Datenbanken generieren können. „Die Technologie dazu ist da. Moderne Data-Analytics-Lösun­gen ermöglichen es, Daten aus unterschiedlichsten Quellen miteinander in Beziehung zu setzen und zu erforschen“, erklärte uns dazu Robert Schmitz von Qlik. Dazu muss jedoch aus den verschiedenen Datenbanken eine Datenbank gemacht werden. Jetzt wird es möglich, Finanzdaten mit z. B. operativen Daten zu verknüpfen und daraus neue Entscheidungsgrundlagen zu ziehen. Schmitz fährt fort: „Cloud- und Multi-Cloud-Fähigkeiten überwinden Infrastrukturhürden und sorgen für dynamische Analysen, wo auch immer die Daten liegen.“ Ziel ist, Menschen durch assoziative Datenanalysen bessere Entscheidungsgrundlagen zur Verfügung zu stellen. So wird „Business Intelligence“ zu echter „Augmented Intelligence“.

Daten werden immer mehr zur universellen Sprache – und Unternehmen, die sie beherrschen, werden erfolgreich sein.

Ganz neue Möglichkeiten bieten sich bei der Datenanalyse durch die Technologien der künstlichen Intelligenz und schlauen Algorithmen. Ansgar Eickeler, General Manager Central & Eastern Europe bei Board, betonte in diesem Zusammenhang: „Wir glauben, dass Board einzigartig positioniert ist, um das Beste aus KI und Automatisierung in der Unterstützung von Planung und Entscheidungsfindung herauszuholen.“ Derzeit ist die Plattform eine der wenigen auf dem Markt überhaupt, die einen durchgängigen Entscheidungsprozess unterstützen kann. Die Lösung bietet nicht nur Einblicke und prädiktive Analysen zu bestehenden Daten, sondern ermöglicht auch die Modellierung von Geschäftsprozessen, um die Auswirkungen jeder Entscheidung auf das Ergebnis zu bewerten, die richtige Vorgehensweise über verschiedene Abteilungen, Regionen, Geschäftseinheiten und Organisationsebenen hinweg zu definieren und die Ausführung zu überwachen.
Eickeler ergänzt: „Die Injektion von KI in dieses Schema kann für jeden Entschei­dungsprozess transformativ sein. Wir können von einem heuristischen Modell zu einer algorithmischen Optimierung übergehen. Mit anderen Worten, anstatt zu versuchen zu verstehen, was die Auswirkungen einer Entscheidung auf das Modell sein könnten, lassen wir die KI alle möglichen Kombina­tio­nen von Entscheidungen ausprobieren und die besten ein bis drei Varianten vorschlagen.“ So könnte zum Beispiel das Evidence-based Management in Konzernen endlich gestaltet werden.

„Jeder hat das Recht auf eigene Meinung, aber nicht auf eigene Fakten!“ Diese Maxime geht auf einen Satz des amerikanischen Börsenspekulanten und Politikberaters Bernard Baruch aus dem Jahr 1946 zurück. Auch unsere Regierung sollte nicht nur das Business rund um die Technologien der künstlichen Intelligenz in Deutschland fördern, sondern sich, im Sinne unserer Gesellschaft, selbst solcher Lösungen bedienen. Eventuell könnte uns alle eine KI in Zukunft vor Überregulierung und suboptimaler Gesetzgebung schützen. Wenn da der Datenschutz nicht wäre.

Das Wissen im Umgang mit Daten und Datenbanken muss mehr Verbreitung finden. Diesem Leitgedanken nimmt sich der Data Literacy Index an. Der souveräne Umgang mit Daten ist für Organisationen aller Art und Größe bares Geld wert. Das geht aus einer neuen, weltweiten Studie des Data-Analytics-Spezialisten Qlik hervor. Erstellt wurde der Data Literacy Index durch die amerikanische Wharton School und das Institut IHS Markit. Laut dem Index können große Organisationen ihren Wert um bis zu 500 Millionen Dollar steigern, wenn sie unternehmensweit und konsequent auf eine datenversierte Kultur setzen. „Es ist das erste Mal, dass die Datenkompetenz auf Unternehmensebene gemessen wird, was nicht nur die Datenkompetenz der Mitarbeiter des Unternehmens umfasst, sondern auch die Nutzung von Daten für Entscheidungen im gesamten Unternehmen“, so Lorin Hitt, Professor an der Wharton School der University of Pennsylvania. „Die Forschung deutet darauf hin, dass Datenkompetenz in Unternehmen eine Reihe von Aspekten umfasst, die sich gegenseitig verstärken und mit finanzieller Leistung verbunden sind.“

Europa hat laut der neuen Untersuchung den höchsten Data Literacy Score aller Regionen, wobei Großbritannien, Deutschland und Frankreich zu den am weitesten fortgeschrittenen Nationen für Corporate Data Literacy gehören. Zwar ist Singapur die datenkundigste Nation weltweit, regional betrachtet liegen die USA und APAC jedoch gleichauf mit einem geringeren Wert als Europa. Dies spiegelt eine größere Anerkennung wider, die europäische Entscheidungsträger offenbar für den Wert von Daten haben. Denn 72 Prozent von ihnen bestätigen, dass diese „sehr wichtig“ sind – verglichen mit nur 60 Prozent in Asien und 52 Prozent in den USA. Das Maß für die Datenkompetenz von Unternehmen wurde von IHS Markit und einem Professor der Wharton School festgelegt. Es liegt auf einem Kontinuum, das auf den Datenkompetenzen der Mitarbeiter, datengetriebener Entscheidungsfindung und Datenqualitätsstreuung basiert. Eine Umfrage wurde entwickelt, um die drei Dimensionen der Datenkompetenz von Unternehmen zu messen. Antworten wurden mit passenden Skalen und Scores über alle Indikatoren hinweg standardisiert und aggregiert. Robert Schmitz sagt zu den Ergebnissen: „Megatrends wie Automatisierung, Robotik und künstliche Intelligenz bedeuten die vierte industrielle Revolution. Daten werden immer mehr zur universellen Sprache – und Unternehmen, die sie beherrschen, werden erfolgreich sein. In spätestens fünf Jahren werden die Gewinner der Datenrevolution feststehen. Dabei ist der Data Literacy Index nicht nur ein Augenöffner. Er ist ein Aufruf an Entscheider, sich zukunftsfähig im Markt aufzustellen.“

Übrigens bieten sich viele Weiterbildungsmöglichkeiten für Unterneh­men und Mitarbeitende. Das Fraunhofer-Institut IAO zum Beispiel bietet für Führungs- und Fachkräfte sowie IT-Expertinnen und -Experten, die künst­liche Intelligenz, maschinelles Lernen und Data Science verstehen möchten, Seminare an. Die Kurse geben einen Überblick über die nötigen Schritte bei der Durchführung von Datenanalysen mittels Methoden der künstlichen Intelligenz im Zeitalter von Big Data sowie die damit verbundenen Herausforderungen. Die Teilnehmenden erhal­ten eine Einführung in verschiedene Formen und Algorithmen des maschinellen Lernens und erhalten einen Über­blick über deren Unterschiede sowie die jeweiligen Stärken und Schwächen. Praxisbeispiele und Tooldemonstrationen machen die vorgestellten Konzepte verständlich und nachvollziehbar. 

Autor

Bernhard Haselbauer