WE ARE HIRING! | JOBS @LANA LABS

Warum jedes Unternehmen Data Scientists braucht

Warum jedes Unternehmen Data Scientists braucht
January 21, 2019 Shirin

Lieferungen von Online-Bestellungen innerhalb von 2 Stunden. Prognosen von Flugzeiten bis auf die Minute genau. Identifikation genetischer Probleme anhand der Reaktionen auf Medikamente oder Krankheiten.

Die Möglichkeiten der Datenwissenschaft, besser bekannt als Data Science, sind extrem vielfältig. Infolge von verändertem Arbeits- und Konsumverhalten, neuer digitaler Technologien und Wertschöpfungsketten ist Data Science zur Notwendigkeit in vielen Unternehmen geworden. Data Scientists sind gefragter denn je. Daher lohnt sich ein Blick darauf, welche Fragen Data Scientists beantworten und welchen Mehrwert sie tatsächlich für das Unternehmen und die Stakeholder liefern.

Data Science

Grundsätzlich beschäftigt sich die Datenwissenschaft mit der Analyse, Interpretation und dem Verwerten von Daten aus verschiedensten Quellen. Innerhalb dieses Prozesses der Datenverarbeitung und -verwertung versucht man oftmals die folgenden vier Fragen zu beantworten:

1. Was ist passiert?

Daten sind die Dokumentation von Sachverhalten oder Vorgängen wie Geschäftsprozessen, Zuständen oder auch Ergebnissen eines Programmes. Daher gilt es zunächst zu verstehen, was die Daten zeigen beziehungsweise welche Gegebenheiten aufgezeichnet sind. Dafür ist einerseits ein gewisses Verständnis für den Kontext, die Problematik, das Unternehmen und die Soll-Zustände erforderlich. Andererseits hat der Data Scientists dazu auf technischer Ebene bestimmte Schritte, wie den ETL-Prozess, zu realisieren. Innerhalb des ETL-Prozesses sind die Daten aus verschiedenen Quellen, wie IT-Systemen oder Datenbänken, zu extrahieren, integrieren und transformieren. Das bedeutet, Data Scientists sammeln zunächst alle relevanten Daten zusammen und transformieren diese in eine einheitliche und analysierbare Form. Im nächsten Schritt laden sie die transformierten Daten zur Datenanalyse in ein oder mehrere Tools, wie Microsoft Power BI oder IBM Cognos Analytics. Mithilfe dieser Tools kann dann beantwortet werden, was passiert ist. Liegen beispielsweise Abweichungen vom Soll-Zustand vor? Bottlenecks oder zeitliche Verzögerungen? Gibt es bisher unentdeckte Schwachstellen? Aus diesen Fragen ergibt sich direkt die nächste Frage.

2. Warum ist das passiert?

Sobald sich die Data Scientists ein Bild vom Ist-Zustand gemacht und Auffälligkeiten identifiziert haben, stellt sich die intuitive Frage: Warum? Warum ist dieser Zustand oder das Ereignis eingetreten? Je nach Kontext werden für die Beantwortung dieser und auch der vorigen Frage verschiedene Techniken verwendet. Zum Beispiel explorative Datenanalysen, die ein Teilgebiet aus der Statistik sind und insbesondere  dann eingesetzt werden, wenn genug über die Daten und ihre Zusammenhänge bekannt ist. Bei Prozessdaten, also Daten, die auf einem Prozess basieren, werden dazu auch Process-Mining-Methoden angewandt werden. Mit den Techniken “Process Discovery” und “Target-actual comparison” (Soll-Ist-Vergleich) wird der reale Prozess visualisiert und ungewollten Abweichungen identifiziert.

3. Was wird passieren?

Das ist eine der wichtigsten Fragen für die Stakeholder eines Unternehmens. Zur Beantwortung dieser Frage versuchen Data Scientists auf Basis von historischen Daten möglichst präzise Prognosen zu erstellen. Dabei gilt es vorherzusagen, was wann und wie eintreten wird. Zur Generierung dieser Informationen werden meistens Methoden der künstlichen Intelligenz, wie machinelles oder tiefgehendes Lernen, verwendet. Mithilfe des maschinellen Lernens werden Muster oder Gesetzmäßigkeiten in den Daten identifiziert, die die Grundlage für Prognosen bilden. Solche Prognosen begegnen uns im beruflichen und privaten Alltag tagtäglich: vom Wetterbericht, über erwartete Fahrzeiten öffentlicher Verkehrsmittel, bis hin zu geschätzter Lesezeit von Blog-Beiträgen oder erwartete Aktienkurse.

4. Was ist das Beste, was passieren kann?

Als letztes beantworten Data Scientists, was der bestmögliche zu realisierende Zustand ist. Damit einher geht die Frage, wie dieser zu erreichen ist. Auch hierbei wird oftmals künstliche Intelligenz eingesetzt. Damit können Data Scientists den Stakeholdern explizite und datenbasierte Handlungsempfehlungen geben. Beispielsweise zur Vermeidung von Bottlenecks, zeitlichen Verzögerung oder zur Prozessoptimierung.

Data Science

Data Scientists müssen also nicht nur mit großen Datenbanken umgehen, sondern auch statistische Methoden und Data-Mining-Techniken zur Beantwortung spezifischer Fragen anwenden. Gleichzeitig benötigen sie ein gewisses Verständnis für branchen-, unternehmens- oder prozessspezifische Zusammenhänge. Insbesondere für die Datenverwertung sind Kenntnisse aus den Wirtschaftsingenieurwesen relevant.

Warum ist Data Science für Unternehmen so wichtig?

Data Scientists transformieren Daten zu relevanten, betriebswirtschaftlichen Informationen. Sie sind in der Lage, vergangene Geschäftsvorfälle und -prozesse zu analysieren und zu erklären. Anhand von historischen Daten können sie präzise Prognosen erstellen. Damit schaffen sie nicht nur Transparenz, sondern identifizieren Optimierungspotentiale und mögliche Strategien zu deren Realisation.

Datenanalyse als Sprungbrett zur Business Transformation

Das große Potential angewandter Data Science ist offensichtlich. Nun ist es Zeit, den Mehrwert auch in Ihrem Unternehmen zu realisieren. Process Mining hebt die Datenanalyse auf das nächste Level. Darum entscheiden sich immer mehr Unternehmen für LANA.