Wer Daten verstehen lernt, spricht die Sprache unserer Zukunft
Eine robuste Ausbildung in Statistik ist sicher die wichtigste Grundlage für eine erfolgreiche Nutzbarmachung von Daten.
Wenn Sie Ihr Unternehmen datengetrieben ausrichten möchten, stehen Sie schnell vor der Frage: Woher nehme ich all die qualifizierten Data-Science-Spezialisten, um mich bei meiner digitalen Reise und Transformation nicht ausbremsen zu lassen? Ein:e Data Scientist:in analysiert große unstrukturierte und strukturierte Datenmengen und entwickelt auf Basis von mathematischen sowie statistischen Modellen Algorithmen für Machine-Learning und KI, die zu neuen Prognosen und Entscheidungsgrundlagen führen. Mittlerweile stehen diverse Bildungsabschlüsse und Fortbildungslehrgänge zum/zur Data Scientist:in durch Universitäten und Institute zur Disposition, die auch für Nachwuchs sorgen.
Doch um tiefgreifende Data-Science-Projekte zum Erfolg zu führen, sind „alte Hasen“ mit Branchenwissen so gefragt wie nie zuvor. Zusätzlich werden noch weitere Kompetenzen von Data Engineers sowie Softwareentwicklern und -entwicklerinnen benötigt, um die Datenqualität sicherzustellen. Einzelne Datenwissen-schaftler:innen können nur sehr wenig bewirken. Sicher, es gibt ein paar Ausnahmen. Aber die positiv erfolgreiche Datenwissenschaft wird von Teams aus Datenexperten geleistet, die von anderen Berufsgruppen, wie die der Front-End-/Back-End-Entwickler: innen, Platformingenieure und -ingenieurinnen, Tester:innen, Dömänexperten und -expertinnen, Projektmanager-:innen und so weiter, unterstützt werden. Auch diverse Softskills wie Kommunikationsfähigkeit, Zusammenarbeit und Neugier werden benötigt, um in erfolgreichen Datenteams zu arbeiten. Unternehmen sollten berücksichtigen, dass der größte Aufwand von Datenprojekten in die Datenaufbereitung fließt.
Am Rande notiert:
Werke zum Thema
100+ kostenlose Bücher zum Thema Datenwissenschaft! Hier finden Sie eine Sammlung der besten kostenlosen Bücher zu den Themen Data Science, Big Data, Data-Mining, maschinelles Lernen, Python, R, SQL, NoSQL und mehr aus dem Internet. Wenn Sie auf der Suche nach noch mehr Lernmaterial sind, sollten Sie sich auch die Onlinekurse zu Data Science auf der Plattform ansehen.
Mit Data Science die Effizienz steigern und den Energieverbrauch senken!
Eine weitere Grundbedingung, um das „data-driven Business“ zu starten, sind die Mitarbeitenden, die sich motiviert an Datenprojekten beteiligen und ihr Fachwissen mit in die Entwicklung von Algorithmen einbringen. An dieser Stelle können Low-Code-Data-Science-Plattformen helfen. Viele Cloud-Plattformen zur Analyse und Aufbereitung von Daten bringen derzeit den Low-Code-Ansatz schon mit. Damit lässt sich der Fachkräftemangel zwar nicht beseitigen, aber lindern. Mit einer Data-Science-Plattform können Datenanalysten beispielsweise Modelle als APIs bereitstellen, was die Integration in verschiedene Anwendungen vereinfacht. Data-Scientists und -Scientistinnen können unabhängig vom IT-Team auf Tools, Daten und die Infrastruktur zugreifen.
Unternehmen, die sich tiefgehender, auch im Hinblick auf neue Geschäftsmodelle und Big Data, mit dem Thema befassen wollen, sollten sich Lösungen wie Apache Hadoop, Apache Storm, Hive und Cloudera anschauen. Das TensorFlow-Framework von Google z. B. ist eine Open-Source-Bibliothek für numerische Berechnungen und Machine Learning, die mit der Programmiersprache Python kompatibel ist. Snowflake bietet z. B. als Hochleistungsplattform eine einzigartige Architektur dedizierter Computercluster für jeden Work-load. Die Plattform unterstützt Datentypen von strukturierten, halb strukturierten (JSON, Avro, ORC, Parquet oder XML) und unstrukturierte Daten.
Datengetriebene ESG-Berichterstattung
Ein gutes Beispiel, welche Rolle in Zukunft die richtigen Informationen, Daten und Kennzahlen spielen, ist das ESG-Reporting. Die neue EU-Richtlinie verpflichtet ab 2025 mittelständische und größere Unternehmen, jährlich öffentlich gemäß European Sustainability Reporting Standards (ESRS) über ökologische, soziale und regulatorische (Environmental,-Social-,Gov-ernance) KPIs zu berichten. „Doch die Rahmenbedingungen sind komplex und relevante Daten nicht einfach verfügbar“, berichtet Jens Siebertz von Inform DataLab. „In erster Linie geht es zunächst darum, zu identifizieren, über welche ESG-Kennzahlen ein Unternehmen berichten muss. Dann sehen wir, wie wir dafür Daten erheben oder aus verschiedenen Quellen zusammenführen können. Für die meisten Unternehmen wird der Fokus in nächster Zeit hierauf liegen.“ Unternehmen sollten daher frühzeitig damit beginnen, ihre ESG-Kennzahlen zu messen und zu analysieren. „Wir schaffen in einem Data Warehouse und mit passenden Analytics Tools Transparenz über ESG-Faktoren und Transparenz ist der erste Schritt, um Verbesserungen auf den Weg zu bringen, auch im Bereich der Nachhaltigkeit. Indem wir die Daten an einer zentralen Stelle automatisiert konsolidieren und aufbereiten, stehen sie allen Stakeholdern im Unternehmen für ihre täglichen Entscheidungen zur Verfügung. Und zwar genau so, wie es der konkrete Nutzer jeweils benötigt.“, betonte Siebertz.
Mit Ressourceneffizienz nachhaltig Probleme lösen
Fachkräftemangel, Klimakrise teure Rohstoffe und Ressourcenknappheiten, all diese Probleme müssen momentan von Unternehmen und der Industrie gemeistert werden. Auch hier kann zum Beispiel Data Science durch Optimierung und Automatisierung die Ressourceneffizienz steigern und so ein Teil der Lösung sein. Werden große Datenmengen erhoben, konsolidiert und mittels KI und ML-Methoden analysiert, lassen sich Muster erkennen und präzise Vorhersagen treffen. Während es bei der Produktionsplanung um Daten etwa aus ERP-Systemen oder Data Warehouses geht, sind es bei Maschinen Messwerte wie Druck, Viskosität oder Energieverbrauch. In diesem Kontext erklärte uns Benedikt Sturm von Optalio: „Mit der so erzeugten Transparenz gelingt es mit unseren Lösungen unter anderem, Auswirkungen in der Prozessplanung in Echtzeit anzeigen zu lassen und so eine optimale Allokation von Ressourcen zu erreichen. Nicht nur ideale Betriebszustände von Maschinen und Anlagen können erkannt werden. Auch lässt sich so bei größeren Abweichungen eine vorausschauende Wartung etablieren. Der Einsatz von Data Science macht es insgesamt möglich, Ressourcen und Energie optimal einzusetzen und deutliche Einsparungen zu erreichen.“
Unternehmen für Krisenzeiten gerüstet?
Unternehmen in stürmischen Zeiten auf Kurs zu halten, ist für die Verantwortlichen keine einfache Aufgabe. Es erfordert viele richtungsweisende Entscheidungen. „Um zu verstehen, wie Unternehmen auf die Herausforderungen reagieren, haben wir in einer Studie etwa 2 500 Entscheidungsträger in Großbritannien, den USA, Deutschland, Frankreich, Italien, Japan, Australien und Singapur befragt“, betonte Ansgar Eickeler von Board Deutschland im Gespräch mit unserer Redaktion. Laut Eickeler kommen Unternehmen mit einer intelligenten Planung besser durch die Krise. Die Globale Planungsstudie 2023 deckte auf, dass immer noch fast 50 % aller Unternehmensplanungen mit Tabellenkalkulationen durchgeführt werden, einem Werkzeug aus den 1980er Jahren. Für mehr als 80 % der Befragten ist tatsächlich eine kontinuierliche Planung sehr wichtig, um in Krisenzeiten erfolgreich reagieren zu können. „Hierbei nehmen die US-Unternehmen eine Führungsrolle ein. Während in den europäischen Ländern, inklusive Deutschland, noch ein starker Fokus auf der Jahresplanung liegt, sagen über 60 % der Befragten in den USA, dass sie ihre Planung ständig durch aktuelle Daten ergänzen. Sie sind jederzeit in der Lage, On-Demand-Planungen durchzuführen und so schnell zu agieren.“, verdeutlichte uns Ansgar Eickeler am Ende unseres Gesprächs. In der heutigen Welt helfen uns Daten bei fast allem, vom Treffen fundierter Entscheidungen bis hin zur Verbesserung des Lebens der Menschen. Wer Daten verstehen lernt, spricht die Sprache unserer Zukunft.
von Bernhard Haselbauer
b.haselbauer@trendreport.de
CC BY-SA 4.0 DE
Sie dürfen:
- Teilen — das Material in jedwedem Format oder Medium vervielfältigen und weiterverbreiten
- Bearbeiten — das Material remixen, verändern und darauf aufbauen und zwar für beliebige Zwecke, sogar kommerziell.
- Der Lizenzgeber kann diese Freiheiten nicht widerrufen solange Sie sich an die Lizenzbedingungen halten.
- Bitte berücksichtigen Sie, dass die im Beitrag enthaltenen Bild- und Mediendateien zusätzliche Urheberrechte enthalten.
Unter den folgenden Bedingungen:
- Namensnennung — Sie müssen angemessene Urheber- und Rechteangaben machen, einen Link zur Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden. Diese Angaben dürfen in jeder angemessenen Art und Weise gemacht werden, allerdings nicht so, dass der Eindruck entsteht, der Lizenzgeber unterstütze gerade Sie oder Ihre Nutzung besonders.
- Weitergabe unter gleichen Bedingungen — Wenn Sie das Material remixen, verändern oder anderweitig direkt darauf aufbauen, dürfen Sie Ihre Beiträge nur unter derselben Lizenz wie das Original verbreiten.
