Die Lücke zwischen Erkenntnis und Handlung schließen

ITD: Herr Bergmann, heterogene Datenquellen, unbrauchbare Formate und fehlende Standards erschweren vielerorts noch immer die effektive Auswertung von Geschäftsdaten. Wie können diese Hürden reduziert werden?
Uwe Bergmann:Die Thematik der Ineffizienz in der Auswertung von Daten ist vielschichtig. Die Analyse der Aufgabenstellung ist oft schwieriger als die Lösung selbst. Die Fragestellung hat dabei eine technische und eine inhaltliche Komponente. Die technische Frage ist, wie liegen die Daten vor, auf welchen Systemen sind sie verfügbar und wie können die Daten gesammelt werden. Um aus den gesammelten Daten Informationen zu machen, müssen sie möglichst richtig und eindeutig sein. Wir brauchen also ein geeignetes Tool oder System, das dabei unterstützt, die Daten zu sammeln, zu aggregieren und zu analysieren sowie gleichzeitig ein Datenmanagement, das dafür sorgt, dass die Daten auch in der richtigen Qualität vorliegen.

ITD: Eine wichtige Voraussetzung für eine ganzheitliche Datenstrategie ist das richtige Data-Governance-Konzept. Worauf gilt es in der Praxis zu achten?
Bergmann:Data Governance ist ein komplexer Begriff, der vielen Kunden zu sehr nach Universität, Theorie oder Großkonzern klingt. Wir verwenden daher eher den Begriff Data Management – der trifft den praktischen Kern und wird besser verstanden und akzeptiert. Viele Themen, die darunterfallen, entstehen in der Praxis aus tatsächlichen Anforderungen, die meist anlassbezogen an unterschiedlichen Stellen auftauchen, etwa Datensicherheit, Speicherort, Zugriffsrechte, wer für Datenqualitäten verantwortlich ist oder ähnliches. Der späteste Zeitpunkt, zu dem sich Unternehmen mit dieser Frage beschäftigen, ist beim Thema Cloud – ja, nein oder hybrid. 

ITD: Wie können Sie Kunden bei der Erarbeitung entsprechender Konzepte unterstützen?Bergmann:Wir unterstützen unsere Kunden sowohl bei dem Aufbau einer ganzheitlichen Strategie als auch in allen Teilbereichen mit pragmatischen und bewährten Lösungen. Unser Team aus Datenspezialisten, Solution Architekten, Data Scientists, Mathematikern und Betriebswirten entwickelt gemeinsam mit den Anwendern ein nachhaltiges Konzept und einen konkreten Umsetzungsplan bei dem der Mensch als Nutzer im Mittelpunkt steht. Dabei beraten wir unsere Kunden aus einer Hand in den Bereichen Data Management, Data Analytics, Data Science, Künstliche Intelligenz, aber auch etwa Change Management, sodass am Ende alles in einem Konzept zusammenpasst. 

ITD: Wie gelingt es, trotz der immer ungleichmäßigeren Verteilung von Daten auf unterschiedlichen Systemen einen stabilen Single Point Of Truth zu etablieren? 
Bergmann:Einen Teil der Lösung haben Sie bereits angesprochen: durch eine konsistente Data-Governance (Data-Management)-Strategie. Das ist der Rahmen oder der Kontext des Themas. Die technische Lösung ist relativ einfach: ein eigenes Data Warehouse oder ein Data Lake, in denen die Daten gesammelt und analytisch aufbereitet werden. Dies ist aktuell wichtiger denn je, denn durch die Erstellung und Pflege der Daten in verschiedenen Systemen entstehen erst durch das Zusammenführen eindeutige Informationen im Single Point of Truth. 

ITD: Wie wirkt sich die wachsende Anzahl von eingesetzten SaaS-Diensten innerhalb der Unternehmen auf die Verfügbarkeit und Verwertbarkeit der Daten aus?
Bergmann:Grundsätzlich sehr positiv, da eine Unzahl von Daten erzeugt wird – das ist ja ein Wesen der Digitalisierung. Die Daten sind auch im SaaS-Dienst selbst sehr gut und einfach verfügbar, die Analyse ist zumeist ebenfalls schon eingebaut und liefert rasch Erkenntnisse – Beispiel etwa Google Analytics. Bei der Verwertbarkeit der Daten außerhalb des SaaS-Dienstes geben die Anbieter häufig keinen Zugriff auf die tatsächlichen Daten, sondern bieten nur vorgefertigte Sichten in APIs und OData-Formaten an, die aber nur eine verdichtete oder verkürzte Sicht der Echtdaten darstellen. Eine bessere Verwertbarkeit von Daten sowohl für Prozesse als auch BI erhalten Sie sicherlich, wenn Sie integrierte Plattformen wie Microsoft Dynamics 365 verwenden.

ITD: Business Intelligence profitiert zunehmend von den Fortschritten der KI-Entwicklung. Wo sehen Sie in der Praxis den größten Nutzen dieser Synergie?
Bergmann:Den praktischen Nutzen sehe ich vor allem an zwei Stellen. Business Intelligence ist analytisch perfekt und stellt mir Wissen für Entscheidungen bereit in dem es beschreibt, was ist beziehungsweise was war. Das Ganze natürlich in einem gesamtheitlichen Kontext. KI geht den nächsten Schritt und beschreibt mir, was aufgrund der Vergangenheitsdaten höchstwahrscheinlich passieren wird. Erweiterter Ansatz, unzählige neue Möglichkeiten.

Die zweite Stelle ist ebenso interessant: Es gibt eine Lücke zwischen Erkenntnis und Handlung. BI endet im Regelfall technisch bei der Erkenntnis und überlässt es dem Entscheider, Handlungen zu setzen – bedeutet konkret: Wenn ich mir etwas nicht ansehe oder erkenne, werde ich nichts tun. Daher glaube ich, das BI in der Zukunft nicht ohne KI auskommen wird. Die Anreicherung von Dashboard-Informationen mit AI-enabled-Insights bietet große Mehrwerte. 

Dies ist ein Artikel aus unserer Print-Ausgabe 07-08/2020. Bestellen Sie ein kostenfreies Probe-Abo.

ITD: Für komplexere Analytics-Vorgänge braucht es häufig kompetente Data Scientists, doch die sind bekanntlich äußerst rar. Wie können sich Unternehmen selbst helfen?
Bergmann:Hierfür gibt es mittlerweile ein breites Angebot. AutoML (automatisches Machine Learning) demokratisiert den Entwicklungsprozess von Machine-Learning-Modellen und befähigt Nutzer, unabhängig von Expertenwissen und Programmierkenntnissen mathematische Modelle anhand bestehender Datenmengen zu erstellen. Stichwort: Low- bzw. No-Code. Besonders geeignet für standardisierte Aufgaben, die den Bereichen Klassifikation, Regression und Forecasting zugeordnet werden können. Data Scientists können dezidiert und punktuell zu Beratung, Validierung und Überwachung herangezogen werden. Perspektivisch wird die Einbeziehung von vortrainierten Modellen – beispielsweise aus dem Microsoft Azure-Umfeld – ein alltäglicher Teil der kontinuierlichen Prozessautomatisierung.

ITD: Der Zugang zu anspruchsvolleren BI-Funktionen wird durch Self-Service-Konzepte zunehmend vereinfacht. Braucht es in zehn Jahren überhaupt noch IT- oder Analytics-Expertise für die eigentliche Auswertung von Geschäftsdaten?
Bergmann:Auch zukünftig werden Menschen mit Neugier, Kreativität und Prozesswissen benötigt, denn auch die besten Self-Service-Werkzeuge nutzen nichts, wenn die falschen Fragen gestellt werden. Ferner müssen Ergebnisse richtig interpretiert werden, um auch die richtigen Schlüsse für das eigene Geschäft zu ziehen. Ich denke daher, dass der Bedarf an IT- und Analytics-Expertise zunehmen wird: Es werden neue Ideen und Herausforderungen im Zusammenhang mit Daten entstehen, die umgesetzt werden müssen. Daten und Algorithmen führen jetzt schon zu neuen Geschäftsmodellen und Monopolstellungen. Wer hier am cleversten agiert, gewinnt in der Zukunft. Und dafür braucht es entsprechende Experten. Wie aber zuvor schon gesagt, braucht es kreative und mutige Geschäftsleute, die derartige Geschäftsmodelle mit Vision angehen und entsprechende Teams zur Realisierung aufbauen.

Bildquelle: Cosmo Consult