Wir leben in einem Zeitalter, in dem Daten zum kritischen Wettbewerbsfaktor geworden sind. Der Talend CEO Mike Tuchen beschreibt dies wie folgt: „Data is the new battleground. For companies, the situation is clear – their future depends on how quickly and efficiently they can turn data into accurate insights“.

Frei nach dem Motto „Insight without action is useless“ möchte ich ergänzen, dass es natürlich genauso wichtig ist, aus den Einsichten entsprechende Aktionen folgen zu lassen. Diese Aktionen wiederum beeinflussen die Welt, dies lässt sich mit Daten messen, die wiederum zu neuen Einsichten führen. Es ergibt sich ein einfacher Kreislauf, der für die Wettbewerbsfähigkeit von Organisationen zunehmend entscheidend wird.

Um Daten auszuwerten müssen diese gemessen bzw. erfasst und systematisch gespeichert werden. Nachdem im traditionellen Business Intelligence nur sehr selektiv Daten aus operativen Systemen in einem zentralen Data Warehouse gespeichert wurden, hat sich die Welt im Zeitalter von Big Data massiv verändert. Das Apache-Projekt Hadoop, das 2016 seinen 10. Geburtstag feiern durfte, hat zusammen mit einer Vielzahl anhängiger Open Source Projekt die Welt verändert. Es ist mittlerweile kostengünstig möglich, Rohdaten in großen Mengen (z. B. aus Sensoren, Logdateien oder Kameras) zu speichern und zu verarbeiten. Diese Daten sind zusammen mit verbesserten Möglichkeiten der Auswertung die wesentliche Quelle für neue, systematische gewonnene Einsichten.

Self-Service Werkzeuge wie zum Beispiel von Tableau, Qlik oder TIBCO haben die Analyse von Daten demokratisiert. Mehr Menschen, speziell in den Fachabteilungen, können auf einfache Weise Daten visualisieren um hieraus Einsichten zu gewinnen. Dashboards können selbst verwendet oder anderen Mitarbeitern zur Verfügung gestellt werden, so dass insgesamt in der Organisation mehr und schneller Einsichten aus Daten gewonnen werden. Diese Systeme sind meist Teil der Business Intelligence Strategie von Organisationen. Datengrundlage ist das Data Warehouse, in dem wichtige Daten aus operativen Systemen strukturiert abgelegt werden, so dass sie für Anwendungen herangezogen werden können.

Parallel dazu hat sich der Bereich Data Science auf geradezu spektakuläre Weise entwickelt, der Harvard Business Review kürte den Job des Data Scientist als attraktivsten Beruf des 21. Jahrhunderts. Generell geht es in diesem Bereich um die Extraktion von Wissen aus Daten. Ausgehend von einer konkreten Fragestellung, werden Daten herangezogen, erkundet und anschließend für ein Modell verwendet. Hierbei kommen statistische Verfahren zum Einsatz, angefangen vom vergleichsweisen einfachen linearen Modell bis hin zu künstlichen Neuronalen Netzen, die speziell unter dem Begriff „Deep Learning“ derzeit in aller Munde sind.

Bemerkenswert ist, dass der Kreislauf von der Einsicht zur Aktion im Umfeld Data Science bereits sehr häufig automatisch geschlossen wird, im Bereich Business Intelligence hingegen über den Menschen.

Im Bereich Data Science resultieren vielfach Modelle, die anschließend in den Echtbetrieb gebracht werden. Diese werden zum Beispiel eingesetzt um Störungen vorherzusehen und Wartungen entsprechend einzuplanen (Predictive Maintenance) oder Warenkorbabbrecher in einem Online Shop zu erkennen und entsprechende Gegenmaßnahmen einzuleiten. Da sich die Welt verändert, werden die Modelle hierauf vielfach angepasst (Drift of Concept / Change of Concept) oder lernen sogar kontinuierlich. In diesem Sinne wird der Kreislauf geschlossen.

Hingegen werden die Erkenntnisse im Bereich Business Intelligence zumeist von Menschen gewonnen indem sie laufend einen Blick auf die Berichte und Dashboards werfen und gezielt Fragestellungen im Self-Service untersuchen. Die aus den Einsichten getroffenen Entscheidungen prägen die Welt, was sich wiederum in Daten widerspiegelt. Meist unterstützen die Daten aber bislang lediglich die Entscheidung von Menschen.

Experten wie Dr. Carsten Bange, CEO des Business Application Research Center (BARC) sehen auch in diesem Bereich die Automatisierung unmittelbar bevorstehen: Immer häufiger können Entscheidungen vollkommen automatisiert werden. Wir bewegen uns von der Entscheidungsunterstützung über die automatische Entscheidung mit Kontrolle durch den Menschen und autonomen Entscheidung durch Maschinen hin zu selbstlernenden Systemen, die sich aus der Erfahrung von Entscheidungen kontinuierlich verbessern.

  1. Menschliche Entscheidungen unterstützt durch Daten
  2. Menschliche Entscheidungen unterstützt durch Modelle
  3. Maschinelle Entscheidungen, von Menschen überwacht
  4. Autonomes, maschinelles Entscheiden
  5. Lernendes und sich verbesserndes, autonomes System

Natürlich haben wir hier noch eine gewisse Wegstrecke vor uns. Absehbar ist jedoch bereits jetzt, dass Daten und Algorithmen eine wesentliche Rolle im Wettbewerb spielen werden. Es gewinnen diejenigen Organisationen, die schnell und wirksam Einsichten aus Daten gewinnen und hieraus wiederum mit einem hohen Automatisierungsgrad Aktionen ableiten, deren Konsequenzen wiederum bemessen werden.

Im Sinne des Zitat von Mike Tuchen („Data is the new battleground…”) erfolgt jetzt gerade allerorts die Ausstattung der eigenen Truppe. Je besser die Werkzeuge, je kompetenter die Mitarbeiter und je zentraler das Gesamtthema in der Organisation verankert ist desto erfolgreicher wird sich die Organisation schlagen. In manchen Branchen hat der Kampf bereits begonnen, in allen anderen steht er bevor.