Ein großer Teil unseres Lebens besteht darin, möglichst intelligente Entscheidungen zu treffen. Eine echte Herausforderung angesichts der Fülle an Informationen und Daten, der wir heute ausgesetzt sind. Im
Geschäftskontext heißt das: Nur wenn evidenzbasierte Entscheidungsprozesse tief in der Unternehmenskultur (unabhängig von Typ und Menge der Daten) verankert werden, lässt sich das riesige Potenzial dieser Daten ausschöpfen.
Am Anfang der Intelligenz stand … das Feuer
Doch zurück auf Anfang, zu den Ursprüngen menschlicher Intelligenz. Feuer hatte einen großen Einfluss auf unsere Vorfahren. Es half nicht nur über frostige Temperaturen hinweg, sondern diente auch der Zubereitung von Nahrung. Und das hatte weitreichende Konsequenzen für unseren Energiehaushalt. Denn gekochtes Fleisch ist wesentlich leichter zu verdauen als rohes, sodass der Körper weniger Energie für die Verdauung aufwenden muss und die dadurch eingesparten Kalorien stattdessen für andere Aktivitäten einsetzen kann. Einfach gesagt: Das Kochen auf der Feuerstelle hat dazu beigetragen, unsere Intelligenz weiterzuentwickeln. Und das war wie gesagt nur der Anfang. Heute sind wir an einem Punkt, wo neue Technologien sogar unsere kognitiven Fähigkeiten übertreffen.
Die Entwicklung menschlicher Intelligenz und die heutige Informationsverarbeitung weisen verblüffende Parallelen auf. Feuer war damals eine revolutionäre Technologie und Fleisch die Energiequelle. Was damals das Fleisch war, sind heute Daten. Das Feuer steht in dieser Analogie für die Technologie, das Kochen für die Prozesse. Die Kombination aller Faktoren hat – auch heute noch – das Potenzial, unsere Intelligenz voranzutreiben. Für Unternehmen stellt sich damit – im übertragenen Sinn – die Frage: Wie lässt sich angesichts der Digitalisierung sicherstellen, dass wir unsere Intelligenz besser einsetzen als der Wettbewerb?
Data Science ist die Lösung
Data Science kann dabei helfen, neues Wissen direkt in eine Verbesserung der Geschäftsergebnisse zu transferieren. Brendan Tierney gibt anhand einer anschaulichen Grafik eine Übersicht über die Kompetenzen und den Prozess, die bei Data Science eine Rolle spielen. Diese Visualisierung ist sehr hilfreich, um Data-Science und andere Hype-Themen in einen Kontext mit all dem zu setzen, was ein Unternehmen schon gut kann und gut macht. Auch KI und Machine Learning sind keine Wundermittel, mit denen sich sämtliche Sorgen wegzaubern lassen. Bestenfalls machen sie die Arbeit effizienter. Echte „Magie“ entsteht erst, wenn das vorhandene Wissen stets so eingesetzt wird, dass es dabei hilft, die sich rasant ändernden Geschäftsherausforderungen zu bewältigen. Wenn Sie wissen, mit welchem Mittel Sie welches Problem lösen können – großartig! Dann haben Sie den Schlüssel zum Geschäftserfolg.
Data Science involviert unterschiedlichste Mitarbeiter, darunter Entwickler, Statistiker, Business-Analysten, Data-Warehouse-Experten und Projektmanager. Das macht sie zu einer äußerst komplexen Disziplin, will man sie erfolgreich einsetzen. Das Data-Science-Team muss schnell und flexibel agieren können, die Erkenntnisse sollten auch für andere Abteilungen nutzbar sein. Dafür benötigen Mitarbeiter jedoch eine Technologie, mit der sie ihre Leistungen und Kompetenzen effizient einsetzen können. Diese Technologie kann Open-Source- und kommerzielle Lösungen kombinieren. Wichtig ist, dass die technische Umgebung für einen nahtlosen Ablauf der Prozesse sorgt – und zwar in allen Bereichen, von der Entwicklung über das Testen bis hin zur Produktion. Ein Missgriff bei der Auswahl der Technologie zwingt unweigerlich die Effizienz in die Knie. Aber auch die besten Werkzeuge machen alleine noch nicht den Erfolg aus. Hier gilt wie überall: Die Technologie kann nur Potenzial erschließen, der Rest liegt beim Unternehmen und seinen Prozessen.
Sie haben keine ausreichenden Ressourcen, um einen effizienten Data-Science-Prozess aufzusetzen? Kein Problem, wir können das übernehmen. Über den Results-as-a-Service-Ansatz stellt SAS Ressourcen, Prozesse und Technologie bereit, die Unternehmen genau dann Intelligenz liefern, wenn sie sie benötigen.
Weitere Informationen zu Results-as-a-Service von SAS finden Sie in folgenden Publikationen:
