Eine aktuelle Studie von SAS beschäftigt sich mit der Frage, wie bereit Unternehmen für die Nutzung von künstlicher Intelligenz (KI) sind. Das Ergebnis zeigt: Es gibt viel zu tun. Gerade beim Einsatz moderner Analytics-Plattformen, die Innovationen vorantreiben können, gibt es noch Nachholbedarf. Aber wer sind die Anspruchsgruppen einer solchen Analytics-Plattform, und in welcher Beziehung stehen sie zueinander? Darüber habe ich mich mit Klaus Fabits, Senior Director Pre-Sales Support, SAS North EMEA, unterhalten.
Brigitte Naylor-Aumayer: Das Konzept der Analytics-Plattform kennen wir jetzt schon eine ganze Zeit lang. Was hat sich inzwischen verändert?
Klaus Fabits: Ich denke, es gab einen deutlichen Wandel – sowohl, was die Anforderungen an Analytics angeht, als auch im Hinblick auf die Komplexität der damit verbundenen Probleme und Lösungen. Wir haben heute riesige Datenmengen, zum Beispiel in Form von Streaming-Daten. Und das Datenvolumen steigt stetig weiter, weil sich immer mehr IoT-Geräte vernetzen. Gleichzeitig steht uns immer weniger Zeit zum Bereinigen und Analysieren dieser Daten zur Verfügung. Viele Unternehmen benötigen Ergebnisse aus solchen Analysen sogar in Echtzeit – gerade wenn es um Streaming-Daten geht. Plattformen müssen Analytics in der Datenbank ebenso unterstützen wie in-Stream oder in-Memory – doch dabei gibt es durchaus kleine, aber feine Unterschiede in den jeweiligen Anforderungen.
Naylor-Aumayer: Das klingt eigentlich relativ unkompliziert.
Fabits: Das stimmt. Allerdings ist diese Beschreibung sehr vereinfacht. Um die immer komplexeren analytischen Problemstellungen überhaupt lösen zu können, müssen wir immer mehr Datenquellen und Analytics-Umgebungen miteinander kombinieren. Das ist auch der Grund, warum Analysten häufiger dazu übergehen, Machine-Learning- und KI-Lösungen einzusetzen. Analytics-Plattformen sind in dem Zusammenhang nicht mehr nur „Nice to have“, sondern unentbehrlich.
Naylor-Aumayer: Wenn wir an den Data Scientist denken, stellen wir ihn uns meistens als Zentrum des Analytics-Universums vor. Was müssen Plattformen aus deren Sicht leisten?
Fabits: Wir können uns den Data Scientist als Praktiker mit Hands-on-Erfahrung vorstellen. Sie schreiben Codes, managen Daten, entwickeln Modelle und identifizieren Muster in den Daten. Sie müssen zudem ihre Ergebnisse so präsentieren, dass andere sie verstehen – oft auch visuell aufbereitet. Viele Data Scientists sind inzwischen nicht mehr nur Analysten, sondern gleichzeitig Spezialisten für ein bestimmtes Fachthema. Ihnen ist klar, was mit Datenanalysen erreichbar ist, oft wird ihnen die Arbeit aber durch ineffiziente Prozesse erschwert. Alte Daten oder Daten, die in Silos eingeschlossen und nicht im Unternehmen geteilt werden, lange Durchlaufzeiten für Daten – all diese Probleme können durch den Einsatz der richtigen Plattform gelöst werden.
Naylor-Aumayer: Die Rolle des Chief Digital Officer – oder Chief Data Officer – ist teilweise immer noch unklar. Wie man sie auch nennen mag, wie nutzen CDOs Analytics-Plattformen?
Fabits: Die CDOs – die auch gerne „Heads of Data“, „Heads of Analytics“ oder „Innovation Lead“ genannt werden – sind oft verantwortlich für Projekte, die den Einsatz von Analytics erfordern. Unabhängig davon, ob Mitarbeiter in dieser noch recht jungen Rolle einen Daten- oder einen Fachhintergrund haben, verfügen sie in der Regel über ein gutes Technologieverständnis. Mit ihnen steht und fällt oftmals der Erfolg von Analytics-Projekten, und sie verwalten das Budget. Als Sponsoren müssen sie das große Ganze im Auge behalten und alle analytischen Anforderungen, die das Projekt mit sich bringt, überblicken. Die richtigen Daten zu erheben, sie im richtigen Format zu extrahieren, analytisch mit ihnen zu arbeiten und anderen die Resultate zugänglich zu machen: All das steht in enger Verbindung miteinander. Der Einsatz der richtigen Plattform vereinfacht maßgeblich, das große Ganze im Blick zu behalten.
Naylor-Aumayer: Das bedeutet, dass die Plattform zum übergeordneten IT-System eines Unternehmens passen muss. Was erwarten also IT-Entscheider von einer Plattform?
Fabits: IT-Entscheider stellen die Software- und Hardware-Infrastruktur bereit, sodass Mitarbeiter ihre Aufgaben erfüllen und auf die Ziele des Unternehmens hinarbeiten können. Man könnte sagen, IT-Entscheider sind die „Enabler“ der analytischen Infrastruktur – und dazu gehören auch Plattformen. Um Ausgaben zu rechtfertigen und zu erkennen, wie diese für das Unternehmen sinnvoll eingesetzt werden können, benötigen IT-Entscheider einerseits gute Beratung und andererseits Anwendungsbeispiele aus der Analytics-getriebenen Wirtschaft sowie für neue Bereiche wie KI.
Naylor-Aumayer: Letztlich wird es bei KI darum gehen, geschäftliche Vorteile zu generieren. Nach welchen Lösungen suchen also Führungskräfte, die Sie kennen?
Fabits: Das Management und Influencer sehen das Unternehmen als Ganzes. Sie stellen sicher, dass Innovationen dem Unternehmen nützen, und unterstützen sein zukünftiges finanzielles Wachstum. Sie suchen nach Wegen, um Mitarbeiter und Abteilungen miteinander zu vernetzen. Sie sind jedoch auf Bereichsleiter angewiesen, um bestimmte Initiativen und passende Technologien voranzubringen. Im Endeffekt suchen sie nach Technologien, die gut funktionieren und dem Unternehmen gleichzeitig einen wirtschaftlichen Vorteil bringen.
Naylor-Aumayer: Heißt das, Plattformen sind womöglich die beste Lösung, um der immer größeren Komplexität in der Analytics-Welt zu begegnen?
Fabits: Sie sind sicherlich eine mögliche Antwort. Ich denke aber, dass Plattformen auch darüber hinaus wichtig sind – und zwar als einzige Möglichkeit, die Governance von Daten und Analytics sicherzustellen und die Zusammenarbeit auf allen Ebenen zu koordinieren. Das ist der eigentliche Grund, warum ich überzeugt bin, dass Plattformen für Unternehmen immer wichtiger werden.
Nehmen Sie an der Studie teil und erhalten Sie den Untersuchungsbericht: 2018 Expert Study - Enterprise-wide analytics and the role of an analytics platform
