3 Regeln für den erfolgreichen Umgang mit Daten: So profitieren Sie von Machine Learning

24. Januar 2019

Künstliche Intelligenz und Machine Learning werden auch im Jahr 2019 nachhaltig die Geschäftswelt verändern. Sie bieten große Potenziale, die von vielen Unternehmen jedoch (noch) nicht richtig ausgeschöpft werden. Insbesondere mangelt es diesen am richtigen Umgang mit Daten, der aber die Grundvoraussetzung für maschinelles Lernen ist.

Deshalb ist es wichtig, das Thema von Beginn an ganzheitlich zu betrachten. Vor allem aber müssen Unternehmen lernen, ihre Datenstrategie neu zu denken: Daten sind – entgegen der vorherrschenden Meinung – kein “Abfallprodukt” digitaler Prozesse, sondern müssen Teil der Wertschöpfung werden.

Der innovative Ansatz „Data Thinking“ stellt genau das in den Fokus. Er beginnt nicht mit dem Sammeln von Daten oder dem Aufbau der Infrastruktur, sondern mit der systematischen Identifikation von Use Cases mit hohem, messbaren Nutzen.

Whitepaper Data Thinking

Unternehmen sollten folgende drei Regeln beachten, wenn Sie mit Data Thinking erfolgreich durchstarten wollen:

1. Gehen Sie vom Mehrwert aus – nicht von der Technologie.

In den vergangenen Jahren stand beim Thema Daten vor allem die Technologie im Vordergrund: Es wurden teure Softwarelösungen und Data Lakes eingeführt, doch nur ein marginaler Teil der Daten tatsächlich genutzt. Stattdessen sollten Sie aber gleich zu Anfang definieren, welchen Wettbewerbsvorteil Sie sich durch Daten erarbeiten wollen und wie der Use Case nutzerzentriert eingesetzt werden kann. Denn nur eine Lösung, die auch genutzt wird, erzeugt die gewünschten Effekte.

2. Designen Sie ihre Daten.

Arbeiten Sie mit den Daten, die Sie brauchen – nicht nur mit denen, die Sie haben. Viele Big Data Projekte scheitern, weil sie sich auf das reine Sammeln der Ist-Daten beschränken. Viel wichtiger: Überlegen Sie sich, welche Daten Sie brauchen um den Anwendungsfall maximal effektiv zu gestalten. Richten Sie daraufhin Ihre Digital- und Datenstrategie aus. Mit jedem Digitalprodukt kommt auch die Chance, neue und relevante Daten zu erfassen. Daten alleine schaffen aber noch keinen Mehrwert – auf die konkreten Use Cases kommt es an. Mit Data Thinking identifizieren Sie systematisch die Anwendungsfälle, die den größten Mehrwert stiften.

3. Seien Sie radikal.

Die Realität der Data Science ist selten tatsächlich wissenschaftlich. Vielmehr verlieren sich die Projekte häufig in der Datenexploration. Erfolgsversprechender ist einen radikaler, Outcome-orientierter Ansatz, der in gegebener Zeit (Sprint) mit möglichst vielen Anwendungsfällen startet und nur jene weiterentwickelt, die Ergebnisse erzeugen. Am Ende haben Sie dann vielleicht nur ein bis zwei erfolgreiche Anwendungsfälle – diese aber funktionieren. Dieser iterative, „leane“ Ansatz führt insgesamt zu mehr und zu besseren Ergebnissen.

Am Anfang steht also der Use Case und damit die Frage: Welches Problem wollen wir mit unseren Daten lösen und wo können wir mit Daten und Machine Learning signifikante Wettbewerbsvorteile erzielen? Daran orientiert sich die Datenstrategie des Unternehmens, die Technologie und der Datenschatz sind nur ein Mittel zum Zweck.

Sie wollen mehr über den einzigartigen Data Thinking-Ansatz von etventure erfahren? Dann sichern Sie sich jetzt unser kostenloses Whitepaper:

Whitepaper Data Thinking


Weiterführende Links:


Du hast eine Frage oder eine Meinung zum Artikel?
Teile sie mit uns!

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *

Autor

Marc Weimer-Hablitzel, Principal bei der Digitalberatung etventure, ist Experte für Daten-Innovationen und die datenzentrische Transformation von Unternehmen.

Alle Artikel lesen