24You

Das neue Internetbanking der Bank Austria.

BusinessNet

Das Internetbanking für Unternehmen

olbImgAlt Vorsorgebedarf berechnen
Nehmen Sie jetzt Ihre private Pensionsvorsorge selbst in die Hand! Vorsorgebedarf berechnen

Die Menge der im Geschäftsleben gesammelten Daten wächst und wächst. Gleichzeitig wächst auch der Bedarf an Expertinnen und Experten, die sich aufbereiten und analysieren können.

"Wir haben uns komplett verlaufen, kommen aber gut voran", heißt es im Kinderbuch "Alice im Wunderland". Ähnlich könnte man wohl die Erfahrungen vieler Unternehmen mit der Digitalisierung umschreiben - vor allem, wenn es um eine ihrer augenscheinlichsten Begleiterscheinungen geht: die schiere Unmenge an Daten, die im Geschäftsalltag anfällt. Auch wenn die meisten nicht wissen, was sie mit ihnen anfangen sollen, steht für Expertinnen und Experten fest: Daten werden nicht zu Unrecht als der wertvollste Rohstoff des 21. Jahrhunderts bezeichnet.

Albert Moik, Leiter Applied Intelligence Lead, Accenture Österreich
Albert Moik, Leiter Applied Intelligence Lead, Accenture Österreich
"Unternehmen verfügen über Unmengen an Daten, die größtenteils ungenutzt bleiben."

Basierend auf diesen Daten könnten sie neue Services und Dienstleistungen für ihre Kundinnen und Kunden gestalten und damit sowohl deren Bedürfnisse besser bedienen als auch zusätzliche Erlöspotenziale erschließen. Das ist etwa mittels Clustering möglich. Indem ein Algorithmus mit Daten gefüttert wird, können mit dieser Methode Kundengruppen mit möglichst gleichem Online- Verhalten identifiziert werden. Ein Beispiel aus dem Bereich Predictive Analytics: Über die Warenkorb-Analyse können Unternehmen wie Amazon oder Netflix herausfinden, mit welcher Wahrscheinlichkeit sich ihre Kundinnen und Kunden für weitere Produkte - etwa Filme und Serien - interessieren könnten, und sie darauf aufmerksam machen. Der Datenschatz der Unternehmen kann, laut Moik, aber auch dazu genutzt werden, um interne Prozesse mittels intelligenter Prozess-Automatisierung zu beschleunigen und Mitarbeiterinnen und Mitarbeiter von Routinetätigkeiten zu entlasten.

Entscheidend: Datenqualität

Um den Nutzen von Daten erschließen zu können, müssen Pilot- und Umsetzungsprojekte gestartet werden. "Wichtig ist dabei Geschwindigkeit", so Moik. In der Regel dauere die Umsetzung weniger als ein Quartal. Neben den faktenbasierten Erkenntnissen würden sich viele Anwendungsfälle schon nach wenigen Quartalen rechnen. Für das Wertschöpfungspotenzial aus Daten ist aber auch etwas anderes entscheidend: deren Qualität. Schließlich ist sie die Voraussetzung dafür, dass die Algorithmen brauchbare Ergebnisse liefern.

"Entlang des Daten-Lebenszyklus entstehen viele neue Berufsfelder mit dazugehörigen Chancen", so Moik. Für Datenquellen und die Interpretation der Daten sei der Data Steward zuständig, für die Datenaufbereitung und -verteilung der Data Engineer. Die Datenqualität und -vollständigkeit falle hingegen in den Aufgabenbereich des Data Quality Specialist. "Der Data Scientist muss wiederum aus Daten Wissen für strategische Unternehmensentscheidungen extrahieren", so Christian Huemer, Studiendekan für Wirtschaftsinformatik an der TU Wien. Dafür muss das Potenzial der Daten für den Fortbestand des Unternehmens erkannt werden - und gleichzeitig benötigt man das Wissen, wie große Datenmengen systematisch analysiert werden können.

Datenauswertung mit KI

Dass Data Scientists derzeit wirklich gefragt sind, bestätigt ein Blick auf aktuelle Stellenausschreibungen. Dementsprechend stoßen auch einschlägige Ausbildungen auf reges Interesse. Obwohl erst im Oktober 2018 eingeführt, ist "Data Science" an der TU Wien bereits das zweitbeliebteste unter den neun angebotenen Masterprogrammen. Ein ähnliches Bild zeigt sich an der Fachhochschule Joanneum Graz, wo der Masterstudiengang "Data and Information Science" angeboten wird, oder an der Fachhochschule St. Pölten, die den Bachelorstudiengang "Data Science and Business Analytics" im Programm hat.

Eine Frau steht vor einem großen gläsernen Bildschirm mit Grafiken darauf

"Daten müssen mit geeigneten Modellen aus den Bereichen Statistik bzw. Künstliche Intelligenz oder Machine Learning ausgewertet werden", nennt Huemer eine weitere Aufgabe des Data Scientist

Wolfgang Granigg, Studiengangsleiter "Data and Information Science"
Wolfgang Granigg, Studiengangsleiter "Data and Information Science"
"In der Datenanalyse werden große Fortschritte gemacht."

Stichwort KI: Dass in dem Bereich gerade in den letzten Jahren große Fortschritte gemacht wurden, führt Wolfgang Granigg, Studiengangsleiter "Data and Information Science", einerseits darauf zurück, dass viel mehr Daten zur Verfügung stehen.  Andererseits ist die Rechenleistung von Serversystemen heute deutlich größer, was gerade bei KI entscheidend ist, da die Algorithmen iterieren (sich über mehrfache Wiederholung einer Lösung annähern, Anm.)", so Granigg. Dazu kämen die rege Forschungstätigkeit und das zunehmende Interesse seitens der Wirtschaft.

Begehrt: Data Scientists

"Wichtig ist eine Toolauswahl, die es ermöglicht, neue Softwarelösungen und Open-Source- Module rasch einzubinden", so Moik. Open Source spiele aufgrund der Flexibilität, der großen Community und der geringen Kosten eine zunehmend größere Rolle. Geht es um den Einsatz von KI-Tools, müsse ein Unternehmen seine Ziele klar definieren - vor allem, ob es mit der Dienstleistung eine Differenzierung zum Mitbewerb oder eine reine Effizienzsteigerung erreichen will. "Für eine Differenzierung zum Mitbewerb ist es entscheidend, Know-how zu entwickeln und einzusetzen, das über die Funktionalität von Standardtools hinausgeht", bringt es Moik auf den Punkt. Heute bleibt kein Bereich von den tiefgreifenden Veränderungsprozessen, die durch die Digitalisierung hervorgerufen werden, verschont. "Die digitale Revolution hat einen großen Impact auf die Nachfrage nach Data Scientists", meint Granigg. Personen, die sich mit der Generierung, Aufbereitung und Analyse von Daten beschäftigen, würden in vielen Industrien und Branchen benötigt.

Zur aktuellen Ausgabe des Magazins "Unternehmerbank konkret".

Weitere Themen: