Der Aufstieg von Big Data und der Trend zur Digitalisierung stellt viele Unternehmen vor eine neue Herausforderung: Wie kann man eine immer größer werdende Datenmenge aus verschiedensten Datenquellen bestmöglich nutzen, um nachhaltig Gewinne zu erzielen? An der Schnittstelle zwischen Advanced Analytics und Programmierung liefern Data Scientists die Antwort auf diese Frage, indem sie statistische Modelle und innovative Machine/Deep Learning-Algorithmen entwickeln.
Doch genau hier liegt die Herausforderung: Experten im Bereich Data Science sind rar und diese zu rekrutieren und langfristig an das eigene Unternehmen zu binden, gestaltet sich schwierig; darüber hinaus fehlt es vielen Data Scientists an wirtschaftlichen Know-how, um zugeschnittene Strategien für die individuellen Unternehmensziele zu entwickeln.
Business-Know-how + Data Science = Citizen Data Scientist
Die rasante Entwicklung von diversen Business Intelligence-Tools zeigt, dass heutzutage beinahe jedes Unternehmen per Mausklick auf vereinfachte Verfahren zur Datenanalyse zurückgreifen kann. Der Schlüssel liegt, laut Gartner, in der Demokratisierung der Automatisierung von Prozessen: sie ermöglicht es, auch weniger spezialisierten Personen, Daten zu verarbeiten, um wertvolle Erkenntnisse zu gewinnen. Bei diesem Trend geht es allerdings nicht darum, Data Scientists und ihre Expertise zu untergraben oder gar zu ersetzen. Vielmehr konnte sich dadurch ein neues Profil mit neuen Fertigkeiten bilden: der Citizen Data Scientist. Das Konzept des Citizen Data Scientists wurde im Jahr 2016 von Gartner theorisiert und beschreibt einen Business User, welcher unternehmerisches Fachwissen und Expertise im Bereich Data Science vereint, ohne dabei tiefere mathematische oder statistische Kenntnisse aufzuweisen.
Mittlerweile befindet sich die Idee der Citizen Data Science auf dem Vormarsch, da sie das wachsende Bedürfnis der Unternehmen – die gewinnbringende Verarbeitung der eigenen Daten – erfüllen kann. Darüber hinaus erlaubt Citizen Data Science den Unternehmen eine gewisse Freiheit und Autonomie bei der Verarbeitung der für sie relevanten Datensätze. Einzelne Geschäftsbereiche werden zunehmend unabhängiger, während die IT weiterhin für die Integrität der Daten und Informationssysteme verantwortlich ist.
Es ist an der Zeit für Self-Service Advanced Analytics
Der Trend in Richtung Self-Service Analytics ist bereits in vollem Gange. Die zentrale Herausforderung besteht nun darin, diese Entwicklung bestmöglich zu nutzen, um den Wert für einzelnen Unternehmen zu maximieren. Eine wichtige Grundlage bildet dabei der Aufbau einer datengetriebenen Kultur in den verschiedenen Geschäftsbereichen.
Zunächst sollten all diejenigen, die Interesse an der Analyse von Daten zeigen, von repetitiven Tätigkeiten entbunden werden und damit die Chance erhalten, ihre Daten mithilfe von Self-Service-Lösungen zu explorieren. Im nächsten Schritt wird deren wachsende Analysekompetenz vor allem durch statistische Fertigkeiten erweitert, um den entstehenden Mehrwert für das Unternehmen zu erhöhen und damit die gewinnbringenden Vorteile des Self-Service-Ansatzes voll auszuschöpfen.
Es gibt bereits zahlreiche Lösungen, um den Prozess des Data Minings zu vereinfachen (Tableau, Power BI, Qliksense), fortgeschrittene Analysefunktionen zu entwickeln und sowohl statistische als auch Machine Learning-Modelle einzusetzen (Alteryx, Dataiku, DataRobot, Rapidminer).
Ein Beispiel für den Erfolg von Citizen Data Scientists
Ein praktisches Beispiel für die Tätigkeit eines Citizen Data Scientists bildet z. B. die Vorhersage des Passagieraufkommens in einem bestimmten Flughafenbereich, da bei einer solchen Prognose sowohl technische als auch betriebswirtschaftliche Fähigkeiten gefragt sind.
Lennart Prins, Head of Business Information, und sein Team haben ein Modell für den Flughafen in Dubai entwickelt, das – basierend auf der Anzahl der Passagiere vor Ort, der Größe des Terminals und der Ankunftszeit der Flüge – die Anzahl der zu öffnenden Check-in-Schalter vorhersagen kann. Dies ermöglicht, dass das Personal bereits im Voraus auf die zu erwartende Auslastung angepasst werden kann.
Um zu überprüfen, ob die auf einer Alteryx Plattform basierte Vorhersage auch mit der tatsächlichen Situation vor Ort übereinstimmt, wurde das Personenaufkommen auf dem Flughafen mithilfe von Bewegungssensoren (IoT) ermittelt. Drei Mal dürfen Sie raten: Die Vorhersagen waren sehr genau!
Achtung, hier ist keine Magie im Spiel
Ähnlich wie der Kauf eines Ferraris nicht automatisch zum Erhalt eines Führerscheins führt, reichen fortgeschrittene Analytics-Tools allein nicht aus, um einen wirklich effizienten Data Science-Ansatz zu erreichen.
Dennoch bieten bereits vorhandene und durch diverse Trainings erworbene Analytics-Skills eine gute Grundlage für die erfolgreiche Arbeit eines Citizen Data Scientists. Die Prinzipien der Citizen Data Science sind für Personen, die bereits an die Arbeit mit Daten gewöhnt sind (z. B. Datenanalysten oder BI/BA-Experten), einfach leichter zu erfassen und anzuwenden.
Aufbauend auf diese wertvollen Grundkenntnisse lassen sich besonders wirksame und individuelle Data-Analytics-Lösungen generieren und bereits vorhandene analytische Fähigkeiten können kontinuierlich optimiert und erweitert werden.
Wenn Sie sich in der oben beschriebenen Rolle wiedererkennen, dann sind das gute Neuigkeiten: denn Sie haben das Potenzial zum Citizen Data Scientist. Jetzt gilt es, ein erstes Training zu besuchen, um sich mit den Prinzipien von Data Science und den auf dem Markt verfügbaren Tools vertraut zu machen.
Die Positive Thinking Company bietet Schulungen zu den Grundlagen der Data Science an. Unser Ansatz besteht darin, einen Data Scientist zu befähigen, einen Teil seiner Kenntnisse an potenzielle Citizen Data Scientists weiterzugeben.
Danke an unsere*n
Autor*in
