{"id":2453,"date":"2013-03-12T07:27:58","date_gmt":"2013-03-12T06:27:58","guid":{"rendered":"http:\/\/blog-conny-dethloff.de\/?p=2453"},"modified":"2013-07-10T06:04:39","modified_gmt":"2013-07-10T05:04:39","slug":"data-scientists-die-robin-hoods-im-bi-dschungel","status":"publish","type":"post","link":"https:\/\/blog-conny-dethloff.de\/?p=2453","title":{"rendered":"Data Scientists \u2013 die Robin Hoods im BI Dschungel?"},"content":{"rendered":"

Im Post Kennzahlen in Unternehmen \u2013 eine Vers\u00f6hnung ist angebracht<\/a> habe ich den Drang der Menschen thematisiert, in Gegens\u00e4tzen zu denken. Dies holt uns grunds\u00e4tzlich beim L\u00f6sen von Problemen immer wieder ein.<\/p>\n

In dem oben angesprochenen Post habe ich den Vergleich zwischen Probleml\u00f6sen und dem Bewegen auf einem Band gewagt. Die L\u00f6sung zu einem Problem suchen wir stets auf dem entgegengesetzten Pol des Bandes. Dieses Denkmuster wurde uns quasi durch das Anwenden der zweiwertigen Aristotelischen Logik eingebl\u00e4ut. Entweder etwas ist gut oder b\u00f6se<\/a>. Entweder etwas ist sch\u00f6n oder h\u00e4sslich.<\/p>\n

Dieses Entweder-Oder-Denkmuster m\u00f6chte ich jetzt wiederum auf die neuesten Str\u00f6mungen im Business Intelligence reflektieren und die Auswirkungen aufzeigen.<\/p>\n

Es geht um die Rolle des Data Scientists.<\/strong><\/p>\n

Lassen Sie uns ein paar Jahre zur\u00fcckschauen.<\/p>\n

Ich erinnere mich noch genau an BI Projekte, die ich bis zum Jahre 2010 durchgef\u00fchrt habe. Jedem war klar, dass die Rolle des Business Analysten in einem BI Projekt besetzt sein muss. Business Analysten sollten unter anderem die funktionalen und nichtfunktionalen Anforderungen an eine zu implementierende BI L\u00f6sung zusammen mit dem Kunden definieren. An die Rolle des Business Analysten war also schon immer ein hoher Anspruch an Wissen und Erfahrung in dem jeweiligen Businesskontext gesetzt. Im Bereich des Datenhandlings war in der Regel kein allzu hoher Anspruch an die Business Analysten definiert, was letztendlich dazu f\u00fchrte, dass Business Analysten nicht datenaffin waren.<\/p>\n

Dann kam der Datenhype. Modew\u00f6rter wie Big Data<\/p>\n

    \n
  1. Web-Daten: Clickstreamdaten, E-Commerce Logs, Onlinespiele, Onlinewerbung, Soziale Netzwerke (z.B. Facebook, Twitter)<\/li>\n
  2. Semi-strukturierte Daten, z.B. XML, E-Mail, EDI<\/li>\n
  3. Unstrukturierter Content, z.B. Freitext in Produktbewertungen in E-Shops<\/li>\n
  4. Sensordaten, z.B. Temperatur, Licht, Vibration, Geodaten, Durchfluss, Druck, etc.<\/li>\n
  5. Branchenspezifische strukturierte Transaktionsdaten, z.B. Telekommunikationsdaten<\/li>\n<\/ol>\n

    bestimmten und bestimmen die Hochglanzbrosch\u00fcren dutzender Beratungsunternehmen. Logisch. Man hat auf der einen Seite erkannt, dass BI Projekte nicht sonderlich erfolgreich waren. Auf der anderen Seite konnte man sich der steigenden Datenflut, die die Welt durchzieht, nicht mehr verwehren. Also waren die Daten der Hebel f\u00fcr den Erfolg. Man musste sie nur besser nutzen. Klar.<\/p>\n

    In diesem Zuge wurde dann auch eine neue Rolle f\u00fcr BI Projekte geboren, der Data Scientist<\/a>. Bei der Auslobung dieser neuen Rolle ist sehr sch\u00f6n das von mir angesprochene Entweder-Oder-Denkmuster zu erkennen. Man sucht jetzt datenaffine Menschen. Sie m\u00fcssen Wissen in statistische Verfahren und den entsprechenden Tools haben. Sie m\u00fcssen in der Lage sein, Muster in Daten zu erkennen, die dann wiederum Entscheidungen unterst\u00fctzen sollen.<\/p>\n

    Es werden nun also vorrangig Naturwissenschaftler (Statistiker, Physiker, \u2026) gesucht, die die Rolle des Data Scientists ausf\u00fcllen sollen. Nach Kenntnissen in dem jeweiligen Businesskontext wird nicht mehr gefragt. Warum auch? Es geht doch um Daten und die Handhabung dieser.<\/p>\n

    Ist das nicht der absolute Wahnsinn in welchen Gegens\u00e4tzen wir denken?<\/p>\n

    Um aus den Daten, die unverhohlen in Massen vorliegen und tagt\u00e4glich neu generiert werden, Information und damit Erkenntnisse f\u00fcr das jeweilige Business zu gewinnen ist BEIDES von N\u00f6ten.<\/p>\n

    Erfahrung und Wissen im Umgang mit Daten sowie Erfahrung und Wissen bzgl. aktueller Trends in dem jeweiligen Gesch\u00e4ftssegment, in dem das Unternehmen agiert.<\/strong><\/p>\n

    Statt ENTWEDER-ODER ist also SOWOHL-ALS-AUCH gefragt.<\/p>\n

    Ich m\u00f6chte es an dieser Stelle noch einmal ausdr\u00fccklich betonen. Ich bin mir sicher, dass wir heute nicht ansatzweise das Potential heben, welches die Daten f\u00fcr Entscheidungssituationen im Business besitzen. Wir sind uns dessen wahrscheinlich noch nicht einmal richtig bewusst. Ich glaube fest daran, dass durch Mustererkennung in Daten, Erkenntnisse f\u00fcr den jeweiligen Businesskontext erschlossen werden k\u00f6nnen, an die man heute noch gar nicht denkt. Das passiert aber nicht in dem \u201eblind\u201c, also ohne Ideen welche Muster das sein k\u00f6nnten, in den Daten herum st\u00f6bert. Diesen Vorgang vergleiche ich gerne mit dem Suchen nach \u201eetwas\u201c in einem gro\u00dfen Sandhaufen, ohne zu wissen, was dieses \u201eetwas\u201c ist.<\/p>\n

    Wenn man nicht wei\u00df wonach man sucht, wird man es auch nicht finden.<\/p>\n

    Data Scientists sollten mit ganz kleinen Hypothesen starten. Das sind ganz konkrete Fragestellungen aus dem Business, die sie mittels Daten l\u00f6sen wollen. Im ersten Schritt muss man also sehr bewusst vorgehen. Mit der Zeit, so bin ich der Meinung, entwickelt der Data Scientist ein gewisses Gef\u00fchl f\u00fcr den Zusammenhang von Daten und Businesspotentiale. Das bedeutet, er muss sich dann nicht mehr konkrete Fragen vornehmen, sondern kann dann Surfen und sich treiben lassen. Dann geht es nicht mehr um das Suchen, sondern um das Finden.<\/p>\n

    Was k\u00f6nnten solche kleinen Hypothesen sein? Beispielsweise k\u00f6nnte man vermuten, dass eine bestimmte Kundengruppe zu einer bestimmten Tageszeit besonders geneigt ist, bestimmte Produkte zu kaufen. F\u00fcr diese Kundengruppe gestaltet man dann zu diesen Tageszeiten den E-Shop mit diesen entsprechenden Personalisierungen aus. Man k\u00f6nnte dann noch das aktuelle Wetter hinzuziehen oder auch bestimmte aktuelle Str\u00f6mungen und Meldungen aus der Politik. Man k\u00f6nnte beispielsweise auch Produktwolken aus den Verkaufsdaten bilden, in denen Produktaffinit\u00e4ten (z.B. Kunden, die Toshiba Fernseher kaufen tendieren in der Zweitmarke eher zu Siemens als zu Philips) definierter Kundengruppen abgebildet sind. An dieser Stelle sind der Phantasie keine Grenzen gesetzt.<\/p>\n

    Es fehlt heute nicht an der Technologie, um Daten f\u00fcr das Business zu handhaben. Es fehlt an Ideen, wo der Hebel in den Daten liegen k\u00f6nnte. Um diesen zu finden ben\u00f6tigen wir eine Vers\u00f6hnung zwischen den Business Analysten und den Data Scientists.<\/p>\n\"1\"2\"3\"4\"5 (1<\/strong> Bewertung(en), Durchschnitt: 5.00<\/strong> von 5)
    <\/span><\/span>Loading...<\/span>\n","protected":false},"excerpt":{"rendered":"

    Im Post Kennzahlen in Unternehmen \u2013 eine Vers\u00f6hnung ist angebracht habe ich den Drang der Menschen thematisiert, in Gegens\u00e4tzen zu denken. Dies holt uns grunds\u00e4tzlich beim L\u00f6sen von Problemen immer wieder ein. In dem oben angesprochenen Post habe ich den … Continue reading →<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[16],"tags":[19,36,7],"class_list":["post-2453","post","type-post","status-publish","format-standard","hentry","category-management-und-leadership","tag-business-intelligence","tag-information","tag-wirtschaft"],"jetpack_featured_media_url":"","_links":{"self":[{"href":"https:\/\/blog-conny-dethloff.de\/index.php?rest_route=\/wp\/v2\/posts\/2453","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog-conny-dethloff.de\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog-conny-dethloff.de\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog-conny-dethloff.de\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/blog-conny-dethloff.de\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=2453"}],"version-history":[{"count":6,"href":"https:\/\/blog-conny-dethloff.de\/index.php?rest_route=\/wp\/v2\/posts\/2453\/revisions"}],"predecessor-version":[{"id":2458,"href":"https:\/\/blog-conny-dethloff.de\/index.php?rest_route=\/wp\/v2\/posts\/2453\/revisions\/2458"}],"wp:attachment":[{"href":"https:\/\/blog-conny-dethloff.de\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=2453"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog-conny-dethloff.de\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=2453"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog-conny-dethloff.de\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=2453"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}