Die permanent steigende Datenflut birgt erhebliches Geschäftspotenzial, davon sind Fach- und Führungskräfte in Industrie und Wirtschaft überzeugt. Aus den heterogenen Big Data nützliches Wissen zu extrahieren und sich zu einer „Data-driven Company“ zu entwickeln, ist Herausforderung und Erfolgsfaktor in einem. Methodische Ansätze gibt es viele, um datenbasierte Analysen und Prognosen systematisch für die eigene Geschäftstätigkeit zu verwenden. Dennoch trifft die Mehrheit der Unternehmen wichtige Entscheidungen nach wie vor intuitiv. Die Kluft zwischen theoretischer Einsicht und der Fähigkeit zur praktischen Umsetzung ist tief.
Individuelle Fahrpläne und ein weites Blickfeld schaffen
Abhilfe kann ein individueller Data-Science-Fahrplan schaffen. Dem sollte allerdings eine unternehmensweite Dateninventur quer durch alle Abteilungen vorweg gehen. Die so gewonnene Übersicht gibt oftmals schon Aufschluss darüber, in welchen Geschäftsbereichen per Data Science am ehesten ein greifbarer Mehrwert zu erwarten ist. Hier kommt es darauf an, eine möglichst breite Perspektive einzunehmen, um unstrukturierte Informationen und solche aus scheinbar exotischen Quellen nicht zu übersehen.
Ein weites Blickfeld ist auch bei der Abschätzung möglicher Anwendungsfälle wichtig. Nicht nur Vertrieb und das Kundenmanagement sind zu bedenken, sondern bislang nicht bekannte Zusammenhänge aufzudecken, für die Data Science Möglichkeiten bietet. Spannend sind Erkenntnisse zum Beispiel auch für das Personalwesen, im Business Development oder bei der Qualitätssicherung. Beispiel Industrie: Hier können breit gefasste Datenanalysen beispielsweise unvermutete Zusammenhänge zwischen minimalen Abweichungen bei der Rohstoffqualität und der Wartungsanfälligkeit eines Maschinen- und Anlagenparks aufzeigen.
Mangelware Data Scientist
Man sieht: Die Einsatzszenarien sind zahlreich und vielversprechend. Was fehlt, ist allerdings qualifiziertes Personal, die die geschäftliche Stecknadel im Datenheuhaufen finden. Zurzeit ist jedes zweite Unternehmen auf der Suche nach entsprechenden Spezialisten oder versucht, die eigenen Mitarbeiter hinreichend auszubilden. Gefragt sind nicht nur mathematisch-statistische Kenntnisse, sondern auch persönliches Wissen über das Unternehmen und die Branche.
Der Datenschatz muss bewacht werden
Eines gibt es bei den Themen Big Data und Data Science noch zu bedenken: Das durch die Verknüpfung von Informationen aus unterschiedlichsten Quellen entstandene geschäftliche Wissen unterliegt selbstverständlich denselben gesetzlichen Datenschutz- und Sicherheitsbestimmungen wie die ursprünglichen Ausgangsdaten − vor allem wenn personenbezogene Informationen im Spiel sind. Die rechtlichen Rahmenbedingungen dafür befinden sich mitunter noch in der Entstehungsphase. Der Gesetzesgeber hält mit dem Digitalisierungstempo kaum Schritt. So manches Geschäftsmodell steht daher rechtlich auf wackligem Fundament. Bisher ist nicht zu erwarten, dass sich die öffentliche Meinungsbildung in Richtung einer völligen Transparenz bei Verbraucherinformationen wie Kontostand und Krankheitsrisiko entwickelt.
Foto: Getty Images / MaxXever