Neue Analytics-Trends

Alle Kennzahlen im Blick

Dr. Gerhard Svolba, Analytic Solutions Architect bei SAS Österreich, im Interview über Advanced Analytics, Datenwissenschaftler und neue Möglichkeiten durch Machine Learning.

Dr. Gerhard Svolba, Analytic Solutions Architect bei SAS Österreich

Anwender von Advanced-Analytics-Lösungen benötigen laut Dr. Gerhard Svolba ein Grundverständnis der Vorhersagemethoden.

IT-DIRECTOR: Herr Dr. Svolba, was können neue Technologien wie Machine Learning bei der Datenanalyse leisten – und was nicht?
G. Svolba:
Technologien wie Machine Learning helfen, aus den bestehenden Daten für die Zukunft zu lernen. Sie sind aber kein Wundermittel: Wenn die Daten nicht vorhanden sind beziehungsweise die Sachlage nicht präzise oder vollständig beschreiben, so wird auch die Vorhersage nicht präzise sein.

IT-DIRECTOR: Welche Aspekte sind bei der Anbindung und Implementierung von Systemen für Advanced Analytics zu beachten?
G. Svolba:
Im Großen und Ganzen sind drei Aspekte für den Einsatz von Advanced-Analytics-Systemen entscheidend. Da ist zunächst die Datenqualität, die sich aus verschiedenen Faktoren zusammensetzt: Verfügbarkeit (historischer) Daten, eine insgesamt ausreichende Menge an Daten, Repräsentativität der Daten und Korrektheit der Daten. Zudem benötigen Unternehmen Anwender beziehungsweise Berater, die die Analysen durchführen können. Und schließlich sind Fachexperten essenziell, die die Ergebnisse interpretieren und in sinnvolle Maßnahmen umsetzen können.

IT-DIRECTOR: Wie unterscheiden sich die Anforderungen an die Anwender von Advanced-Analytics-Lösungen im Vergleich zu Self-Service-BI
G. Svolba:
Anwender von Advanced-Analytics-Lösungen benötigen ein Grundverständnis der Vorhersagemethoden, insbesondere für die Interpretation der Ergebnisse. Und sie müssen in der Lage sein, Überlegungen anzustellen zu Fragen wie: Wie stichhaltig ist eine Vorhersage? Ist diese auch für andere Kundensegmente gültig? Der richtige Umgang mit der Software, zum Beispiel Programmierkenntnisse oder die Handhabung der visuellen Machine-Learning-Oberflächen, spielt eine große Rolle. Bei Self-Service-BI benötigt der Anwender nur Basis-Statistikkenntnisse. Mit Self-Service-Lösungen haben daher auch Mitarbeiter in den Fachabteilungen die Möglichkeit, schnell und einfach Reports zu erstellen und zu teilen.

IT-DIRECTOR: Lohnt es sich für Unternehmen, eigenständige Datenexperten einzustellen
G. Svolba:
Unserer Erfahrung nach lohnt es sich sehr wohl, weil dadurch mehr und detaillierte Fragestellungen im Unternehmen bearbeitet werden können. Wir unterstützen aber auch Unternehmen mit der Bereitstellung von SAS Data Science Consultants. In Bezug auf den richtigen Zeitpunkt gibt es mehrere Anlässe: Wenn das Unternehmen eine Digitalisierungsstrategie entwickelt und es Unterstützung seitens des Top-Managements für Data-Science-Analysen gibt, oder wenn ein neues Data-Science-Projekt gestartet wird.

IT-DIRECTOR: Wie wird sich die Rolle von Datenanalysten im Unternehmensbereich prinzipiell verändern
G. Svolba:
Datenanalysten werden stärker in operative Prozesse eingebunden und befragt werden, wie Modelle umgesetzt werden. Zudem wird es mehr Daten und höhere Anforderungen an die Analysen geben. Es werden größere Datenmengen analysiert werden, dazu braucht man die richtigen Tools (grafisches Frontend oder Programmiersprache). Und nicht zuletzt bekommt die Umsetzung in die operative Welt mehr Gewicht (Container, REST-API, Real-Time Scoring und Datenbankanbindung sind dafür ausschlaggebend).

Bildquelle: SAS Österreich

©2020Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok