Auto Machine Learning

Entlastung für Datenwissenschaftler

Der Markt für Data Scientists ist leer gefegt – Auto Machine Learning (AutoML) kann eine Brücke in die Zukunft bauen und bestehende Mitarbeiter als „Citizen Data ­Scientists“ an die Technologie heranführen.

Aktenstapel

Mit dem Wissen über den Wert von Advanced Analytics und KI steigt die Nachfrage nach Data Scientists noch einmal deutlich.

Die Krise rund um die Covid-19-Pandemie ist eine globale wie hyperlokale Herausforderung – und die Technologie steht an vorderster Front, um sie zu bewältigen. Vor allem Advanced Analytics und KI sind aufgrund ihrer Problemlösungs- und Prognosefähigkeiten herausragende Navigationsinstrumente. Wie notwendig diese Unterstützung ist, zeigt eine Umfrage von McKinsey & Company im deutschen Mittelstand: 73  Prozent des deutschen Mittelstands verzeichneten Ende April Störungen in der Supply Chain und über 60 Prozent der Unternehmen erwarten in der zweiten Jahreshälfte einen Umsatzrückgang.

Überraschend ist, wie schnell und beeindruckend Organisationen Analysekompetenzen demonstrierten, für deren Aufbau sie vor der Pandemie Monate oder Jahre gebraucht hätten. Trotz aller Fortschritte wird sich jedoch eine Herausforderung weiter verschärfen: die passenden Talente anzuziehen und zu halten – etwa Data Scientists oder Analytics-Übersetzer, die Daten- und Analytics-Wissen mit Branchen- und Funktionsexpertise kombinieren können. Mit dem Wissen über den Wert von Advanced Analytics und KI steigt die Nachfrage nach Data Scientists noch einmal deutlich. Dabei war der Bedarf schon vor der Krise praktisch nicht zu stillen.

Kommodisierung der KI

Unternehmen, die Schwierigkeiten haben, Data Scientists anzuwerben, sollten genau überlegen, wie viele Spezialisten sie wirklich brauchen. Das erfordert einen prüfenden Blick auf die benötigten analytischen Arbeiten: Welche sind so standardisiert, dass sie mit etwas Training auch von „Non Data Scientists“ mit Automatischem Machine Learning (AutoML) übernommen werden können? AutoML ermöglicht die automatisierte Entwicklung von Modellen anhand bestehender Datenmengen. Auch Mitarbeiter ohne gute Programmierkenntnisse oder Expertenwissen in Data Science können mithilfe von AutoML an die Datenmodellierung herangeführt werden. Data Scientists können sich fortan auf die Überwachung und Validierung der Ergebnisse sowie die Entwicklung der verbleibenden Aufgaben konzentrieren.

Dies ist ein Artikel aus unserer Print-Ausgabe 05-06/2020. Bestellen Sie ein kostenfreies Probe-Abo.

AutoML verschafft Data Scientists sowie Unternehmen mehr Luft zur Bewältigung ihrer Analytics-Herausforderungen. Denn die Nachfrage nach Data Scientists wird in den kommenden zwei Jahren nicht abreißen. Diese Zeit sollten die Unternehmen nutzen, um AutoML zu implementieren und die Talentstrategie schon heute anzupassen.

Bildquelle: Getty Images / iStock / Getty Images Plus

©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