Data Analytics an der Schwelle
Der Algorithmus als Treibstoff
Bild: Contact Software GmbH
Die digitale Transformation führt zu immer größeren, schnelleren und variableren Datenflüssen. Die intelligente Ordnung und Analyse dieser Daten lenkt den Blick auf Werte, die sich oft über neue Geschäftsmodelle monetarisieren lassen. Die Herausforderung ist, auch einmal radikalere Ideen durchzuspielen, als nur die der vorausschauenden Instandhaltung.
Gezielte Analyse von Daten entscheidet immer häufiger über den Erfolg einer Geschäftsidee. Für Unternehmen stellt sich die Frage, wie diese Herausforderungen in der Praxis angenommen und die Chancen für die eigenen Aktivitäten aufgegriffen werden können. Der Startpunkt dafür sind automatisierte Prozesse und Analysewerkzeuge, die aus Datenströmen Erkenntnisse ermitteln.
Wo wir stehen
Seit Beginn des Milleniums wurden enorme technologische Durchbrüche bei der Leistungsfähigkeit von Graphikprozessoren und im Bereich Machine Learning erreicht. Dies hat insbesondere die Entwicklung von neuronalen Netzwerken beschleunigt und ihren Einsatz bei der Bilderkennung, Sprachanalyse und Text-Klassifizierung möglich gemacht. Mit der Verfügbarkeit von immer größeren Datenmengen und der damit einhergehenden Komplexität der Datenmodelle ist eine Schwelle erreicht, wo klassische Analysemethoden oft nicht mehr zuverlässig greifen. Hier sind neuronale Netzwerke durch ihre größere Anpassungsfähigkeit an die Datenlage viel besser darin, präzise Vorhersagen zu treffen. Grundlage dafür ist eine Rechenleistung, die dank parallel arbeitender Graphikprozessoren und spezieller, auf neuronale Netzwerke abgestimmte Hardware deutlich gesteigert werden konnte. Die Barriere zum Einsatz solcher Technologien liegt momentan also eher am Fachkräftemangel und einer relativ langen Entwicklungszeit für dedizierte Lösungen. Die Entwicklung sich selbst programmierender neuronaler Netzwerke läuft allerdings bereits und zeigt vielversprechende Ergebnisse, was zu einer weiteren Beschleunigung und Breite in der Anwendung führen wird.
Die Datenpyramide
Bei der Adaption der neuen Techniken ist zu beobachten, dass oft ad-hoc-Ansätze gewählt werden, um möglichst schnell zu den neuesten Data-Analytics-Methoden vorzustoßen. Dieser Ansatz ist jedoch zu kurz gegriffen. Die wertschöpfende Nutzung von Daten setzt voraus, dass sie kontinuierlich gut strukturiert bereitgestellt werden. Erst dann führen die gezielte Abfrage und Verarbeitung der Daten zu neuen Erkenntnissen. Datenanalyse ist ein Prozess mit ständigem Verbesserungspotenzial, das nur zu heben ist, wenn die Datenmengen nach klaren Vorgaben und Analysestrategien ausgewertet werden. Um diese formulieren zu können, ist die genaue Kenntnis des fachlichen Kontextes unabdingbar. Erst dann können zielführende Verfahren und Algorithmen entwickelt beziehungsweise ausgewählt werden. Der nächste Schritt nach vorn ist das Reporting und die Visualisierung der bereitgestellten Datenflüsse. Findet das kontinuierlich statt, ergeben sich Geschäftsideen und Ziele für die Vorhersage, die dann gezielt angegangen werden kann. Der direkte Sprung von unten nach oben ist ohne erforderliche Basis meist wenig erfolgreich.
