Die COMPUTERWELT hat 32 heimische Geschäftsführer über ihre Einschätzung zum Geschäftsjahr 2018 befragt. [...]
Was war Ihr spannendstes Kundenprojekt 2017?
Das Projekt, das SAS bei der Commerzbank umsetzt ist sicherlich eines der spannendsten aus diesem Jahr. Hier sehen wir sehr deutlich, wie Analytics Veränderungen unterstützt, die die Digitalisierung von Unternehmen fordert: Bankkunden haben ihr Verhalten verändert. Heute entscheidet der Kunde mehr denn je, wann und über welchen Weg er mit seiner Bank agiert – ob er in die Filiale geht oder alles online erledigt. Geleichzeitig hat der Kunde sehr hohe Erwartungen an die Qualität und Individualität der Services. Um diese Erwartung zu erfüllen, muss die Bank ihren Kunden sehr gut kennen. Unterstützt durch analytische Instrumente und der Möglichkeit, auch digital in Echtzeit mit dem Kunden zu agieren, ist die Commerzbank in der Lage ihre Kunden persönlich und effektiv zu betreuen – auch wenn dieser nicht mehr an den Service-Schaltern kommt.
Mit welchem Thema/welchen Themen sollten sich Anwender 2018 unbedingt beschäftigen und warum?
Hauptthemen sind Künstliche Intelligenz und Maschinelles Lernen, beides benötigt Analytics, um Mehrwert aus den Daten zu generieren. Das betrifft jede Branche. Auch wenn Maschinelles Lernen zuerst der Industrie zugeordnet wird. Dahinter steckt der Mechanismus, der beim SAS Projekt Paradise found angewendet wurde. Das Projekt Paradise Found bedeutet, dass wir mit Maschinellem Lernen den analytisch besten Ort der Welt ermittelt haben. Auf den ersten Blick scheint das ein Widerspruch zu sein: Wie kann Maschinelles Lernen das leisten? Wir haben einen Algorythmus mit Daten parametrisiert und der Data Scientist hat den Regelkreislauf gesteuert. Das ist eigentlich klassische Analytics, heute heißt das Maschinelles Lernen. Maschinelles Lernen ist eine bestimmte Klasse von Algorythmen, die über Eigenschaften verfügen, die man mathematisch formulieren kann, und die dadurch reifen, indem ein Lernalgorythmus bestimmte Parametereinstellungen bzw Gewichtungen nachjustiert. Maschinelles Lernen macht Analytics noch präziser. Denn man möchte möglichst gute Strukturen in den Daten aufdecken, um gute Vorhersagen treffen zu können. Und eben das wurde bei dem Projekt Paradise found umgesetzt, womit wir aufklären möchten, was Maschinelles Lernen wirklich kann und was es eigentlich ist. Zugrunde lag dem Ergebnis (West Perth, Australien) eine intelligente Auswertung von offen zugänglichen Informationen aus Städtestudien, Social Media (unter anderem TripAdvisor, Flickr …), von Berichten statistischer Ämter und Behörden sowie von Geodaten. Aber auch das Thema IoT bleibt uns nächstes Jahr erhalten. All das sind Big Data getriebene Themen, die von Analytics abhängen und ohne sie nicht umsetzbar wären. Zu beachten ist aber auch, dass KI nicht auf Knopfdruck funktioniert. Das Hausmittel Mensch ist noch immer wichtig.
Wie sind Ihre Erwartungen bezüglich des kommenden Jahres und wie begründen Sie Ihre Einschätzung?
Ich erwarte, dass das Kernthema Analytics alle Branchen weiter durchdringen wird. Es gibt Pioniere wie Banken oder den Handel. Aber es gibt auch Nachzügler wie Manufacturing, Versicherungen oder Life Science und Utilities. Die Kernfrage wird lauten: Wie kann ich aus meinen Daten schnell das Wissen ziehen, das mein Geschäft weiterbringt? Unsere Antwort lautet Analytics. Daran schließt sich die Frage nach den Fachkräften an, die jede Branche umtreibt. Ich erwarte hier mehr Flexibilität auf Seiten der Arbeitgeber, um die klugen Köpfe zu gewinnen und zu halten. Das Verständnis zum Job hat sich verändert. Innovationen sind nicht nur auf Technologie beschränkt, sondern auch auf das soziale Umfeld in den Firmen.
Wie lautet Ihr IT-Wunschzettel an die neue Regierung?
Durch die Digitalisierung verändert sich auch unsere Gesellschaft. Der Staat kann die Rahmenbedingungen schaffen, damit in der Society 5.0 alle gut leben können und nicht nur die Privilegierten. Digitalisierung entfremdet auf gewisse Weise, lässt uns Menschen mehr in Cyberbereichen leben. Hier könnte der Staat unterstützen, dass eine Gesellschaft trotz oder gerade wegen der Möglichkeiten rund um Roboter und künstliche Intelligenz sozial und human bleibt bzw. das verstärkt.
Mit welchen Herausforderungen rechnen Sie im kommenden Jahr?
Die neue Herausforderung ist die alte: Umsetzungsstärke zeigen. Nehmen wir das Beispiel Industry of Things. Mit Künstlicher Intelligenz lassen sich viele Business Cases erdenken. Keine Frage. Aber wie beginnen? Wir plädieren für das Modell „Fail fast“. Dazu ein IOT-Lab einrichten um damit schnell Projekte zu identifizieren um Quick wins zu erzielen. Oder eben umgekehrt schnell festzustellen, wenn datengetriebene Projekte kein Erfolgsaussichten haben. Fail fast eben. Bei datengetriebenen Projekten besteht immer die Gefahr zu über-ingenieuren, Projekte dauern dann zu lange und „tote Pferde werden geritten“ und viel Zeit, Geld und Motivation gehen verloren. Ganz zu schweigen, die oben erwähnten knappen Resssourcen von Data Scientist zu verschwenden. Mit einem IOT Lab schnell „time to market“ zu sein, in vielen kleinen, schnellen Projekten zu lernen und die im Lab erarbeiteten Lösungen einfach in den Realbetrieb zu überführen, um so den steigenden Wettbewerb durch die Digitalisierung des Marktes zu gewinnen – das raten wir unseren Kunden.
Be the first to comment