Herausforderung Datenflut

Das 1997 in Hagenberg gegründete Data-Science-Unternehmen solvistas unterstützt seine Kunden mit agilen Data-Science- und Digitalisierungslösungen bei der Planung und Durchführung von komplexen Informationsprojekten. Geschäftsführer Werner Rohrer erklärt im Interview wie Unternehmen Daten nutzen können, um die Zukunft erfolgreich zu gestalten. [...]

Unternehmen müssen mit immer größeren Datenmengen umgehen. Besteht dabei nicht die Gefahr, den Überblick zu verlieren?

Die Gefahr besteht immer. Vor allem in Unternehmen, die Daten nach dem Motto „viel hilft viel“ speichern – ohne genau zu wissen, was sie schlussendlich damit anfangen wollen. Doch selbst Unternehmen mit einer präzisen Zielsetzung und darauf abgestimmter Strategie passiert es, dass Daten mehrfach gespeichert werden.

Um den Überblick zu behalten und einen echten Nutzen aus den gesammelten Daten ziehen zu können, ist ein effizientes auf die Unternehmensstrategie abgestimmtes Datenmanagement, mit dem die Daten qualitätsgesichert und sauber strukturiert zentral gespeichert werden, essenziell. Nur so kann ein einheitliches Verständnis, ein „Single Point of View“ für die Entscheider im Unternehmen sichergestellt werden.

Welchen Nutzen für Unternehmen bieten solche riesigen Datenmengen konkret? Wie kann man am besten Nutzen aus dieser Datenflut ziehen?

Grundsätzlich geht es darum, aus der Vergangenheit zu lernen, um sich bestmöglich für die Zukunft zu rüsten. Ob KMU, Konzern oder Behörde: der Nutzen einer effizienten Informationsstrategie besteht darin, Risiken, Optimierungspotentiale, Trends und Muster zu erkennen und Vorhersagen sowie Zusammenhänge auf Basis der gewonnenen Erkenntnisse abzuleiten.

Auf was muss man achten und welche Tools gibt es zur Analyse der Daten?

Es ist immer ratsam, fokussiert zu bleiben und seiner Vision und Mission zu folgen. Unternehmen müssen sich die Frage stellen: „Wohin wollen wir uns auch informationstechnisch hinbewegen?“ Der Begriff Analyse ist viel mehr als Analytik. Er umfasst ein effizientes Datenmanagement, um Daten entsprechen qualitätsgesichert aufzubereiten, die eigentliche Kerndisziplin Analytik, die sich mit modernen Methoden und Techniken (z.B. Predictive Modelling, Artificial Intelligence oder Machine Learning) der Analyse der Daten beschäftigt und Reporting, welches sich mit der klaren Darstellung der gewonnen Information beschäftigt und dem Informationsanwender ein einfaches Weiterbearbeiten und Analysieren erlaubt. Sind diese Bereiche aufeinander abgestimmt, entsteht der größte Mehrwert für ein Unternehmen im Rahmen einer Data-Science-Strategie. Für all die Bereiche kommen unterschiedliche Tools zum Einsatz.

Betrifft Big Data Analytics, Data Science oder Business Analytics nur große Unternehmen?

Nein, das hat nichts mit der Größe eines Unternehmens zu tun. Wenn wir beispielsweise einen großen US-Versandhändler mit einem kleinen österreichischen Onlinehändler vergleichen, sind die Fragestellungen rund um Cross- und Upselling, Logistik, Churn-Management etc. dieselben. Auch wenn sich das Angebot und die Märkte unterscheiden.

Wie sind die österreichischen Unternehmen bei diesen Themen aufgestellt? Können Sie kurz den Markt skizzieren?

Meiner Meinung, oder besser gesagt meiner Erfahrung nach, gewinnen IT-Manager in Unternehmen immer mehr an Bedeutung. Wir bewegen uns vom „isolierten Arbeiten mit Daten“ hin zum „Arbeiten mit umfassenden Unternehmensdaten“. Zukünftig werden Daten mittels Data Science abteilungsübergreifend genutzt, um Bestehendes zu optimieren und Neues bzw. Innovationen zu schaffen.

Welche Rolle spielen KI und Machine Learning beim Thema Daten? Können Sie Beispiele für entsprechende Anwendungen geben?

Künstliche Intelligenz und Machine Learning spielen in der modernen Informationsverarbeitung eine immer größere Rolle und erlauben uns, Automatismen und adaptives Verhalten. Aktuell stehen wir erst am Anfang der Möglichkeiten, die uns KI und Machine Learning bieten. Oft werden Systeme künstlich intelligenter gemacht, als sie sind. Um Systeme wirklich intelligent zu machen, reichen Muster und Trends, welche aus der Analyse der Vergangenheit gewonnen werden, nicht aus. Komplexe Systeme wie Neuronale Netzwerke müssen intensiv trainiert werden, um zu lernen. Viele „intelligente“ Anwendungen wie beispielsweise Chatbots oder Assistenzsysteme arbeiten auf Basis von Regeln, welche einmal festgelegt wurden. Diese Regeln werden aber nicht vom System selbstständig adaptiert. Klar ist, dass diese Bereiche ein Zukunftsthema sind und uns viele innovative Erneuerungen erlauben werden.

Welche Rolle spielt die Security? Welche Strategien gibt es in diesem Bereich?

Sicherheit und Compliance sind sehr wichtige Themen, wenn es um Daten geht. Niemand möchte sensible Daten wie beispielsweise Gesundheitsdaten, unternehmenskritische Daten oder Forschungsergebnisse verlieren. Die Absicherung der Daten erfolgt entsprechend ihrer Kritikalität und Sensibilität. Data Security geht über die klassische Berechtigungsvergabe hinaus und arbeitet mehrstufig. Dabei werden Daten entsprechend ihrer Kritikalität und Sensibilität klassifiziert und so der Zugriff gesteuert.

Wie wird sich der Markt Ihrer Meinung nach weiter entwickeln? Gibt es ein „zu viel an Daten“, die man verarbeiten kann?

Daten werden als „das Öl des digitalen Zeitalters“ gehandelt und der Datenhunger ist nach wie vor groß. Allerdings – Stichwort Digitalisierung – sind da viele Unternehmen noch nicht auf dem neuesten Stand. Das liegt auch daran, dass teilweise die gesetzlichen Rahmenbedingungen fehlen, die für eine Verarbeitung notwendig wären. Teilweise ist auch die Gesellschaft noch nicht so weit – Stichwort E-Voting. Andererseits gehen viele Menschen sehr freizügig mit ihren persönlichen Daten um. Social Media ist hier ein gutes Beispiel. Aktuell sehen wir kritische Diskussionen rund um TikTok, Facebook & Co. Schlussendlich lässt sich sagen, dass die Datenflut schon immer eine Herausforderung war und eine effiziente Datenmanagement-Strategie heute wichtiger denn je ist.