the factlights News
Der Citizen Data Scientist als neue, spannende Rolle im Analytics-Umfeld
Die Digitalisierung produziert Unmengen und eine bisher nie dagewesene Vielfalt an Daten. Das Generieren von Mehrwert aus diesen Big Data wird zum erfolgskritischen Faktor. Data Scientists als Meister der Analytics sind eine gefragte aber äußerst rare Ressource. Die neue Rolle des Citizen Data Scientist verspricht Abhilfe für den Ressourcen-Engpass und eine neue spannende Entwicklungschance für Controller und Ingenieure.
Mit stetig wachsenden Datenmengen steigt nicht nur der Datenumfang, den es zu monitoren gilt, sondern oft auch die Komplexität der Daten. Das Wissen darüber, welche Methode sich für welche Fragestellung eignet, wie die Daten dazu passend aufzubereiten sind und wie diese Algorithmen konfiguriert werden müssen, ist einer Gruppe an Spezialisten zugedacht, den sogenannten Data Scientists.
Mit seinem tiefen Einblick in die Fachbereiche formuliert der Data Scientist die Projektanforderungen, kümmert sich um die Themen Datenmanagement und Data Quality Management unter Beachtung der Data Governance und übernimmt die Definition von Datenmodellen und Algorithmen. Er hat tiefe mathematisch-statistische Kenntnisse, kann programmieren, kennt sich mit Datenschutz und sonstigen Compliance-Regeln aus und verfügt über umfangreiches Business-Know-how.
Die Digitalisierung fordert zunehmend mehr Data Scientisten. Jedoch die Ressource ist rar. Handelt es sich dabei doch um Experten mit vielfältigen Skills, die in dieser Form am Markt nicht beliebig zu finden und nicht einfach mal so schnell hervorzubringen sind.
Als Lösung für diesen Engpass kristallisiert sich zunehmend ein neues Rollenbild heraus, das des Citizen Data Scientist (CDS). Die Rolle ist für einen neugierigen Fachanwender vorgesehen, der sich mit einem soliden Basiswissen in Machine-Learning-(ML)Methoden und/oder in der Datenaufbereitung sowie einem geeigneten Tool viele Fragen schnell allein beantworten kann.
Besonders geeignet sind BI-Power-User, die lernbereit und neugierig darauf sind, Data Science und vorhersagende Algorithmen für ihre Geschäftsprozesse zu erkunden.
Im Gegensatz zum klassischen BI-Anwender, der auf der Basis vorgefertigter Daten-Cubes arbeitet, bewegt sich der CDS dabei jedoch auch auf der Ebene der Rohdaten, um explorativ neue Erkenntnisse zu generieren. Weitere aussichtsreiche Kandidaten für Citizen Data Science sind Ingenieure mit Hintergrundwissen aus Mathematik, Statistik und Modellierung. Für die optimale Konfiguration eines ML-Algorithmus und auch für komplexe Fragestellungen bedarf es zwar weiterhin des Einsatzes von Data Scientists, aber erste Antworten auf die beständig wachsende Masse an Fragestellungen kann sich der Fachanwender in der Rolle und mit der Kompetenz eines CDS schnell selber beantworten.
Unterstützt wird der CDS durch analytische Tools und Applikationen. Denn neben dem notwendigen methodische Wissen ist für seine Arbeit die Verfügbarkeit des richtigen Softwaretools mit entscheidend.
Das enorme Potenzial von Machine Learning und Analytics hat auch der Markt der Softwarehersteller erkannt. Kaum ein anderes Softwaresegment unterliegt in der Businesswelt aktuell so vielen Veränderungen wie das der analytischen Tools.
Etablierte BI-Anbieter erweitern ihr Portfolio um Datenvisualisierungstools, die Visual Analytics ohne Programmieraufwand unterstützen. Per Drag-and-drop können hier Datenströme hinzugefügt, verbunden und analysiert werden, und im Hintergrund laufen die neuesten Algorithmen für die fortgeschrittene Datenanalyse. Die Branche der AI-Spezialisten liefert unter der Bezeichnung „Augmented Analytics“ anwenderorientierte Werkzeuge, die Funktionen zur Automatisierung der Datenaufbereitung, Erkenntnisfindung und Datenanalyse enthalten.
Die Bandbreite der möglichen Tools ist umfassend und reicht vom einfachen Reportingwerkzeug über BI und Analytics-Suiten bis hin zu dezidierten Machine-Learning- und Data-Science-Plattformen bis hin zu IDEs und Notebooks.
Und jedes Jahr entstehen neue Produkte und sprudeln auf den Markt: branchenspezifische Nischenprodukte, Produkte für spezielle Aufgaben, oder Fachabteilungen, umfangreiche Analytics-Plattformen, die versuchen, viele Anwendungsbereiche abzudecken oder Nutzer ve schiedenster Fähigkeitsstufen anzusprechen. Manche Tools setzen auf einfache Zusammenarbeit in Teams, andere auf automatisiertes Reporting oder auf gute Visualisierungsmöglichkeiten. Jedes Produkt hat seine eigenen Vor- und Nachteile und ist noch nicht am Ende seiner Fähigkeiten angekommen. Vermutlich werden sich auf Dauer nicht alle Produkte am Markt durchsetzen können. Gleichzeitig werden sich mit Sicherheit alle Produkte weiterentwickeln.
Die Auswahl des passenden Tools ist entscheidend für den Erfolg beim Arbeiten mit AI und ML. Denn nichts erschwert die Kreativität bei der explorativen Analyse mehr als eine Software, mit der man sich nicht wohlfühlt. Es gilt also, das zu den Nutzeranforderungen passende Tool zu finden.
Eine mögliche Klassifikation zur Orientierung im Dschungel der Analytics-Tools finden Sie im QUNIS-Blog unter www.qunis.de/blog
CDS benötigen Rückendeckung und Unterstützung für ihr Tätigkeitsfeld aus der Organisation.
Die Softwaretools stehen also bereit. Nun gilt es, die klugen und neugierigen Köpfe im Unternhemen zu finden und sie zu befähigen und einzusetzen. Unternehmensintern ausgebildete CDS bringen dafür neben ihren analytischen Fähigkeiten auch ihr bereits vorhandenes Markt- und Branchen-Know-how sowie das Wissen um interne Prozessen in die Datenanalysen mit ein. Ein wesentlicher und nicht zu unterschätzender Vorteil.
Sie brauchen aber auch Rückendeckung durch das Management sowie Unterstützung durch die interne IT. Denn CDS benötigen mehr Daten, zum Teil auch mehr ungefilterte Daten und sie brauchen IT-Umgebungen, in denen sie mithilfe aktueller Tools und Technologien experimentieren und Prototypen von Modellen und Applikationen bauen können. Zudem müssen sie den zeitlichen Freiraum für ihre Datenrecherchen erhalten.
Wenn diese Rahmenbedingungen stimmen, können sich Unternehmen also wertvolle Personalressourcen aus den eigenen Reihen erschließen und richtig Schubkraft in ihre Digitalisierungsprojekte bringen. Ein versierter Partner an der Seite, der neben der expliziten Data-Science-Expertise auch Erfahrung aus anderen Projekten mit einbringt und die neuen CDS auf ihrem Weg begleitet, ist eine weitere äußerst wertvolle Hilfe und ein wichtiger Baustein für den Erfolg einer Advanced-Analytics-Initiative.
Unser Tipp: Besuchen Sie das CA-Seminar – Enabling the Citizen Data Scientist – und lernen Sie die Themengebiete eines Citizen Data Scientist besser kennen. Das Seminar findet im Rahmen des CA Ausbildungsprogramms zum Information Manager statt. Mehr zum gesamten Programm und speziell zu diesem Seminar finden Sie hier. CA-Seminar Enabling the Citizen Data Scientist
News von QUNIS
Data Governance ist zentral für Data & Analytics
QUNIS hat ein dreistufiges Framework mit insgesamt acht Handlungsfeldern entwickelt, das für Business-Intelligence- und Andvanced-Analytics-Initiativen eine verlässliche Orientierungshilfe für den Aufbau und die Etablierung einer Data Governance stellt. So können Risiken erkannt, Schäden vermieden und Zukunftschancen sicher ergriffen werden.
An Datenmanagement denken heißt, Digitalisierung lenken
Daten als wertvolles Asset sehen, Daten(quellen) werden immer heterogen bleiben, Priorisierung der Datenharmonisierung und Analytics-Kompetenz ist unterbesetzt. Auf diese vier Aspekte sollten Sie achten.
Datenqualität in BI und Big Data – wo liegt der Unterschied und wie funktioniert es zusammen?
In Transaktionssystemen gibt es klare Standards für die Datenqualität. Bei Predictive Analytics und Big Data entscheidet der Business Case darüber, wie genau, vollständig oder aktuell die Datenbasis sein muss.
AI wird konkret – Empfehlungen für die Praxis
AI-Methoden und Tools haben sich rasant entwickelt und stehen in einem hohen Reifegrad bereit. Werden die Begrifflichkeiten auch oft unscharf benutzt so empfehlen sich neben der Suche nach völlig neuen Geschäftsmodellen vor allem zwei spannende Einsatzfelder für den Einstieg in die AI-Welt, für die es jedoch ein paar Aspekte zu beachten gilt.
QUNIS AI Factsheets. Kompakter Überblick zu den neun wichtigsten AI-Methoden
QUNIS Data Scientists haben neun ihrer beliebtesten Methoden in den AI-Factsheets kompakt und übersichtlich zusammengestellt. Gleich kostenfrei holen und mehr zu typischen Fragestellungen, passenden Anwendungsfällen und Anforderungen an Form und Art der notwendigen Daten erfahren.
BI und Advanced Analytics müssen jetzt den Business Value liefern
Moderne Frontends bringen die im Kontext von Big Data exponentiell gewachsenen Datenmengen, -arten und -ströme gut unter einen Hut. Die Cloud hat im Analytics-Alltag ihren Platz gefunden und sorgt für Verfügbarkeit und Effizienz. Durch den breiteren Einsatz von Analytics in Unternehmen steht nun der nachhaltige Business Value auf dem Programm.
Begrifflichkeiten der Digitalisierung kompakt erklärt
Von Advanced Analytics über IoT bis Künstliche Intelligenz und Machine Learning. Die Digitalisierung bringt neue Begrifflichkeiten und Akronyme hervor. Was ist darunter zu verstehen und wie hängen diese zusammen. Hier finden Sie einige der zentralen Begriffe kurz und griffig definiert.
the factlights Top-Thema
the factlights bringt Einblicke und Learnings:
- Am Puls der Zeit
the factlights 2020 hat über 1.000 Unternehmen im deutschsprachigen Raum zu ihrer Realität von Digitalisierung, Analytics und Datenarbeit befragt. Highlights, Updates und die kompletten Studienergebnisse gibt's hier. - Experten analysieren und empfehlen
Namhafte Vertreter führender Unternehmen nehmen Stellung zu aktuellen Trends, stellen Checklisten, Use Cases, Whitepaper bereit und stehen Ihnen gerne mit Empfehlungen, Tipps und Best Practices rund um die Themen der Digitalisierung und Datenarbeit zur Seite. - Studien-Ergebnisse holen
Sichern Sie sich Ihr persönliches Exemplar mit allen Ergebnissen, Einschätzungen, Branchenspecials, Extra Notes, Expert Quotes und profitieren Sie von Empfehlungen und Learnings.
