Die International Data Corporation (IDC) prognostiziert, dass der weltweite Umsatz für Big Data und Business Analytics im Jahr 2020 mehr als 22 Milliarden Dollar erreichen wird. Doch was kommt mit diesem unvorstellbaren Volumen auf die Unternehmen zu?
Zunächst: Es geht immer noch um Daten
Mit KI (AI) werden sich Unternehmen vom traditionellen Data-Warehouse-Konzept hin zu «Data Lakes» mit logischen Data Warehouses bewegen. Viele Unternehmen nutzen ihre Daten immer noch zu wenig intelligent, weil sie mit der Vielfalt der neuen Datenquellen nicht Schritt halten können. Traditionelle Data Warehouses können nur mit strukturierten und gefilterten Daten umgehen, die zudem bereits für einen bestimmten Zweck verarbeitet worden sind. Data Lakes hingegen lassen sich als ein grosser Pool mit Rohdaten verstehen, für die noch keine Verwendung festgelegt wurde. Gleichwohl besteht immer noch Bedarf an einer gemeinsamen Schnittstelle zu den Daten – insbesondere in Bezug auf Compliance, Barrierefreiheit und Sicherheit. Logische Data Warehouses bieten eine Lösung für dieses Thema. Es werden weitere neue Datenprodukte entstehen, die den intelligenten Zugriff auf Daten aus verschiedenen Quellsystemen und deren einfache Einbindung erleichtern.
Künstliche Intelligenz und Machine Learning von der Stange
Die ersten Anwendungen für KI und Machine Learning erforderten noch enorme Aufwände in die Entwicklung der Tools, zumal auch die Entwicklungserfahrung noch fehlte. Doch mit dem Aufkommen fertiger AI-Werkzeuge wie Azure Cognitive Services ändert sich das grundlegend. Es ist anzunehmen, dass andere Anbieter nachziehen und auch neue digitale Produkte hinzukommen werden. Damit können modernste KI- und ML-Algorithmen implementiert werden, ohne dass es inhouse Entwicklungsknow-how braucht. Die Nutzung von KI wird so immer intuitiver und die Tools damit bedienerfreundlicher. Die Rolle der Datenwissenschafter im Unternehmen wird sich hierdurch wandeln. Sie werden in Zukunft zu Integratoren, die die Brücke zwischen den unendlichen Möglichkeiten der Datenerhebung und -analyse und den Bedürfnissen der Fachabteilungen für deren Nutzung bilden.
DevOps für die Datenwissenschaft
Viele Unternehmen neigen dazu, in ihrer KI-Strategie Proofs of Concepts für ihr Datenmanagement zu erstellen und einige von ihnen sind mit diesen rudimentären KI-Projekten auch erfolgreich. Aber letztendlich gelingt es den wenigsten, diese Proofs of Concepts in die Produktion zu überführen und Wissen daraus zu generieren. Daher wird sich auch in diesem Bereich DevOps etablieren.
Datenstrategie – Datenoffensive vs. Verteidigung
Die Unternehmen, mit denen wir zusammenarbeiten, aber auch wir bei Inventx selbst, sind gut in der Erarbeitung und Umsetzung von Datenschutzstrategien. Wir legen grossen Wert auf unsere Daten und die Daten unserer Kunden und verfügen entsprechend über ausgereifte Schutzmechanismen für diese hochsensiblen Assets. Zukünftig werden Daten detailliert klassifiziert und nicht-sensible Daten über sogenannte Daten-Marktplätze monetarisiert. Innerhalb eines Unternehmens bieten Daten-Marktplätze eine vereinfachte Architektur, in der Daten aus verschiedenen Quellen gesammelt, organisiert und integriert werden können, um eine Unified-Data-Plattform bereitzustellen. Ein effektiver Daten-Marktplatz ist in der Lage, die unstrukturierten Daten im gesamten Unternehmen zu strukturieren, indem er ein kompatibles Datenmodell über Silos hinweg erstellt und die Datenformate standardisiert. Daraus lassen sich leichter neue Business Cases ableiten, da Informationen schneller zusammengeführt und evaluiert werden können, so dass bessere Entscheide gefällt werden.
Daten-Demokratisierung und Selbstbedienung
Wir sehen bereits mehr und mehr Self-Services. Dieser Trend wird sich weiter verstärken. Mit dem Aufkommen von Power BI und ähnlichen Technologien werden die Menschen in der Lage sein, ML- und KI-Algorithmen zu verwenden, wie wir sie in Power-BI-Services finden. Daten zu demokratisieren heisst, sie möglichst vielen Mitarbeitenden zugänglich zu machen. Damit erweitern diese ihre Perspektive und verstehen den Kontext besser, was dazu führt, dass sie fundiertere Entscheidungen treffen können. Daten-Demokratisierung funktioniert jedoch nur, wenn die Mitarbeitenden sich die Daten, die sie ggfs. benötigen, je nach Aufgabe und Vorwissen selbst besorgen können.
Alles in allem bin ich überzeugt, dass es für Unternehmen innerhalb der nächsten zwei Jahre entscheidend sein wird, eine solide Datenstrategie zu entwickeln. Diese wird die Basis für den zukünftigen Einsatz und Nutzen von KI-Systemen bilden.
Stimmen Sie meiner Analyse zu? Habe ich wesentliche Faktoren vergessen? Ich freue mich auf Ihr Feedback.