Predictive Analytics World 2017

Kommunikation von Ergebnissen als zentrale Aufgabe von Data Science

Neben inhaltlich-technischen Fragestellungen stand bei der Konferenz die Schwierigkeit der Kommunikation von Ergebnissen an Entscheidungsträger im Fokus. Interessanterweise scheitern die wenigsten Data Science Projekte an der Datenlage, der Fähigkeit der Projektbeteiligungen oder den statistischen Möglichkeiten. Vielmehr fehlt dem Management häufig die Grundlage, um mit den bestehenden Modellen zu arbeiten. Somit rückt die Kommunikation von Ergebnissen an der Schnittstelle zwischen Data Science und Management in den Fokus.

Noch zu häufig werden analytische Modelle in der Praxis nicht eingesetzt, weil das Management dem Modell nicht vertraut. Wichtigster Faktor für eine erfolgreiche Überführung dieser Modelle in die Unternehmenspraxis ist es deshalb die Ergebnisse für weniger formal trainierte Mitarbeiter verständlich aufzubereiten. Deshalb kommt der Visualisierung der Ergebnisse immer mehr Bedeutung zu. Viele Data Scientists beschäftigen sich deshalb mit der Übersetzung ihrer Ergebnisse in aussagekräftige Grafiken. In ihrer ganz eigenen Art untersuchen Sie genau diese Fragestellung auch datenbasiert. So wird die Wirkung unterschiedlicher Darstellungen (Balkengrafik, Liniendiagramm, etc.) und Farben auf die Interpretation der Ergebnisse statistisch untersucht.

Kurzfristige Refinanzierung von Pilotprojekten nur wenig relevant

Auch wenn es bereits zahlreiche Anwendungen komplexer statistischer Algorithmen in Unternehmen gibt, die sich sehr schnell in mehr Unternehmenserfolg umsetzen lassen, stehen die Business Cases für den Aufbau analytischer Modelle noch nicht im Fokus der Unternehmen. Vielmehr dienen die aktuellen Anwendungsfälle, um Kompetenzen und Infrastrukturen im Unternehmen aufzubauen und erste Erfahrungen zu sammeln. Viele Unternehmen verstehen diese Investitionen vielmehr als eine Vorbereitung auf die Zukunft. Da viele Führungskräfte die Fähigkeit zum Umgang mit Daten als zentralen Faktor für das Erhalten der Wettbewerbsfähigkeit erachten, handelt es sich also häufig um strategische Investitionen, deren Refinanzierung nicht kurzfristig entscheidend ist.
Die Konferenz zeigt aber auch, dass es mittlerweile weit verbreitete Erfahrung auch mit komplexen Algorithmen gibt und Dienstleister mit großer Expertise und Erfahrung. Der Einsatz dieser Methoden wird dadurch für eine breite Masse an Unternehmen möglich, ohne Grundlagenforschung betreiben zu müssen.