Dringend gesucht: Smarte Ansätze für effizientere Data Science

Um mehr aus der Datenflut herauszuholen, benötigen Unternehmen erfahrene Data Scientists und die richtigen Technologien

Feuerwehrmann, Stuntman oder vielleicht Tierärztin? Werden Kinder nach ihren Traumberufen gefragt, fällt ihnen so einiges ein. Geht es nach den Experten des Fraunhofer Instituts, muss diese Liste aber unbedingt erweitert werden, denn sie zählen den „Datenspezialisten“ oder auch Data Scientist zu den attraktivsten Berufen des 21. Jahrhunderts. Doch warum ist das so? Die Antwort auf diese Frage fällt leicht: Durch die zunehmende Vernetzung vieler Wirtschafts- und Lebensbereiche zu einem großen digitalen Ökosystem nimmt die Flut an Daten gigantische Ausmaße an. Innovative Unternehmen arbeiten bereits mit Hochdruck daran, diese Schwemme zu kanalisieren und bestmöglich zu nutzen.

Laut der Studie Data Age 2025 wird die weltweit erzeugte Datenmenge in den kommenden sechs Jahren von derzeit 33 auf rund 175 Zettabytes ansteigen. Was Unternehmen im Zuge dieser Entwicklung dringend benötigen, sind Spezialisten und Tools, die sie dabei unterstützen, das in diesen Informationsbergen schlummernde Potenzial und Wissen für ihre Geschäftsziele herauszufiltern. Zum strategischen Datenmanagement gehören dabei schon lange nicht mehr nur durchdachte Speicherung, Bereitstellung, Backup und Recovery. Vielmehr wird die unmittelbare und effiziente Analyse der Daten immer bedeutsamer. Dazu müssen auch Datensilos aufgebrochen werden: Statt auf verschiedene, voneinander getrennte Lösungen wie Data Warehouse, Data Lake, Streaming Analytics und KI zu setzen und Informationen von einem Silo auf ein anderes zu kopieren, gilt es eine Lösung zu etablieren, die alle Datenbelange zusammenführt.

Steigende Nachfrage nach Data Science-Experten

Die gute Nachricht für die Datenspezialisten und auch die Datennutzer: Unternehmen sind sich der großen Bedeutung ihrer IT für den Geschäftserfolg durchaus bewusst. So lassen sich zumindest die Ergebnisse einer Capgemini-Erhebung lesen, nach der das Budget in neue Lösungen und kundiges Personal kontinuierlich steigt. Rund 44 Prozent der Befragten dieser Studie gehen von steigenden Budgets aus. Die meisten rechnen mit Erhöhungen von bis zu 10 Prozent. Rund 14 Prozent prognostizieren noch größere Zuwächse. In einer Pure Storage-Umfrage sagen nahezu 80 Prozent der deutschen Befragten außerdem, dass sie für den Bereich Data Science neue Stellen schaffen und mit Experten besetzen wollen. Fazit: Es werden mehr besser ausgebildete und qualifizierte Datenspezialisten benötigt als je zuvor. Geht es um die Hürden, die ein durchdachtes und erfolgreiches Datenmanagement behindern, sagen die meisten übrigens, dass diesem Vorhaben Datenschutzbedenken, Gesetze, Infrastruktur, Fachkräftemangel, Datenzugang und Kosten im Wege stehen können.

Damit die vielen zukünftigen Datenspezialisten Ihre Arbeit effizient tun und den Erwartungen der Unternehmen gerecht werden können, müssen Datensilos aufgebrochen werden. Dazu braucht es einen Daten-Hub, der die relevanten Informationen der einzelnen Silos auf einer Plattform vereint, um so Datenanalysen zu vereinfachen und benötigte Informationen nicht länger von einem System ins andere übertragen zu müssen.

Datenvernetzung ist Voraussetzung für effiziente Data Science

Wie wichtig eine optimierte Kopplung der verschiedenen Lösungen, aber auch Abteilungen und Kompetenzen für den Geschäftserfolg ist, zeigt sich abermals in einer Einschätzung der von Capgemini Befragten: Sie sehen den Aufbau interdisziplinärer Teams, die Einstellung erfahrener Experten und die bessere Datenvernetzung sowie -analyse als Grundpfeiler für eine erfolgreiche Digitalisierung. Der Ausbau eigener Software-Entwicklungskapazitäten und der Einsatz von intelligenten Technologien werden diesbezüglich als essentiell angesehen. Eine verbesserte Prozess- und Geschäftseffizienz ist zweifelsohne eine der größten Errungenschaften des digitalen Wandels. Damit diese aber gelingen kann, müssen Systeme und Silos miteinander verknüpft, Synergien besser genutzt werden.

Immer mehr Firmenlenkern ist bewusst, dass Daten wichtige Vermögenswerte sind, die clever genutzt werden müssen. Das setzt voraus, dass strukturierte und unstrukturierte Informationen nicht länger nur in Silos vorgehalten, sondern umfassend und durchdacht ausgewertet und analysiert werden. Data Scientists sind heiß begehrt. Ihr verlässlichster Begleiter ist unsere Datenplattform IRIS.

Aleksandar Kovačević

Aleksandar Kovačević ist ein Machine Learning Enthusiast, der die versteckten Superkräfte von Daten zum Vorschein bringt.

Als Sales Engineer bei InterSystems ist er mit der Aufgabe betraut, Kunden und Interessenten darüber zu informieren, was InterSystems Produkte so besonders macht. Hierbei kann er auf seine weitreichende technische Expertise zurückgreifen, die unter anderem umfassende Kenntnisse in Elektroingenieurwesen und Kommunikationstechnik sowie Software-Entwicklung und Big Data Analysen beinhaltet. Diese Fähigkeiten gründen auf zwölf Jahren Erfahrung als Wissenschaftler, Entwickler und Berater, wobei er sich in jüngerer Zeit vornehmlich mit dem Themenbereich Machine Learning auseinandergesetzt hat. Seinen überwiegend aus dem Finanzdienstleistungssektor stammenden Kunden konnte er dadurch helfen, das volle Potenzial von Machine Learning für die Optimierung von alltäglichen Geschäftsprozessen auszuschöpfen.

Kommentar verfassen

*