Vor sechzehn Jahren begannen Unternehmensstrategen, von Daten als neuem Öl zu sprechen. Daten sind wie Öl schwer zu gewinnen und erst wertvoll, wenn sie raffiniert (sprich: analysiert) sind, so das Argument. Für viele weltweit agierende Unternehmen waren im Jahr 2006 gute, veredelte Daten rar und sie besaßen ein Potenzial, das dem von Kerosin glich.
Diese Metapher funktioniert heute nicht mehr. Daten zu erfassen und zu verarbeiten, läuft heute ziemlich reibungslos, nach Öl zu bohren ist nach wie vor eine komplexe technische Leistung: Öl zu raffinieren erfordert enorme Investitionen, Spezialausrüstung und geschultes Fachpersonal.
Die Analyse von Daten ist nach wie vor auch mit Herausforderungen verbunden. Diese reichen von der rechtzeitigen Datenaktualisierung bis hin zu ausreichender Rechenleistung. Sie lassen sich aber mit einer On-Demand-Cloud, Standard-Tools und Datenwissenschaftlern bewältigen.
Für Unternehmen, die versuchen, einen Mehrwert aus Daten zu ziehen, gibt es drei modernere Metaphern. Sie unterstützen dabei, die für den Erfolg notwendigen Herausforderungen und bewährte Praktiken im Blick zu behalten:
- Daten sind eher wie Atomkraft
Daten haben großes Potenzial, bedürfen einer besonderen Behandlung und sind gefährlich, wenn man die Kontrolle verliert. Die Daten des 21. Jahrhunderts haben eine lange Halbwertszeit. Wann und wo sie verwendet werden und wie man sie kontrolliert, ist ebenso entscheidend wie die Frage, wo man sie ablegt.
- Daten sind Gold, das noch geschürft werden muss
Daten bilden einen wahren Materialberg. Unter der Oberfläche, aber über dem Grundgestein befindet sich eine Mischung aus Mineralien von unterschiedlichem Wert. Die Herausforderung für das Daten- und KI-Team besteht darin, das Gold zu identifizieren und „abzubauen“, während das Blei zurückbleibt.
Wie das Gold müssen auch die Daten aus dem Rohmaterial in Informationen umgewandelt werden, um einen Wert daraus zu gewinnen. Dazu ist es notwendig, die Daten zu säubern und zu überprüfen. Nur so lassen sich dann Einsichten und Erkenntnisse ableiten.
- Daten sind eine neue Währung
Daten gewinnen an Wert, wenn sie zirkulieren. Ein Ergebnis der Infosys Data+AI Radar Studie: Unternehmen, die Daten importieren und ihre eigenen Daten in größerem Umfang teilen erzielen bessere Finanzergebnisse. Sie machen außerdem größere Fortschritte beim Einsatz – ein wichtiges Ziel für drei von vier Unternehmen in unserer Umfrage.
Unternehmen erkennen auch, dass die aufkommende Datenwirtschaft (Data Economy) großes Potenzial birgt. Aber 2021 hatte erst etwa ein Drittel der Unternehmen Schritte unternommen, um mit Partnern zusammenzuarbeiten. Daten mit anderen Organisationen, Partnern und Lieferanten auszutauschen, erfordert auch einen Kulturwandel innerhalb der Firmen.
Gemeinschaftliche Daten-Nutzung bietet mehrfache Vorteile
Sie müssen erkennen, dass Daten im 21. Jahrhundert kein proprietäres, knappes, nicht erneuerbares Gut sind. Smarte Unternehmen wissen, dass ein Ökosystem aus Partnern und anderen Anwendern zur gemeinsamen Nutzung von Daten größere Vorteile bietet. Das Training und die Verbesserung von KI-Systemen erforderten umfangreiche und vielfältige Daten. Diese Art von Daten befindet sich oft jenseits des unternehmenseigenen Data Lake.
Die gute Nachricht: Die Data Sharing Economy ist in vollem Gange. Die Infosys Studie ergab, dass Unternehmen, die Daten innerhalb und außerhalb ihres Unternehmens gemeinsam nutzen, mit größerer Wahrscheinlichkeit höhere Umsätze erzielen. Die gemeinsame Nutzung eingehender und ausgehender Daten gewährleistet den Unternehmen, dass sie über die richtigen Informationen für ihre Datenwissenschaftler und KI-Modelle verfügen.
Laut des Data+AI Radar steigert der Daten-Import von Dritten sowie ein hohes Maß an Datenaustausch das Unternehmensergebnis stärker als jede andere Daten- oder KI-Maßnahme, wenn alle anderen Parameter gleich bleiben.
Je aktueller der Daten-Pool ist, desto besser: Daten in Echtzeit ermöglichen höhere Gewinne und Einnahmen. Unternehmen können Daten jedoch erst dann weitergeben, wenn sie ihnen vertrauen. Unzulänglichkeiten bei der Überprüfung, den Datenpraktiken und -strategien halten die Unternehmen weiterhin zurück.
Aktuelle Daten und KI müssen trotzdem bereinigt werden
Neu ist nicht, dass Unternehmen einen Mehrwert aus ihren Daten ziehen wollen. Technologische Fortschritte ermöglichen aber neue Denkweisen und Umgang mit Daten. Sie sind im Überfluss vorhanden und lassen sich ohne Reibungsverluste austauschen.
Cloud-basierte KI und etablierte KI-Plattformen ermöglichen es Datenwissenschaftlern und Geschäftsexperten, KI und Machine Learning schnell einzusetzen. Allerdings sollten sie nicht unterschätzen, wie wichtig Datenqualität auch weiterhin ist. Die Überprüfung, Bereinigung und Formatierung von Daten ist nach wie vor unerlässlich und bleibt eine der größten Herausforderungen für Unternehmen.
Die Überprüfung von Daten und KI-Rechenleistung sind die größten Herausforderungen bei der Einführung eines KI-Modells in die Produktion. Und die Datenüberprüfung bleibt eine kontinuierliche Herausforderung – und zwar unabhängig davon, wie lange eine Organisation KI bereits einsetzt.
Der Umgang mit falschen oder unvollständigen Daten birgt die Gefahr, dass Daten und KI-Modelle verfälscht werden und unbrauchbare Ergebnisse liefern. Hier gibt es kein Patentrezept. Um die richtigen Daten zu erhalten, sind Disziplin und Konzentration erforderlich, unabhängig davon, wie schnell KI-Fortschritte macht.
Die Formel für Daten + KI
Auf ihre einfachste Form reduziert, sind Daten Mengen und KI ist Mathematik. Daten + KI wurde als Formel entwickelt, um den Geschäftswert zu ermitteln. Fortgeschrittene KI erfordert, dass Unternehmen in ihren Zahlen, Berechnungen und Gleichungen präzise sind.
Die Daten müssen wahrheitsgetreu, zugänglich und gemeinsam nutzbar sein. Unternehmen hingegen sollten lernen, anders über Daten zu denken, und vielleicht ist eine neue Metapher ein guter Anfang.