Daten als Öl des 21. Jahrhunderts (2/2)

Data Analytics

Die Datenanalyse ist die zentrale Tätigkeit im Umgang mit großen Datenmengen. Aus den erhobenen Daten müssen auch Erkenntnisse gezogen werden.

Folgende Fragen zur Datenanalyse kann man sich stellen:

• Was ist passiert? – Descriptive Analytics (Beispiel: Kosten pro Material)
• Warum ist etwas passiert? – Diagnostic Analytics (Beispiel: Ursachenanalyse für Kostensteigerung im Zeitraum)
• Was können wir daraus lernen? – Discovery Analytics (Beispiel: Lessons Learned)
• Was wird passieren? – Predictive Analytics (Beispiel: Kostenprognosen anhand Preisentwicklungen)
• Was können wir tun, damit etwas passiert? – Prescriptive Analytics (Beispiel: Kostensenkungen durch Simulationen)

Der Schwierigkeitsgrad steigt mit den Fragen an, aber die Fragen werden auch interessanter.

Bei der Datenanalyse kann man folgende Anwendungsfälle unterscheiden:

• Ad-hoc-Analysen – einmalige Analysen zu bestimmten Fragestellungen
• Routine-Reporting – wiederkehrende Analysen mit genauen KPI’s (Key Performance Indicator)

Zur Vereinfachung können die Reportings in einem Dashboard zusammengefasst werden und damit einen besseren Überblick gewährleisten und Anpassung von eigenen Parametern ermöglichen.

Data Science

Der Data Scientist wurde vom Harvard Business Review zu einem der bedeutensten Jobs des 21. Jahrhunderts gekürt. In diesem Bereich beschäftigt man sich eher mit der Zukunft d.h. den Vorhersagemodellen.

Durch Statistik, Softwareentwicklung und Fachwissen werden die Problem verstanden und analysiert, für den Computer übersetzt und abschließend gelöst.

Data Analytics bezieht sich auf konkrete Fragestellungen. Data Science hat im Fokus mit den Stakeholdern zusammen Probleme aus der Makroperspektive zu analysieren.

Folgende Teilbereiche gibt es im Data Science Prozess:

• Data Import – geeignete Datenquellen identifizieren
• Data Preparation – Vor- und Aufbereitung der Daten
• Data Modeling – Modellierung der Daten durch bestimmte Methoden d.h. Überführung der Realität in Mathematik
• Deployment – Produktivsetzung der Szenarien d.h. Übernahme in die Linie