So baut man Data Science Plattformen - Teil 1: UI & Teams

^{Lesezeit: ca. 2min.}

Was braucht eine moderne Data Science Plattform, um Unternehmen einen wirklichen Mehrwert zu bieten?

Aktuell sprießen immer wieder neue, innovative Plattformen auf den Markt – technisch souverän umgesetzt, für die jeweiligen Analyseansätze bestens geeignet. Die Frage bleibt aber: Reicht das? Reicht es eine Software zu entwickeln, die verlässliche Analyse durchführen lässt und saubere Ergebnisse liefert? Oder gibt es andere Faktoren, die ebenso wichtig sind, damit Unternehmen mit ihnen noch erfolgreicher werden?

Die Masse besitzt unglaubliches Potenzial für den Unternehmenserfolg

Denkt man an Analyse- bzw. Datenprojekte, kommt man nicht umher an eine bestimmte Nutzergruppe zu denken: Die Data Scientists. Ihre Aufgabe ist es, die eigentliche Analyseskripte und Algorithmen zu entwickeln. Aber warum sollte sich ein Unternehmen nur darauf beschränken? Oft haben Abteilungen wie z.B. Sales und Marketing, Produktion / Fertigung oder die Personalverwaltung ebenfalls gute Ideen, welchen Use Case man mit entsprechenden Daten realisieren könnte. Oder aber sie stellen genau die richtigen Fragen, die sich dann anschließend datengestützt beantworten lassen würden. Jetzt kann man sich die Frage stellen: Sollen das Unternehmen überhaupt wollen? Wir sind uns sicher: JA!

Nur durch das Zusammenwirken unterschiedlicher Gruppen können Unternehmen langfristig die besten Ergebnisse erhalten. Hier zeigt sich die große Herausforderung, der sich moderne Analytikplattformen heutzutage und in Zukunft stellen müssen: Die Möglichkeit verschiedene Gruppen bei der Entwicklung, Planung und Durchführung von Data Science Projekte mitwirken zu lassen. Jede Gruppe bringt dabei ihre eigenen Ansichten und Expertisen ein. Die moderne Analytikplattform ermöglicht es, daraus ein ganzheitliches Datenprojekt entstehen zu lassen, das kritische Fragen beantwortet oder bisher unentdeckte Potenziale und Zusammenhänge aufdeckt. Dieser Punkt wird immer wichtiger.

FAZIT: Ideen zu Datenprojekten können von allen Nutzergruppen kommen – verschafft man ihnen den Zugang zur Plattform generiert man mehr Projekte, die auf den Unternehmenserfolg einzahlen.

Damit das klappt, müssen Plattformen bedienbar sein

Wenn der obere Punkt das „Was“ aufzeigt – dann zeigt dieser Punkt das „Wie“. Sollen Analytikplattformen in Unternehmen möglichst gewinnbringend umgesetzt werden, so muss es möglich sein, sie relativ einfach zu bedienen. Erinnern wir uns an Betriebssysteme: UNIX – Nutzer lieben ihre Shell – aber erst mit einer grafischen, intuitiven Oberfläche kann die breite Masse die Vorteile von Betriebssystemen genießen. Entsprechend müssen Analytikplattformen ausgerichtet werden. Der Fokus muss auf klare Menüführung und leichter Bedienbarkeit liegen, möchte man, dass nicht nur absolute Code-Cracks Zugang erhalten. Nur so können, die oben erwähnten Nutzergruppen eigene Projekte oder Fragen einbringen, die zum Unternehmenserfolg beitragen können.

Eine entsprechendes User Interface ist daher zwingend notwendig und muss intuitiv begreifbar sein. Unternehmen müssen diesen Faktor bei der Auswahl von Analytikplattformen also miteinbeziehen, wenn Data Science wirklich umfassend genutzt werden soll.

FAZIT: Erst mit einer intuitiven Benutzeroberfläche erzielt man die unternehmensweite Nutzung von Analytikplattformen.

Ausblick

Alle Beiträge im Überblick:

Sie vermissen einen Faktor oder sind anderer Meinung? Lassen Sie es uns wissen: Zur Umfrage (2 min.)