Data Science: Wissenschaft trifft Business

Gute Geschäftsprozesse und -entscheidungen beruhen auf der korrekten Bewertung der zur Verfügung stehenden Daten. Data Science hilft, Daten cleverer zu nutzen, bestehende Geschäftsmodelle zu verbessern und ganz neue zu entwickeln.

Data Science für die digital transformierte Welt

Durch hohe Hardwarekosten standen Daten in der Vergangenheit nur in begrenztem Ausmaß zu Verfügung. Folglich basierten Entscheidungen meistens auf reinem Bauchgefühl – mit gemischtem Erfolg.

Heute ist diese Herangehensweise nicht mehr ausreichend. Hochdynamische Märkte mit aggressiven Mitbewerbern (s. Datengetriebene Unternehmen) erfordern einen deutlich schnelleren Entscheidungsfindungsprozess mit einer weitaus höheren Genauigkeit. Gleichzeitig produziert die digital transformierte Welt täglich ein Meer an hochvernetzten Daten, Stichwort: Big Data.

Data Science erlaubt es, bessere und schnellere Entscheidungen zu treffen. Dabei kommen einerseits Techniken zum Einsatz, die von Statistik bis zu Maschinellem Lernen reichen, andererseits die Fähigkeit, mit moderner Hardware beliebige Mengen an Daten zu verarbeiten – eine Option, die zuvor nicht verfügbar war und es erst heute erlaubt, intelligente Algorithmen voll auszuspielen. Denn es geht nicht nur darum, Daten zur Verfügung zu haben, sondern darum, Erkenntnisse aus ihnen zu gewinnen, um ihr volles Potential auszuschöpfen.

Was ist Data Science?

Das Ziel von Data Science ist die Verbesserung eines Geschäftmodells durch Gewinnung von Informationen, die in vorhanden Daten schlummern. Ausgehend von einem Verständnis des Geschäftsfeldes, nutzt Data Science eine Mischung aus verschiedensten Techniken, um Unternehmenswerte aus den heutigen komplexen Daten zu generieren. Neben einem interdisziplinären Ansatz, der Informatik, Mathematik, Statistik und Maschinelles Lernen vereint, zeichnet sich Data Science auch durch eine wissenschaftlich orientierte und methodische Arbeitsweise aus. Data Science unterstützt auch beim besseren und schnelleren Finden von Erkenntnissen und der Erzeugung neuer Geschäftsmodelle und Handlungsmöglichkeiten.

Aus der Vogelperspektive betrachtet, hilft Data Science dabei, die folgenden Fragen zu beantworten:

  • Deskriptiv – Was ist passiert?
  • Diagnostisch – Warum ist es passiert?
  • Vorausschauend – Was wird als nächstes passieren?
  • Präskriptiv – Was kann ich tun?
  • Autonom – Wer kann es tun?
  • Automatisch – Wie wird es getan?

Messen, verstehen, vorhersagen – damit beschäftigt sich die Menschheit seit jeher. Von landwirtschaftlicher Planung über Marktprognose bis hin zu selbstfahrenden Autos: Alles, was gemessen werden kann, kann verbessert werden.

Ein Zugang über Data Science beinhaltet typischerweise die folgenden, wechselseitigen Schritte:

  • Bewertung – Welche ungenutzten Potentiale bestehen in Ihrer Verwendung der Daten, die Ihrem Geschäft schon heute zur Verfügung stehen?
  • Quantifizierung – Welche Techniken und quantitativen Modelle aus den Wissenschaften passen am besten zu ihrem Geschäftsproblem?
  • Optimierung – Wie kann der Geschäftprozess anhand der vorherigen Schritte verbessert werden und das Modell weiter verfeinert werden?
  • Automatisierung – Wie können Entscheidungsfindung und autonome Kontrolle effektiv mit fortgeschrittenen, maschinell lernenden Pipelines umgesetzt werden?
  • Innovation – Welche Möglichkeiten und neuen Geschäftsmodelle werden ermittelt und unterstützt?

Wie funktioniert Data Science?

Projekte im Bereich Data Science beginnen mit dem Zugang zu den Datenquellen. Um das Potential der Daten voll auszuschöpfen, bedient sich Data Science Techniken aus den folgenden vier Kerndisziplinen:

Maschinelles Lernen

Lehrt Maschinen, ohne menschliche Anleitung selbständig intelligente Entscheidung zu treffen und Vorhersagen aufgrund von Daten zu fällen – egal, ob es darum geht, Gehirnstrukturen mithilfe neuronaler Netze nachzuahmen, Schwarmverhalten anhand genetischer Algorithmen zu simulieren oder Mustererkennung zu betreiben.

Statistik

Umfasst Techniken, die in der Demographie bis hin zur Teilchenphysik darin erprobt sind, verlässliche Hypothesen über Daten anzustellen und deren Robustheit zu testen. Statistik liefert das Fundament für die Quantifizierung eines Geschäftsproblems.

Visualisierung

Ein wichtiges Werkzeug für das explorative Erkunden von Daten und das Entdecken von Beziehungen. Visualisierungstechniken helfen dabei, Erkenntnisse zu vermitteln oder auch dabei, komplexe Daten überhaupt erst greifbar zu machen.

Informatik

Die Verarbeitung von Daten und Umsetzung von Algorithmen mithilfe von Programmierung ist ein wesentlicher Bestandteil von Data Science.

Nehmen Sie Kontakt mit uns auf.

Kontaktieren Sie uns

Kontakt

Stefan Kühn
Lead Data Scientist

Zum Experten-Profil