Das Data Analytics Dream-Team zur Bewältigung digitaler Herausforderungen
Wie ein brechender Staudamm hat die Digitalisierung zu einer Überflutung von Daten geführt. Dass es schnell passieren kann, in dieser Datenüberflutung den Überblick zu verlieren heißt jedoch nicht automatisch, aus den Daten mit etwas Geschick bisher Verborgenes zu entdecken und daraus neue Chancen abzuleiten. Daten per se bilden in ihrer Rohform allerdings kaum einen Mehrwert. Um aus ihnen auch einen tatsächlichen Mehrwert generieren zu können, sind Analytics-Fähigkeiten notwendig. Nur mit einem starken Data Analytics Team ist eine erfolgreiche digitale Transformation überhaupt erst möglich.
Was ist Data Analytics?
Data Analytics geht weit über das reine Betrachten von Objekten und Geschehnissen in Form von Daten hinaus und beinhaltet unter anderem folgende Fragestellungen:
- Was ist passiert?
Ziel: Erhalt von Informationen über Objekte und vergangene Geschehnisse. - Warum ist es passiert?
Ziel: Erhalt von Erkenntnissen über Objekte und vergangene Geschehnisse. - Was wird passieren?
Ziel: Erhalt von Vorhersagen von zukünftigen Geschehnissen. - Was kann ich tun, um etwas zu erreichen?
Ziel: Optimierungen zur Erreichung von Zielen.
Um Analytics-Fähigkeiten im Unternehmen aufbauen und etablieren zu können, spielt neben der Hard- und Software vor allem das Humankapital eine zentrale Rolle. Im Idealfall hat ein Unternehmen ein gut aufeinander angespieltes Analytics-Team mit eindeutig formulierten Rollen. Dies ist allerdings nicht immer einfach.
Die Rollen im Analytics-Team
Um herausragende Analytics-Fähigkeiten als Ressource oder sogar als Kernkompetenz in einem Unternehmen sichern zu können, sind verschiedene Analytics-Rollen zu berücksichtigen: Data / Business Analysts, Data Scientists und Data Engineers.
Der Data Analyst kümmert sich um die Geschäftsentwicklung und beschäftigt sich insbesondere mit Reporting mit Excel, SQL oder diversen BI Anwendungen. Die Rolle des Data Analysts ist ähnlich der eines Business Analysts, jedoch mit mehr Fokus auf IT. Der Business Analyst analysiert hingegen Geschäftsprozesse und treibt die Geschäftsentwicklung voran. Er fungiert außerdem als Schnittstelle zwischen den Abteilungen und der IT. In Unternehmen werden beide Rollen oftmals kombiniert übernommen.
Der Data Scientist ist für komplexe Aufgaben im Bereich Advanced Analytics zuständig. Anhand von Daten soll er Muster erkennen, Aussagen zu Vorhersagen treffen und Entscheidungsgrundlagen vorbereiten. Big Data wird so zu Smart Data. Sein Aufgabenbereich reicht von AdHoc Analysen bis hin zu komplexen Anwendungen mit künstlicher Intelligenz. Hierfür verwendet er mathematische und statistische Methoden wie beispielsweise R oder Python.
Der Data Engineer ist für die Infrastruktur der Daten zuständig und kümmert sich um den Aufbau der Datenströme, der Big Data Infrastruktur und des Datenbank-Designs. Sein Output bildet somit die Grundlage für die Aufgabenbereiche der Data Scientists und Data Analysts.
Die Problematik liegt oftmals darin, dass die Aufgaben und Abgrenzung der einzelnen Rollen in einem Analytics-Team oft unklar oder nur mäßig definiert sind. Der gesamte Analytics Bereich ist ein komplexes Zusammenspiel der drei genannten Bereiche. Deren Tätigkeiten sind oft übergreifend und müssen somit perfekt abgestimmt werden, um einen Mehrwert zu erreichen. In den folgenden Wochen werden wir euch die einzelnen Rollen des idealen Analytics-Teams noch genauer vorstellen.
Solltest du Hilfe gebrauchen bei der Implementierung deines eigenen Data Analytics Teams oder auch jegliche andere Fragen zu dem Thema Data Analytics haben – Vereinbare jetzt ein unverbindliches kostenloses Beratungsgespräch mit uns! Wir stehen dir jederzeit gerne zur Verfügung!
Managerin, Deloitte Digital Customer Experience