Daten und Analysemodelle haben ein »Mindesthaltbarkeitsdatum«

Indem sie die Aktualität, Präzision und Relevanz von geschäftskritischen Daten und Analysemodellen kontinuierlich gewährleisten, können Unternehmen bessere Vorhersagen treffen und Lösungen für verschiedenste Herausforderungen finden.

Je tiefere und genauere Einblicke ein Unternehmen generieren kann, desto besser kann es (intern und extern) die Wertschöpfung erhöhen. Zum Beispiel kann eine Supermarktkette im Zuge der Pandemie ermitteln, welche Produkte sich in den Filialen am schnellsten verkaufen. So kann das Unternehmen sicher sein, dass es genügend Ware auf Lager hat, und diese nahe der Kassen platzieren, damit Kunden so wenig Zeit wie möglich im Laden verbringen müssen. Außerdem kann das dafür sorgen, dass Kunden verstärkt solche Produkte kaufen. Somit können Betriebe nicht nur ihre Überlebenschancen deutlich steigern, sondern auch größere Einnahmen und Gewinne erzielen. Ein Verständnis der Vergänglichkeit von Daten und Modellen geht weit über traditionelle Messwerte wie Alter oder Aktualität hinaus.

Welche Daten aktuell, präzise oder relevant sind, erläutert Bret Greenstein, SVP und Global Head of AI und Analytics bei Cognizant.

Anzeige

 

Aktualität

Aktuelle Daten spiegeln jüngste Veränderungen wider, die erhebliche Auswirkungen auf das Unternehmen haben können. Dazu könnten beispielsweise die Lockerung oder Verschärfung von Covid-19-Maßnahmen oder ein Aufruf in sozialen Medien zu einem Protest in der Nähe beziehungsweise gegen das Unternehmen gehören. Hochmoderne Verfahren der künstlichen Intelligenz (KI) wie maschinelles Lernen können bei der Identifizierung solcher Daten helfen, indem zum Beispiel ermittelt wird, welche Datenquellen zur Erstellung eines Vorhersagemodells verwendet wurden.

Anzeige

Die Modelle werden kontinuierlich mithilfe fortgeschrittener KI an »virtuellen Zwillingen« der realen Welt verfeinert, anstatt einmalig mit statischen Daten trainiert zu werden. Beispielsweise sind viele Vorhersagemodelle, die auf Verhaltensweisen von Verbrauchern oder Mitarbeitern vor der Covid-19-Pandemie basieren, offensichtlich nicht mehr relevant. Aber auch Modelle, die auf heutigen Verhaltensmustern beruhen, werden sich weiterentwickeln, wenn der Grad des Lockdowns, Infektionsraten oder andere Faktoren (wie Proteste und Naturkatastrophen) den Status quo verändern.

 

Präzision

Präzise Daten sind solche, die bereinigt und validiert wurden, um sicherzustellen, dass sie aus einer akkuraten Quelle stammen, nicht kompromittiert wurden und in einem brauchbaren Format vorliegen. Dies ist besonders wichtig bei Daten, die eine nicht traditionelle Form aufweisen, wie etwa bei unstrukturierten Daten beziehungsweise Daten aus neueren Quellen wie sozialen Medien oder dem Internet der Dinge (IoT). Solche Daten können eine Quelle für wertvolle Einsichten sein, zum Beispiel, wenn zusätzlich zu Covid-19-Testdaten Daten zur Standortbestimmung von Mobiltelefonen verwendet werden. So lassen sich die Ausbreitung des Virus und Neuinfektionen besser verfolgen.

Genaue Modelle wurden nicht nur auf Präzision unter aktuellen Bedingungen getestet, sondern können unter Einsatz hochmoderner KI auch für akkuratere Vorhersagen oder Maßnahmen in der Zukunft sorgen. Wenn eine Vorhersage ein geringes Konfidenzniveau aufweist, aber enorme Folgen haben kann (so etwa eine Abwanderung von Millenials aus urbanen Regionen aufgrund von Covid-19), könnte sich ein Unternehmen kostengünstig Wettbewerbsvorteile verschaffen, indem es als erstes für einen solchen Trend plant. Zum Beispiel ist ein Analysemodell, das wöchentliche oder saisonale Muster im Finanzhandel »erkennt«, von geringem Nutzen, wenn Konkurrenten diese Muster bereits gefunden und Geschäftsabläufe entsprechend angepasst haben. Daher werden Modelle, die präzise sind, auch darauf trainiert, Muster in Daten zu ignorieren, wenn diese nicht mehr relevant sind.

 

Relevanz

Relevant sind Daten, die signifikant oder ursächlich genug sind, um großen Einfluss auf Vorhersagen der zukünftigen Bedingungen und/oder Schritte zu haben, die als Reaktion empfohlen werden. Vor Beginn der »MeToo«-Bewegung zum Beispiel waren unsensible Tweets eines CEO nicht unbedingt Datenpunkte, die es wert gewesen wären, verfolgt zu werden. Heute können Boykotte, die häufig die Folge eines solchen Tweets sind, wesentliche Auswirkungen auf Umsätze, Marktanteile und den Markenwert haben. Relevante Daten werden aus verschiedensten Quellen innerhalb und außerhalb des Unternehmens erfasst und können Firmen dabei helfen, Veränderungen als erste zu erkennen und darauf zu reagieren.

 

Fazit

Durch die Entwicklung und Verfeinerung relevanter Modelle können Unternehmen mit maschinellem Lernen ermitteln, welche Daten am nützlichsten sind und weniger hilfreiche Daten außer Acht lassen. Dadurch wird eine Verschwendung von Zeit, Geld und Aufwand beim Trainieren von Modellen mit irrelevanten Daten deutlich reduziert.

 

3583 Artikel zu „Daten Analyse“

Wissenschaftliche Datenanalyse: Die Welt ist nicht schwarz-weiß

Wie die Datenanalyse wissenschaftliche Schlussfolgerungen beeinflusst Was passiert, wenn 70 Forscherteams unabhängig voneinander denselben Datensatz analysieren, um dieselben Hypothesen zu testen? Nahezu 200 Wissenschaftlerinnen und Wissenschaftler aus aller Welt haben untersucht, wie die Art der Datenanalyse das Endresultat beeinflusst. Die Ergebnisse der Studie wurden heute in der renommierten Fachzeitschrift Nature veröffentlicht.   Durch die Corona-Pandemie…

Datenanonymisierung: Mobilitätsanalysen im Kampf gegen Corona

Auf Basis anonymisierter und aggregierter Mobilfunkdaten, die keinerlei Rückschlüsse auf konkrete Personen zulassen, liefert Telefónica Deutschland gemeinsam mit Partnern wertvolle Mobilitätsanalysen.   In der aktuellen Ausnahmesituation wegen Corona hat die Diskussion um Mobilitätsanalysen auf Basis von Mobilfunkdaten wieder Fahrt aufgenommen. Es geht um die Frage, ob und wie diese Analysen beim Eindämmen des Coronavirus helfen…

Herkömmliche Daten- und Analysestrategien können die Anforderungen des Digital Business nicht erfüllen

  Laut dem Research- und Beratungsunternehmen Gartner erwähnen heute weniger als 50 Prozent der dokumentierten Unternehmensstrategien Daten und Analysen als Schlüsselkomponenten, um Unternehmenswerte zu schaffen. Denn traditionelle Daten- und Analysestrategien erkennen die Anforderungen des Digital Business oft nicht. Moderne Daten und Analysen dienen einem breiteren Unternehmenszweck und sind stärker als je zuvor an die Arbeitsweisen…

Früherkennung dank Datenanalyse: Mehrheit ist aufgeschlossen

Sechs von zehn Deutschen würden Vitalparameter zur Früherkennung von Krankheiten analysieren lassen. Jüngere am aufgeschlossensten. Früherkennung dank Digitalisierung: Intelligente Datenanalysen und maschinelles Lernen sollen in der Medizin schon bald helfen, Krankheiten schnell zu diagnostizieren und besser therapieren zu können. Auch die frühzeitige Erkennung von Gesundheitsrisiken wie etwaigen Stürzen in der Wohnung kann dadurch ermöglicht werden.…

Start-ups: Ohne KI und Datenanalyse kein wirtschaftlicher Erfolg

Gründer sehen herausragende Bedeutung der Technologietrends für die deutsche Wirtschaft. 4 von 10 deutschen Start-ups setzen bereits künstliche Intelligenz ein. Die Start-ups sind sich einig: Ohne künstliche Intelligenz und Datenanalysen ist der wirtschaftliche Erfolg deutscher Unternehmen bedroht. Jeweils 96 Prozent der deutschen Start-ups geben an, dass sowohl künstliche Intelligenz als auch Big Data eine große…

Mit Datenanalysen die Fußball-WM gewinnen: Warum Deutschland doch im Endspiel steht

Ob Orakel aus der Tierwelt oder Big-Data-Analysen: Vor großen Fußballturnieren gibt es interessante Ansätze, um einen möglichen Gewinner vorherzusagen, wenngleich die datenbasierten Methoden bislang immer bessere Ergebnisse lieferten. Im Fußball werden aber auch Training und Taktik immer stärker von Datenanalysen geprägt. Unternehmen sollten sich die innovativen Methoden aus der Sportwelt genauer ansehen, da hier das…

Mit kognitiver Suche und Analyse vom daten- zum informationsgetriebenen Unternehmen

Die Datenmengen, die sich in Unternehmen anhäufen, werden immer größer und unübersichtlicher. Umso mehr kommt es deshalb auf die Methoden an, mit denen aus den Daten umsetzungsfähige Erkenntnisse und Antworten gezogen werden. Der Prozess hin zu einer effektiven Informationsarbeit indes ist noch alles andere als optimal.

Herausforderung Datenanalyse: Unternehmen in Deutschland laut Studie noch nicht IoT-bereit

Die Zahlen lassen kaum Zweifel: Mit 30 Prozent nutzt bereits ein knappes Drittel der Unternehmen in Deutschland IoT-Daten, 54 Prozent wollen dies innerhalb der nächsten drei Jahre tun. Fast drei Viertel (72 Prozent) planen, ihre IoT-relevanten Ausgaben zu erhöhen. Aktuell befinden sich 70 Prozent der Betriebe eher in einer Frühphase der IoT-Transformation, wobei größere Unternehmen…

Verstärkter Einsatz von Cloud Solutions, IoT und Datenanalyse – das sind die Trends im Identitäts-Management für 2018

  Was sind die wichtigsten Trends im Jahr 2018 im Bereich Identity-Technologie? Es geht um den verstärkten Einsatz von Zugriffen via Cloud und mobilen Systemen. Auch das Internet der Dinge und Datenanalysen gewinnen an Bedeutung. Digitale Zertifikate werden zu einer Kernkomponente für ein vertrauenswürdiges IoT. Das Konzept des Physical Identity & Access Management (PIAM) stellt…

Drohnen als Datenquelle für Big-Data-Analysen

»Drohne« ist eine etwas unglückliche und ungeschickte Bezeichnung für ein unbemanntes Flugobjekt oder Unmanned Aerial Vehicle – kurz UAV – zumindest unter Kenntnis der biologischen Zusammenhänge bei staatenbildenden Insektenvölkern. Dort haben Drohnen eine ganz andere Funktion als UAVs. Doch wie so oft hat sich der Begriff etabliert und wir müssen damit leben. Seit einigen Jahren…

Tiefenanalyse der digitalen DNA: datengetriebene Agilität als Erfolgsfaktor

Eine neue Studie [1] will gleichsam das digitale Gen identifiziert haben, das digital exzellente Unternehmen und öffentliche Verwaltungen erfolgreicher macht als traditionell operierende Organisationen: datengetriebene Agilität. Mit diesem Begriff umschreiben die Studienautoren die Fähigkeit, auf volatile Rahmenbedingungen hochflexibel zu reagieren und zugleich kundenindividuelle Dienstleistungen quasi in Echtzeit zu erbringen. Und zwar auf der Grundlage eines…

Verknüpfung von BI und Big Data hebt Datenanalysen auf neues Niveau

Business-Intelligence-Systeme sind in vielen Unternehmen produktiv im Einsatz. Zusätzliche Auswertungsmöglichkeiten bieten Big-Data-Anwendungen. Der kombinierte Einsatz in Unternehmen ist noch die Ausnahme, das ungenutzte Potenzial aber immens, meint der IT-Dienstleister Consol Software GmbH. Mit Business-Intelligence (BI)-Lösungen, die eine systematische Auswertung von Daten unterstützen, können Unternehmen wichtige Erkenntnisse für die Optimierung ihrer Geschäftsprozesse gewinnen. Die Datenanalysen helfen…

Industrie 4.0: Die Fertigungsindustrie ist führend bei Datenanalyse

Nur wenige Wirtschaftszweige, wie die verarbeitende Industrie, nutzen ihre Informationen zum Geschäftsvorteil. Die Fertigungsindustrie ist eine der wenigen Branchen, die zeigt, dass es messbare geschäftliche Vorteile gibt, wenn Mitarbeitern Zugriff auf wertvolle Geschäftsinformationen gewährt wird, so dass sie diese gewinnbringend nutzen können. Zu diesem Ergebnis kommt eine Studie [1] die unter europäischen und nordamerikanischen Unternehmen…

Wettbewerbsvorteile durch Big Data: Datenanalyse-Trends 2016

Informationen werden immer mehr die Währung der heutigen Geschäftswelt. Ohne gezielte Analysen sind die vielen Terabyte an Daten, die von Webseiten, Applikationen, Servern, Netzwerken und mobilen Endgeräten generiert werden, jedoch wertlos. Der Datenanalysemarkt entwickelt deshalb ständig neue Techniken für die Auswertung und Visualisierung von »Big Data«. Auch 2016 wird sich in diesem Bereich wieder viel…

Datenanalyse-Fähigkeiten bewerten: Deutsche Unternehmen sind in der Datenanalyse nur Durchschnitt

Ein neuer Vergleichsindex, der Informationswert-Index [1], mit dessen Hilfe Unternehmen bewerten können, wie gut sie ihre Informationen gewinnbringend einsetzen ist eine Fortschreibung des seit 2012 jährlich präsentierten Index zum Informationsrisiko, bei dem es um den Schutz von Informationen ging. Bei der diesjährigen Befragung zum Informationswert-Index wurden 1.800 Manager aus Europa und Nordamerika konsultiert. Deutsche Unternehmen…