Der Begriff Data Science bezeichnet den Vorgang, Rohdaten in wertvolle Informationen umzuwandeln, aus denen ein Unternehmen Entscheidungen treffen kann. Anders ausgedrückt: Data Scientists extrahieren Wissen aus Daten.
Als Datengrundlage dienen Data Scientists sowohl strukturiert als auch unstrukturiert vorliegende Daten. Oft kommen bei der Datenanalyse Big-Data-Techniken zum Einsatz. Die Datenanalyse führen sie entweder selbst durch oder sie unterstützen IT-Spezialisten bei der Analyse beziehungsweise leiten sie an.
Data Scientists beschäftigen sich mit unterschiedlichen Wissenschaftsbereichen und können daher verschiedene akademische Hintergründe haben. Data Scientists können bspw. Informatiker:innen, Physiker:innen, Mathematiker:innen oder Wirtschaftswissenschaftler:innen sein, die sich entsprechend fortgebildet haben.
Artificial Intelligence
Artificial Intelligence (AI) ist der wissenschaftliche Bereich, der das maschinelle Lernen (ML) beinhaltet. ML beinhaltet wiederum das Deep Learning (DL). AI behandelt neben dem Lernen auch die effiziente Speicherung von Daten, sowie das Einordnen bzw. Sortieren und Abrufen.
Algorithmen des ML leiten aus Beispielen (Trainingsdaten) verallgemeinerte Regeln und statistische Modelle ab. DL ist der Bereich des ML, in dem Regeln und Modelle mit Hilfe von Neuronalen Netzen generiert werden. Dies gilt als besonders effizient.
Ein ML – Algorithmus kann z.B. verdächtige Muster in Transaktionen erkennen und so bei der Erkennung von Betrugsaktivitäten unterstützen.
Potenzial
- Digitalisierung zeitaufwändiger Prozesse in Kombination mit zum Beispiel Workflow-Tools und RPA
- Verbesserung des Time-to-Market (z. B. Angebot für Privatkunden)
- Genauere Vorhersagen (z. B. Risikomessung)
- Höhere Effizienz und Kostensenkung bei der Datenanalyse (z. B. Testen, Rechnungswesen, Betrugserkennung)
Business Intelligence
Business Intelligence bezeichnet die Gesamtheit der Maßnahmen, Methoden und Tools zur Sammlung, Darstellung und Analyse der eigenen Geschäftsdaten.
Ziel ist es, eine verknüpfte Datengrundlage zur Unterstützung von Geschäfts- bzw. Managemententscheidungen zu schaffen und - wenn benötigt in Echtzeit - bspw. im Rahmen von Dashboards zu visualisieren.
Durch sogenannte Self-Service BI Tools können Reports und Dashboards auch direkt von Fachbereichsmitarbeitern, ohne Support der IT-Abteilung, individualisiert und angepasst werden.
BI-Tools ermöglichen effizientere, flexiblere und übersichtlichere Reports aus einer Hand, statt z.B. der individuellen Darstellung über einzelne Access und Excel Dashboards.
Potenzial
- Intuitive und kurzfristige Analyse auf Basis verschiedener Datenquellen
- Jederzeit aktuelle Dashboards & Reports als Grundlage für Managemententscheidungen
- Automatisierte Erstellung und Auslieferung konfigurierter Reports
Process Mining
Process Mining ist eine Technik des Prozessmanagements, die es ermöglicht, Business-Prozesse auf Basis digitaler Spuren in IT-Systemen zu rekonstruieren und zu analysieren.
Hierzu werden Prozessabläufe eines Unternehmens auf Basis der von der IT-Landschaft bereitgestellten Log-Dateien der datenverarbeitenden Systeme erhoben und visualisiert. Die Teilprozesse aus den verschiedenen Systemen werden zusammengefügt, um die Datenflüsse in ihrer Gesamtheit zu erfassen. Durch die Anwendung statistischer Modelle auf die erhobenen Prozessabfolgen werden gelebte Standardprozesse ermittelt und zur weiteren Analyse bereitgestellt.
Potenzial
- Continuous Auditing
- Erkennung von Ineffizienzen
- Abteilungsübergreifende Transparenz in Echtzeit
- Verbesserung der Datenqualität durch Analyse der getriggerten Prozessvarianten
Unsere Vorgehensweise
Sense
Bedürfnisse des Kunden verstehen
Die neuesten Trends und Best-Practices erkennen
Use Cases mit dem Team erkennen und bewerten
Try
Proof of Concept (PoC) mit dem Team durchführen
Erfahrungen und Ergebnisse mit dem Team besprechen
Lösung für die Probleme finden
Scale
Vorgehensweise vorschlagen
Dem Kunden helfen, die beste Lösung zu finden
Umsetzung und Skalierung planen
Run
Implementieren
Qualitätssicherung
Controlling