Die Welt erlebt eine erhebliche Zunahme der Datenmenge pro Tag Daten, die unter anderem von Einzelpersonen, organisatorischen Systemen und Sensoren erstellt werden, haben die Macht, dem jeweiligen Unternehmen einen enormen Wettbewerbsvorteil zu verschaffen. Doch es fehlt an Fachkräften, die die Datenanalyse und die Aufbereitung der Daten vollziehen.
Dies liegt vor allem daran, dass Daten Klarheit in der unternehmerischen Entscheidungsfindung schaffen und damit verbundene Risiken reduzieren können. Kein Wunder also, dass die Daten in letzter Zeit als „neues Öl“ bezeichnet werden. Doch wie Öl können auch Daten chaotisch sein – ihr Vorteil kann nur realisiert werden, wenn Daten strategisch erfasst und verwaltet, sinnvoll kombiniert und analysiert werden, um Informationen von Wert für das Unternehmen zu schaffen. Um den Wert der Daten zu erschließen, investieren Unternehmen zunehmend in die Data Science (die Datenanalyse) – eine Disziplin, die Statistik, Mathematik und technisches Wissen zu einer Reihe von Methoden und Werkzeugen für die Analyse von Daten verschiedener Art verbindet. Die Nachfrage nach Fachkräften mit Data-Science-Fähigkeiten ist so hoch, dass sie wohl zu den heißesten IT-Berufen gehört. Der Branchenverband Bitkom vermeldet, dass derzeit rund 51.000 IT-Fachkräfte zur Datenanalyse fehlen. (Pressemitteilung 2016) Es ist leicht nachvollziehbar, warum in der heutigen globalisierten und hart umkämpften Geschäftswelt eine derart starke Nachfrage besteht – die Datenwissenschaft hilft Unternehmen, neue, innovative Wege zur Nutzung von Daten zu erschließen, die zu einem Spektrum an Verbesserungen von Effizienzgewinnen bis hin zur Schaffung neuer Geschäftsmodelle führen können. “Data is the new oil. It’s valuable, but if unrefined it cannot really be used. It has to be changed into gas, plastic, chemicals, etc to create a valuable entity that drives profitable activity; so must data be broken down, analyzed for it to have value.”
Clive Humby, UK Mathemetician and architect of Tesco’s Clubcard, 2006
Datenanalyse findet weitreichende Anwendung in nahezu allen Industriezweigen. Versicherungsunternehmen können versicherungstechnische Risiken effektiver identifizieren, indem sie beispielsweise mit Hilfe der Fahrzeug Telematik die Prämienpreise informieren. Daten von Sensoren in teuren Bergbau- oder Luftfahrtgeräten können verwendet werden, um die idealen Wartungszeiten vorhersagen zu können, die für Sicherheit sorgen und gleichzeitig den Abfall reduzieren. die für Sicherheit sorgen und gleichzeitig den Abfall reduzieren. (siehe predictive maintenance) die für Sicherheit sorgen und gleichzeitig den Abfall reduzieren und zukünftige Verkäufe prognostizieren. Dies sind nur einige Beispiele für die breite Anwendung, die wir aufgrund von Initiativen im Bereich der Datentechnik/ Datenanalyse in der Wirtschaft erleben und weiterhin erleben werden. Darüber hinaus wird die Weiterentwicklung der Hardware auch in den kommenden Jahren immer schneller und kostengünstiger eine immer größere Datenmenge knacken und neue Möglichkeiten für die Echtzeitnutzung der Datenanalyse eröffnen. Die Möglichkeiten sind spannend und endlos. Doch wenn Organisationen die Ära der datengetriebenen Transformation annehmen, müssen sie auch auf eine Vielzahl von Veränderungen vorbereitet sein. Die Verfügbarkeit von Informationen kann unter anderem zu einer Verlagerung der Macht führen, leistungsschwache Bereiche hervorheben und die Organisationskultur verändern. Deshalb müssen die Führungskräfte von heute nicht nur ihre Früchte ernten, sondern auch bereit sein, sich den Herausforderungen zu stellen, die sich aus Initiativen im Bereich der Datenwissenschaft ergeben können, einschließlich der bisweilen grauen Zone des ethischen Umgangs mit Daten.
