Organisatorische Readiness für Data Science
Data-Science-Readiness ist für jedes Unternehmen wichtig – ganz gleich, ob deine Branche traditionell mit Data Science und Analytics verbunden wird oder nicht. KDnuggets fasst die vier Bausteine organisatorischer Readiness als strategische, domänenspezifische, kulturelle und operative Readiness zusammen.
Was unter Data-Science-Readiness zu verstehen ist
Unternehmen sollten diese vier Elemente bewusst einplanen, wenn sie Data-Science-Initiativen vorbereiten. Strategische Readiness hilft, den Business Case zu formulieren, Data Science mit den Unternehmensprioritäten zu verknüpfen und sich Rückendeckung im Top-Management zu sichern. Domänen-Readiness bedeutet, in die Infrastruktur zu investieren – also in Tools und Kompetenzen, um Daten unkompliziert zu erschließen und zu analysieren. Kulturelle Readiness schafft die Voraussetzungen dafür, dass alle Mitarbeitenden die Sprache der Daten sprechen und bessere, datenbasierte Ergebnisse erzielen. Und operative Readiness ermöglicht die Umsetzung und Optimierung von Data-Science-Funktionen durch saubere Planung. Unternehmen sollten ihre spezifischen Datenanforderungen im Blick behalten und frühzeitig in all diesen Bereichen für Passung sorgen, um sich erfolgreich aufzustellen.
Die Data-Science-Bedürfnishierarchie
KI ist in aller Munde und viele Unternehmen wollen direkt einsteigen. Doch bevor man sprintet, muss man laufen lernen – und bevor KI skaliert werden kann, braucht es die entsprechende Readiness. Genau darum geht es beim Aufbau eines belastbaren Datenfundaments. Monica Rogatis Data Science Hierarchy of Needs bietet einen praxisnahen Rahmen für Data-Science-Readiness.
Datengetriebener Energieverbrauch mit Smart Metern
Manchmal suchen Unternehmen nicht aktiv nach Data-Science-Readiness, werden jedoch durch externe Anforderungen dazu gezwungen. Ein Beispiel sind Energieversorger im Vereinigten Königreich: Die Regierung hat die Installation von Smart Metern in allen Haushalten und kleinen Unternehmen bis Ende 2020 vorgeschrieben. Als Gründe nennt sie in ihrem Fortschrittsbericht 2018 die Anpassung an moderne Datenanforderungen und Verbraucherinteressen. Smart Meter sollen Kundinnen und Kunden helfen, Energie effizienter zu nutzen und Kosten zu sparen, indem sie ihren tatsächlichen Verbrauch transparenter machen.
Data-Science-Einblicke ins IoT
Smart Meter sind Teil des rasant wachsenden Internet of Things (IoT), das oft mit Data Science kombiniert wird. IoT umfasst Geräte, die keine klassischen Computer sind, aber dennoch Daten senden können. Data Science kann die aus dem IoT gewonnenen Informationen wertvoll erschließen. Damit das Smart-Meter-Programm im Vereinigten Königreich Erfolg hat, müssen Smart Meter Daten übertragen, Verbrauchsmuster erkennen und Nutzerinnen und Nutzer darüber informieren, wie sie ihren Energieverbrauch senken können.
Wie Energieversorger Data Science einführen
Die britischen Energieversorger arbeiten mit Hochdruck an der Einhaltung der Frist 2020, und es gibt viele Stellschrauben. Strategisch brauchen sie die Unterstützung des Top-Managements, um in Analytics zu investieren und den Fortschritt nachzuhalten. Sie benötigen Domänen-Readiness, um das Smart-Meter-Programm gegen Zielwerte zu überwachen – dazu gehören Installationen und Kosten zu tracken und die Betriebsfähigkeit sicherzustellen. Kulturelle Readiness ist nötig, damit alle im Unternehmen – von der Geschäftsführung bis zu den Installateuren – den Product-Market-Fit und die IoT-Fähigkeiten der Smart Meter verstehen. Schließlich braucht es operative Readiness, um den Einfluss der Smart-Meter-Installation auf Energieverbrauch und Kosten zu quantifizieren – und herauszufinden, ob Smart Meter ihrem Ruf wirklich gerecht werden.
Wenn du in praktische IoT-Anwendungen von Data Science eintauchen möchtest, nimm unseren Kurs zur Analyse von IoT-Daten. Wir zeigen dir Schritt für Schritt, wie du IoT-Daten abrufst, verarbeitest, auf Trends und Ausreißer analysierst und daraus eine Machine-Learning-Pipeline für Echtzeitprognosen aufbaust.
Wenn du als Führungskraft an organisatorischer Readiness für Data Science und Analytics interessiert bist, erfahre mehr unter datacamp.com/business. Klicke hier, um eine Demo unserer Plattform zu vereinbaren.
