Data-Analytics-Experte im Interview: Data Science, KI & Datenprodukte – ihre Bedeutung für Banken

15. April 2020

Banken stehen bei der Transformation zu datengetriebenen Unternehmen Herausforderungen gegenüber. Im Interview geht der Data-Analytics-Experte Norbert Wirth, CEO von Sqooba, genauer auf diese Herausforderungen ein, erläutert die Bedeutung von Data Science und erklärt den Unterschied von Datenprodukten und Softwareentwicklung.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Norbert Wirth

Was sind die größten Herausforderungen bei der Transformation zum datengetriebenen Unternehmen?

Die größten Herausforderungen bei der Transformation zum datengetriebenen Unternehmen werden oft völlig falsch eingeschätzt. Viele Unternehmen denken, es genügt, Data Scientists einzustellen, in irgendeiner Form Zugang zu Daten zu generieren und erwarten sich davon wunderbare Datenprodukte. Das ist leider nicht der Fall. Die Entwicklung von Datenprodukten muss ganz oben auf der strategischen Prioritätenliste stehen. Es ist immer ein interdisziplinäres Unterfangen, da es eine enge Kooperation aus Data Scientists, der IT, Data Engineers und Product Ownern erfordert. Die Product Owner müssen letzten Endes verstehen, welche Produkte entwickelt werden. Dies erfordert viel Übersetzungsleistung. Es muss natürlich auch der budgetäre Rahmen dafür da sein. Alles in Allem ist es nicht damit getan, sich Experten einzustellen und dann anzunehmen, das wird funktionieren. Das nenne ich eine „Feigenblattmaßnahme“, nicht wirklich eine strategische Initiative. Datengetrieben werden bedeutet, dieses Thema ganz oben auf der Strategieliste stehen zu haben.

Wird nicht durch die Zunahme von KI-basierten Lösungen Data Science überflüssig?

Künstliche Intelligenz ist gerade ein Thema, das alle umtreibt und die Frage, ob KI Data Science basierte Lösungen ersetzen wird, taucht sehr häufig auf. In der Tat gibt es hier ein großes Missverständnis, denn Künstliche Intelligenz benötigt Data Science als Handwerk. Die Leute, die Künstliche-Intelligenz-Lösungen entwickeln, sind Data und Computer Scientists. Alles andere ist eine Illusion, da KI Data Science in keiner Weise überflüssig macht. Ganz im Gegenteil, KI benötigt noch viel mehr Data Science und eine enge Verankerung und Verwurzelung in der Unternehmensstrategie.

Was ist denn der Unterschied zwischen der Entwicklung von „Datenprodukten“ und „Softwareentwicklung“?

Sehr häufig wird die Entwicklung von Datenprodukten mit der Softwareentwicklung gleichgesetzt. Viele Unternehmen kennen Softwareentwicklungsprojekte und die entsprechenden Prozesse und Abläufe seit vielen Jahrzehnten. Ein typisches Stichwort ist der sogenannte Waterfall-Prozess, in dem die Entwicklung Schritt für Schritt abgearbeitet wird. Sehr häufig werden Budget- und Zeitrahmen überschritten, jedoch sind Datenprodukte anders. Datenprodukte haben häufig ein sognanntes Invention-Risk, das heißt, es muss erst die Frage geklärt werden, ob in den Daten ausreichend Signal steckt, um die entsprechende Fragestellung zu beantworten. Erst wenn das Invention Risk geklärt ist, können die Entwicklungen weitergehen. Das ist der zentrale Unterschied zwischen Softwareentwicklung und Datenproduktentwicklung, welche nicht verwechselt werden sollten.

Weitere Infos zu unseren Themen im Bereich Banking

Jetzt mehr erfahren!
Jetzt mehr erfahren!

Mehr zum Thema

Können wir Sie unterstützen? Kontaktieren Sie unsere Experten!

Mit Q_PERIOR steht Ihnen ein starker Partner zur Seite.
Wir freuen uns auf Ihre Herausforderung!