Latest / IT Skunk Works / Artificial Intelligence & Data Strategy - Macht oder Ohnmacht der Daten?
Transcript
- 0:00Hallo und herzlich willkommen zu einer neuen Podcastfolge des YouTube-Kanals IT Asset Management
- 0:15in Moor, präsentiert von IT's Gangworks.
- 0:18Ja, dem ein oder anderen ist es vielleicht aufgefallen, heute wieder mit einer Intro-Musik.
- 0:22Das ist immer ein gutes Zeichen dafür, dass ich nicht im Auto unterwegs bin.
- 0:26Deswegen ist vielleicht auch die Soundqualität ein bisschen besser.
- 0:28Ich bin jetzt wieder vor meinem Rechner, habe mein schönes Mikrofon dann auch vor mir
- 0:32und gucke auf meinen PC.
- 0:34Und darf mit euch heute ja den dritten Teil in der Serie rund um das Thema Digital-Strategie
- 0:41und IT-Strategie diskutieren.
- 0:44Kann ich es ja nicht sagen, weil es kommt ja keiner, der jetzt hier irgendwie Feedback gibt,
- 0:48aber zumindest besprechen, darin einsteigen und euch hoffentlich damit auch ein paar Ideen geben,
- 0:54wie das Thema dann in eurem Unternehmen angegangen werden könnte.
- 0:58Ja, dritter Teil, wer den ersten Teil der Serie gehört hat, weiß,
- 1:03das war alles in Richtung Überblick geben, über die grundsätzliche Idee hinter Digital-Strategie
- 1:09und IT-Strategie.
- 1:10Und dann, ich möchte mal umschreiben, mit sechs Gestaltungsfeldern, Themenbereichen,
- 1:15ich habe sie mal jetzt Domänen genannt, die sich, ich denke, gut abgrenzen lassen
- 1:20und die für sich selber stehen können.
- 1:22Und in der letzten Folge hatte ich dann die erste Domäne,
- 1:26wir haben mal so im Überblick eben aufgezeigt und das war das Thema Business Innovation
- 1:30und Digital Transformation.
- 1:32Ja, und heute sind wir im Bereich Artificial Intelligence und Data-Strategie.
- 1:37Ein Themenbereich, der glaube ich gerade besonders, ich sage es mal, ja,
- 1:44aktuellist, so möchte man es mal formulieren.
- 1:47Ich meine, gerade ließ man glaube ich ganz viele Artikel, Nachrichten und so weiter
- 1:53rund um so Themen wie JetGPT, die ja ein bisschen zu Microsoft gehören
- 1:59oder ganz zu Microsoft gehören, Bart von Google.
- 2:01Das sind alles eben kleine künstliche Intelligenzen, ich weiß nicht, ob die so klein sind,
- 2:06aber das sind letztendlich eben Angebote, mit denen die großen Softwarehersteller
- 2:12oder eben Service Provider, Microsoft und Google sind ja noch mal im Dafürhalt
- 2:17mittlerweile eher Service Provider als Softwarehersteller.
- 2:20Eben auch uns als Endanwender jetzt die Möglichkeiten zugänglich machen,
- 2:25nämlich mit solchen künstlichen Intelligenzen zu arbeiten, die Dinge auszuprobieren,
- 2:30einfach mal selber zu verstehen, was man damit an Prozessen optimieren kann,
- 2:36was letztendlich an Ergebnissen dabei rauskommt, wenn man einem solchen System Fragen stellt.
- 2:41Und ja, so ein System kann einem beispielsweise auch dabei helfen, den Namen für seinen Hund zu finden.
- 2:46Ja, jetzt ist vielleicht ein bisschen lustig.
- 2:48Also, Bild hat jetzt auch so eine Lösung auf ihrer Webseite jetzt mal bereitgestellt
- 2:55und das ist glaube ich ein bisschen noch eher rudimentär,
- 2:58richtet sich dann an das Publikum der Bildzeitung.
- 3:02Lange Rede kurze sind, das sind aber denke ich ganz interessante Entwicklungen, die man dann sehen kann
- 3:07und vielleicht hat es der eine oder andere schon mal ausprobiert,
- 3:09dann geht man eben zu JetGPT, stellt diesem System eine Frage
- 3:14und dann fängt dieses System dann eben an, Inhalte zu generieren.
- 3:19Also so Generative AI.
- 3:21Also das ist so, ich sage mal, eine Lösung, die jetzt wirklich auch in der Lage ist,
- 3:25eben aufgrund von vielen Daten, die das System ausgewertet hat,
- 3:29keine Ahnung wie viele Millionen Website oder was auch immer,
- 3:32dann am Ende dafür ausgelesen werden mussten,
- 3:36kann das System dann eben auf bestimmte Fragen dann auch mit einer teilweise sehr eloquenten Antwort dienen
- 3:43und Texte formulieren, Software programmieren, bis hin zu Gedichten schreiben und so weiter und so fort.
- 3:51Das ist natürlich erst mal irgendwie so ein bisschen Spielerei,
- 3:54aber nochmal, da steckt glaube ich eine enorme Innovationskraft in diesen Lösungen.
- 3:59Da muss man sich wirklich mal überlegen, was kann man damit alles machen.
- 4:02Am 1. November ist es übrigens soweit, da wird der Go Live sein für das Thema Co-Pilot.
- 4:10Also auch wenn man so will, JetGPT von Microsoft dann eben eingebunden in die klassische Office Suite.
- 4:17Also das Produkt kann dann eben tatsächlich, ich sage jetzt mal so,
- 4:22die klassischen Lösungen wie PowerPoint, Excel, Outlook, Teams entsprechend unterstützen,
- 4:29kann dabei helfen, Präsentationen zu machen, Tabellen zu erstellen, Daten auszuwerden,
- 4:34E-Mails auszulesen, in Teams Videokonferenzen mitzubekleiden, daraus dann irgendwelche Meetings,
- 4:41Meeting-Minutes zu erzeugen und so weiter.
- 4:46Also das wird wie gesagt, das wird ganz spannend und ich glaube,
- 4:48wir sind da erst am Anfang uns mit diesem Thema wirklich vernünftig auseinanderzusetzen.
- 4:53Hier und da gibt es eben auch Initiativen, da experimentieren auch viele Unternehmen damit.
- 4:58Ich weiß nicht immer, ob das dann wirklich gut investiertes Geld ist, denn jetzt kommt sozusagen
- 5:03meine grundsätzliche Kritik an der Rangehensweise.
- 5:07Ich meine, Neugier ist das eine und glaube das ist erst mal völlig in Ordnung,
- 5:10wenn man da mal so ein paar Sachen einfach für sich so ein bisschen versucht und einfach mal so
- 5:15auch vielleicht eine Hemmschwelle überwindet und merkt, das ist ja wirklich ganz gut,
- 5:20das kann echt ein Mehrwert liefern.
- 5:22Da ist schon groß Geld reinzustecken, ohne am Ende mit einem klaren Ziel damit oder dabei unterwegs zu sein,
- 5:27halte ich für riskant.
- 5:29Da kann auch ganz schnell zwar irgendwas dabei rauskommen,
- 5:32ist die Frage, ob das am Ende im Sinne der Wertschöpfung des Unternehmens irgendeine Verbesserung mit sich bringt.
- 5:38Und dann komme ich nämlich schon wie gesagt zu meiner Kritik auch mit ein bisschen Vorwort dazu.
- 5:45Man sagt ja mal, Daten sind das neue Öl.
- 5:48Und ich sage jetzt mal damit, am Ende so eine künstliche Intelligenz,
- 5:51wie so ein gut geschmiertes Getriebe läuft,
- 5:54muss sie irgendwie auch auf eine große Datenmenge zugreifen können, die Daten auswerten können,
- 6:05damit ich sage nochmal, damit am Ende eben auch,
- 6:09vielleicht dann eben auch durch sowieso von Menschen definierten Auswertungsmodellen
- 6:14dann auch irgendwas Sinnvolles dabei rumkommt.
- 6:16Also der Mensch macht natürlich da trotzdem noch ein bisschen was mit,
- 6:19entwickelt Regelwerke, nach denen dann eben auch bestimmte Sachen dann ausgewertet werden,
- 6:24Beziehungen dann hergestellt werden zwischen bestimmten Daten, Elementen etc.
- 6:29Aber dann komme ich noch drauf.
- 6:30Aber wie gesagt, es geht erst mal um die Daten als solches.
- 6:33Und deswegen heißt es ja irgendwie so, Daten sind das neue Öl.
- 6:37Ich habe immer das Gefühl, viele suchen danach und bohren an allen möglichen Stellen Löcher
- 6:42und hoffen dann darauf, dass man dann eben auch irgendetwas findet,
- 6:47was ich ja vielleicht sogar direkt als Produkt verkaufen lässt,
- 6:50Data as a Product ist auch ein ganz heißes Thema.
- 6:53Also wenn man sich überlegt, wir sind mittlerweile umgeben von Daten.
- 6:58Es gibt ein paar ganz interessante Analysen, die sind nicht mehr so aktuell,
- 7:01aber heute geht man immer noch mal davon aus, dass ungefähr 2 Megabyte an Daten pro Sekunde
- 7:12durch jede Person auf diesem Planeten aktuell, wie soll man sagen, entstehen.
- 7:21Da kann man sich ja mal selber so ein bisschen kontrollieren, also wie viele Fotos wurden gemacht.
- 7:26Alleine eben, und das ist jetzt schon 2, 3 Jahre her, waren es damals 95 Millionen Fotos und Videos,
- 7:34die jeden Tag auf Instagram geteilt wurden.
- 7:37Wir haben in einem Tag ungefähr 306 Milliarden E-Mails, die verschickt werden.
- 7:47Damals war noch Twitter, glaube ich, noch ganz heiß, da waren es noch 500 Millionen Tweets.
- 7:52Wir reden ungefähr von Daten, die sind jetzt so 2, 3 Jahre alt.
- 7:56Auf Google selber gab es jeden Tag 3,5 Milliarden Suchanfragen.
- 8:04Man kann sich jetzt eben schon alleine an diesen Zahlen, so ein Bild verschaffen,
- 8:10von welchen Datenmengen wir sprechen.
- 8:13Jetzt kommen wir aber auch schon zu dem eigentlichen Problem, was ich da sehe.
- 8:16Also Daten sind nicht alle gleich gut oder alle gleich wichtig.
- 8:20Kann sich jeder mal selber kontrollieren, wie viele E-Mails haben wir auf,
- 8:23die völlig belanglose Inhalte haben.
- 8:26Es gibt ja mittlerweile Fotofunktionen, so diese Live-View bei Apple,
- 8:30wo man eben nicht nur einfach ein Foto macht, sondern faktisch so ein kleines Video aufzeichnet,
- 8:34aus dem man sich dann irgendwo ein Foto raus greift.
- 8:37Kein Mensch, glaube ich, jetzt einfach mal löscht dann diese Live-View-Variante
- 8:44und behält dann nur dieses eine Foto, was man daraus selektiert, diesen einen Frame.
- 8:49Und damit behalten wir eben auch Informationen, die wahrscheinlich in ganz vielen Fällen
- 8:55völlig rettundanz sind, vielleicht auch überhaupt nicht wichtig oder eben auch nicht besonders werthaltig,
- 9:02weil davon gibt es jetzt irgendwie gefühlt die eine millionste Kopie.
- 9:06Trotzdem heben wir es auf.
- 9:09Und ich will damit bloß ausdrücken, der Umstand, dass Daten da sind,
- 9:14ist erstmal für sich genommen gut, weil wie gesagt auch solche Themen wie künstliche Intelligenz
- 9:18setzen darauf auf, dass man eben größere Datenmengen hat, um dann in diesen Daten,
- 9:23und darum geht es ja dann meistens auch um so was wie Muster zu erkennen,
- 9:26und dann eben anhand von diesen Mustern auch letztendlich zu Lösungen,
- 9:32zu gelangen auf Basis von Abfragen dann gegen diese künstliche Intelligenz.
- 9:37Ich will gar nicht so tief dazu einsteigen, da bin ich auch kein Experte zu,
- 9:41aber ich glaube, wir müssen uns erstmal grundsätzlich eben um das Thema Datengedanken machen,
- 9:46bevor wir dann schon an künstliche Intelligenz denken.
- 9:48Und da komme ich zu meinem ersten Punkt.
- 9:51Wenn ich also heute anfange, mich mit künstlicher Intelligenz als Unternehmen auszusetzen,
- 9:55ohne mir vorher Gedanken darüber gemacht zu haben,
- 9:58auf welche Daten will ich eigentlich schauen, wie gut sind meine Daten,
- 10:03dann wird es, glaube ich, kritisch.
- 10:07Also ich glaube, heute gibt es Unternehmen, und das sind vielleicht sogar dann die besonders erfolgreichen,
- 10:12die eben ihre Unternehmensentscheidungen oder zumindest wichtige Entscheidungen,
- 10:17auch auf der Grundlage von solchen Datenbasierten Erkenntnissen treffen.
- 10:22Aber eben die können immer nur so gut sein, wie die Daten selbst.
- 10:26Sind die Daten veraltet, unvollständig, meinetwegen auch sind es die falschen.
- 10:31Also man kann ja auch zwischen allen möglichen Dingen irgendwelche Beziehungen,
- 10:36als Glauben zu erkennen, und dabei sind es gar nicht wirklich echte Beziehungen.
- 10:40Das ist auch das Problem bei vielen Ansätzen im Bereich Artificial Intelligence,
- 10:45da wird viel über Korelation gearbeitet.
- 10:47Ich glaube, uns Menschen ist dann immer noch eigen, und wir sind noch nicht bei Maschinenintelligenz,
- 10:51dass wir wirklich in der Lage sind, dann auch Kausalitäten zu erkennen,
- 10:55also wirklich echte Wirkzusammenhänge.
- 10:59Aber lange Rede kurze Sinne, also wenn ich natürlich keine guten Daten habe,
- 11:04und auf Basis von diesen Daten dann auch versuche, bestimmte Prozesse zu optimieren,
- 11:10oder dann eben durch den Einsatz künstlicher Intelligenz noch weitere Erkenntnisse zu gewinnen,
- 11:14dann kann mich das auch sehr schnell in die Eure führen.
- 11:17Also Datenqualität ist absolut essentiell.
- 11:21Also es ist wirklich ohne Datenqualität, es ist einfach das Risiko da,
- 11:26dass die Entscheidungen, die dann getroffen werden auf der Basis dieser Daten,
- 11:29dann eben nicht wirklich auf belastbaren oder fundierten Fakten beruhen,
- 11:33und am Ende eben nicht die Wahrheit repräsentieren, oder das, was für das Unternehmen gut ist.
- 11:40Und dann wäre ich wieder zurück bei der vielleicht für viele Unternehmen heute noch sehr üblichen Herangehensweise,
- 11:47dann ist es eben eher das Bauchgefühl oder der Instinkt, der dann für eine Entscheidung am Ende die Grundlage bildet,
- 11:53und eben beispielsweise eben nicht Daten.
- 11:56Gut, aber um jetzt wirklich Daten effizient und intelligent nutzen zu können,
- 12:01also um überhaupt erstmal nochmal zu überlegen, welche sollen es denn sein,
- 12:04und wie wollen wir die erfassen, braucht es eben eine entsprechende Datenstrategie.
- 12:10Das ist glaube ich wirklich ganz entscheidend, und wenn es um Datenstrategie geht,
- 12:16dann ist das eben ein bereisübergreifendes Konzept.
- 12:20Da geht es um strategische, organisatorische und technologische Fähigkeiten,
- 12:24und wenn man Technologie sprechen, da kommt dann künstliche Intelligenz auch zum Tragen.
- 12:30Aber wenn ich eben keine Datenstrategie habe und damit verbunden übrigens,
- 12:34kann man schon mal direkt sagen, auch so was wie eine Data Governance, dann ist Datenchaos vorprogrammiert.
- 12:41Also dann schauen wir doch mal auf das Thema Data Strategy oder Datenstrategie.
- 12:48Also Nummer eins wäre erstmal immer zu klären, bevor man wirklich sagt, wir wollen jetzt mit Daten irgendwas machen,
- 12:54die Frage, was ist eigentlich der Bedarf des Unternehmens?
- 12:58Also an welchen Stellen will man jetzt eben auch mit der vielleicht Gewinnung erstmal von Daten
- 13:03oder eben mit der Auswertung bereits vorhandener Daten, dann einen konkreten Themenbereich analysieren
- 13:12oder da weitere Erkenntnisse gewinnen? Also was sind denn konkrete Anforderungen des Unternehmens?
- 13:17Geht es darum, Produkte besser zu machen?
- 13:20Also interessanter für Kunden, sie digitaler, so wie in einem letzten Podcastfolge dargelegt,
- 13:27geht es darum, die Kunden besser zu verstehen, die internen Abläufe zu optimieren,
- 13:34bessere Lieferketten zu etablieren, also so Supply Chain Fragen zu klären,
- 13:39eine bessere Lagehaltung umzusetzen, da könnte man jetzt sagen, hey, alles super Ideen,
- 13:45lass uns das alles auf einmal machen.
- 13:47Ja, aber würde ich auch ein bisschen einbremsen.
- 13:49Also man kann sicherlich viele Dinge miteinander kombinieren,
- 13:52aber ich glaube, man sollte sich dann erstmal wirklich ein paar Themen vornehmen,
- 13:57um erste Schritte zu machen und dann eben auch Erfahrungen damit zu sammeln.
- 14:01Also gleich versuchen, die ganze Welt in die andere Richtung zu drehen,
- 14:06könnte eben auch wiederum damit verbunden sein, dass man erstmal viel Geld in die Hand nehmen muss
- 14:11und dann irgendwann frustriert ist, weil doch nicht so schnell der Erfolg eintritt.
- 14:14Also ich hätte fast gesagt, klassisches Prinzip Crawl, Walk, Run,
- 14:19und dann irgendwann vielleicht sogar Fly. Also man kann nicht sofort auch mit 100%
- 14:24dieser Geschwindigkeit da unterwegs sein, aber Entscheidende ist glaube ich nochmal,
- 14:28erstmal verstehen, was braucht das Business, weil auch wenn wir über das Thema Data,
- 14:32Strategy und Artificial Intelligence sprechen, geht es immer noch darum,
- 14:37in dem Kontext von Digital Strategy und IT Strategy das Unternehmen erfolgreicher zu machen,
- 14:42die Wertschöpfung zu verbessern.
- 14:44Und das ist natürlich auch im Sinne der Bottom Line dann irgendwie nach Optimierungsmöglichkeiten zu suchen,
- 14:49Prozesse schlanker, schneller und so weiter zu machen.
- 14:52Also das muss man zu allererst feststellen.
- 14:55Dann wäre natürlich nochmal gut zu verstehen, wohl entstehenden diese Daten gerade,
- 15:00in welchem Kontext entstehen sie, damit ich eben auch sagen wir mal einordnen kann,
- 15:05was die Daten wirklich aussagen.
- 15:08Entstehen sie eben im Fertigungsprozess, also was weiß ich in so einem klassischen
- 15:15Production Line Management Ansatz, entstehen sie in so einem Warehouse Management Ansatz,
- 15:19wo entstehen diese Daten? Entstehen sie über die Webseite, wo letztendlich eben auch das
- 15:25Klickverhalten eines Users dann dort analysiert wird, nochmal, wo entstehen diese Daten?
- 15:32Ich kann mir auch heute Daten kaufen, es gibt also Data as a Product, ich kann mir natürlich Daten kaufen,
- 15:37auch so Daten wie zum Beispiel Börsenkurse und was weiß ich nicht, auch das sind natürlich Dinge,
- 15:43wo man sich überlegen könnte, das könnte eben auch einen konkreten Bedarf meines Unternehmens abbilden,
- 15:49dann kaufe ich die ein, ich muss also nicht immer gleich auch darüber nachdenken, die Daten selber zu gewinnen,
- 15:55ich kann mir sie auch irgendwo her besorgen.
- 15:58Aber trotzdem diese Datenlandschaft, die Data Landscape ist glaube ich auch ganz wichtig,
- 16:02nochmal zu verstehen, eben wo kommen die her, wer hat die aufgenommen,
- 16:06wie aktuell sind die, wie häufig werden die aktualisiert, nochmal, in welchem Kontext stehen sie?
- 16:13Was davon ist im Wesentlichen dann eben auch, sagen wir mal, so ein klassisches Master Data Element,
- 16:20also so Dinge, die wirklich so so grundlegende Bausteine beinhalten, was ist eher ein Referenz Data Element,
- 16:26also was dann eben Bezüge herstellt zwischen diesen Daten Elementen, also auch solche Aspekte,
- 16:32die muss ich mir dann eben erstmal grundsätzlich überlegen.
- 16:35Und dann kann ich mir natürlich darüber Gedanken machen, mit welchen News Cases ich jetzt dann auch ganz konkret
- 16:43mich jetzt mit dem Thema Datengewinnung auseinandersetze, Datenanalyse und dann hin bis zur, ich sage das mal,
- 16:52ja, Auswertung dem Ableiten von eigentlichen Erkenntnissen.
- 16:56So, da geht es also um das Definitivieren von News Cases, also wirklich so Anwendungsfällen
- 17:00und daraus leiden sich dann so Projekte ab, wo wir sagen, da wollen wir jetzt ganz konkret eben auch mit diesem Ansatz,
- 17:06wie gesagt auch gegebenenfalls mit dem Einsatz von künstlicher Intelligenz, dieses Problem lösen, das ist der Use Case.
- 17:14Dann werde ich natürlich mir Gedanken darüber machen müssen, mit welcher technologischen Plattform ich das dann ganz konkret machen möchte,
- 17:22also nachdem ich mir dann eben überlegt habe, ja, was brauche ich als Unternehmen,
- 17:28welche Daten könnten dafür eben in Frage kommen, wäre die nächste Frage dann eben über welche Technologien kann ich entweder die Daten gewinnen,
- 17:37sammeln, auswerten, also wirklich diese technologische Plattform, mit welchen analytischen Services oder mit welchen Daten-Sammelservices
- 17:46kann ich das am Ende umsetzen.
- 17:48Und dann kann ich die Dinge natürlich zusammenbringen, das ist meistens da der Punkt, wo dann Unternehmen in so Themenbereiche einsteigen,
- 17:54auch so was wie Data Lake, das ist ja so ein klassisches Konzept rund um wirklich so Datensammlungen, aber ohne die zu analysieren,
- 18:05also es ist eher so rohe Daten, die dann da liegen und auf dem, und das kennt man dann vielleicht eher aus der Vergangenheit noch,
- 18:11ist es so ein bisschen eingestaubt, ist so das Thema Data Warehouse, also das sind dann eher schon wirklich aufbereitete Daten,
- 18:18aber das muss ich mir dann überlegen, das ist so ein bisschen dieses Thema Data Platform.
- 18:23Ja und dann muss ich mir natürlich als nächstes überlegen, wenn ich die Daten jetzt zusammengetragen habe,
- 18:28wer soll die denn eigentlich dann zukünftig verwalten?
- 18:34Also wer ist dann eigentlich dafür verantwortlich, sich dann auch zukünftig eben um die nochmal Technologie zu kümmern,
- 18:43die für die Datenaufnahme, Aufbewahrung, Analyse, Berichtserstellungen und so weiter genutzt wird?
- 18:52Wer ist für die Daten selber verantwortlich? Das ist zu klären.
- 18:56Da kommen wir dann noch zum Thema Data Governance, da steige ich gleich noch ein bisschen tiefer ein, aber das ist ganz, ganz wichtig,
- 19:02also dieses Operating Model, was es dann braucht, damit eben auch die Data Strategy zum Leben erweckt werden kann.
- 19:10Und ja und als nächstes wäre natürlich ganz wichtig, dass dann, wenn man sich das alles überlegt hat,
- 19:15wir reden immer noch von Ansätzen, Zieldefinitionen, wir reden über eine Strategy,
- 19:21da ist noch nichts implementiert, sondern man überlegt sich das ja alles erstmal, dann wäre dann natürlich zu all diesen Aspekten,
- 19:26wenn man also weiß, ich weiß jetzt, was das Unternehmen braucht, ich weiß also, wie meine Datenlandschaft aussieht,
- 19:32oder ich definiere sie ja auch, also welche Daten eben für mich wirklich maßgeblich sein werden und wo ich sie voraussichtlich gewinnen kann.
- 19:38Ich überlege mir schon mal grundsätzlich, mit welchen Technologien ich das am Ende alles umsetzen möchte
- 19:44und ich überlege mir eben eine Governance, ich überlege mir auch so was wie Prozesse dahinter.
- 19:50Dann muss ich mir natürlich jetzt eben das Commitment einholen von all den entsprechenden Stakeholder in der Organisation,
- 19:57vom Management etc., damit es dann losgehen kann und dann gehe ich in die Umsetzung.
- 20:02Und dann kann ich natürlich jetzt wirklich eben ganz konkret mit den Themen beginnen,
- 20:08wie schaffe ich erstmal die organisatorische Voraussetzung, damit es auch wirklich von Anfang an eingibt,
- 20:12der sich für bestimmte Dinge verantwortlich fühlt und das bringt mich dann eben zu dem Punkt Data Governance.
- 20:18Also, wenn wir jetzt mal erstmal über Data Governance sprechen, dann Governance als solches ist natürlich,
- 20:26da geht es immer irgendwie um Unternehmensführung, aber bezogen auf einen konkreten Themenbereich geht es eben immer ganz konkret um Rollen und Verantwortlichkeiten.
- 20:34Und das ist das, was ich meistens dann irgendwie so ein bisschen vermisse.
- 20:37Da rennen wirklich ganz viele Unternehmen schon los und fangen dann an Daten zu sammeln, dann sind die Daten da
- 20:43und dann hat man irgendwelche Dokumente erzeugt, das ist alles im Rahmen eines Projektes umgesetzt worden,
- 20:49dann wird das nicht vernünftig in die Linie übergeben, wie es immer so schön heißt.
- 20:53Und dann guckst du drei Jahre später da drauf und dann sagt sie,
- 20:56und ihr nutzt das immer noch für irgendwelche Vorkassen, also Vorhersagen,
- 20:59und sie sagen, ja, ja, läuft doch, dann guckst du drauf und stellst fest, seit drei Jahren keine Aktualisierung erfolgt.
- 21:04Die ganzen Modelle, die da liegen sind mittlerweile veraltet, die Daten sind natürlich schon überholt,
- 21:10mittlerweile hat sich die Welt mehrfach um sich selbst gedreht.
- 21:14Und das ist das Thema Data Governance, also wirklich Rollen und Verantwortlichkeiten von Anfang an zu definieren.
- 21:20Also wenn man so will für jeden Daten, Feed für jedes Datenelement fast würde ich schon sagen,
- 21:24nochmal zu sagen, wer ist der Ohne im Unternehmen?
- 21:27Das muss jetzt nicht unbedingt wirklich derjenige sein, der an dem System sitzt, wo die Daten entstehen,
- 21:31aber jemand, der zum Beispiel eben die Verantwortlichkeit in einem Prozess hat, in dem diese Daten relevant sind.
- 21:38Also es könnte eben sozusagen der Prozess Ohne sein, der teilweise ja auch der System Ohne ist für die Systeme, die im Prozess eingesetzt werden,
- 21:45und dann kann das auch der Data Ohne sein.
- 21:48Aber wie gesagt, man kann auch Daten kaufen, dann ist der Data Ohne natürlich nicht der, der am Ende an der Quelle sitzt,
- 21:54sondern maximal an dem Übergabepunkt, wo derjenige, der die Quelle dort abgesaugt hat, das schön in Flaschen abgefüllt und dann zum Verkauf angeboten hat,
- 22:02einem das dann eben schön im 12er Pack oder was auch immer dann übergibt, um das jetzt mal einfach so ein Bild runter zu brechen,
- 22:09dann kann das natürlich auch jemand sein, der eher diese Schnittstelle zu einem Datendlieferanten bedient, der dann aber aus Sicht des Unternehmens der Data Ohne ist.
- 22:17Einer soll es sein, es braucht einen ganz klaren Data Ohne.
- 22:21Also das Thema Accountability, auch Accountability im Sinne von Datenqualität,
- 22:29und Qualität, das kann man an verschiedenen Parametern festmachen, ich hatte sie ja vorher schon mal kurz angerissen,
- 22:34sie sollten aktuell sein, die Frage ist wie aktuell, also muss es immer wirklich auch dann im Millisekunden Takt das Update sein,
- 22:41was dort weitere Daten erzeugt, also das ist ja immer so wie ein Snapshot, neue Daten, neue Daten, neue Daten, was mache ich denn mit den ganzen Alten?
- 22:48Ab wann werfe ich die weg?
- 22:50Also wie gesagt, ich mache auch gerade so ein Thema rund um Nachhaltigkeit, ich glaube einfach, wir müllen unsere Festplatten mit Daten zu,
- 22:58da habe ich ja gerade schon was dazu gesagt, die überhaupt keinen Mehrwert mehr haben, oder überhaupt keinen Wert mehr haben,
- 23:03lange Rede kurzer Sinn, wie lange will ich sie aufheben, aber nochmal, Punkt, wie aktuell sind die Daten,
- 23:08und wie lange muss ich historische Daten aufheben, um noch zu richtigen Rückschlüssen zu kommen?
- 23:13Vollständigkeit von Daten bringt ja nichts, was weiß ich, wenn irgendein, sagen wir mal Messstrecke im Produktionsprozess so aufgesetzt ist,
- 23:23dass jeder Sensor nur bei jedem dritten Durchlauf irgendwas liefert, und das jetzt gar nicht so klar ist, dass es immer derjenige Sensor ist,
- 23:31sondern was weiß ich, mal liefert und mal liefert er nicht, das wäre irgendwie dumm, weil dann würde man ja das, wenn man so will,
- 23:37vielleicht dann auch als Muster irgendwo in einer Regelauswertung überführen, dann kommt man zu völlig falschen Rückschlüssen,
- 23:43was die Durchlaufzeit von bestimmten Produktionsschritten betrifft.
- 23:50Also, unvollständig ist auch natürlich ein Problem, also Qualität heißt aktuell, aktuelles zu definieren und vollständig.
- 23:58Aber auch vollständig ist immer so eine Frage, wenn ich eben versuche, bestimmte Dinge vorherzusagen,
- 24:05muss ich wirklich an jeder Stelle eines, ich mache das jetzt mal ein Beispiel, Produktion, an jeder Stelle eines Gehäuses,
- 24:12die Einhaltung bestimmter Vorgaben prüfen, die dann eben aus dem ursprünglichen Produkte sein kommen, oder prüfe ich nur da Abweichungen
- 24:22von Produktionsparametern, wo eben, was weiß ich, das Produkt, nehmen wir mal irgendwie wirklich was aus dem Hightech-Dereich,
- 24:29wo dann bestimmter Schluss einfach hergestellt werden muss, wo die Flächen von zwei Bautelementen wirklich komplett bündig aneinander,
- 24:41liegen müssen, ohne dass da irgendwie was an Flüssigkeit, Feuchtigkeit eintringen kann, etc.
- 24:48Ich nehme das mal bloß das Beispiel. Ich messe doch nicht das gesamte Bauteil, sondern nur an diesem Stellen.
- 24:53Also insofern nochmal auch Vollständigkeit ist zu definieren.
- 24:56Nächstes Beispiel sind die falschen Daten. Also falsch, ja das könnte ja mal sein,
- 25:02also ich möchte gerne das Käuferverhalten in Deutschland analysieren, habe aber irgendwo meine Website betrieben,
- 25:10über ein Webserver, der dann aber eben nicht in Deutschland steht und die meisten Anwender aufgrund der fehlenden Mehrsprachigkeit
- 25:18kommen sowieso nicht aus Deutschland und dann nutze ich diese Daten und denke, ja die Deutschen klicken immer nach links, statt nach rechts.
- 25:24Also das ist jetzt das Thema falsche Daten. Das sind so Themen, die mit Qualität verbunden sind.
- 25:31Da braucht es eben ganz klar jemand, der sich dafür verantwortlich fühlt, Accountability.
- 25:36Natürlich werden auch zu klären, in welchen Prozessen oder mit welchen Vorgaben dann diese Verantwortung umzusetzen ist.
- 25:47Also nochmal im Sinne von wie häufig werden dann eben bestimmte Daten aufgenommen, wie erfolgt auch die Kontrolle dieser Qualitätsparameter.
- 25:55Das ist so das Thema Business Terms, also die Regeln, die dann eben bestimmen, wie diese Daten verantwortlichen dann auch zusammenarbeiten.
- 26:04Das ist ja nicht so, dass dann irgendwie alle sich um alles kümmern, sondern der eine verantwortet den Prozess, der Data Owner, der da und ein anderer verantwortet was ganz anderes.
- 26:13Aber die müssen ja irgendwie auch zusammenkommen. Das ist das Thema Business Terms.
- 26:16Und aus dem leiten sich dann auch wieder so Business Rules ab, also Regeln, wie dann auch Daten eben ausgetauscht werden, wie dann Daten in Bezüge gebracht werden,
- 26:25wo man dann eben auch nochmal im Unternehmen selber definiert, was ist eben so was wie Master Data, so Master Data Management, Reference Data Management.
- 26:33Das wäre dann durch diese Data Owner zu entscheiden. Und dann kann ich auch sowas definieren wie eine Datenqualitätsscorecard,
- 26:40mit der ich dann also irgendwie auch nachhalte, dass die ganzen Dinge gut funktionieren, dass die Prozesse funktioniert haben, dass die Daten eben auch vorliegen,
- 26:48dass sie vernünftig auch und gesichert vor allem, dann eben, das habe ich noch gar nicht so jetzt herausgestellt, irgendwo ja auch abgelegt werden und auch archiviert werden,
- 26:56so dass sie für weitere Analysen und zukünftige Analysen auch angezogen werden können.
- 27:00Und natürlich dann die kontinuierliche Qualitätskontrolle, das Monitoring ist natürlich ganz wichtig.
- 27:07Und hintenraus kann man sich nur überlegen, ob man sich diesen gesamten Prozess dann auch durch andere nochmal überprüfen lässt und gegebenenfalls sogar zertifizieren lässt.
- 27:15So das ist so mal so grundsätzlich Data Governance.
- 27:18Und da glaube ich einfach noch, das sollte der erste Schritt sein, bevor man dann wirklich in so einen Ansatz geht, sich zu einem datengetriebenen Unternehmen hin entwickeln möchte.
- 27:29Also Data Governance ist für mich so ganz, ganz essentiell.
- 27:33Und dann kann ich mir überlegen, dann auf Basis der Data Governance auch wirklich Datenmanagement Prozesse einzuführen und dann damit verbunden eben auch zu überlegen,
- 27:41mit welchen Technologien will ich dann zukünftig diese Prozesse möglichst effizient zu machen.
- 27:46Ja und wie gesagt, am Ende, aber um das jetzt auch nochmal so ein bisschen ins Unternehmen hinein zu motivieren, dass man diesen Veränderungsprozess dann angeht,
- 27:54also nochmal Data Strategy, Data Governance und dann braucht es nach meinem Dafürhalten noch so dieses Data First Mindset.
- 28:01Also wirklich auch, dass das Schaffen von Verständnis in der Organisation, dass Daten wirklich wichtig sind.
- 28:08Unter anderem, um auch zu vermeiden, dass man eben alles aufhebt, egal was.
- 28:13Also das, wie gesagt, nochmal so dieser Appell schmeißt doch bitte mal so ein paar alte E-Mails weg, wo man sich irgendwie zum Mittagessen verabredet hat.
- 28:20Also das ist für mich etwas, das ist eher so, nennen wir es mal digitaler Müll, den kann man auch gerne von der Platte aus dem Postfach bereinigen.
- 28:30Aber Data First Mindset ist glaube ich nochmal so auch das Thema Sensibilisierung genau für solche Aspekte.
- 28:36Und damit kann ich natürlich, aber wenn ich das dann geschafft habe, wirklich ein paar interessante Themen angehen, beispielsweise Innovation.
- 28:46Also mit dem gesamten Setup, von dem ich gerade gesprochen habe, da kann ich jetzt hingehen und sagen, jetzt guck mal doch mal,
- 28:51also gibt es irgendwelche Dinge, die an unseren Produkten nicht gut sind, die Kunden nicht mögen.
- 28:56Da könnte ich mir jetzt eben zum Beispiel überlegen, was gibt es an Kunden Feedback, wie häufig gibt es eigentlich auch irgendwelche Tickets zu der Qualität der Produkte,
- 29:05wie häufig werden die Produkte zurückgeschickt aufgrund von, ich sage es mal, irgendwelchen Fehlern, Beschädigungen etc.
- 29:14Also wie viele Retouren gibt es und so weiter und so fort.
- 29:19Und dann könnte ich natürlich darüber zu diesen hoffentlich Rückschlüssen kommen, was man optimieren könnte.
- 29:27Also so der Produktmanager könnte eben hingehen und sagen, kommen technische Messwerte, Fehlerberichte, generelles Kunden Feedback, aha, okay, hier müsste man was besser machen.
- 29:36Das Produkt muss irgendwie langlebiger werden, es muss einfacher zu bedienen sein,
- 29:42es braucht vielleicht eine digitale Komponente, die einfach auch das Produkt interessanter macht.
- 29:47Ich kann ja auch in dem Zusammenhang Wettbewerbsbeobachtungen machen etc.
- 29:51So und genau mit dem Thema Datenmanagement, da könnte ich jetzt eben diese Daten aufnehmen, verarbeiten und dann eben in dem Prozess,
- 29:59nämlich ich mache jetzt mir als Produktmanager Gedanken, wie ich das Produkt zukünftig weiterentwickeln will,
- 30:03kann ich mir jetzt eben dann tatsächlich über so klassische Bild, Mesher und Learnzyklen dann neue innovative Lösungen überlegen.
- 30:11Und kommt dann hoffentlich wirklich auch zu einem besseren Produkt und damit bin ich dann erfolgreicher und dann habe ich was für die Wertschöpfung des Unternehmens getan.
- 30:20Oder anderes Beispiel, Customer Experience.
- 30:24Also ich meine jedes Unternehmen hätte gerne so ein akkurates Bild zu den Vorlieben und Kaufgewohnheiten der Kunden.
- 30:30Und natürlich ist das immer schwierig, ich habe gerade mal auch in meinem Unternehmen gefragt, wie machen wir denn das?
- 30:35Und natürlich gibt es heute Möglichkeiten mit Cookies und anderen Varianten, also wo ich das sozusagen hinter so eine Art Anmeldeprozidur stelle,
- 30:44was dann an möglichen besonderen Informationen Kunden dann bereitgestellt wird oder angeboten wird.
- 30:49Damit habe ich natürlich hoffentlich ein etwas klares Bild, welcher Kunde da gerade was macht.
- 30:54Aber natürlich ist das auch manchmal so ein bisschen so so Stochern im Nebel.
- 30:59Ich kann mal so grundsätzlich sagen, ich kann über IP-Adressen sicherlich ein paar Dinge auswerten, aber auf einer Webseite selber,
- 31:05wie gesagt, es ist nicht ganz so einfach, den einen Kunden zu identifizieren und dann wirklich zu sagen, oh, das ist jetzt die Biopersona.
- 31:11Nichtsdestotrotz, aber ich kann mir ja schon mal überlegen, wie leicht sind bestimmte Informationen zugänglich, wie leicht werde ich gefunden.
- 31:18Aber lange Rede kurze Sinn, ich könnte eben auch über solche Analysen mir dann schon zumindest ein gutes Bild verschaffen über Vorlieben und Kaufgewohnheiten.
- 31:27Welche Produkte gehen besonders gut, welche liegen besonders lange, auf welche Inhalte auf meiner Internetseite wird besonders gerne zugegriffen,
- 31:35welche Blogbeiträge werden gerne angehört, das wäre ja eher ein Podcast, aber welche werden gerne gelesen, auf was klicken die Kunden, was ist für sie interessant.
- 31:44Da könnte ich natürlich jetzt hingehen und sagen, hey, dann mache ich jetzt sowas wie eine kundenindividuelle Platzierung von Themen, von Werbung,
- 31:50erleichtere die Suche, macht den Einkauf bequemer.
- 31:54Und vielleicht komme ich ja auf solche Dinge und das gibt es ja heute eigentlich überall irgendwo, wo ich dann sagen kann, ich baue mir jetzt meinen eigenen Schrank,
- 32:02ich baue mir jetzt mein eigenes Auto ja nicht nah, aber ich kann zumindest sagen, in welcher Farbe, in welcher Breite, in welcher Höhe,
- 32:07das ist bei Schränken einfacher als bei Autos.
- 32:09Aber das ist so dieses Thema Codeesign, wo dann eben auch Co-Creation und so weiter, wo ich am Ende dem Kunden über sozusagen über diese Web-Schnittstelle die Möglichkeit gebe,
- 32:23in diesen Wertschöpfungsprozesse aktive Rolle zu übernehmen.
- 32:27Also das ist auch so ein Ding, Customer Experience.
- 32:29Und natürlich könnte ich mir jetzt noch zu guter Letzt überlegen, operative Exzellenz.
- 32:32Und das sind jetzt mal so diese 3 Use Cases, die ich gut finde.
- 32:35Und bei dem letzteren operative Exzellenz, dann muss ich natürlich noch ein bisschen erklären.
- 32:39Da könnte ich natürlich jetzt nochmal schauen, wo habe ich jetzt eigentlich am Ende eben auch in meinen internen Abläufen Defizite.
- 32:49Das kann ich auch rausfinden über so Process Mining, wo bleiben eben bestimmte Vorgänge liegen, wo geht es nicht weiter, wo fehlt die Freigabe, wo habe ich Medienbrüche und so weiter.
- 33:01Und mit dieser, ich glaube, noch recht selten wirklich tiefen analysierten Situation für viele Unternehmen, kann ich natürlich dann auch Prozessoptimierungspotenziale heben.
- 33:13Einfach meine Prozesse effizienter gestalten.
- 33:18Im Einzelfall vielleicht sogar effektiver.
- 33:20Also dass dann am Ende nicht nur die Dinge richtig gemacht werden, sondern die richtigen Dinge gemacht werden.
- 33:26Und natürlich gilt das im Übrigen auch für das Thema Datenmanagement.
- 33:30Also ich brauche auch eine gute Datenmanagement-Lösung, um eben auch das gesamte Thema Datenaufnahme, Datenspeicherung, Datenanalyse bis hin eben auch zur Archivierung.
- 33:43Auch meinetwegen entlang gesetzlich und regulatorische Vorgaben vernünftig umzusetzen.
- 33:48Auch das ist halt dieser operativen Exzellenz.
- 33:50Dann habe ich eigentlich alle Elemente dabei.
- 33:53Und dann kann ich auch mal an sowas denken wie künstliche Intelligenz.
- 33:56Ich kann das auch mal so probieren und vielleicht kommt was Sinnvolles dabei rum.
- 33:59Ich empfehle aber tatsächlich wirklich mit der Data Strategy anzufangen, die auf solche Dinge wie Data Governance und Data First, so im Sinne von internen Change Prozessen,
- 34:09und ich sage jetzt mal auch kulturell Wandel, dann hoffentlich dazu beiträgt, dass man eben wirklich dann sehr stark darauf fokussiert, was ein Unternehmen braucht.
- 34:16Also wo man mit solchen Ansätzen wirklich auch Mehrwerte schaffen kann.
- 34:22Und dann ist vielleicht dann eben auch JetGPT und zukünftig, was heißt ab 1. November dann auch Co-Pilot, für Unternehmen so interessant,
- 34:29dass die jeden Monat dafür 30 Euro, glaube ich, so viel wird es ungefähr kosten pro User extra bezahlen wollen, um dann eben auch künstliche Intelligenz für sich die Arbeit erleichtern zu lassen.
- 34:40Ja, so viel zum Thema Artificial Intelligence und Data Strategy, ich hoffe das hat gefallen.
- 34:46Und ja, bei der nächsten Podcastfolge steigen wir dann ein in das Thema Technology, Adoption und Integration.
- 34:55Und da freue ich mich schon drauf und bis dahin wünsche ich allen eine gute Zeit und freue mich dann natürlich, wenn alle wieder einschalten. Bis dahin.