Die heutige Datenflut. Fluch oder Segen?

DSGVO, chinesisches Social-Credit-System, Facebook-Skandale. Kaum eine Woche vergeht, in der das Thema Daten nicht in irgendeiner Form unsere Medien und Gemüter beschäftigt. Näher als jemals zuvor wähnen wir uns George Orwells gläsernem Bürger aus dem Roman ‘1984’. Gleichzeitig erleichtert die gigantische Datenflut, aufgearbeitet in Form von Künstlicher Intelligenz (KI), unseren Alltag, assistiert beim Autofahren und empfiehlt neue Serien auf Netflix.(1) In der Medizin unterstützt die sogenannte KI die Ärzte bei der Diagnose und Therapieplanung. Dadurch sollen Behandlungen nicht nur besser, sondern auch günstiger werden.(2) Im Experience Marketing lassen sich durch Datenanalysen Erlebnisse noch individueller auf Zielgruppen zuschneiden. So scheinen Daten zugleich Segen und Fluch unserer heutigen vernetzten Welt zu sein. Doch was überwiegt? Eine Frage die Marc Preusche, Gründer und Managing Director von Leroi Consulting, in diesem Interview beantwortet.

Was genau ist Data Science?

Zuallererst erklärt Marc Preusche, was der Begriff ‘Datenwissenschaft’ eigentlich bedeutet. Mit einer netten Analogie, dem Lego Spielen: “Wenn ich sehe, welche Legoteile ein Kind zusammensetzt, kann ich zum Beispiel vorhersagen, was das Kind baut. Oder ich kann im Nachhinein schlussfolgern, wie das finale Konstrukt optimiert werden kann.”

In bildhaften Worten beschreibt Marco Preusche den typischen Prozess eines Data-Science-Projektes:
1. Business-Case definieren
2. Daten sammeln und bereinigen
3. Algorithmen entwickeln und mit Daten füttern
4. Ergebnisse auswerten und Erkenntnisse präsentieren

Im Vergleich zum früheren, klassischen Statistiker, programmiert der Data Scientist selbst. Er verwendet dabei selbst lernende Algorithmen, im Fachjargon ‘Maschinelles Lernen’ genannt. Dabei überrascht, dass einige der besten Algorithmen aus den 70er und 80er Jahren stammen. Damals fehlte jedoch die Rechenleistung sowie der Zugang zu den Daten (3).

Daten, Daten, Daten

Mit der Digitalisierung hat sich das geändert. Heute produzieren wir alle “eine grosse Menge an Informationen, die von den vielen Sensoren in unserer Welt gespeist werden – aus unserem Online-Verhalten, Social-Media-Aktivitäten, Smartphones und zunehmend auch aus dem Bereich Internet of Things”, schreibt das Fachmagazin Horizont im Interview mit Data-Science-Dozentin Iris Lorscheid.(4) “Doch sobald es um Daten geht, werden Ängste geschürt und es kommt zu Missverständnissen”, meint Marc Preusche. “Wenn Politiker über das Thema Daten sprechen, dann gibt es nur eine Tonalität: Negativ, negativ, negativ. Ähnliches gilt für grosse Zeitungen. Diese versteifen sich auf Skandale über Google, Amazon oder Facebook. Positive Headlines finden wenig Platz.” Dabei eröffne die richtige Verwendung von Daten ganz neue Möglichkeiten.

Neue Möglichkeiten

Zum Beispiel in der Medizin. Dank der heute zur Verfügung stehenden Daten sowie den technischen Möglichkeiten durch selbstlernende Algorithmen lassen sich Verbesserungspotenziale erkennen und Vorhersagen treffen. Marc Preusche erläutert: “Bei der Analyse von Röntgenbildern oder Computertomographien liefert Data Science heute sehr gute Ergebnisse.” Ohne die Ärzte überflüssig zu machen, nimmt die künstliche Intelligenz die Rolle eines Assistenten ein, der nicht nur über ein Gedächtnis, sondern unendlich viele verfügt.

Für Marc Preusche ist klar: “Mit der richtigen Verwendung von Daten kann so viel erreicht werden. Und nicht nur im Marketing oder Sales, sondern fast überall. Produktivität und Lebensqualität können verbessert werden. Wohin dich dein Weg auch führt, Daten helfen dir dabei, dass du weiter kommst.”

Haben die Worte von Marc Preusche Sie inspiriert? Dann empfehlen wir Ihnen die Episode “Experience Marketing und Erfolgsmessung” unserer Serie Expert Talks. Zu Gast sind: Marc Preusche, Marco Eberhard (CEO Promotion Tools AG) und Harry Hofstetter (Trend and Innovation Strategy Consultant MCH Global).

Maschinelles Lernen gilt als Unterkategorie der Künstlichen Intelligenz. Dabei handelt es sich um Algorithmen, die auf der Basis eines Trainingsdatensets lernen, Verhaltensmuster und Gesetzmässigkeiten zu identifizieren. Werden die Algorithmen mit realen Daten gefüttert, dann treffen sie mithilfe der vorher “erlernten” Regeln Vorhersagen.

References

1. “Künstliche Intelligenz – Ist der Deep-Learning-Boom bald am Ende?” (Link)

2. “Dr. Algorithmus” (Link)

3. “Myth-busting: was macht ein Data Scientist den ganzen Tag?” (Link)

3. “Was sind “dunkle Daten” und welche Gefahren bergen sie?” (Link)