So sieht die Zukunft von Daten aus!

Karriere TipsArbeitsleben

Bereiten Sie sich schon jetzt auf diese Trends vor, um zukünftige Produktentscheidungen besser treffen zu können.

Anfang September trafen sich Forscher, Datenverantwortliche, Gründer und Praktiker auf der Future Data-Konferenz, um zu diskutieren, was in der Welt der Daten als Nächstes ansteht - von neu entstehenden Architekturen bis hin zu Spitzenforschung im Bereich Visualisierung und groß angelegte Datensysteme.

Die Konferenz selbst markiert eine kritische Zeit für Daten, Analytik und Entscheidungsfindung. Einerseits scheint die Möglichkeit, riesige Datenmengen zu erfassen und für jedermann zugänglich zu machen, unbegrenzt zu sein. Andererseits gibt es trotz der vielen Daten, die uns zur Verfügung stehen, immer noch einen Mangel an datengestützter Entscheidungsfindung in Unternehmen.

Es ist das moderne Äquivalent von "Eine Geschichte aus zwei Städten": "Es waren die besten Zeiten, es waren die schlechtesten Zeiten, es war das Zeitalter der Weisheit, es war das Zeitalter der Dummheit."

Trotz dieser massiven Beschleunigung der Datenverfügbarkeit fehlt es vielen Unternehmen an Werkzeugen und Kapazitäten, um diese zu nutzen, und sie tun sich schwer, auch nur einen Bruchteil ihrer Informationen für ihre täglichen Entscheidungen zu verwenden. Auf der Konferenz wurde immer wieder beklagt, dass es schwierig sei, aus den Daten schnelle und nützliche Antworten zu erhalten. Wie Ben Horowitz am zweiten Tag treffend zusammenfasste: "Wenn es einen Monat dauert, bis man eine Antwort erhält, wird man nie eine datengesteuerte Kultur schaffen".

Aber man sollte die Frustration nicht mit Vergeblichkeit verwechseln. Indem sie jetzt klare Schritte unternehmen, können Teams das Tempo der Entscheidungsfindung beschleunigen, Veränderungen selbstbewusster angehen und damit beginnen, ihre First-Party-Daten als Grundlage für künftige Produktentscheidungen zu nutzen.

SKALIERUNG VON CLOUD-NATIVEN DATENSYSTEMEN

Der erste Schritt ist der Wechsel zu einer Cloud-nativen Datenarchitektur. Die Unternehmen bewegen sich weg von den Investitionen des letzten Jahrzehnts in Data Lakes hin zu strukturierteren, cloudbasierten Data Warehouses. Während die anfängliche Rechtfertigung für diese Migration oft die Kosten und die Größe des Speichers sind, stellen die Unternehmen letztendlich fest, dass der wahre Return on Investment (ROI) in einem Cloud-nativen Stack darin besteht, den Zugriff auf Daten zu beschleunigen, um tägliche Entscheidungen zu treffen.

Für aufstrebende Unternehmen ist dies eine große Chance, sich einen nachhaltigen Wettbewerbsvorteil gegenüber etablierten Unternehmen zu verschaffen. Datenpipelines machen die Echtzeitbereitstellung von Aktualisierungen für das Warehouse einfacher denn je. Analyse- und Umwandlungstools können Daten im Handumdrehen neu formatieren, und es entstehen Plattformen zur Datenbeobachtung und Qualitätsüberwachung, die die Zuverlässigkeit von fragilen SaaS- und Webdaten verbessern.

Indem Daten schneller an die Stellen gelangen, an denen Entscheidungen getroffen werden, können kleine Unternehmen schneller und sicherer handeln. Die gute Nachricht ist, dass die meisten Teams bereits die Art von Daten erfassen, die für diese Entscheidungen erforderlich sind, und die Vorträge auf der Future Data haben einen Entwurf für den Aufbau einer flexiblen Datengrundlage skizziert:

• Beginnen Sie so bald wie möglich damit, Ihre SaaS- und Kundendaten in ein einziges, cloudbasiertes Data Warehouse wie Snowflake, Redshift, BigQuery oder Synapse zu leiten.
• Erstellen Sie analytikfreundliche Ansichten direkt im Warehouse. Dies kann bedeuten, dass Sie mit einigen alten Business-Intelligence-Gewohnheiten brechen müssen, aber eine granulare Ansicht von Kunden, Transaktionen und Benutzersitzungen ist der Schlüssel zu besseren Analysen.
• Gehen Sie über das Dashboard hinaus und versetzen Sie Ihr Team in die Lage, mit Tools, die den Analyseprozess innerhalb des Warehouse automatisieren, tiefer gehende Fragen nach dem "Warum" von sich ändernden Metriken zu stellen.

AUTOMATISIERUNG UND BESCHLEUNIGUNG DER DATENANALYSE UND GEWINNUNG VON ERKENNTNISSEN

Die Kehrseite der vielen Daten, die wir sammeln, ist, dass wir zwar mehr Informationen über unsere Unternehmen haben als je zuvor, es aber immer schwieriger wird, diese Informationen zu nutzen.

Das ist sicherlich kein neues Problem. Wie Herbert Simon 1971 in seinem Aufsatz "Designing Organizations for an Information-Rich World" (Gestaltung von Organisationen für eine informationsreiche Welt) feststellte, "schafft eine Fülle von Informationen eine Armut an Aufmerksamkeit". Fast 50 Jahre später konzentrieren sich Forscher und innovative Gründer darauf, unsere Fähigkeit zu verbessern, mit diesen komplexen Daten sowohl effizient als auch effektiv zu arbeiten.

Wenn Sie versuchen, die Gründe für steigende Kundenakquisitionskosten, stagnierende durchschnittliche Auftragswerte und sinkende Kundenbindungsraten zu ergründen, gibt es einfach zu viele mögliche Gründe, die es zu untersuchen gilt. Die Stärke der neuen Augmented-Analytics-Plattformen besteht darin, dass sie das Beste aus maschinellem Lernen und statistischen Tests mit großen Data Warehouses kombinieren können, um Hypothesen umfassend zu testen und die Aufmerksamkeit der Analysten, die mit den Daten arbeiten, zu "priorisieren".

Um sich anzupassen, besteht die beste Strategie für ein Datenteam darin, die Stärken der Technologie - Geschwindigkeit, Verarbeitungsleistung und Iteration - mit den Schlüsselkompetenzen der Analysten in Bezug auf Kontext, Umgang mit Mehrdeutigkeit und Fachwissen zu kombinieren. Dieses "Human-in-the-Loop"-Modell wird sich in führenden Unternehmen als das vorherrschende Modell für eine schnelle und präzise Entscheidungsfindung durchsetzen.

VERBESSERUNG DER ENTSCHEIDUNGSFINDUNG MIT DATEN

Schließlich wird die Fähigkeit, die Datenerfassung zu skalieren und den Analyseprozess zu erweitern, nur dann von Bedeutung sein, wenn sie dazu dient, die Art und Weise der Entscheidungsfindung zu verbessern. Die Kehrseite der Medaille ist, dass die Analysetools im gesamten Unternehmen zugänglicher sein müssen und die Analysten stärker in die einzelnen Abteilungen integriert werden müssen, um wirklich fundierte Entscheidungen treffen zu können.

Folglich sehe ich ein zukünftiges Betriebsmodell, bei dem sich die Unternehmen von einem zentralisierten, gemeinsam genutzten Servicemodell für Analysen wegbewegen und Analysten zunehmend direkt in die Geschäftsbereiche integriert werden. Dies ist definitiv ein Pendelschlag zurück zu früheren, IT-zentrierten Modellen, aber der Unterschied besteht nun darin, dass diese Cloud-nativen Datenplattformen besser in der Lage sind, verteilte Teams und kollaboratives Arbeiten zu unterstützen.

Dies ist eine letzte Möglichkeit für aufstrebende Unternehmen, sich einen Wettbewerbsvorteil zu verschaffen. Durch die Zentralisierung der Daten, aber die Verlagerung der Analyse zurück an die Orte, an denen die Entscheidungen getroffen werden, können sie die Entscheidungsfindung beschleunigen, ohne die Fähigkeit zu verlieren, die Auswirkungen dieser Entscheidungen zu überwachen. Auf diese Weise werden mehr Menschen in den Prozess einbezogen, die Transparenz wird verbessert und letztlich wird mehr Feedback darüber eingeholt, was funktioniert und was nicht.

Mit der Einführung einer Cloud-nativen Architektur haben Unternehmen endlich die Möglichkeit, jede Dimension ihres Geschäfts mit feiner Genauigkeit zu verfolgen. Aber ohne die Möglichkeit, die Nutzung dieser Daten zu beschleunigen und zu verbessern, werden sie den ROI im Entscheidungsprozess nicht sehen.

Insbesondere für Unternehmen, die in einen neuen Markt eintreten oder mit etablierten Konkurrenten konkurrieren wollen, kann eine frühzeitige Investition in skalierbare Datensysteme und die Entwicklung von Prozessen, die die Gewinnung von Erkenntnissen automatisieren und beschleunigen und den Entscheidungsfindungsprozess verbreiten, einen nachhaltigen Vorteil darstellen.