Stephan, Du leitest den Leistungsbereich Data, Analytics und AI. Mit welchen Themen beschäftigt ihr euch genau?
Wir beschäftigen uns mit drei Themenbereichen: Emerging Technologies, Data Science und Customer Insights. Im Bereich Emerging Technologies bearbeiten wir technologiebehaftete Projekte wie zum Beispiel IoT bzw. Vernetzung von Produkten und Services für unsere Kundinnen und Kunden. Der Bereich Data Science umfasst bei uns Data Engineering, Data Analytics, Data Visualisierung und Data Governance. Und beim dritten Bereich - Customer Insights beschäftigen wir uns mit den Daten, die die Schnittstelle zwischen Kunde und Organisation beschreiben. Sei es in Form von Interaktionen mit einem Produkt, Service oder mit Kommunikationskanälen.
Welche Herausforderungen haben Unternehmen im Bereich Emerging Technologies und wie unterstützt das DAA-Team dabei?
Für Unternehmen wird es kontinuierlich schwieriger, den Überblick zu behalten und eine Entscheidung zu treffen: Investiere ich oder investiere ich nicht in die aktuellen Technologietrends? Sie müssen sich die Frage stellen, welche Technologie bzw. welcher Technologietrend sie dabei unterstützen kann, ihr Ziel zu erreichen. Die Entscheidung ist oft mit dem Budget und der Einbindung ihrer internen Kapazitäten verbunden. Das ist es nach wie vor eine Herausforderung, die auch in Zukunft größer wird, weil es immer mehr Technologien und damit auch mehr Möglichkeiten gibt.
Wir helfen Unternehmen dabei, sich im ersten Schritt einen Überblick zu verschaffen und zu differenzieren, was “nur” ein Trendthema ist und welche Technologie wirklich einen Mehrwert für ihr Unternehmen hat.
Was können Kunden im Bereich Data Science von Cassini erwarten?
Bei unserem Data Science Angebot geht es natürlich auch um Technologien: Welche Datenbanken, Analysetools und Plattformen nutze ich, um meine Daten im Unternehmen zu halten und aufzubereiten?
Es geht auch darum, Data Analytics einzusetzen und daraus einen Mehrwert zu generieren. Dabei gibt es einige Schritte zu beachten. Es ist wichtig zu wissen, dass man nicht aus jeder Datenquelle beliebig Daten generieren kann, um eine Analyse aufzubereiten und das Optimierungspotenzial zu erkennen. Es bedarf mehrerer Vorbereitungsschritte. Wir helfen Unternehmen dabei, eine Datenpipeline zu konstruieren. Dabei ist der Analyseteil nur ein Ausschnitt, den wir auch anbieten, weil wir einfach mathematisch, statistisch sehr gut aufgestellt sind. Wir unterstützen dabei, Datenquellen einzubinden und aus unstrukturierten Daten strukturierte zu machen, um dann weitere Entscheidungen auf dieser Datenbasis treffen zu können.
Und wie ist es im Bereich Customer Insights?
Das ist genau die Schnittstelle zwischen Kunde oder Unternehmen und Produkt und Service. Dabei ist es wichtig, Daten zu verstehen. Zum Beispiel das Nutzerverhalten auf einer Website oder einer App. Im nächsten Schritt können wir die Kommunikation mit dem Kunden analysieren und zum Beispiel den Einfluss auf die digitale Marketingkampagne ableiten und Aussagen darüber treffen, ob die Kundenansprache angepasst, die Kommunikationskanäle erweitert oder ein anderer Service bzw. ein anderes Produkt angeboten werden muss, der noch besser zum Kunden passt. Das ist Kernbestandteil im Bereich Customer Insights. Es entstehen jeweils relevante Daten, aus denen wir Handlungsempfehlungen ableiten. Diese Empfehlungen beziehen sich nicht nur auf die Kundenkommunikation, sondern auch auf die gesamte Wertschöpfungskette.
Welche Lösungen und Produkte bietet ihr Unternehmen an, die sich bisher noch nicht mit ihren Daten beschäftigt haben?
Das gliedert sich in vier primäre Produkte. Die ersten zwei sind für den Einstieg gedacht. Wir nennen das einen Lean Data Check-up. Durch erste Interviews mit den Fachbereichen schauen wir erst, welche Daten im Unternehmen vorliegen und vor allem auch, wo sie liegen. Im nächsten Step machen wir einen Maturity Check-up. Dadurch bekommen wir ein sehr detailliertes Ergebnis über die Datenlandschaft im Unternehmen. Konkret gucken wir uns die Qualität und Nutzbarkeit der Daten an oder ob sie erst noch vorverarbeitet oder strukturiert werden müssen.
Dann gehen wir ins Data Thinking. Das ist umfangreicher, denn da besprechen wir den individuellen Daten Case unserer Kunden und beantworten folgende Fragen: Was kann mit den vorher analysierten Daten oder den Daten, die das Unternehmen bereits kennt, konkret umgesetzt werden? Welchen Mehrwert können die Daten stiften und wie ist der Weg dahin? Die Antworten auf diese Fragen ermitteln wir in verschiedenen Stufen, um am Ende wirklich konkrete Projektoptionen zu haben. Und der letzte Step ist die individuelle Unterstützung auf Projektebene. Wir setzen einzelne Projekte um, bei denen es um Datennutzung, -analyse und -visualisierung geht. Oder auch Data Science as a Service. Das ist ein separates Produkt, bei dem wir für unsere Kunden eine auf sie zugeschnittene Lösung umsetzen.
Welche Pläne hast Du für die Zukunft?
Wir werden in Zukunft verstärkt daran arbeiten, für Kunden ganze Datenpipelines aufzubauen, um sie zu befähigen, eigenständig mit ihren Daten zu arbeiten. Ein anderes zukunftsträchtiges Thema ist Data Architecture im Gesamtunternehmen. Dadurch können Unternehmen relevante Cases entdecken, die auch Mehrwerte für andere Fachbereiche haben. Das können wir durch eine Datenarchitektur bereits im Vorfeld sehr schön strukturieren. Zudem wird Data Governance in der Zukunft eine relevante Rolle spielen. Unternehmen brauchen Leitplanken für ihr Unternehmen, wer welche Daten wie verarbeiten darf.
