Mit Analytics ist es ein bisschen wie mit dem Internet in den frühen Neunzigern: Alle wollen dabei sein, aber keiner weiß warum. Kaum jemandem ist so richtig klar, was der Begriff überhaupt bedeutet und schon gar nicht, was man eigentlich mit diesem Werkzeug anstellen kann. Zeit, mit den größten Irrtümern aufzuräumen – und zu zeigen, wie Analytics wirklich funktioniert.
Meist geraten bei heißen Themen in der digitalen Welt schnell Halbwahrheiten und falsche Prognosen in Umlauf. Man erinnere sich an Bill Gates: „Das Internet ist nur ein Hype.“ Wer immer das von Analytics behauptet, liegt ziemlich sicher genauso falsch. Aber welches sind die größten Fehleinschätzungen in Bezug auf Analytics?
Irrtum Nummer eins: Algorithmen sind zahlgewordene Wahrsager
Die große Stärke von Analytics sind Voraussagen. Algorithmen sind ein wichtiger Teil dabei. Allerdings funktionieren sie nicht „im luftleeren Raum“. Man kann ihnen nicht einfach Fragen über beliebige Personen oder Ereignisse in der Zukunft stellen. Eine Bank beispielsweise könnte voraussagen wollen, für welches ihrer Produkte sich ein Kunde mit großer Wahrscheinlichkeit als nächstes interessieren wird, um ihn gezielt darauf anzusprechen. Dann reicht es nicht, einem Algorithmus zu sagen, wie der Kunde heißt und an welchem Tag er geboren wurde. In den Daten, mit denen ein Algorithmus arbeitet, muss schon drinstecken, welche Art von Kunde in der Vergangenheit welche Produkte gekauft hat. Das muss vorher „gelernt“ und in Modelle verpackt werden. Erst damit lassen sich Wahrscheinlichkeiten ableiten und Vorhersagen treffen.
Irrtum Nummer zwei: Analytics ist ein IT-Thema. Und nur ein IT-Thema
Wenn ein Unternehmen Analytics betreiben möchte, muss auch das ganze Unternehmen mitmachen, sonst wird es damit scheitern. Denn Analytics ist kein Werkzeug, mit dem man Probleme aufdeckt, sondern ein Werkzeug, mit dem man Probleme löst. Schon die erste Aufgabe in einem Analytics-Projekt liegt deshalb in den Fachbereichen: die Identifikation eines Anwendungsfalls. Welche Probleme haben wir, die wir mit Analytics lösen könnten? Erst wenn diese Frage beantwortet ist, kann man sich Gedanken darüber machen, was analysiert werden soll. Wer den IT-Fachmann mit dieser Aufgabe allein lässt, riskiert, dass eventuell Erkenntnisse zutage gefördert werden, die dem Fachbereich schon längst bekannt sind.
Irrtum Nummer drei: Analytics und Datenschutz vertragen sich nicht
Personenbezogene Daten wie Namen und genaue Adressen sind für die meisten Analysen nicht wichtig. Interessant wird es eventuell bei der Postleitzahl, aber meistens reicht die Stadt schon aus. Und selbst wenn solche Informationen nötig sind: Sie können anonymisiert werden.
Irrtum Nummer vier: Bevor wir mit Analytics anfangen können, muss unser Data Warehouse stehen
Wer so denkt, läuft Gefahr, beim ersten Projekt zu bemerken, dass er zwar wunderbar strukturierte Daten hat, aber leider nicht die richtigen – und sein brandneues Data Warehouse wieder umbauen muss. Der Weg in das Zeitalter der Analytics ist ein stetiger Prozess der Verbesserung.
Jetzt Teil II lesen:
„Analytics: Wie geht das eigentlich?“
Meist geraten bei heißen Themen in der digitalen Welt schnell Halbwahrheiten und falsche Prognosen in Umlauf. Man erinnere sich an Bill Gates: „Das Internet ist nur ein Hype.“ Wer immer das von Analytics behauptet, liegt ziemlich sicher genauso falsch. Aber welches sind die größten Fehleinschätzungen in Bezug auf Analytics?
Irrtum Nummer eins: Algorithmen sind zahlgewordene Wahrsager
Die große Stärke von Analytics sind Voraussagen. Algorithmen sind ein wichtiger Teil dabei. Allerdings funktionieren sie nicht „im luftleeren Raum“. Man kann ihnen nicht einfach Fragen über beliebige Personen oder Ereignisse in der Zukunft stellen. Eine Bank beispielsweise könnte voraussagen wollen, für welches ihrer Produkte sich ein Kunde mit großer Wahrscheinlichkeit als nächstes interessieren wird, um ihn gezielt darauf anzusprechen. Dann reicht es nicht, einem Algorithmus zu sagen, wie der Kunde heißt und an welchem Tag er geboren wurde. In den Daten, mit denen ein Algorithmus arbeitet, muss schon drinstecken, welche Art von Kunde in der Vergangenheit welche Produkte gekauft hat. Das muss vorher „gelernt“ und in Modelle verpackt werden. Erst damit lassen sich Wahrscheinlichkeiten ableiten und Vorhersagen treffen.
Irrtum Nummer zwei: Analytics ist ein IT-Thema. Und nur ein IT-Thema
Wenn ein Unternehmen Analytics betreiben möchte, muss auch das ganze Unternehmen mitmachen, sonst wird es damit scheitern. Denn Analytics ist kein Werkzeug, mit dem man Probleme aufdeckt, sondern ein Werkzeug, mit dem man Probleme löst. Schon die erste Aufgabe in einem Analytics-Projekt liegt deshalb in den Fachbereichen: die Identifikation eines Anwendungsfalls. Welche Probleme haben wir, die wir mit Analytics lösen könnten? Erst wenn diese Frage beantwortet ist, kann man sich Gedanken darüber machen, was analysiert werden soll. Wer den IT-Fachmann mit dieser Aufgabe allein lässt, riskiert, dass eventuell Erkenntnisse zutage gefördert werden, die dem Fachbereich schon längst bekannt sind.
Irrtum Nummer drei: Analytics und Datenschutz vertragen sich nicht
Personenbezogene Daten wie Namen und genaue Adressen sind für die meisten Analysen nicht wichtig. Interessant wird es eventuell bei der Postleitzahl, aber meistens reicht die Stadt schon aus. Und selbst wenn solche Informationen nötig sind: Sie können anonymisiert werden.
Irrtum Nummer vier: Bevor wir mit Analytics anfangen können, muss unser Data Warehouse stehen
Wer so denkt, läuft Gefahr, beim ersten Projekt zu bemerken, dass er zwar wunderbar strukturierte Daten hat, aber leider nicht die richtigen – und sein brandneues Data Warehouse wieder umbauen muss. Der Weg in das Zeitalter der Analytics ist ein stetiger Prozess der Verbesserung.
Jetzt Teil II lesen:
„Analytics: Wie geht das eigentlich?“
