Die wichtigsten Data-&-Analytics-Trends (D&A)

Plattformen für Datenwissenschaft und Machine Learning (Data Science and Machine Learning, DSML) stellen einen sich rasch entwickelnden Technologiebereich dar und D&A-Führungskräfte müssen die wichtigsten Trends verstehen, die diese Bereiche beeinflussen, um sich ihre potenziellen Fähigkeiten besser vorstellen zu können. Die wichtigsten Trends im Bereich ML und Datenwissenschaft lassen sich in drei Hauptgruppen einteilen. Sie repräsentieren die Bestrebungen, die Unternehmen in die Zukunft führen werden:  

Demokratisierung: Die DSML-Plattform ist für jeden geeignet – nicht nur für Datenwissenschaftler, sondern auch für Geschäftsanwender, Analysten und Softwareentwickler.

• AI-Engineering und neue Rollen: Demokratisierung von DSML und KI über alle technischen Rollen hinweg. Durch die Kombination verschiedener Fähigkeiten lässt sich ein höherer Geschäftswert erschließen.

• Anleitungen und Blaupausen: Die Grenze zwischen Software und benutzerdefiniertem Code wird verwischt und die Wiederverwendung dessen, was die Experten bereits herausgefunden haben, wird ermöglicht.

• Tools für Responsible AI: Förderung des Vertrauens der Benutzer und der Verantwortung der Stakeholder durch automatisierte Entwicklungs- und Monitoringmeilensteine sowie eine detaillierte Aufzeichnung aller Aktionen an den Modellen.

Dynamik: Lösungen sind überall zugänglich und nutzen zusammensetzbare datenwissenschaftliche Techniken und neue Algorithmen.

• Edge-KI: Einsatz von KI-Techniken, die in Endpunkten, Gateways und Edge-Servern des Internets der Dinge (IoT) eingebettet sind, in Anwendungen von autonomen Fahrzeugen bis hin zur Streaming-Analyse.

• Composite AI: Die Leistungsfähigkeit verschiedener Techniken in praktischen Lösungen kombinieren. Es fügt gesunden Menschenverstand hinzu, um die Effektivität der Datenwissenschaft zu steigern.

Transformatoren (Basismodelle): Verkörpert eine Art tiefe neuronale Netzwerkarchitektur, die eine numerische Darstellung von Artefakten im Kontext der umgebenden Artefakte berechnet und dabei Sequenzen wie große Sprachmodelle hervorhebt.

Das Digital Business erfordert einen agilen, flexiblen und anpassungsfähigen Governance-Ansatz. Die Anforderungen an die Data-&-Analytics-Governance wurden nie zentralisiert und konsolidiert. Stattdessen waren isolierte Lösungen oft die einzigen Tools, die auf der Datenverwaltungsebene eingesetzt wurden.

Ohne einen Governance-Plan für Data und Analytics, der die Realitäten des Digital Business widerspiegelt, werden kritische Abläufe schlecht funktionieren oder fehlschlagen. Dies wird zu erheblichen und nachhaltigen Schäden für das Unternehmen führen.

Führungskräfte im Bereich Data und Analytics werden mit komplexen Herausforderungen im Zusammenhang mit der Governance konfrontiert. Gartner empfiehlt drei zentrale Maßnahmen:

1. D&A-Governance als ganzheitliche Disziplin betrachten, indem Sie ein adaptives Framework verwenden, das die Anwendung verschiedener Governance-Stile ermöglicht, um sie dem Kontext verschiedener Geschäftsszenarien anzupassen.
2. Machbarkeitsnachweise entwerfen und entwickeln, die die erforderlichen kritischen Technologiefunktionen optimal nutzen. Der erste Schritt besteht darin, die Relevanz dieser Technologien und ihren Zusammenhang mit Geschäftsergebnissen zu ermitteln. Dann ist es wichtig, ihre Fähigkeit zu prüfen, bestimmte Anwendungsfälle wie Risikomanagement und Compliance zu unterstützen.
3. Die Anzahl der bereitgestellten Tools und Lösungen minimieren, indem Sie Ihren strategischen Ansatz zur Data-&-Analytics-Governance analysieren und die verfügbaren Markttechnologiefunktionen in End-to-End-Szenarien verwenden.