Wie Augmented Analytics den Mangel an Datenspezialisten ausgleichen könnte

Daten-Ownership, -kontrolle und -aktivierung sind in diesem Jahr absolute Top-Themen für Unternehmen. Datengestütztes Marketing, das sich an Individuen richtet, ist einer Adobe-Umfrage zufolge einer der aktuell spannendsten Geschäftsbereiche. Die meisten Marketeers sprechen sich demnach für eine bessere Nutzung von Daten in Sachen Zielgruppensegmentierung und -Targeting aus.

Nur fällt es Marketingteams schwer, das Potenzial von Daten voll auszuschöpfen und die neuen Möglichkeiten optimal zu nutzen, da die entsprechenden IT-Spezialisten – wie etwa Data Scientists und Analysts – heißbegehrt sind und die Nachfrage den vorhandenen Talentpool bei weitem übersteigt. Der Fachkräftemangel in Wissenschaft, Technologie, Engineering und Mathematik (STEM) ist ein weltweites Phänomen – aber gerade in Deutschland, warnt das Wirtschaftsministerium, wird er zu einem echten Problem. Es wird immer schwieriger, Arbeitsplätze im STEM-Bereich zu besetzen. Inzwischen gibt es diverse Lösungsansätze, um die Lücken zu schließen, ein spezifischer Ansatz jedoch könnte die entscheidende Antwort für das datengestütztes Marketing sein: Augmented Analytics.

Im Gegensatz zu herkömmlichen Business Intelligence-Lösungen ist Augmented Analytics eine Mischung aus diversen Technologien, zu denen Machine Learning, KI-Algorithmen, fortschrittliche statistische Methoden und natürliche Sprachverarbeitung (Natural Language Processing) gehören. Es wird zur Automatisierung von Datenverarbeitung, -management und -analyse genutzt, um handlungsrelevante Erkenntnisse zu liefern. Es kann die Mechanismen hinter Erfolgen identifizieren, Abweichungen erkennen, künftige Trends vorhersagen und die Erkenntnisse in einem passenden, interaktiven Format präsentieren.

Um zu verstehen, warum Augmented Analytics den Mangel an geeignetem Personal ausgleichen könnte, ist es wichtig, drei Dinge zu verstehen:

Effektivere Nutzung von Ressourcen

IT-Fachkräfte und Analysten verbringen viel Zeit damit, die Daten eines Unternehmens zusammenzutragen, oft aus isolierten Silos unterschiedlicher Abteilungen und Anwendungen. Anschließend müssen diese Daten zeitaufwändig verarbeitet bzw. aufbereitet werden, bevor sie einsetzbar sind. Analysten investieren daraufhin viel Zeit, um Muster und Trends aus den Daten herauszulesen. Augmented Analytics-Plattformen sollen einen wesentlichen Teil dieser Arbeit erleichtern, indem sie fragmentierte Informationen vereinen und bereinigen und dann automatisch handlungsrelevante Einblicke generieren.

Da manche Augmented Analytics-Plattformen oftmals auch ohne den Eingriff menschlicher Kollegen sehr weit kommen, können sich Data Scientists und Analysts auf die Bereiche konzentrieren, in denen sie wirklich etwas bewegen können und am meisten Mehrwert generieren. So können die Ressourcen im Marketingteam besser genutzt werden, während die Performance steigt. Da die Technologie die Umwandlung von Daten in Mehrwert vereinfacht, kann sie auch von Datenexperten und Mitarbeiter anderer Abteilungen wie Vertrieb, Marketing oder Kundendienst eingesetzt werden. Diese können dann relativ einfache analytische Aufgaben übernehmen, für die normalerweise zahlreiche Fachkenntnisse erforderlich wären. Durch die Fähigkeit, wertvolle Insights ohne Mitwirkung geschulter Datenanalysten oder IT-Fachleute zu generieren, kann Augmented Analytics datengestütztes Marketing und Analysen auch für kleinere Unternehmen zugänglich machen.

Übergang zu einem proaktiven Ansatz

Business Intelligence ist zum größten Teil eine investigative Disziplin, in der Analysten innerhalb des ihnen vorgelegten Datensatzes manuell nach Antworten suchen – zum Beispiel, wenn ein Mitarbeiter des Unternehmens spezifische Insights verlangt. Dies wirft jedoch eine Reihe von Problemen auf. Wenn Data Scientists nicht genau wissen, wonach sie suchen, kann das Ausfindigmachen der Antwort sich als schwierig und zeitaufwändig erweisen. Zudem könnten sie falsche Annahmen zugrunde legen, die auf früheren Erfahrungen beruhen, und mithilfe der Daten dann ihre Hypothese stützen, wodurch sie das Unternehmen möglicherweise in die falsche Richtung lenken. Entscheidende Erkenntnisse könnten so übersehen werden.

Durch den Mix verschiedener Tools und Verfahren können Markteers mit Augmented Analytics einen proaktiveren Ansatz bei der Datenanalyse verfolgen und wichtige Muster und Trends automatisch ohne menschliches Einwirken ermitteln. Die Technologie kann Potenziale identifizieren und Marketeers Möglichkeiten empfehlen, wie sie diese Chancen optimal nutzen können, ohne dass sie ganze Datensätze danach durchsuchen müssen. Die Wahrscheinlichkeit falscher oder unvollständiger Ergebnisse ist mit Augmented Analytics erheblich geringer als bei einem Menschen, der manuell vorgeht.

Kostspielige Fehler vermeiden

Anomalien im Datensatz können Unternehmen auf potenzielle Probleme oder Fehler aufmerksam machen, die von einem herkömmlichem „investigativem Business Intelligence Ansatz“ häufig übersehen oder erst zu spät erkannt werden. Augmented Analytics kombiniert mehrere statistische und maschinelle Lernverfahren, um eine hochentwickelte Erfassung von Anomalien zu ermöglichen, sodass Marketer ungewöhnliche Muster schnell erkennen und Maßnahmen ergreifen können, bevor allzu großer Schaden angerichtet wird. Zudem kann es Probleme innerhalb von Datensätzen identifizieren und so eine potenzielle Verzerrung der Ergebnisse vermeiden.

Der Mangel an Datenspezialisten sieht nach einem großen Problem für eine Branche aus, die sich in hohem Maße den datengestützten Entscheidungen verschrieben hat. Mit Augmented Analytics sind Marketer für diese Herausforderung wesentlich besser gerüstet. Durch die effizientere Nutzung von Ressourcen, die Umsetzung eines proaktiven Ansatzes und die Vermeidung kostspieliger Fehler kann Augmented Analytics Marketer in die Lage versetzen, die in der Datenauswertung liegenden Chancen trotz Fachkräftemangels voll auszuschöpfen.