Data Science bei atrify

by | Feb 12, 2020

Nicht erst seit die Harvard Business Review im Jahr 2012 den Data Scientist zum „Sexiest Job of the 21st Century“ gekürt hat, sind Begriffe wie Big Data, Machine Learning, Neuronale Netze und künstliche Intelligenz in aller Munde.* Doch woher kommt der Hype? Und handelt es sich nicht mehr um alten Wein in neuen Schläuchen?

DIE ANFÄNGE
Beginnen wir mit dem Grundsätzlichen. Der Begriff Data Scientist wurde zu Beginn des 21. Jahrhunderts von DJ Patil von LinkedIn und Jeff Hammerbacher von Facebook erstmalig geprägt. Ihr Ziel war es “Business Values” aus den Daten ihrer Webseiten zu ermitteln. Die Techniken, derer Sie sich bedienten, stammen aus den Bereichen der Mathematik, Statistik und IT und bestimmten fortan das Rüstzeug der Data Scientists. Die Mathematik gilt als eine der ältesten Wissenschaften, der Satz von Bayes, ein statistisches Grundprinzip, wurde 1763 formuliert und Konrad Zuse hat schon in den 1940ern einen, zugegeben nicht allzu rechenstarken, Computer entwickelt. Klingt, als würde sich Data Science mit alten Federn schmücken.

DIE DIGITALISIERUNG
„Alles neumodischer Quatsch, Absatzprognosen haben wir schon in den 80ern berechnet!“ ist nur einer von vielen Sätzen, die Data Scientists in Beratungssituationen öfter hören. Man könnte dem zustimmen, wäre da nicht die Digitalisierung als einer der großen, wenn nicht der größte Treiber. Im Jahr 2020 hinterlassen wir bei fast allem was wir tun digitale Spuren. Jeder Kassenbon landet in einer Datenbank, Musik läuft über Spotify, unsere Handys orten uns dauerhaft und selbst intimste Momente wie soziale Beziehungen oder Schlaf lassen sich dank Smartwatch analysieren. Die daraus resultierende Datenmenge soll laut Schätzungen bis 2025 auf 175 Milliarden Terabytes anwachsen**. Zur Verdeutlichung: Speichert man diese Menge auf DVDs, könnte man diese ganze 23 mal von der Erde bis zum Mond stapeln.
Ein weiterer großer Treiber ist der exponentielle Anstieg der Rechenleistung. Heute besteht die Möglichkeit, serverlose Berechnungen in der Cloud durchzuführen und somit diese Menge an Daten überhaupt erst zu verarbeiten.

DIE PRAXIS
In der Praxis werden die vorhandenen Daten so aufbereitet, dass sich Muster erkennen lassen – unter anderem mit dem Ziel die Zukunft “vorherzusagen”. Das Beispiel der Absatzprognosen, beispielsweise eines Supermarktes spiegelt die erwähnten Entwicklungen sehr gut wieder. Was gibt es ärgerlicheres als an einem Samstagmittag im Supermarkt zu stehen und seine heißgeliebte Biermarke oder Torte nicht mehr zu bekommen? Die Warenverfügbarkeit und die damit einhergehende optimale Lager- und Bestellmenge ist ein höchst kritisches Thema für jedes Handelsunternehmen, dass mit Hilfe von Data Science optimiert wird.
Der Absatz von Torten oder Bier ist von einer Vielzahl an Faktoren abhängig, die heute aufgrund der Datenmenge und der verfügbaren Rechenleistung mit einbezogen werden können. So werden zukünftige Absatzmengen nicht mehr nur anhand von vergangenen Verkäufen prognostiziert, sondern eine große Anzahl an Einflussfaktoren herangezogen. Das Wetter, der Wochentag, die Uhrzeit, Schulferien, das Spielergebnis des lokalen Fußballvereins, das TV- Programm, die lokalen Veranstaltungen, die umliegende Verkehrssituation, Baustellen und vieles mehr wird berücksichtigt. Maschinen erfassen diese Ausprägungen aus den gesammelten Daten, lernen die Zusammenhänge und sagen darauf basierend die Zukunft voraus – also genau wie viele Flaschen Bier einer bestimmten Sorte oder Torten einer bestimmten Marke am 11.11.2020 um 11:11 Uhr in dem Supermarkt an der Ecke und genau da verkauft werden. Data Science begegnet uns also jeden Tag und macht unser Leben angenehmer.

DATA SCIENCE BEI ATRIFY
Der Hype ist also berechtigt. Doch was hat das Ganze mit atrify und Produktstammdaten zu tun? Als Teil der User Experience Abteilung bei atrify ist die klare Mission das Kundenerlebnis zu verbessern. Im Fokus unserer Arbeit, unseres täglichen Tuns, steht der Kunde. Bei der Eingabe von Attributen, dem Senden und Empfangen der Stammdaten, dem Kontakt mit unseren Teams sei es im Vertrieb oder Support, treten unsere Kunden vielfältig mit uns ins Kontakt. Wir wollen in Zukunft diese Kontakte noch intensiver nutzen, um auf Kundenwünsche zu reagieren und unsere Produkte stetig zu verbessern. Zum Beispiel durch eine weitere Dynamisierung der Eingabemasken im atrify publishing oder Eingabevorschläge, die noch genauer auf den User und die Bedürfnisse seiner Branche zugeschnitten sind.

Quellen:
*https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century
**https://blog.wiwo.de/look-at-it/2018/11/27/weltweite-datenmengen-sollen-bis-2025-auf-175-zetabyte-wachsen-8-mal-so-viel-wie-2017/

Read more: