Erhalten Sie heute einen kurzen Einblick in unsere aktuelle Folge des Data & Insights Podcasts!
Wir haben heute Bianca Schütz zu Gast. Sie war Head of Business Intelligence bei Casamundo, ist aktuell bei HAUSGOLD und hat über 10 Jahre Erfahrung im Online Business. Ihr Schwerpunkt in drei Worten: Tableau, Google Analytics und AWS. Und nebenbei oder vielmehr parallel berät sie auch noch KMU in allen Analytics-Fragestellungen.
Leif: Herzlich willkommen, Bianca Schütz.
Ich steig direkt ein in das Thema. Ich habe das Thema „Der Weg in die Business Intelligence“ genannt, weil ich gerne mit dir die Frage klären wollte: Business Intelligence – ist das eine Rolle? Ist das ein Business Analyst? Ist das ein Data Analyst? Gehört da noch mehr dazu? Was ist dazu deine Meinung?
Bianca: Ich finde, es ist nicht nur eine Rolle. Ich finde es schwierig, das abzugrenzen. Für mich sind zum Beispiel ein Data Analyst und ein Data Scientist etwas ganz anderes. An meinem Beispiel: Ich habe vorher mehr Analysten-Tätigkeiten gemacht. Das heißt, ich war wirklich in den Daten, habe sie analysiert und den Stakeholdern bereitgestellt. Ich bin jetzt in meiner aktuellen Rolle dann auch mit einem größeren Fokus im Bereich Data Engineering unterwegs. Also ich bin immer noch kein full-time Data Engineer, aber ich habe jetzt einen ganz anderen Fokus und aus dem Grund finde ich schon, dass es auch Unterschiede gibt zwischen den einzelnen Rollen. Wenn man das abgrenzt, dann würde ich sagen, dass der Data Engineer wirklich für die Daten zuständig ist. Das bedeutet, dass er die Daten bereitstellt und aufarbeitet, so dass sie wirklich für die Analyse verwendet werden können. Der Job des Analysten ist dann eher in Richtung Analyse der Daten, Auswertung, Bereitstellung und klare Kommunikation an die Stakeholder. Ein Data Scientist ist es für mich – da gibt es glaube ich keine offizielle Abgrenzung –, wenn Machine Learning dazukommt. Also dann, wenn es eher um Predictive Analytics geht und da wirklich mehr der Science Aspekt und Machine Learning Algorithmen hinzukommt.
Leif: Für mich ist das auch so. Für mich gibt es auch diese drei Bereiche: Data Engineering auf der einen Seite, in der Mitte dann den Data/Business Analyst – darüber kann man sich streiten, wie man das bezeichnet – und dann gibt es noch den Data Scientisten. Business Scientist habe ich auch noch nicht gehört. Deshalb würde ich immer diese drei Säulen sehen.
Siehst du das in einer Abteilung oder sollte man das getrennt betrachten? Wenn ich ein bisschen auf den Markt schaue, dann sieht das unterschiedlich aus. Da gab es auch in unserem TDWI Blog mal Beiträge zu dem Thema. Gehört Data Science zu BI? Ist das ein Teil davon oder etwas komplett anderes?
Bianca: Ich glaube, es kommt ein bisschen auf die Unternehmensgröße und Zusammensetzung an. Also ich habe auch schon viele Konstrukte gesehen, z.B. dezentrale BI, zentrale BI, BI und Data Science parallel zueinander … Ich glaube, was immer wichtig ist, ist die Zusammenarbeit. Das heißt es macht vielleicht in größeren Unternehmen schon Sinn, dedizierte Analysten zu haben, die zum Beispiel fürs Marketing oder Finance tätig sind oder wirklich Analysten im BI-Team zu haben, die diesen Fokus haben, die größere Expertise haben, weil natürlich die Fragestellungen sich verändern oder abweichen können zwischen den einzelnen Abteilungen. Wenn es parallele Teams gibt, dann ist es für mich sehr wichtig, dass die Teams zusammenarbeiten und kommunizieren. Denn gerade in Richtung Anforderungsmanagement und Kommunikation ist es sehr schwierig, wenn man mehrere Player hat, die im Unternehmen mitmischen und Anforderungen stellen oder auch Zahlen kommunizieren. Wenn zwei Teams nicht miteinander sprechen, dann kann es sein, dass sie parallel die gleichen Sachen machen oder mit anderen Betrachtungsweisen die Zahlen ansehen und dass dann mehr Chaos als wirkliche Klarheit entsteht.
Leif: Ich denke, das ist ein guter Punkt: Kommunikation. Die Rollen müssen klar sein – wer ist für was verantwortlich. Wahrscheinlich wäre es gut, wenn diese Teams auch zumindest einem Department untergeordnet sind, so dass es eine Einheit oben drüber gibt, die das Ganze beobachten kann und ggf. gegensteuern kann, wenn es keine klaren Rollen gibt. Würdest du auch sagen, dass ein Data Analyst eigentlich auch mehr im Fachbereich angesiedelt sein sollte? Es gibt da ja unterschiedliche Konstrukte. Einmal gibt es den Data Analysten, der im Data-Team angesiedelt ist und der dann an den Fachbereich ausgeliehen wird. Ich habe aber auch Konstrukte gesehen, wo der Data Analyst direkt im Fachbereich sitzt.
Bianca: Aus meiner eigenen Erfahrung finde ich es besser, wenn es möglich ist, dass man ein Analysten-Team hat, das dann einen gewissen Fokus haben kann, um bestimmte Teams besonders gut zu unterstützen. Aber dadurch, dass man sich ja auch im Urlaub vertreten muss, heißt es nicht, dass eine Person nur dediziert für ein Thema zuständig sein sollte. In Sachen Wissensaustausch finde ich es extrem wichtig, wenn man wirklich einen Teambezug hat. Es geht natürlich auch, wenn es mehrere Analysten gibt, die für bestimmte Teams zuständig sind – die kann man auch einmal im Monat oder alle paar Wochen zusammensetzen zum Austausch, aber es ist doch einfacher, wenn man in einem Team ist und dann wirklich weiß, was der andere macht und was die aktuellen Probleme sind oder welche Business-Fragen aktuell wichtig sind. Ich habe mich bei casamundo dafür eingesetzt, dass wir eine zentrale BI wurden und habe mich als Teamleitung eingesetzt, dass wir so aufgestellt waren, dass jede/r in den Urlaub gehen konnte, ohne dass die Business Intelligence komplett zusammenbricht, weil nur eine bestimmte Person eine Frage beantworten kann. Auch da gab es natürlich Fragen, die nicht jeder beantworten konnte. Aber aus meiner Sicht ist eine Mischung ideal – generalistisch aufgestellt zu sein und aber auch eine Spezialisierung zu haben, so dass es einen klaren Ansprechpartner für die Abteilung gibt. Gerade bei mittelgroßen Unternehmen ist es eine gute Wahl, das so zu machen.
Hören Sie im Podcast bei 07:30 Minuten weiter …
Schreibe einen Kommentar