TDWI Young Guns Mailing August 2020 | Interaktive Datenanalyse mit wenig Ressourcenverbrauch

Finn Klophaus & Saskia Wachs

Vorstellung

Finn ist seit Anfang des Jahres in Kontakt mit dem TDWI und richtet, sobald wieder möglich, ein BarCamp in seinem Studienort Siegen aus. Parallel zu seinem BWL-Studium ist er als studentischer Berater tätig und begeistert sich für intelligente Datenanalyse, gerne in Bezug auf Marketing- und Strategieentscheidungen.

Saskia hat im vergangenen Jahr ihr Wirtschaftsinformatikstudium mit Data Science Schwerpunkt abgeschlossen und im Anschluss daran das Data Science Traineeprogramm bei der INFOMOTION GmbH absolviert. In ihrem aktuellen Kundenprojekt beschäftigt sie sich mit der intelligenten Analyse von Kundendaten und entwickelt dafür automatisierte Workflows in KNIME.

Persönliche Worte über Beweggründe, Motivation und Themeneinleitung

Während es Großkonzernen aufgrund ihrer Marktposition und Größe leichter fällt, neue Abteilungen und Zuständigkeiten für Big Data und KI zu etablieren oder entsprechende Budgets freizugeben, fehlt es im Mittelstand oft an den dafür erforderlichen Ressourcen. So sind dreistellige Millionenbeträge für Data-Projekte bei DAX-Konzernen keine Seltenheit. Bei Mittelständlern hingegen ist bereits der Schritt zur externen Beratung eine Hürde – entsprechende Fachkräfte für den eigenen Betrieb zu finden sowieso schwierig. Der nächste Schritt bleibt somit aus und wird mit an ihre Grenzen stoßenden Excel-Tabellen kompensiert. Um nicht abgehängt zu werden, braucht es daher Lösungen, die keine zu großen Einstiegshürden bedeuten.

Als derartige Lösungen eignen sich insbesondere interaktive Softwareprodukte, welche intuitiv und ohne Programmierkenntnisse nutzbar sind. Zu nennen ist hier vor allem das spannende Tool KNIME, vergleichbar mit dem IBM SPSS Modeler. KNIME wurde entwickelt von der Uni Konstanz und bietet neben der einfachen Bedienung auch eine große, hilfsbereite Community.

Prozesse werden in KNIME als Workflow grafisch dargestellt und daher gleich dokumentiert. Ein Workflow besteht aus mehreren Bausteinen, hinter denen Befehle in verschiedenen Programmiersprachen liegen, was unerfahrenen Nutzern zu Gute kommt. Sie sind in einer Liste sortiert und über ihre Funktion leicht auffindbar, auch ohne sie vorher zu kennen. Die Bausteine sind außerdem nach Kategorien farblich markiert, so dass leicht ersichtlich ist, in welchem Bereich des Workflows Daten aus verschiedenen Datenbanken oder Quellen eingelesen, aufbereitet oder zu einer Graphik verarbeitet werden. Erfahrene Nutzer, die bereits eigene, erprobte Skripte geschrieben haben, können diese jedoch genauso gut hinter einem eigenen Baustein ablegen und verwenden.

Diese kostenfreien Software-Lösungen zur interaktiven Datenanalyse, die sich auch ohne Vorkenntnisse verwenden, oder zumindest nach einmaliger Einführung entsprechend bedienen lassen, können außerdem auch ohne Anfangsinvestitionen vollumfänglich genutzt werden. Grafische Benutzeroberflächen erlauben eine Bedienung ohne Beherrschen von Programmiersprachen. Anwendungsbeispiele sind aus eigener Erfahrung das einmalige Automatisieren von wiederkehrenden ETL-Prozessen, aufwendige Analysen und Reporting, die Auswertung von Kundenverhalten oder Vorhersagemodellen. Auch von repetitiven Aufgaben, wie dem Versenden von Messdaten an Kunden aus verschiedenen Datenquellen, ließen sich vereinfachen, sodass mehr Zeit für andere Aufgaben bleibt. Ein gutes Beispiel in dem Kontext ist ein Kunde, der Informationen ans Bundesstatistikamt übermitteln musste und jeden Monat Daten aus etlichen Excel-Dateien kopiert und in eine große eingefügt hat. Dank eines Workflows kann er sich die Zeit nun sparen ihn bei Bedarf intuitiv anpassen.

Mit der Zeit und steigender Erfahrung des Benutzers ist in KNIME neben den Möglichkeiten des Data-Mining vor allem auch der Einsatz von Machine Learning möglich und bietet so eine gute Basis für weitere Entwicklungen in Unternehmen.

Aber bilde dir deine eigene Meinung – Hier ein paar spannende Links und Empfehlungen:

Meine Fragen:

Da ich noch im Studium bin: Wann kamen in eurem Werdegang die Begeisterung und Spezialisierung für Data auf?
Kennt Ihr gute Beispiele, wie Unternehmen mit wenig Ressourcen größere Datenprojekte aus eigener Kraft gefahren haben?
Welche Tools benutzt ihr für die Datenanalyse?
Was sind für euch Best Practice Beispiele im Bereich Datenanalyse?

Was meint ihr? Beteiligt euch jetzt an der Diskussion bei LinkedIn, Slack oder direkt hier im Blog.

Mein Highlight:

Mein Highlight bei den Young Guns lässt sich gar nicht auf ein bestimmtes Event beziehen, sondern es ist vielmehr der Umgang miteinander. Ganz gleich welchen beruflichen Hintergrund oder akademischen Grad man besitzt, es wird über alle Ebenen hinweg auf Augenhöhe kommuniziert. Ich habe mich von Anfang an super wohl gefühlt und glaube, dass die Young Guns-Kultur jedem einen leichten Einstieg, Teamarbeit und vor allem gemeinsame Produktivität fördert.