Analytics Translator in der Praxis: Google Translate Analogie

Laut Gartner scheitern 85 Prozent der Data Science-Projekte an der Umsetzung. Das Scheitern dieser Projekte hat verschiedene Gründe. Zwei der Hauptgründe sind die mangelhafte Ausrichtung auf das Geschäft und die fehlende Konzentration auf die richtigen geschäftlichen Fragen und Bedürfnisse. Im Jahr 2018 hat Mckinsey den Analytik-Übersetzer als die neue "Must-Have"-Rolle in jedem Unternehmen vorgestellt und geschätzt, dass die Nachfrage nach dieser Rolle allein in den USA 2 bis 4 Millionen erreichen könnte.

Ein Analytik-Übersetzer hilft dabei, die Bedürfnisse von Geschäftsinteressenten und operativen Teams(z.B. Marketing und Supply Chain) mit dem technischen Fachwissen von Datenteams wie Data Scientists, Data Engineers und Analytikern zu verbinden. Der Analytik-Übersetzer stellt sicher, dass Daten- und KI-Projekte dem Unternehmen in großem Umfang zugute kommen.

In diesem Blog betrachten wir Google Translate als Analogie, um das Warum und Wie der Rolle des analytischen Übersetzers zu diskutieren. Dieser Blog ist für Sie sehr relevant, wenn:

• Sie haben gerade Ihre Karriere als Analytik-Übersetzer begonnen und möchten mehr über diese Rolle erfahren,
• Sie arbeiten als Product Owner an KI- oder Datenprojekten und möchten sicherstellen, dass diese Produkte einen Mehrwert für das Unternehmen darstellen,
• Sie sind derzeit in einer technischen Rolle tätig(z.B. Datenanalyst, Datenwissenschaftler oder Dateningenieur) und möchten in eine Rolle als Übersetzer von Analysen wechseln oder Sie möchten lernen, wie Sie sich besser mit den Interessengruppen des Unternehmens abstimmen können, um mehr Wert für Ihr Unternehmen zu schaffen

1. Warum brauchen Unternehmen einen Analytik-Übersetzer?

Wenn wir eine E-Mail in einer Sprache erhalten, die wir nicht sprechen oder verstehen, denken wir oft daran, einen Online-Übersetzer wie Google Translate zu verwenden, um diese E-Mail in eine Sprache zu übersetzen, die uns vertraut ist(z. B. Englisch). In diesem Zusammenhang, Google Translate zwei Parteien die Möglichkeit, sich gegenseitig zu verstehen, indem es zwischen ihren verschiedenen Sprachen hin- und herübersetzt.

In einem geschäftlichen Kontext, in dem Unternehmen KI und datengesteuerte Strategien umsetzen wollen, besteht oft eine Kluft zwischen Datenexperten und dem Unternehmen. Auf der einen Seite sind Dateningenieure gut darin, robuste Anwendungen zu entwickeln, und Datenwissenschaftler sind gut darin, Intelligenz aus Daten zu destillieren. Auf der anderen Seite kennen die Unternehmensteams ihre spezifischen Prozesse, Bedürfnisse und Ziele. In diesem Zusammenhang würden wir gerne jemanden haben, der als Google Translate fungiert(wie in Abbildung 1 dargestellt). Er oder sie wird zu einem Vermittler und sorgt für eine enge Abstimmung zwischen Datenexperten und Unternehmen. Hier kommt die Rolle des Analytics Translator ins Spiel.

Da er weiß, was vom Unternehmen gewünscht wird und was möglich ist, findet ein Analytik-Übersetzer die richtigen Anwendungsfälle, die realistisch, wertvoll und machbar sind und zur Strategie des Unternehmens passen. Folglich sind die Datenexperten gut auf die Bedürfnisse des Unternehmens abgestimmt.

Als Bindeglied zwischen Experten und Unternehmen sorgen die Analytik-Übersetzer dafür, dass das Unternehmen die KI-Lösungen versteht und annimmt. Während sich die Datenexperten auf die technische Umsetzung konzentrieren, sorgen die Analytik-Übersetzer dafür, dass die Ergebnisse umsetzbar sind und den geschäftlichen Anforderungen entsprechen. Sie wissen, wie sie den Experten eine Geschäftsidee vermitteln und das Ergebnis in Ihrem Unternehmen verankern können.

Kurz gesagt, macht der Analytik-Übersetzer Folgendes:

• identifiziert wichtige Geschäftsprobleme, die mit Hilfe von Data Science gelöst werden können, und erstellt überzeugende Business Cases zu diesen Problemen,
• sicherstellt, dass das Data Science- und Engineering-Team das Geschäftsproblem versteht und in der Lage ist, eine angemessene Analyse- und Daten-Roadmap zu erstellen, und
• hilft dabei, die Ergebnisse zu interpretieren und zu liefern und diese sowohl in der Geschäfts- als auch in der IT-Landschaft des Unternehmens zu verankern.

2. Wie können Analytik-Übersetzer einen Mehrwert für das Unternehmen schaffen?

Um eine wertvolle KI-Lösung zu entwickeln, müssen Sie zwei Dinge richtig machen. Erstens: Stellen Sie sicher, dass das Geschäftsproblem, das Sie angehen, das richtige ist. Zweitens: Stellen Sie sicher, dass die Lösung
die Bedürfnisse Ihres Endbenutzers erfüllt und richtig aufgebaut ist.

Zurück zu unserer Google Translate-Analogie: Google verwendet Milliarden von Beispielen als Input zusammen mit komplexen Machine & Deep Learning-Algorithmen, um zwischen verschiedenen Sprachen zu übersetzen. Ähnlich wie Google Translate muss auch der Analytik-Übersetzer einige Eigenschaften(Inputs) haben und einen bestimmten Ansatz(Algorithmen) verwenden, um Geschäftsprobleme in starke Daten und KI-Nutzungsfälle übersetzen zu können.

Die Eigenschaften des Analytik-Übersetzers lassen sich also wie folgt zusammenfassen:

• mit tiefem Fachwissen,
• ein Verständnis für die verschiedenen Modelle des maschinellen Lernens und wie sie realistisch angewendet werden können und
• Fähigkeiten im Bereich digitales Produktmanagement (Unternehmertum, Produktdesign, Experimentieren, Backlog-Priorisierung und Stakeholder-Management).

Mit den oben genannten Eigenschaften nutzt der Analytik-Übersetzer Design Thinking, Lean Startup, agile Fähigkeiten und einen wertorientierten Ansatz, um sicherzustellen, dass die KI-Lösungen auf die geschäftlichen Anforderungen abgestimmt sind und eine Wirkung für das Unternehmen haben. Bei diesem Ansatz stimmt sich der Analytik-Übersetzer mit den technischen, geschäftlichen und operativen Interessengruppen ab. Dieser Ansatz lässt sich wie folgt zusammenfassen:

• Der Analytik-Übersetzer beginnt mit dem Geschäftswert und übersetzt ihn in relevante und realisierbare KI-Initiativen,
• der Analytik-Übersetzer definiert einige Messungen oder KPIs, anhand derer beurteilt wird, ob der Geschäftswert erreicht wurde oder nicht,
• die Analytik-Übersetzer definieren, welche Maßnahmen von den Endbenutzern oder Stakeholdern ergriffen werden müssen, um den Geschäftswert zu erreichen,
• der Analytik-Übersetzer definiert, welche Erkenntnisse erforderlich sind, damit die Endbenutzer die gewünschten Aktionen durchführen können,
• arbeitet der Analytik-Übersetzer mit dem technischen Team zusammen, um ein Proof-of-Concept zu erstellen, das die erforderlichen Erkenntnisse liefert,
• arbeitet der Analytik-Übersetzer an einem Wertnachweis unter Verwendung der vordefinierten Messungen und KPIs,
• der Analytik-Übersetzer prüft den Erfolg des Konzeptnachweises(Machbarkeit) und des Wertnachweises(Erwünschtheit & Durchführbarkeit),
• der Analytik-Übersetzer hilft dem Unternehmen, die KI-Lösungen zu industrialisieren und in großem Umfang zu nutzen.

Abbildung 2 zeigt, wie der Analytik-Übersetzer den oben genannten Ansatz anwenden könnte, indem er der Wertschöpfungskette der Datenwissenschaft folgt. In diesem Beispiel möchte Netflix die Benutzerbindung auf seiner Plattform erhöhen. Der Analytik-Übersetzer beginnt mit dem Endwert im Hinterkopf, während er einen KI-Anwendungsfall"personalisierte Empfehlungen" erstellt und validiert. Indem er die Schritte 1 bis 7 befolgt, definiert der Analytik-Übersetzer, was für einen Konzeptnachweis und einen Wertnachweis für diesen speziellen KI-Anwendungsfall erforderlich ist. Dementsprechend stellt der Analytik-Übersetzer sicher, dass der KI-Anwendungsfall mit den geschäftlichen Anforderungen übereinstimmt und zu einer Wirkung führt.

Fazit

In diesem Artikel haben wir die Rolle des Analytik-Übersetzers erörtert und wie er die Kluft zwischen technischen Experten und Geschäftsinteressenten überbrückt. Wir haben Google Translate als Analogie zu dieser Rolle verwendet. Ähnlich wie Google Translate muss der Analytik-Übersetzer mit einem starken Input(Wissensbasis) ausgestattet sein, um die geschäftlichen Probleme in wertvolle KI-Lösungen übersetzen zu können, die die Geschäftsziele des Unternehmens erreichen. So wie Google Translate starke und komplexe Algorithmen für maschinelles und tiefes Lernen einsetzt, um Übersetzungen zwischen verschiedenen Sprachen zu erstellen, verfolgt der Analytik-Übersetzer einen wertorientierten Ansatz(z.B. unter Verwendung der Data Science-Wertschöpfungskette). Dieser Ansatz stellt sicher, dass jede KI-Lösung einen Nutzen für das Unternehmen bringt.

Weitere Informationen über die Rolle des Analytik-Übersetzers finden Sie unter Analytics Translation