[Podcast] Data Science Herausforderungen für Nicht-Tech-Unternehmen

Kürzlich war ich als Hauptgast beim DataTalk-Podcast eingeladen, einer Podcast-Reihe über wichtige Daten- und Analysethemen mit führenden Vertretern der Datenwissenschaft aus der ganzen Welt. In dieser Folge sprach ich mit Mike Delgado, dem Direktor für soziale Medien bei Experian, über Data Science-Herausforderungen für Nicht-Tech-Unternehmen und wie man sie überwinden kann.

Außerdem finden Sie die Folge auf der Experian-Website und in iTunes. Sie können den DataTalk-Podcast auch in iTunes abonnieren.

In meiner täglichen Arbeit treffe ich auf viele Unternehmen, die ihre Data Science-Herausforderungen meistern wollen. Neben diesem Thema haben Mike und ich noch über weitere Dinge gesprochen:

• Tipps für angehende Datenwissenschaftler für einen erfolgreichen Wechsel von der Hochschule in die Industrie;
• Meine tägliche Arbeit als Chief Science Officer und Direktor für Training und Entwicklung;
• Kompetenzen und Eigenschaften von Datenwissenschaftlern und warum traditionelle Unternehmen Schwierigkeiten haben, sie zu finden;
• Wie machen Sie Ihr Unternehmen für Data Scientists attraktiv;
• Und mehr.

Jedes Thema könnte ein eigener Blogbeitrag sein, aber wir können uns ein wenig mit dem Hauptthema befassen: Herausforderungen der Datenwissenschaft und wie man sie löst!

Gemeinsame Data Science-Herausforderungen von Unternehmen

Wenn ich mir die Unternehmen um uns herum anschaue, sehe ich, dass sie hauptsächlich mit Problemen zu kämpfen haben:

• Stellen Sie die richtigen Profile ein;
• Zentralisierung von Daten und Automatisierung ihrer Bewegung;
• Finden Sie die fortschrittlichen Analyseanwendungen, die einen echten Mehrwert für das Unternehmen darstellen.

Es gibt hier keine bestimmte Reihenfolge, denn sie sind alle miteinander verbunden: Zwei von den dreien zu haben ist nicht genug!

Wenn Sie keine Anwendungsfälle oder Daten haben: Nun, damit ist alles vorbei.

Wenn Sie den besten Anwendungsfall und die besten Daten zur Verfügung haben, aber keine Data Science-Kapazitäten, um Ihrem technischen Team tatsächlich etwas Funktionierendes zu liefern: Sie werden keinen Cent für Ihr Unternehmen verdienen.

Das bedeutet, dass Sie zwar Datenwissenschaftler beschäftigen können, aber solange diese nicht in der Lage sind, zur Erstellung von Datenprodukten beizutragen, werden Sie es schwer haben, aus ihnen einen Nutzen zu ziehen.

Lösen Sie die Herausforderungen der Datenwissenschaft

Um die Herausforderungen zu lösen, habe ich über die Rolle des Business/Analytics Translator gesprochen. Diese relativ neue Rolle überbrückt die Kluft zwischen dem Unternehmen und den Teams, indem sie die Geschäftsanforderungen in Datenprodukte übersetzt.

Dann habe ich über die Bedeutung von Data Engineering als grundlegendem Baustein für alle datengesteuerten Organisationen gesprochen und darüber, wie Learning Journeys (mehr dazu in einem zukünftigen Blogbeitrag) Ihnen helfen können, Ihre Talente innerhalb der Organisation zu fördern.

Und zum Schluss habe ich darüber gesprochen, wie die Offenheit des Kerns, mit Beiträgen zum Open-Source-Ökosystem auf der einen Seite und der Veröffentlichung von Forschungsergebnissen auf der anderen, dabei hilft, Talente von außen anzuziehen. Wenn sich alles andere ausgleicht, werden offene Unternehmen immer attraktiver sein als ihre geschlosseneren Konkurrenten.

Ende des Spoilers! Wenn Sie mehr wissen möchten, besuchen Sie die Experian-Website, um alles zu erfahren.

Sind Sie bereit, Data Science-Herausforderungen zu lösen?

Nehmen Sie an unserem Kurs Data Science für Product Owner teil. In dieser Schulung lernen Sie alles über die Erstellung von KI-Lösungen, die einen Mehrwert schaffen, und Sie können die Kluft zwischen Datenteams und Geschäftsanwendern überbrücken.

Wenn Sie mehr über den Monat erfahren möchten, folgen Sie mir auf Twitter: Ich bin dort gglanzani. Aber der eigentliche Spaß findet auf LinkedIn statt, wo ich immer die Grenzen des professionellen sozialen Netzwerks auslote!