the_lightwriter - stock.adobe.co

Es werden Milliarden für nutzlose Dateninitiativen vergeudet

Im Interview erklärt Dean Stoecker, CEO von Alteryx, wie Data Science bei der Bekämpfung der Opioidkrise hilft und zu einer Verringerung der Lebensmittelverschwendung führen kann.

Viele alltägliche Prozesse der Datenverarbeitung werden immer noch manuell ausgeführt. Eine smarte Datenerkennung und die automatisierte Datenaufbereitung können laut Dean Stoecker, Mitbegründer und CEO von Alteryx, Verzögerungen bei der Gewinnung von Erkenntnissen beseitigen.

Im Interview erläutert er, wie die Alteryx-Plattform Datenanalysten bei der Datenauswertung und -analyse hilft, wie sich die Analyseanforderungen in den letzten Jahrzehnten verändert haben und wie Data Science bei der Bekämpfung der Opioidkrise in den USA helfen kann.

Herr Stoecker, Alteryx möchte eine Revolution im Bereich Data Science und Analytics anstoßen. Wie können Mitarbeiter, die keine Datenwissenschaftler oder Analysten sind, von Ihrer Plattform profitieren?

Dean Stoecker: Während die Menge der verfügbaren Daten zugenommen hat, mangelt es immer noch an Data Scientists. Datenanalysten und andere Mitarbeiter aus den Fachbereichen werden daher aufgefordert, mehr zu tun, mehr zu wissen und drängende Geschäftsfragen mit Daten zu beantworten. Da Datenkompetenz aber knapp ist und die Nachfrage nach datenbezogenen Rollen in den nächsten vier bis fünf Jahren weiter ansteigt, ist dies je nachdem, auf welcher Seite des analytischen Spektrums Sie sich befinden, entweder aufregend oder einschüchternd.

Damit Unternehmen erfolgreich sein können, müssen sie Datenanalysten auf allen Ebenen des Unternehmens, unabhängig von ihrem technischen Verständnis, befähigen, mehr Datenkenntnisse zu erwerben und ihr analytisches Wissen zu verbessern. Nur durch die Verknüpfung von Datenerkenntnissen mit Menschen mit wichtigem Geschäftswissen werden Unternehmen in der Lage sein, das Beste aus Datenanalysen zu machen.

Dies wird es der Organisation nicht nur erlauben, Datenanalysen auf allen Ebenen zu verstehen, sondern auch eine Armee von „Citizen Data Scientists“ zu schaffen. Das umfasst die Zusammenführung von Abteilungen, die ansonsten isoliert sind, bei gleichzeitiger Generierung aufschlussreicher und wertvollerer Analysen.

Die Alteryx-Plattform kann dazu beitragen, dass jeder Datenanalyst – ob Data Scientist oder Geschäftsanwender – echte Einblicke und sinnvolle Geschäftserkenntnisse aus Daten erhält. Damit können sie für Unternehmen von entscheidender Bedeutung sein, um ein breiteres und anspruchsvolleres Spektrum an Analysefunktionen bereitzustellen, die zur Förderung der digitalen Transformation beitragen.

Sie haben Alteryx vor über 20 Jahren zusammen mit Olivia Duane Adams und Ned Harding gegründet. Wie haben sich die Analyseanforderungen seit der Gründung Ihres Unternehmens verändert?

Stoecker: Alteryx begann mit der Vision, eine Softwareplattform bereitzustellen, die es Unternehmen ermöglicht, mit Begeisterung schnelle Antworten zu finden. Es gibt kein Unternehmen da draußen, das nicht von einem besseren Zugriff und einer besseren Analyse seiner Daten profitieren könnte – nicht irgendwann nächste Woche oder nächsten Monat, sondern heute, wenn das Unternehmen dies benötigt.

Ich habe mein ganzes Berufsleben lang für Software-, Daten- oder Analytics-Unternehmen gearbeitet, und keines hat alle drei Bereich wirklich gut gemacht. Deshalb haben sich meine Mitbegründer Olivia Duane Adams, Ned Harding und ich zum Ziel gesetzt, ein Unternehmen zu gründen, das sich in diesen Bereich auszeichnet, aber eine Kernkompetenz in Sachen Software behält.

In der Vergangenheit standen die Gespräche mit den Kunden im Zeichen von Features und Funktionen. Heute sind sie viel strategischer und konzentrieren sich auf strategische Initiativen wie digitale Transformation und Automatisierung. Wir glauben, dass dies ein Beweis für die einzigartige Position von Alteryx als führende End-to-End Advanced-Analytics-Plattform ist.

Unternehmen sind mit einer Vielzahl von unstrukturierten und semistrukturierten Datensätzen konfrontiert. Wie können diese Datensätze für die weitere Verarbeitung vorbereitet werden?

Stoecker: Eine IDC-Studie in Auftrag von Alteryx ergab, dass ein typischer Datenprozess durchschnittlich sechs verschiedene Datenquellen, 40 Millionen Datenzeilen und sieben verschiedene Ergebnisse umfasst. Das manuelle Extrahieren, Parsen, Verbinden, Standardisieren, Erweitern, Bereinigen, Konsolidieren und Filtern all dieser Datenquellen ist wiederholbar, fehleranfällig und langsam. Darüber hinaus muss man bei jeder Änderung der Daten jeden Schritt in der Datenvorbereitung und im Blending-Prozess erneut wiederholen.

Diese analytischen Legacy-Modelle sind nicht nur zu eng gefasst, sie beziehen sich auch in der Regel nur auf eine Phase eines bestimmten Prozesses für einen Benutzertyp. Moderne Datenanalyseplattformen ersetzen die zeitaufwändigen, isolierenden Abläufe von Legacy-Prozessen und ermöglichen es Unternehmen, Daten durch erweiterte Datenanalyse zu demokratisieren.

Self-Service-Plattformen für End-to-End-Analysen ermöglichen es jedem Datenanalysten, genaue und aussagekräftige Business Intelligence mit weniger Tools und minimalem Support durch Data Scientists zu generieren.

Datenanalysten können problemlos den richtigen Datensatz für die Analyse oder Visualisierung erstellen, indem sie Datenqualitäts-, Integrations- und Transformationswerkzeuge verwenden, um die richtigen Modelle zu entwickeln und einzusetzen – unabhängig davon, ob die Daten strukturiert, unstrukturiert oder teilstrukturiert sind. Das Ziel ist die Beschleunigung des End-to-End-Analyseprozesses bei gleichzeitiger drastischer Verbesserung der analytischen Produktivität und der Information Governance bei der Entwicklung wiederholbarer Workflows.

Analysten und Data Scientists investieren viel Zeit in die Datenaufbereitung. Das Ergebnis ist jedoch ernüchternd: Die Daten liefern bereits bekannte oder unbrauchbare Erkenntnisse. Wie kann dieses Problem gelöst werden?

Stoecker: Die einfache Antwort ist, die richtige Plattform zu finden, um alte und oft zeitaufwändige Operationen zu ersetzen und die gesparte Zeit in die Zentralisierung von Daten und Analysen umzuleiten. Die Suche und Aufbereitung von Daten verbraucht über 40 Prozent der Zeit der Datenanalysten und ungefähr 16 Stunden pro Arbeitsschritt. Hier werden jedes Jahr Dutzende von Milliarden Dollar für nutzlose Dateninitiativen vergeudet. Die Alteryx-Plattform kann Unternehmen unterstützen, diese verlorene Zeit in produktive Zeit zu verwandeln, indem sie diese Routineprozesse mit ihrer Drag-and-Drop-, Click-and-Run-, codefreien und codefreundlichen Umgebung einfach automatisiert.

Dank seiner einfachen, aber leistungsstarken grafischen Benutzeroberfläche ermöglicht es Alteryx nicht-technischen Benutzern, die richtigen Daten zu identifizieren und mit ihnen zu verbinden, wiederholbare Workflows zu erstellen, Analyseprozesse im gesamten Unternehmen zu planen und zu skalieren sowie Modelle der Datenwissenschaft zu operationalisieren und zu verwalten.

Wie gewährleisten Unternehmen eine gleichbleibend hohe Datenqualität?

Stoecker: Vertrauenswürdige Erkenntnisse beginnen mit vollständigen und statistisch fundierten Daten. Datenanalysten verbringen über 40 Prozent ihrer Zeit mit der Suche und Aufbereitung von Daten, anstatt Erkenntnisse zu gewinnen. Eine Qualitätsprüfung vor der Analyse kann auf viele Probleme, wie zum Beispiel falsche Datenformate, NULL-Werte und leere Felder, hinweisen.

Zu viele alltägliche Geschäftsprozesse, insbesondere datenorientierte, sind aus unserer Sicht zu manuell und ineffizient. Diese sind damit reif für die Vorteile der Automatisierung mit Alteryx. Intelligente Datenerkennung und automatisierte Datenaufbereitungsfunktionen lösen viele der Hauptursachen für Verzögerungen bei der Gewinnung genauerer Erkenntnisse.

Heute ist die Datenverarbeitung und -analyse auch ein zentraler Bestandteil der Forschung und Entwicklung im gemeinnützigen Bereich. Mit Alteryx for Good bewerben Sie ein entsprechendes Programm. Was ist Alteryx for Good?

Stoecker: Ich bin leidenschaftlich für einen Technology-for-Good-Ansatz und glaube daran, dass der Aufbau eines erfolgreichen Unternehmens auch bedeutet, der Gemeinschaft und unserer Gesellschaft im Allgemeinen etwas zurückzugeben. Der Architekt und Designer Buckminster Fuller sagte einmal: „Wir entwickeln die richtigen Technologien aus den falschen Gründen. Wir werden uns nie um das Raumschiff Erde kümmern können, wenn wir es nicht als gemeinsame Aufgabe betrachten. Es müssen sich entweder alle darum kümmern oder niemand.Dies hat uns inspiriert, das Alteryx-for-Good-Programm zu entwickeln, das es den Mitarbeitern ermöglicht, ihre Zeit für die Anliegen einzusetzen, an die sie glauben.

Es ist ein Programm, das mir am Herzen liegt und das wir weltweit umgesetzt haben. Der intelligente Einsatz von Data Science und Analytik hat auch das Potenzial, die Entwicklung weltweiter Themen wie die Opioidkrise, die Ausbreitung von Malaria und vieles mehr vollständig zu verändern. Der Schlüssel zu dieser Art von Innovation liegt in der Inspiration und Ausbildung der nächsten Generation von Datenanalysten.

Als Teil von Alteryx for Good geben wir unsere Technologie kostenlos an Universitäten weiter, die Analytik in ihrem Lehrplan unterrichten. Wir stellen die Vorteile bahnbrechender datenwissenschaftlicher und analytischer Fähigkeiten für Studenten zur Verfügung, um die für den Erfolg erforderlichen Datenkenntnisse zu erwerben, und für Professoren, um Studenten an die Grenzen des Wissens zu führen. Bei diesem Programm geht es nicht nur darum, Studenten beim Erfolg ihrer zukünftigen Karriere zu unterstützen – wir zahlen es auch aus, damit die zukünftigen Mitarbeiter ihre Datenkenntnisse nutzen können, um positiv auf ihr Unternehmen, ihre Gemeinden und ihre Welt einwirken zu können.

Können Sie uns Anwendungsfälle und Beispiele für das Programm nennen?

Stoecker: Im Jahr 2017 veranstaltete das U.S. Department of Health and Human Services (HHS) einen Code-a-thon unter dem Titel Connecting Data to Save Lives. Alteryx sponserte ein Team, um datengesteuerte Lösungen für die Opioid-Epidemie zu finden.

Tatsächlich war dieser HHS- Code-a-thon der Auslöser, der meine Leidenschaft für die Lösung dieses Problems entfachte und mir die Augen für die enorme Aufgabe öffnete. Unser Team von 28 ACE-Partnern und Mitarbeitern arbeitete die ganze Nacht über, kodierte und analysierte Daten, um Wege zu finden, sie zur Krisenbewältigung zu nutzen. Ich könnte nicht stolzer sein auf das, was sie erreicht haben. Obwohl der Code-a-thon in vielerlei Hinsicht ein Erfolg war, war er nur ein erster Schritt. Seitdem arbeitet Alteryx proaktiv mit Organisationen aus dem öffentlichen und privaten Sektor zusammen, um durch Daten und Analysen zur Reduzierung der Opioidabhängigkeit beizutragen.

Im Oktober veranstalteten wir die vierte europäische Kundenkonferenz Inspire Europe 2019. Über 2.000 datenorientierte Geschäftsleute, Kunden und Partner trafen sich im Tobacco Dock in London, um Kompetenzen aufzubauen und Wissen über die Zukunft der Datenanalyse auszutauschen. Mit dem Ziel, Lebensmittelverschwendung zu vermeiden, entwickelte Alteryx in Zusammenarbeit mit dem Veranstaltungsort Tobacco Dock und OLIO eine App, die überschüssige Lebensmittel teilt. Dadurch kamen insgesamt 338 Mahlzeiten den Einwohnern der lokalen Gemeinde zugute.

Anfang Oktober gab Alteryx die Übernahme von Feature Labs bekannt. Wie sieht Ihre Strategie für Machine Learning und automatisierte Datenanalyse aus?

Stoecker: Die Übernahme von Feature Labs ermöglicht es Alteryx, jeden Datenanalysten in die Lage zu versetzen, die Lücke zwischen Data Science und Machine Learning zu schließen. Unser Ziel ist es, die Talente und Fähigkeiten des bestehenden Teams zu nutzen und ein Data Science Innovation Center aufzubauen, das die MIT-Wurzeln und den Feature-Labs-Standort Boston ausnutzt, um unsere Bemühungen in diesem Bereich zu verstärken.

Die Feature-Engineering-Funktionen von Feature Labs, kombiniert mit der einfachen Bedienung der Alteryx-Plattform, schaffen eine Umgebung, die die Time-to-Insight und Time-to-Value für Analysten und Data Scientists gleichermaßen beschleunigt.

Dean Stoecker, Alteryx

„Als Teil von Alteryx for Good geben wir unsere Technologie kostenlos an Universitäten weiter, die Analytik in ihrem Lehrplan unterrichten.“

Dean Stoecker, Alteryx

Wir planen, dies zu nutzen, um unsere KI- und ML-Bemühungen sowohl in der Open Source Data Science Community als auch für Business-Analysten zu erweitern, welche sich codefreie Tools wünschen, die sie durch den komplexen Prozess der erfolgreichen Implementierung von KI- und ML-Techniken mit ihrem Domänenwissen führen können. Wir freuen uns, das Feature-Labs-Team in unserem unglaublichen Alteryx-Team begrüßen zu dürfen und freuen uns darauf, diese erweiterten automatisierten Machine-Learning-Fähigkeiten auf unserer Data-Science-Plattform bereitzustellen.

Sie arbeiten unter anderem mit Tableau, Microsoft und AWS zusammen. Wie genau sehen diese Partnerschaften aus?

Stoecker: Unser Technologiepartner-Ökosystem besteht aus unabhängigen Softwareanbietern, Cloud- und Datenplattformen sowie Angeboten, die unsere Plattform verbessern und erweitern. Wir arbeiten eng mit über 20 Technologiepartnern zusammen, um eine nahtlose analytische Benutzerführung zu gewährleisten. Wir haben Konnektoren für mehr als 50 Datenquellen optimiert, darunter Amazon, Cloudera, Databricks, Google, Hortonworks, IBM, Marketo, Microsoft, MongoDB, NetSuite, Oracle, Salesforce und SAP. Wir unterstützen die Ausgabe von Visualisierungs- und Dashboard-Programmen, wie sie von Microsoft, Qlik oder Tableau angeboten werden.

Alteryx hat europäische Niederlassungen in Prag, Kopenhagen und München. Welche Bedeutung hat der EMEA-Markt für Ihr Unternehmen?

Stoecker: Der Mix der Teilnehmer unserer vierten EMEA-Kundenkonferenz verdeutlicht die Bedeutung des EMEA-Marktes. Wir begrüßten Teilnehmer aus 19 Branchen, elf Funktionsbereichen und 48 Ländern, um ihre Anwenderberichte und Erfolge miteinander zu teilen.

In Übereinstimmung mit den internationalen Wachstumsthemen des Jahres 2018, in dem wir zwölf Büros eröffnet oder erweitert haben, darunter Tokio, Paris und Dubai, sind rund 30 Prozent unserer Mitarbeiter weltweit inzwischen außerhalb Nordamerikas ansässig. Unsere jüngsten Finanzergebnisse des dritten Quartals 2019 verzeichneten einen internationalen Umsatz von 28,7 Millionen US-Dollar, 48 Prozent mehr als im Vorjahr und 30 Prozent des Gesamtumsatzes.   

Angesichts der vielfältigen Wachstumsmöglichkeiten, die uns zur Verfügung stehen, gehen wir davon aus, dass wir weiterhin in unsere Plattform und unser Go-to-Market-Modell investieren werden, um die bedeutenden globalen Chancen zu nutzen.

Nächste Schritte

Data Science Storytelling ist kritische Analytics-Fähigkeit.

Predictive Analytics und KI stärken sich gegenseitig.

Kostenloser E-Guide: Big Data Analytics mit Data Mining.

Erfahren Sie mehr über Datenanalyse

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close