Einer unserer Kunden sagte kürzlich: «Wenn wir wüssten, was wir wissen, hätten wir eigentlich keine Probleme!» Einer der Gründe ist, dass Computer mit herkömmlichen Methoden nicht in der Lage sind, Zusammenhänge zwischen Daten zu erkennen und Informationen zu generieren. Computer können im binären Raum in kürzester Zeit enorme Mengen von Daten verarbeiten. Im Gegensatz dazu vernetzt das menschliche Gehirn beispielsweise beim Lesen eines Artikels sofort seine Erfahrung und generiert daraus einen Kontext, in welchem der (menschliche) Leser dann den Artikel liest und beurteilt.
Mit Hilfe von modernen Mustererkennungsalgorithmen ist es möglich, Daten aus verschiedensten Datenquellen gegeneinander zu matchen und daraus ähnlich wie ein menschliches Gehirn Informationen zu generieren. Über viele Jahre wurden solche Ideen und Ansätze für Data Driven Services im Labor oder in dedizierten Anwendungen erprobt und umgesetzt. Heute stehen dafür bereits einsetzbare Services zur Verfügung, die es ermöglichen, umfangreich und effizient individuelle Datenbedürfnisse umzusetzen.
Einige Anwendungsfelder für Datengetriebene Services:
Erkennen von Trends:
Erkennen von Trends im Internet und automatisiertes Matchen mit eigenen Produkten oder Dienstleistungen.
Die Datenmengen, welche uns zur Verfügung stehen, verdoppeln sich in immer kürzerer Zeit. Aus all diesen sich immer weiterentwickelnden Daten ist es sehr schwierig, die für eine konkrete Aufgabenstellung richtigen Trends zu erkennen. Durch einfache Datenservices können täglich oder wöchentlich verschiedenste Strömungen, Entwicklungen oder Veränderungen analysiert, visualisiert und erkannt werden
Customer Experience
Erkennen und aufbereiten von Kundenreaktionen in den sozialen Medien, direktes Mappen auf eigene Angebote
In sehr grossen Datenmengen ist es schwierig, vollumfänglich Gesamtzusammenhänge zu verstehen. Mit Hilfe von Algorithmen können aus verschiedensten Datenquellen (z.B. Facebook, Instagram) konkrete Aussagen zu Produkten, Services oder Ereignissen zu den jeweiligen Erfahrungen von Kunden extrahiert und dargestellt werden.
Qualitätssicherung
Permanentes Vergleichen von Resultaten mit den Qualitätsvorgaben. Eine automatische Echtzeitauswertung der Ist-Messdaten und Abgleich mit den Soll-Vorgaben verringert den Aufwand in der Qualitätssicherung. Durch die Ableitung von z.B. Qualitätsregelkarten werden mittels statistischer Prozesskontrolle Qualitätsschwankung oder -abweichungen visualisiert und dargestellt. Systematische Prozessabweichungen können kurzfristig erkannt und behoben werden.
Die oben genannten Beispiele für Data Driven Services mögen auf den ersten Blick völlig unterschiedlich sein. Sie haben jedoch drei Gemeinsamkeiten:
- Alle Beispiele basieren auf der gleichen Technologie respektive den gleichen Prinzipien.
- Alle Beispiele basieren auf einfachen Ideen, ohne zusätzliche Prozesse oder Recherchen.
- Alle Beispiele wurden pragmatisch, agil, in kleinen Schritten umgesetzt.
Was heisst das konkret für Unternehmen bei der Umsetzung von Data Driven Services?
Der erste Schritt zur Hebung der Datenschätze im Unternehmen ist ein Brainstorming über mögliche Potentiale, welche dann in einem Ideation Workshop systematisch weiterentwickelt und zu konkreten Lösungsansätzen geformt werden. Nach einer Beurteilung kann innerhalb von wenigen Wochen ein konkretes erstes Minimum Viable Product (MVP) erstellt werden, welches konkret den erhofften Nutzen aufzeigt.
