Data Science Foliensatz 4

• Die Präsentation behandelt das Thema Data Science im Unternehmenskontext, Teil 2 von Prof. Dr. Marius Wehner von der Heinrich-Heine-Universität Düsseldorf.

Kurze Wiederholung zu den Gastvorträgen

• Beispiel ERGO: Wettbewerbsvorteile durch systematischen Einsatz von Advanced Analytics entlang der gesamten Wertschöpfungskette.
• Diskussionsfragen:
  • Warum ist Informationsmanagement bei ERGO wichtig?
  • Wie wird die Integration der Data Science Abteilung in die Unternehmensstrategie beurteilt?

Lernziele

• Die Relevanz eines Data Warehouses darstellen und erklären können.
• Mögliche Datenquellen benennen können.
• Die Nutzung von Dashboards zur Datenvisualisierung erklären können.
• Die Rolle der Unternehmenskultur darstellen und beschreiben können.

Rolle des Data Warehouse

• Datenspeicherung in Funktionsbereichen:
  • Personalabteilung: Personalakte, Bewerbungen, Abwesenheits- und Urlaubsdaten.
  • Einkauf: Auftragsbücher, Lieferzeiten, Qualität.
  • Finanzen: Rechnungen, Transaktionen, Zahlungsausfälle.
  • Produktion: Inventurdaten, Produktionsdaten, Maschinendaten, Ausfallzeiten.
• Nachteile der Datenspeicherung in Funktionsbereichen:
  • Digitalisierung und großes Datenvolumen (Big Data)
  • Geringe Nützlichkeit (Archivierung und Nachweis als traditionelles Ziel)
  • Dateninseln und fehlende Integration
  • Wenig Dokumentation, "Datenfriedhöfe"
  • Keine oder schlechte Aufbereitung

Vorteile eines Data Warehouse

• Speicherung großer Datenmengen
• Entlastung der Funktionsbereiche
• Bessere Datenaufbereitung
  • Höhere Validität
  • Transparenz durch "Meta-Daten"
  • Hohe Verfügbarkeit
• Integration von Daten aus verschiedenen Quellen
  • Bessere Informationsausbeutung
  • Vermeidung von isolierten "Dateninseln"

Architektur eines Data Warehouse

• BI-Portal ermöglicht Zugriff für Business-Anwender.
• Data Mart Area für relationales Data-Fundament und Cubes.
• ETL-Prozesse integrieren Daten aus Quellsystemen
• Data Warehouse enthält Dimensionen und ein Meta-Data-Repository.
• Data Quality Prozesse sorgen für Datenbereinigung.
• Staging Area als Dateneingangsbereich und Repository.
• ETL-Prozesse.
• Source Systeme sind ERP, CRM usw.
• Begriffsbedeutungen:
  • BI = Business Intelligence
  • Data Marts enthalten Daten bestimmter Abteilungen
  • Meta-Daten sind Informationen über Daten (Zeit, Person, Variablen).
  • ETL = Extract, Transform, Load
  • ODS = Operational Data Store
  • Staging Area dient der temporären Speicherung.
  • ERP = Enterprise Resource Planning

Beispiele für Datenströme (Sources) und Nutzung

• Transaktionen: Analyse von Verkaufszahlen, automatische Inkasso-Systeme.
• Sensordaten: Produktverwendung, Predictive Maintenance.
• Kundendaten: Segmentierung, Churn Prediction, Alarmsysteme.
• Beschäftigte: Trainingsbedarf, Verhaltensvorhersage, Job Performance.
• Geo-Daten: Benachrichtigungen, Fraud Detection, Logistik.
• Social Media: Stimmung, Präferenzen, Trends, CSR, Bewerbertracking.
• Informationen über Maßnahmen: Wissen, was funktioniert (für welche Kunden).
• Weblogs: Kundenverhalten, Interessen, Präferenzen.
• Produktionsinformationen: Produktverbesserung, Prozessverbesserung, Qualitätskontrolle.

Beispiel: Landwirtschaft goes digital

• Der Traktor:
  • Betriebsstunden: Erfassung zur Nutzungsdauer, Ort und Wartungsbedarf.
  • Motordaten: Drehzahl, Temperatur, Kraftstoffverbrauch, Öldruck, Gewicht, Bodendruck.
  • Boden- und Umweltdaten: Bodenfeuchtigkeit, Temperatur, Nährstoffgehalt.

Datenbereinigung (ETL) als wichtige Aufgabe

• ETL-Prozess: Extract [Zugriff auf Datenbank], Transform, Load.
• Data Cleaning:
  • Outlier entdecken und behandeln (z.B. Winsorizing).
  • Duplicates entdecken und eliminieren.
  • Missing data entdecken, verstehen und imputieren.
• Data Wrangling (Datenaufbereitung):
  • Umkodieren (Strings in numerische Variablen).
  • Neue Variable berechnen.
  • Tables zusammenfügen.
  • Aggregieren (z.B. Tageswerte auf Monats-Level).
  • Pivoting (Wideformat → Longformat).
  • Mapping: Verschiedene Versionen in einen einheitlichen Wert bringen.

Technologie-Option zur Datenspeicherung

• Vor-Ort (On-Premise):
  • Physisch in Computern und Servern innerhalb der Organisation.
  • Generell besser anpassbar.
  • Mehr Kontrolle über Daten.
  • Einmalige, unbefristete Gebühr plus Lizenz- und Supportkosten.
• Cloud-basiert:
  • Software und Daten auf Servern des Dienstanbieters (z. B. Amazon Web Services, Microsoft Azure).
  • Ortsunabhängiger Echtzeit-Zugriff.
  • Keine Vorabkosten.
  • Abonnement-/Lizenzmodelle.
  • Skalierbarkeit.

SaaS, PaaS und IaaS

• Methode der Softwarebereitstellung für Zugriff auf Daten von jedem Gerät.
• Bietet komplette Softwarelösung auf Pay-per-use-Basis.
• Beispiele:
  • Software as a Service (SaaS): On-Demand-ERP, On-Demand-CRM.
  • Plattformbasierter Dienst (PaaS): Azure, Salesforce.com.
  • Infrastructure as a Service (IaaS): Amazon EC2.

Kosten der Implementierung (als Richtwerte)

• Vor-Ort: ca. 1,4 Mio US-$ (2010), 26% Lizenzierung, 74% Anpassung/Infrastruktur/Wartung/Upgrade/IT-Personal/Ausbildung.
• Cloud: ca. 700 Tsd. US-$ (2010), 65% Lizenzierung, 35% Anpassung/Ausbildung/IT-Personal/Konnektivität.

Beispiel: Snowflake

• Gegründet 2012 in den USA.
• Eine der ersten Cloud-nativen Architekturen
• Trennt Speicher- und Rechenressourcen.
• Ermöglicht unabhängige Skalierung.
• Beseitigt Beschränkungen ortsgebundener Data Warehouses.

Digitale Datenspeicherung

• Kombination beider Speichertypen = Vorteile beider Ansätze.
• Kritische/sensible Daten lokal speichern, weniger sensible oder skalierbare Daten in die Cloud auslagern.

Organisation von Daten

• Datenbank-Management:
  • Datenbank: Sammlung organisierter Daten.
  • Datenbank-Management-System (DBMS): Software zur Pflege einer Datenbank.
• Relationale Datenbank:
  • Teilmengen von Daten sind integriert und durch IDs verknüpft.
  • Relationales DBMS: Software zur Pflege relationaler Datenbanken.
• Management einer relationalen Datenbank:
  • Tabelle, Schlüsselvariable, Bericht

Visualisierung von Daten

• Reports (Berichte): Strukturierte Dokumente oder Präsentationen.
• Score Cards: Darstellung von Leistungskennzahlen (KPIs).
• Analytical Applications: Softwareanwendungen zur Datenvisualisierung und Analyse
• Dashboards: Visuelle Darstellung relevanter Informationen auf einer Oberfläche.

Beispiel: Dashboard

• Vorteile: Datenvisualisierung, Echtzeitüberwachung, Datenintegration, benutzerdefinierte Ansichten.
• Nachteile: Datenqualität, Überforderung, Abhängigkeit von Technologie, Fehlinterpretation.

Rolle der Unternehmenskultur für die Data Science Funktion

• Data Science-Implementierung als Organisationsentwicklungsmaßnahme.
• Widerstand bei Beschäftigten: Sorgen/Ängste, Verständnisprobleme, mangelnde Beteiligung.
• Widerstand bei Managern: Angst vor Entscheidungsverlust, kognitive Dissonanz, Mangel an Ressourcen.
• Kultur-Taxonomie von Quinn & Rohrbaugh (1983)
  • Fokus: Intern oder Extern
  • Struktur: Mechanistisch (formalisiert & zentralisiert) oder organisch (flexibel & dezentralisiert)
• Kurt Lewin's Phasen der Veränderung: Unfreeze, Change, Refreeze.
• Aspekte zur Überwindung von Hindernissen:
  • Manager und Beschäftigte einbeziehen und Nutzen verdeutlichen;
  • zentrale Personen überzeugen;
  • Training und Unterstützung anbieten;
  • "Start small and make it happen";
  • Implementierung begleiten und Feedback einholen.
• Der Beitrag von Data Science zur Zielerreichung wird durch ein Reifegradmodell dargestellt
• Revolution vs. Evolution: Unternehmenssteigerung durch sukzessive Projekte.