Data Analytics: Smart-Data-Verfahren

TEXT: Dr. Michael W. Preikschas

Laut CB insights (https://www.cbinsights.com/research-unicorn-companies) gibt es weltweit aktuell 35 Unicorns (Firmenwert >1 Milliarde Dollar) im Bereich der Verwertung bzw. Analyse von Daten. Zusammen haben diese Unternehmen einen Gesamtwert von 73 Milliarden Dollar. Allein die sechs größten (Palantir, UiPath, Snowflake, Rubrik, Horizon Robotics und Databricks) machen davon etwa 45 Milliarden Dollar aus. Wertvoll sind diese Unternehmen nicht nur für Anleger, sondern vor allem auch für mittlere Unternehmen, welchen sie helfen ähnliche Netzwerk Effekte zu schaffen, wie sie die Tech Giganten sowieso innehaben: Je bessere Leistungen diese Unternehmen ihren Kunden bieten, desto mehr Daten werden gesammelt. Dadurch wird im Umkehrschluss die Leistung wiederum besser, und so weiter.

Die Berater von Gartner (https://www.gartner.com/en/newsroom/press-releases/2019-08-05-gartner-says-ai-augmentation-will-create-2point9-trillion-of-business-value-in-2021) veröffentlichten vor kurzem, dass nach Ihrer Meinung die Zunahme von künstlicher Intelligenz bis 2021 einen Wert von 2,9 Billionen Dollar erschaffen sowie 6,2 Milliarden Mann-Stunden einsparen wird. Auch McKinsey macht ähnliche Aussagen und bewertet bestimmte Branchen, welche ganz besonders von Big Data profitieren. Hier werden insbesondere der Handel (profitiert global um 600 Milliarden $ p.a.), Transport und Logistik (420 Milliarden $), Tourismus (400 Milliarden $) und Gesundheitsdienstleistungen (380 Milliarden $) genannt.

Allerdings müssen die Daten-Analysten bis zu diesen Summen noch einen weiten Weg beschreiten. Das Extrahieren und Analysieren von Daten aus unzähligen Quellen und verbundenen Anwendungen (IoT — Internet der Dinge) ist aufwendig und teuer. Obwohl viele dieser Analyse-Unternehmen vorgeben eine funktionierende „AI-Plattform“ entwickelt zu haben, entsprechen diese Plattformen nicht wirklich der üblichen Definition. Oftmals verbinden sie nur verschiedene Quellen miteinander und führen damit die Daten zusammen. Eine richtige AI-Plattform würde automatisch die gesammelten Rohdaten in ein algorithmusfreundliches Format umwandeln, sowie bestimmte Software bereitstellen, die auch weniger IT affine Anwender nutzen könnten. Auf diese Weise schafft es beispielsweise Palantir (www.palantir.com) individuelle high-end Dienstleistungsplattformen für jeden Kunden bereitzustellen.

Ein Unternehmensbeispiel dafür ist auch C3.ai (www.c3.ai), die Rohdaten von Fahrzeugsensoren oder Lagerhaltungssystemen in Voraussagen von Ausfällen (Predictive Maintenance) durch Algorithmen umwandeln. Ein Beispiel von Unternehmen, in dem Analysten erfolgreichen Wettbewerb für die Tech-Giganten sehen.

Das Start-up Spoonshot (spoonshot.com) hat sich darauf spezialisiert durch in der Gentechnik eingesetzte künstliche Intelligenz die optimale Kombination von Essen und Getränken für jeden Menschen individuell vorauszusagen. Dies wird neben Unternehmen in der Lebensmittelbranche (Produktentwicklung) vor allem den Dienstleistern im Handel oder Gastronomie (Pricing, Bundeling) helfen, den Geschmack des Kunden zu treffen. Eines dieser Unternehmen ist beispielsweise Hungerbox (www.hungerbox.com), welches bei der idealen Zusammenstellung von Essenslieferungen für alle Angestellten hilft. Denn Arbeiter in körperlicher Tätigkeit, sitzender Beschäftigung oder auch mit Krankheiten brauchen spezielle Ernährung.

Nicht nur die Kenntnis über die inneren (versteckten) Daten eines Menschen können Informationen zum optimalen Umgang mit dem Kunden aufdecken. Auch statistische Berechnungen führen in großer Losgröße zu hohen Wahrscheinlichkeiten. Dies macht sich das Start-up Sesamm (www.sesamm.com) zu nutze und analysiert im großen Stil das individuelle Verhalten bzw. persönliche Aussagen in Zeitungsartikeln, Sozialen Medien, Blogs oder Foren. Mit diesen mathematischen Schlüssen empfielt das Unternehmen Analysten in bestimmte Werte oder Anlagegüter zu investieren.

Innovatoren erreichen mehr Umsatz und Gewinn, neue Kunden und Märkte. Trends früh erkennen, daraus Bedürfnisse richtig und rechtzeitig ableiten, neue Lösungen zum Erfolg entwickeln — das ist ihr Geschäft. Sie arbeiten intern im Netzwerk und extern mit Partnern. Marketing und Vertrieb sind früh eingebunden. Innovationen beginnen mit Ideen und gelingen durch strukturiertes Management.

#DataAnalytics #SmartData #OpenData #Quantencomputer