Das tägliche Leben eines (Big) Data Scientist - Wie man Big Data Projekte erfolgreich steuern kann? Big Data Everywhere Nadiem von Heydeband

Transkript

1 1 Das tägliche Leben eines (Big) Data Scientist - Wie man Big Data Projekte erfolgreich steuern kann? Big Data Everywhere Nadiem von Heydeband München, den 11. Mai 2016

2 Die Alexander Thamm GmbH und meine Person Wer kennt die Aleander Thamm GmbH? Name: Alexander Thamm GmbH CEO: Alexander Thamm Company: Start- Up founded in 2012 Focus: Why: How: What: Data Science, Big Data, Analytics, Education in Data Science Make people s life better with Data Science Creating new values with our passion for data Defining the state of the art for Data Science and how to develop Data Science projects Name: Nadiem von Heydebrand Function: Managing Data Scientist & Sales Director Industries: Automotive, Energy, E-Commerce, Banking, Manufacturing, Telco, Aviation Expertise: Business Enabling, Solution Design, Design Thinking, Sales, Business Processes, Data Science, Visualization, Data Modeling, Operations Research, Internet of Things & Smart Home, Agile Prototyping Degree: Master of Science (M.Sc.), Study: Business Information Systems, University: Technical University Munich (TUM), Focus: Operations Research, Business Analytics 2

3 Inhalt des heutigen Vortrags Diese Kernthemen möchte ich heute in meinem Vortrag adressieren. Die derzeitigen Top-Herausforderungen im Alltag eines Managing Data Scientists Der Beitrag, den (Big) Data Science heute im Unternehmen leistet / leisten sollte Die Voraussetzungen, die ich brauche, um erfolgreich (Big) Data Science bei mir im Unternehmen machen zu können Charakteristika, die bei einem (Big) Data Science Projekt zu beachten sind Erfolgsfaktoren für den Ausbau von (Big) Data Science bei mir im Unternehmen 3

4 Herausforderungen Buzz Words Die Top Buzz Words aus meinem derzeitigen Alltag. 4

5 Herausforderungen Wir haben auch Daten Alle haben Daten, aus denen man was machen kann. Nur: Daten!= Daten 5

6 Herausforderungen Data Lake Der Data Lake ist zur Zeit das Top 1 Thema meines Alltags. Er wird gerade gebaut, ausgehoben, geschaffen oder entwickelt. 6

7 Herausforderungen Galtonbrett Das Galtonbrett als Beispieldarstellung für die Umsetzung von Big Data Strategien. * (Ganz viele) Daten im Unternehmen (mit ein bisschen) Big Data & Data Science (führt zu wesentlich mehr) Umsatz in * HINWEIS: Es geht nicht um die Binomialverteilung von Galton 7

8 Data Science im Unternehmen Welchen Beitrag leistet Data Science im Unternehmen und wie können Mehrwerte generiert werden? 8

9 Digital Layer PAY IN Use Case Layer Beitrag von Data Science als Baustein für die Digitalisierung Data Science und Big Data Use Cases gelten als Grundbausteine für die Digitalisierung und zahlen auf drei verschiedene Bereiche ein. Big Data Projekt 1 Data Science Projekt 2 Data Science Projekt 1 Data Science Projekt X Big Data Projekt 2 Big Data Projekt X Produkt/Service Geschäftsprozess Entscheidungsprozess 1..n 1..n 1..n Digitale Produkte, Content, Services, Geschäftsmodelle, Vernetzte, optimierte Geschäfts-, Produktionsprozesse, Datengetriebene Entscheidungsprozesse, Szenarien,... 9

10 Voraussetzungen für Data Science bei Dir im Unternehmen Um heute Mehrwerte mit Big Data / Data Science im Unternehmen zu generieren, benötigt man: Strukturiertes Projektvorgehen Skills/Methoden Technologien VORAUSSETZUNGEN 10

11 Das Projektvorgehen Der Datenkompass der Alexander Thamm GmbH gilt als ganzeinheitlicher Ansatz für Data Science. 11

12 Methoden & Skills Methoden und Skills werden über die Ausbildung der Mitarbeiter eingebracht. Die Alexander Thamm GmbH führt ein Trainee Programm für Data Science. 12

13 Technologien Der Einsatz von Technologien und Konzepten gilt als erfolgskritisch im Data Science Bereich. Die richtige Technologie ist ein wichtiger Enabler. 13

14 Data Science ist der wichtigste Faktor Um einen Wert für das Unternehmen zu schaffen, braucht man Menschen, die Inhalte aus Daten generieren und in eine Business Strategie integrieren können. Unternehmens- / Digitalisierungsstrategie Use Case Strategie Use of Technology Deriving Insights (BIG) DATA SCIENCE Methodology, procedure, delivery model, way of working Vorgehen/Methodik Technologien 14

15 Charakteristika eines Data Science Projekts Was macht eigentlich ein Data Science Projekt aus? Worin unterscheiden sich Data Science- und IT-Projekte? 15

16 Überblick der Marktentwicklung im Bereich (Big) Data Science Die (Big) Data Wertschöpfungskette lässt sich in drei Cluster unterscheiden. (abgeleitet von der derzeitigen Marktwahrnehmung) Confidential 16

17 Charakteristika eines Data Science Projekts Wer die Unterschiede zwischen Data Science- und IT-Projekt versteht und entsprechend plant, erhöht die Chancen für einen Projekterfolg enorm. Confidential 17

18 Erfolgsfaktoren Was ist heute wichtig, um den Erfolg von Data Science im Unternehmen sicherzustellen? 18

19 Erfolgsfaktoren Meiner Ansicht nach sind derzeit drei wesentliche Erfolgsfaktoren wichtig, um Data Science erfolgreich im Unternehmen umzusetzen. UseC UseCase I UseCase I UseCase I Ca UseCase I Use Case Strategie Definiertes Vorgehensmodell Zusammensetzung Data Science Teams ERFOLGSFAKTOREN 19

20 Use Case Strategie Abgeleitet von der zentralen Big Data-/Digitalisierungsstrategie muss eine Use Case Roadmap entwickelt werden, die zur Steuerung dient. Confidential 20

21 Das Delivery Modell der Alexander Thamm GmbH Das AT-Delivery Model zeigt wie Use Cases entwickelt, Prototypen gebaut und betriebsfähige Systeme entwickelt werden. 21

22 Zusammensetzung von Data Science Teams Es ist wichtig zu verstehen, dass es unterschiedliche Data Scientists gibt und die Rollen klar definiert sein müssen. Das Grundverständnis sollte jedoch bei allen gleich sein. Confidential 22

23 Erfolge durch Analytics bei einem Data Scientist Der Einsatz von daten- und modellbasierten Entscheidungssystemen hat einen positiven Impact auf das Business unserer Kunden. Die Optimierung der Vorhersage von zu10% Fahrzeugverkäufen um bis ermöglicht die effektivere Aufteilung des Marketingbudgets. Unser Credit Scoring Modell sorgte für eine 90%ige Senkung der Kreditausfallquote innerhalb von nur 3 Monaten. Target Identification erlaubt optimierte Identifizierung potentieller Kunden mit gleichzeitiger 95%. Reduzierung der Werbekosten von bis zu 23

24 Inhalt des heutigen Vortrags Abgleich - die Themen, die ankommen sollten: Die derzeitigen Top-Herausforderungen im Alltag eines Managing Data Scientists Der Beitrag, den (Big) Data Science heute im Unternehmen leistet / leisten sollte Die Voraussetzungen, die ich brauche, um erfolgreich (Big) Data Science bei mir im Unternehmen machen zu können Charakteristika, die bei einem (Big) Data Science Projekt zu beachten sind Erfolgsfaktoren für den Ausbau von (Big) Data Science bei mir im Unternehmen 24

25 Nadiem von Heydebrand Sales Director Wilhelm-Wagenfeld-Str. 20 D München T M nadiem.heydebrand@alexanderthamm.com