Strukturiert für Intelligenz (German Edition)

Kapitel 1. KI trifft auf den Datenstack

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In vielen Unternehmen ist es immer noch echt schwierig, aus Unternehmensdaten Erkenntnisse zu gewinnen, weil die Leute mit einer Vielzahl von Tools rumschlagen müssen. Dazu gehören BI-Dashboards, SQL-Editoren, Data Warehouses, ETL-Pipelines und Governance-Systeme, die alle ihre eigene Benutzeroberfläche, Macken und Lernkurve haben. Die meisten Geschäftsleute haben nicht die technischen Fähigkeiten, um diese Tools selbst zu nutzen, und verlassen sich daher auf Analysten oder Ingenieure, um die Arbeit zu erledigen. Ein Marketingmanager, der beispielsweise einen einfachen Conversion-Trend benötigt, muss möglicherweise mehrere Tage warten, bis ein Dateningenieur eine Pipeline angepasst hat. Selbst mit modernen BI-Systemen kommt es häufig vor, dass Erkenntnisse so verzögert vorliegen, dass sie kaum noch umsetzbar sind.

Die Zahlen zeigen deutlich, wie fragmentiert die heutige Datenlandschaft nach wie vor ist. Analyseteams in Unternehmen arbeiten mittlerweile mit durchschnittlich 400 Datenquellen. Am oberen Ende jongliert fast jedes fünfte Unternehmen mit mehr als 1.000 Datenquellen. Und diese Zahlen stammen von Unternehmen mit mindestens 1.000 Mitarbeitern, was sie noch beeindruckender macht – es handelt sich also nicht um kleine Unternehmen, die mit begrenzten Ressourcen zu kämpfen haben, sondern um etablierte ...