Wir halten einen Vortrag auf der succeet21 und freuen uns ĂŒber Deine Teilnahme!
16.04.21 um 09:40 Uhr: Data Science statt âJugend forschtâ: Datenprodukte mit Business Impact entwickeln
Mit Data Thinking von der Idee zum Datenprodukt: KI zielgerichtet einsetzen.
WĂ€hrend ĂŒber das Thema âKĂŒnstliche Intelligenz (KI) in der Marktforschungâ schon seit einigen Jahren immer wieder diskutiert wird, bleibt die gröĂte Herausforderung die tatsĂ€chliche Umsetzung: Wie lĂ€sst sich aus einem Modebegriff und einem Hype um schnellere und autonomere Marktforschung tatsĂ€chlich Nutzen gewinnen? Wir haben uns an Design-Thinking-AnsĂ€tzen orientiert, um die Entwicklung von KI-AnwendungsfĂ€llen effizient und zielfĂŒhrend zu gestalten.
Wenn heute von âKIâ gesprochen wird, sind im Kern ânurâ statistische Modelle gemeint, die mithilfe von Algorithmen trainiert werden. Diese Modelle können dann fĂŒr Schlussfolgerungen und Vorhersagen genutzt werden. Was zunĂ€chst banal und ernĂŒchternd klingt, soll aber unterstreichen, dass âKIâ fĂŒr sich erstmal ein stumpfes Schwert ist: So ein Modell garantiert noch keinen Mehrwert in Form von höherer Effizienz oder besserem ROI. Das KI-Modell muss erlebbar und Ergebnisse von Anwendern genutzt werden. Diesen Zweck können beispielsweise Dashboards, Ampel-Grafiken oder automatische VorschlĂ€ge fĂŒr Nutzer an den richtigen Stellen erfĂŒllen. Wir sprechen bei solchen Entwicklungen von Datenprodukten. Der Begriff umfasst dabei das gesamte Paket von Daten ĂŒber das KI-Modell bis zur erlebbaren Darstellung der Ergebnisse, geht also ĂŒber die Betrachtung des reinen âKI-Modellsâ hinaus. Wir nutzen den Begriff âDatenproduktâ auch, um damit mehrere Dinge hervorzuheben:
- Die Daten alleine sind noch nicht das Produkt, sondern erst das, was aus ihnen gemacht wird â und wie die Daten am Ende fĂŒr einen Nutzer sichtbar und erlebbar werden.
- Das Datenprodukt ist auch mehr als das statistische oder das KI-Modell.
- Wie bei einem physischen Produkt sind bei der Entwicklung viele unterschiedliche Rahmenbedingungen zu berĂŒcksichtigen.
Der dreifache Diamant: Das Data-Thinking-Programm
Um die Entwicklung von solchen Datenprodukten zu strukturieren, haben wir das Data-Thinking-Programm abgeleitet. Es lĂ€sst sich am âTriple Diamondâ skizzieren:
Im Rezept fĂŒr ein erfolgreiches Datenprodukt fehlt neben Daten, Modellen und Nutzerschnittstelle noch eine Zutat: die richtige Fragestellung. Die Bedeutung dieser Zutat darf nicht unterschĂ€tzt werden. Denn Daten enthalten Antworten auf zahlreiche Fragen â und im Gegensatz zu Jeopardy gibt es dabei nicht immer die eine richtige Frage. Wer ohne Frage und damit ohne Ziel loslĂ€uft, wird sich im Datendschungel verlaufen. Erst mit der richtigen Fragestellung wird klar, mit welchem Ziel Daten analysiert, Modelle trainiert und Nutzer versorgt werden sollen.
Du willst mehr erfahren? Wir haben zu diesem Thema einen ausfĂŒhrlichen Artikel auf marktforschung.de veröffentlicht. Du findest ihn hier:
Du möchtest ein Data Science-Projekt agil entwickeln?
In vier Tagen mit deinem Team von Fragestellung zu ersten Ergebnissen?
Dann melde dich bei uns!
Unser hochmotiviertes Team freut sich, von Dir und Deiner Fragestellung zu hören.