Data Science beschleunigt die Welt.
Wir synchronisieren Ihr Unternehmen.
01.04.2021 | Data Thinking
Mit Data Thinking von der Idee zum Datenprodukt: KI zielgerichtet einsetzen.
Während über das Thema „Künstliche Intelligenz (KI) in der Marktforschung“ schon seit einigen Jahren immer wieder diskutiert wird, bleibt die größte Herausforderung die tatsächliche Umsetzung: Wie lässt sich aus einem Modebegriff und einem Hype um schnellere und autonomere Marktforschung tatsächlich Nutzen gewinnen? Wir haben uns an Design-Thinking-Ansätzen orientiert, um die Entwicklung von KI-Anwendungsfällen effizient und zielführend zu gestalten.
Wenn heute von „KI“ gesprochen wird, sind im Kern „nur“ statistische Modelle gemeint, die mithilfe von Algorithmen trainiert werden. Diese Modelle können dann für Schlussfolgerungen und Vorhersagen genutzt werden. Was zunächst banal und ernüchternd klingt, soll aber unterstreichen, dass „KI“ für 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 Vorschläge für Nutzer an den richtigen Stellen erfüllen. Wir sprechen bei solchen Entwicklungen von Datenprodukten. Der Begriff umfasst dabei das gesamte Paket von Daten über das KI-Modell bis zur erlebbaren Darstellung der Ergebnisse, geht also über die Betrachtung des reinen „KI-Modells“ hinaus. Wir nutzen den Begriff „Datenprodukt“ auch, um damit mehrere Dinge hervorzuheben:
- Die Daten alleine sind noch nicht das Produkt, sondern erst das, was aus ihnen gemacht wird – und wie die Daten am Ende für 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 berücksichtigen.
Der dreifache Diamant: Das Data-Thinking-Programm
Um die Entwicklung von solchen Datenprodukten zu strukturieren, haben wir das Data-Thinking-Programm abgeleitet. Es lässt sich am „Triple Diamond“ skizzieren:
Im Rezept für ein erfolgreiches Datenprodukt fehlt neben Daten, Modellen und Nutzerschnittstelle noch eine Zutat: die richtige Fragestellung. Die Bedeutung dieser Zutat darf nicht unterschätzt werden. Denn Daten enthalten Antworten auf zahlreiche Fragen – und im Gegensatz zu Jeopardy gibt es dabei nicht immer die eine richtige Frage. Wer ohne Frage und damit ohne Ziel losläuft, wird sich im Datendschungel verlaufen. Erst mit der richtigen Fragestellung wird klar, mit welchem Ziel Daten analysiert, Modelle trainiert und Nutzer versorgt werden sollen.
Sie wollen mehr erfahren? Wir haben zu diesem Thema einen ausführlichen Artikel auf
marktforschung.de veröffentlicht. Sie finden ihn hier:
Ihre Ansprechpartnerin:
Sina Daba
Marketing Managerin
Data-Science-News direkt in Ihr Postfach
Sobald wir einen Beitrag in unserem Blog veröffentlichen, schicken wir Ihnen gerne eine E-Mail. Und keine Sorge – wir mögen auch keinen Spam!
„*“ zeigt erforderliche Felder an
Auf der Datenwelle
Hier finden Sie unsere Events und Webinare für Data-Science-Enthusiasten.
Link zu: Webinare
Vergangene Webinare
Webinar: Chatbot mit Fakten
Wie innovative Markenforschung erlebbar gemacht wird. Jetzt anmelden!
Folge einem manuell hinzugefügten Link
VERGANGENE WEBINARE
Vom Datensammeln zum Consulting
Ein Webinar darüber, wie Hassia mit Dashboards abteilungsübergreifend den Umgang mit Daten verändert
