Wo steht die Wirtschaft beim Einsatz von Analytics?
Die Digitalisierung krempelt sämtliche Branchen um. Um wettbewerbsfähig zu bleiben, müssen Unternehmen disruptive Prozesse vorantreiben und moderne Technologien wie Analytics und KI konsequent für sich nutzen. In der Praxis scheitert genau das aber noch zu oft: Zwei von drei Analytics-Projekten, so die Analysten von IDC, fahren sich fest, bevor sie überhaupt im geschäftlichen Alltag ankommen. Die Herausforderung besteht darin, die Technologie im Geschäftsalltag zu verankern, also die Brücke zwischen Entwicklung und Implementierung analytischer Modelle zu schlagen. Das nennen wir die „Last Mile of Analytics“ – der entscheidende letzte Schritt hin zur Operationalisierung der Technologie.
Wo liegen die konkreten Hürden?
Natürlich gibt es organisatorische und ethische Herausforderungen. Der zentrale Faktor aber sind die analytischen Modelle – insbesondere dann, wenn Machine Learning und KI mit im Spiel sind. Modellentwicklung und -implementierung sind schwierig und langwierig, und nur etwa 50 Prozent aller Modelle gelangen letztlich zum Einsatz. Hinzu kommt, dass Modelle sich wie Autos verhalten: Sollen sie leistungsfähig und zuverlässig bleiben, müssen sie regelmässig gewartet und aktualisiert werden. Das alles kostet Geld und Zeit – und wird gerne unterschätzt.
Sind hier Verbesserungen machbar?
Sicher. Entscheidend ist, Management, Operationalisierung, Monitoring, Training und Governance analytischer Modelle zu standardisieren und zu vereinfachen. Genau das will SAS mit dem Angebot SAS ModelOps leisten – und zwar unabhängig davon, ob es sich um Modelle in SAS oder aus Open-Source-Umgebungen handelt. Dazu gehören SAS Model Manager als Software und auf die konkrete Unternehmenssituation zugeschnittene Consulting-Services.
SAS hilft dabei, die analytischen Modelle für Geschäftsentscheidungen zu nutzen.
Gibt es hier schon Best Practices?
Sogar viele. Bis zum Jahresende wird SAS ein ModelOps Handbook zusammenstellen, das Unternehmen Best Practices an die Hand gibt, mit denen sie ihren Analytics Lifecycle rasch auf den Weg bringen – ohne dabei an eine bestimmte Technologie gebunden zu sein. Das Handbuch geht besonders auf Zusammenarbeit und Prozesse ein, die den Übergang von der Entwicklung zur Implementierung vereinfachen sollen.
Das ModelOps Health Check Assessment soll darüber hinaus konkrete Starthilfe bei der Implementierung analytischer Modelle geben. In einem Workshop vor Ort können Unternehmen ihren Reifegrad in Sachen Einführung und Management analytischer Modelle herausfinden. Der Selbst-Check gibt zudem Empfehlungen, wie sich die gewonnenen Erkenntnisse nutzen lassen, um bessere Entscheidungen zu treffen.
Was erwartet Unternehmen, wenn sie die „Last Mile“ erreicht haben?
Letztlich geht es immer um fundierte Entscheidungen: Analytische Modelle helfen, Kreditkartenbetrug aufzudecken, Bankrisiken zu steuern, die zielgenaue Ansprache im Marketing zu verbessern oder wirksame Drogentherapien zu entwickeln. Ohne die Überführung in die IT-Produktion bleiben KI & Co. nur schöne Hypes, bringen aber keinen Geschäftswert und somit keine Wettbewerbsvorteile.
Warum springt gerade SAS da in die Bresche?
SAS kann Unternehmen dabei helfen, Analytics zu operationalisieren – und dank der Erfahrung aus Jahrzehnten bei aller Innovationskraft immer auch mit dem Sinn für eine erfolgreiche Umsetzung. Und SAS ist eines der Top-Unternehmen für KI. IDC bescheinigte uns ein vierfach schnelleres Wachstum für KI im vergangenen Jahr im Vergleich zum Gesamtmarkt. SAS investiert auch in die Zukunft von KI – und zwar eine Milliarde US-Dollar, die über die nächsten drei Jahre in Forschung & Entwicklung, Trainingsprogramme und Beratungsservices fliessen.
Weitere Informationen, wie Unternehmen mit SAS die „Last Mile“ bewältigen, gibt es hier.
Dr. Gerhard Svolba
