Big Data: Bringt bisher alles nichts – Hoffnung am Horizont?

Starke Worte zum Thema Big Data: Bringt bisher alles nichts, schreibt Phani Nagarjuna auf Forbes

Admit it: Your big data is just a big waste of money and server storage space.

No matter how much of it you collect, no matter how many analytics programs you run, no matter how many data scientists you have pouring over the bits and bytes — big data is not boosting the bottom line or making your business smarter.

Source: Key Challenges For Monetizing Big Data-Powered AI: An Overview

Und beruft sich unter anderem auf Beiträge in der Harvard Business Review und von McKinsey. Seiner Ansicht bieten künstliche Intelligenz und Machine Learning die Chance, endlich die Chance, wirklichen Nutzen aus den Daten zu ziehen. Musterkennung, lernende und trainierte Systeme sind eine Chance, aber es gibt einige Dinge, die man im Auge behalten muss:

  • Systeme müssen gerade in den heutigen dynamischen Zeiten, wo sich Wertschöpfungsketten ständig wandeln, immer wieder rekalibriert werden. Der Wandel und der Wandel der relevanten Daten ist stetig.
  • Datenqualität ist ein Problem, dessen man sich annehmen muss, denn schon 1963 hat George Fuechsel, ein IBM Techniker und Programmierer festgestellt: .“Garbage in, garbage out.” Nur zu wahr aus meiner persönlichen Erfahrung.
  • Und Komplexität muss reduziert, Daten müssen konsumierbar gemacht werden und Nutzen erzeugen, Nagarjuna zitiert die sehr einfach zu bedienenden Apps, die Apple und IBM ihre Kunden entwickeln, und die im Hintergrund “Big Data” nutzen.

Ja, ich glaube auch, dass Systeme der künstlichen Intelligenz eine Riesenchance sind. Und es gibt herausragende Beispiele dafür, wo wirklicher Nutzen generiert wird. Ein herausragendes Beispiel ist der Einsatz von IBM Watson in der Analyse medizinischer Daten in der Krebsvorsorge, wo Watson den Arzt berät, wie ein Patient/eine Patientin behandelt werden muss.

Aber genau solche “lebenswichtigen” Einsatzgebiete müssen in den Industrien und Professionen gefunden, mit den relevanten, richtigen und wichtigen Daten gefüttert und angelernt werden, um dann dem Fachanwender relevante Vorhersagen für sein jeweiliges Geschäftsgebiet und seine Entscheidungen zu liefern.

(Stefan Pfeiffer)

 

Leave a Reply