Herr Selipsky, interessante Zeiten für einen Anbieter von Data-Analytics-Lösungen…
Selipsky: Ja, in der Tat, Organisationen jeder Art und Größe sammeln inzwischen riesige Mengen von Daten und für einige wird es zu einem Riesenproblem, aus dieser Menge die relevanten Daten herauszufinden und Erkenntnisse zu gewinnen. Für andere Unternehmen wiederum bietet sich damit eine Gelegenheit, ein neues Business aufzuziehen, etwa in Bereichen wie Genomic, Fintech oder auch Adtech.
Foto: Tableau
Angesichts all dieser Daten brauchen mehr und mehr Unternehmen eine mächtige Analyseplattform, um mit den Daten umzugehen - wobei natürlich nicht alle Daten analysiert werden müssen. Und die Kunden drängen uns, unsere Analytics-Plattform zu verfeinern und auszuweiten, um aus den Möglichkeiten und Fähigkeiten dieser Daten Kapital zu schlagen.
Kann man sagen, die Analyse von Daten wird demokratisiert?
Selipsky: Ja, das Thema Daten-Analyse wird komplett demokratisiert. Unsere Kundenbasis umfasst jede Industrie, jedes Land und jeden möglichen Anwendungsfall. Professionelle Analysten, Data Scientists, Topmanager, aber mehr und mehr auch einfache Mitarbeiter. Wir sind nun in einer Phase, wo Unternehmen Tableau Tausenden von Mitarbeitern zur Verfügung stellen und es kommt auch häufiger vor, dass Unternehmen es für Zehntausende von Anwendern ausrollen. So gibt einige Banken, die Tableau bei mehr als zehntausend Nutzern ausgerollt haben, eine Fortune-100-Internet-Company hat die Anwendung unternehmensweit lizenziert, so etwas passiert immer öfter.
Hier in Deutschland beispielsweise hat Sony Music Entertainment einige tausend Tableau-Nutzer. Das Unternehmen ist ein perfektes Beispiel für Demokratisierung, denn sie nutzen Tableau zur Analyse der Streaming-Daten, um zu verstehen, was sie ihren Kunden anbieten müssen. Das haben früher 30 Analysten gemacht und die Analyseergebnisse via Excel weitergegeben - diese Methode hat lange gedauert und war somit ein ziemlicher Flaschenhals. Heute nutzen etliche tausend Mitarbeiter die Analyse als Self Service, stellen also Fragen über die Nutzerdaten, unterhalten sich quasi mit den Daten. Genau das ist ein Beispiel für die Demokratisierung, denn nun ist jeder in der Lage, mit Daten zu arbeiten und sie zu analysieren.
Bedeutet das im Umkehrschluss, dass künftig keine Analysten mehr gebraucht werden?
Selipsky: Kommt drauf an, wer Sie sind und was Sie tun. Es gibt einige Anwendungsszenarien, bei denen Unternehmen eine relativ einfache Datenbasis haben, eine einzige Datenquelle - da ist es sehr einfach für eine Gruppe von Nutzern, diese Daten zu untersuchen. Die Nutzer finden relativ schnell raus, wie man damit umgeht, und man braucht nicht unbedingt einen professionellen Data Scientist.
Dann gibt es aber sicher Fälle, etwa bei großen Unternehmen mit 100 oder mehr unterschiedlichen Datenquellen, da gibt es Probleme mit den zugrunde liegenden Daten, sie passen manchmal nicht zusammen. In solchen Fällen gibt es häufig einen professionellen Datenanalysten, der die Daten aufbereitet, damit man zertifizierte Datenquellen hat, deren Ergebnissen vertrauenswürdig sind. Und dann gibt es dort häufig Tausende von Nutzern, die auf diese Quellen zugreifen müssen. Ob der Einsatz eines Analysten sinnvoll ist, hängt größtenteils von der Komplexität der Datenquellen und deren Struktur ab.
"Wir haben beim Thema Data Analytics gerade erst begonnen"
Man hört viel von der wachsenden Bedeutung datengestützter Entscheidungen. Was ist mit dem Faktor Mensch?
Selipsky: Es gibt ganz sicher bestimmte Entscheidungen, die auch eine Maschine treffen kann, manches kann auch getriggert werden. Alarme etwa, wenn etwas ein bestimmtes Level erreicht hat. Nehmen wir das Beispiel Inventarmenge: Geht ein Alarm los, weil der Vorrat eines bestimmten Produkts auf ein bestimmtes Niveau gesunken ist, dann wäre das der Punkt, wo eine Maschine das ERP-System informiert, dass der Vorrat aufgestockt werden muss.
Es gibt sicher Szenarien, wo die Nutzung von Analytics Firmen dabei hilft, effizienter zu werden und Prozesse zu streamlinen. Allerdings gehen wir zumindest mittelfristig davon aus, dass Künstliche Intelligenz und Machine Learning den Analysten eher unterstützen und nicht ersetzen werden. Viele Entscheidungen müssen von Menschen getroffen werden oder Menschen müssen eingreifen - aber diese Entscheidungen müssen grundsätzlich auf Daten basieren und mit Hilfe von Analyse gemacht werden. Es wird im Laufe der Zeit absolut normal sein, dass Unternehmen eine Analyseplattform besitzen, die die Arbeit von Mitarbeitern erweitert und unterstützt. Wir bewegen uns auf eine Welt zu, in der wir 10 oder 100 Millionen Knowledge Worker haben, die Analyse als Teil ihrer täglichen Arbeit sehen.
Eine ähnliche Entwicklung haben wir bei einer anderen Productivity-Software gesehen, die inzwischen auf Hunderten von Millionen Desktops läuft, Microsoft Excel zum Beispiel. Was Tableau aufbaut, ist einfach eine moderne Art, Analyse zu betreiben, skalierbar und intuitiv genug, um als Self-Service verwendet zu werden - und wenn wir unseren Job gut machen, werden wir von deutlich mehr als Zehntausenden von Mitarbeitern in Großunternehmen genutzt werden.
Sie sehen Tableau als sowas wie das nächste Excel?
Selipsky: An dieser Analogie ist tatsächlich etwas dran. Sie müssen wissen, Excel kam auf den Markt, als ich im College war und es war damals ein ziemlich abgedrehtes fortschrittliches Tool, es wurde gelehrt als ein Computer-Sciences-Thema. Ich glaube, selbst im CS50 in Harvard wurde Excel gelehrt. Es klingt verrückt, ich weiß und speziell, wenn man das einem Computer Scientist erzählt, wird man angeschaut, als ob man zwei Köpfe hätte. Aber ich glaube, es ist ein sehr gutes Beispiel, weil es zeigt: Wenn etwas neu ist und die Menschen nicht das ganze Potential erkennen, neigen sie nicht dazu, das Ganze zu extrapolieren und zu verstehen, was es den Menschen wirklich bringen wird.
Blickt man aber sorgfältig auf die zugrundeliegenden Trends und Treiber, kann man wirklich die Zukunft sehen. Man muss nur auf die enormen Mengen an Daten der Unternehmen rund um die Welt schauen und auf die Rechenleistung, die uns inzwischen zur Verfügung steht. Oder auf die Anzahl der Datenquellen, mit denen Unternehmen zu tun haben, und die Tatsache, dass wir bereits heute eine starke Adoptionsrate der Analyseplattformen sehen.
Wenn man sich all diese Faktoren ansieht, kann man tatsächlich vorhersagen, dass Analytics eine fundamentale Tätigkeit für zehn oder eher Hunderte von Millionen Knowledge Worker rund um den Globus werden wird. Nun, ob sie dazu Tableau verwenden oder ein anderes Tool hängt von uns ab. Wir haben viele gute Ideen, wir verstehen unsere Kunden sehr gut, daher glaube ich, dass wir eine gute Chance haben, einer der Gewinner zu werden. Und ich glaube, wenn nicht wir, dann jemand anderes - die Gelegenheit ist einfach zu groß, es ist etwas, das die Kunden brauchen.