Achtung, die Maschinen kommen! Das riesige Potenzial von Machine Learning ist den abgeschirmten IT-Laboren entkommen und verändert nun die Geschäftswelt mit tiefgreifenden Analysen, präzisen Vorhersagen und detaillierten Erkenntnissen. Diese unschätzbar wertvollen Einblicke sind allerdings verschwendet, wenn die Unternehmensspitzen sie nicht umzusetzen wissen - und das passiert zu häufig. Laut einem Datenwissenschaftler werden in 90 Prozent der Fälle die Erkenntnisse zwar aufgezeigt, nicht aber im Unternehmen angewendet. Denn weder verstehen Unternehmen die Ergebnisse, noch vertrauen sie ihnen - und falls doch haben sie möglicherweise nicht das Budget oder die Fähigkeiten, um einen echten Wandel voranzutreiben.
Foto: Sarunyu L - shutterstock.com
Die durch Machine Learning produzierten Erkenntnisse bieten die Chance, unser Verhalten, die Gesellschaft und die Wirtschaft zu verändern - selbst unser Verständnis von unserem Planeten und seinem Klima. Wenn der Handel aber das volle Potenzial von Machine Learning entfalten will, muss er zunächst seine Hausaufgaben gründlich erledigen.
KI und Machine Learning - der Unterschied
Künstliche Intelligenz (KI) und Machine Learning sind nicht das Gleiche. KI wurde entwickelt, um Aufgaben zu übernehmen, die bisher von Menschen erledigt wurden. Machine Learning ist ein Teil der KI, der Algorithmen nutzt, um Erkenntnisse aus strukturierten und unstrukturierten Daten zu gewinnen. Diese Algorithmen durchsuchen riesige Datensätze, die Bilder, Text, Sprache, Video, Ortsangaben und selbst Gesichtserkennungsdaten beinhalten können. Mit Machine Learning ist es möglich, Korrelationen, Muster und Trends zu erkennen und daraus Handlungen abzuleiten oder Vorhersagen zu treffen. So weit - so beeindruckend.
Je mehr Daten, desto besser
Gegenwärtig erzeugen Unternehmen und Verbraucher weltweit 2.5 Trillionen Bytes an Daten pro Tag - damit könnte man 100 Millionen Blu-Ray-Discs bespielen. Die Analyse dieser Datenmassen hilft Unternehmen, ihre Kunden besser zu verstehen. Und hier kommt Machine Learning ins Spiel. Es wirft den Turbo-Booster für Analytics an und enthüllt durch die Algorithmen versteckte Prognosen, Vorhersagen und Erkenntnisse. Erst bei großen Datensätzen - strukturiert wie unstrukturiert - können Unternehmen das Potenzial von Machine Learning richtig ausschöpfen und komplexe Daten schnell und sauber analysieren.
Vermutlich sind auch Sie schon einmal unbewusst auf die Ergebnisse von Machine Learning gestoßen. Die "andere Kunden, die dieses Produkt kauften…"- Empfehlungen bei Onlinehändlern etwa werden durch Machine Learning erzeugt. Facebook nutzt entsprechende Algorithmen in Gesichtserkennungssoftware - und kann dadurch Ihre Freunde in einem Bild markieren. Fingerabdruckscanner in Smartphones sowie Netzhautscanner an Flughäfen basieren auf Machine Learning und auch selbstfahrende Fahrzeuge wenden maschinelle Algorithmen an.
Nur wer trainiert, wird fit - auch im Machine Learning
Mit Analytics können Unternehmen eine verbesserte Kundenerfahrung bieten, die Entwicklung innovativer Produkte und Services vorantreiben und Geschäftsprozesse optimieren. Die vom Machine Learning angestoßene Evolution von Analytics zu prädiktiver Analyse kann zu einer wertvollen Geschäftsstrategie des Wandels führen - wenn man sie lässt. Ein Unternehmen muss die Handlungsempfehlung auch umsetzen und nicht nur Lippenbekenntnisse ablegen. Die Anmeldung in einem Fitnessstudio alleine macht noch nicht fit - man muss tatsächlich hingehen und an sich arbeiten. Genauso wird Machine Learning nur eine nutzlose, teure Ausgabe sein, wenn man nicht die daraus gewonnenen Erkenntnisse als Handlungsempfehlungen versteht und sie umsetzt.
Die meisten Unternehmen befinden sich bezüglich der Nutzung von Machine Learning noch am Anfang des Weges und stehen vor folgenden Hürden:
Unternehmenskultur:
Möglicherweise herrscht eine gewisse Skepsis bezüglich Machine Learning, die es schwerfällt, abzulegen. Zum Überwinden dieser Skepsis benötigen Unternehmen einen neuen Denkansatz, der den Fokus auf die praktische Ausführung der Erkenntnisse legt und die positiven Auswirkungen des Machine Learnings betont - auch wenn das einen großen Kulturwandel bedeutet.
Gewohnheitsdenken:
Unternehmen sind an bestimmte Tatsachen gewohnt - die plötzlich durch neue Daten in Fragen gestellt werden. Möglicherweise sind sie die Unternehmen einfach noch nicht bereit, den Status Quo zu ändern.
Einstellungsproblem:
Die Erkenntnisse werden nicht ernst genommen, potenzielle Handlungsempfehlungen vom Tisch gewischt mit dem Kommentar "gut, das zu wissen - aber wir lassen es erstmal so, wie es ist".
Fehlende Ressourcen:
Unternehmen besitzen weder das Ökosystem noch die Ressourcen, um die gewonnenen Erkenntnisse wirklich umzusetzen - möglicherweise arbeiten sie in Silos, besitzen keine kollaborativen Tools oder ihnen fehlen die entsprechend geschulten Mitarbeiter.
Fehlendes Verständnis:
Führungskräfte im Unternehmen können die Resultate oder deren potenzielle Auswirkungen nicht vollständig erfassen.
Eingeschränktes Budget:
Ein Unternehmen hat möglicherweise sein Analyse-Budget nur auf die eigentliche Erzeugung der Analytics ausgelegt und keinen Raum gelassen für die daraus resultierenden betrieblichen Maßnahmen.
Den Wert von Machine Learning entdecken
Jetzt müssen Unternehmen ihre Angst vor dem Unbekannten überwinden und den Wert von Machine Learning anerkennen. Hier einige Tipps zur Unterstützung:
Gründen Sie eine Projektegruppe "Machine Learning" und machen Sie Beteiligte zu Betroffenen
Integrieren Sie Machine Learning in ihre Strategie für den digitalen Wandel - schon in der Planungsphase. Das gibt Ihnen mehr Zeit, Ergebnisse zu verstehen und einzuschätzen.
Verpflichten Sie sich, die Informationen zu verstehen, zu begrüßen und anzuwenden. Das könnte unter anderem bedeuten, die Teams weiterzubilden oder Datenwissenschaftler zu rekrutieren - erkennen und füllen Sie Qualifikationslücken.
Integrieren Sie Analytics von der Führungsebene abwärts in Ihre strategische Vision, um eine "Analytics-Kultur" in Ihrem Unternehmen einzuführen sodass die neuen datengetriebenen Erkenntnisse Anerkennung finden.
Geben Sie Ihren Teams Entscheidungsgewalt. Die Mitarbeiter müssen befugt sein, Vorgänge basierend auf den Erkenntnissen des Machine Learnings neu auszurichten.
Stellen Sie eine "datenfreundliche" Infrastruktur her: Können Teams barrierefrei zusammenarbeiten und Daten teilen oder agieren sie in Silos? Mit den richtigen Tools können Unternehmen ihren Mitarbeitern die Arbeit mit den Verhaltens- und prädiktiven Analysen des Machine Learnings erleichtern und deren Effizienz steigern.
Bleiben Sie fokussiert: Finden Sie heraus, was Sie mit den Ergebnissen erreichen wollen - selbst wenn Sie die Ergebnisse noch nicht genau kennen. Ihr Ziel könnte etwa eine Anpassung der Customer Experience Strategie sein oder eine Verkürzung der Einführungszeit für bestimmte Produktreihen.
Bitten Sie um Hilfe: "Helfen Sie mir dabei, zu verstehen, was das alles für meine Kunden / mein Geschäft / mein Team bedeutet."
Beginnen Sie mit kleinen Projekten, um die gewonnenen Erkenntnisse in einer Umgebung mit niedrigem Risiko umzusetzen.
Wer sich den Erkenntnissen aus Machine Learning verweigert, erstarrt und in Passivität verharrt, der ähnelt einem Reh im Scheinwerferlicht: Wer sich nicht rührt, wird überfahren. Unternehmen müssen sich die Zeit nehmen, um den unermesslichen Wert der Technologie für ihr Geschäft zu verstehen. (mb)