Für viele Unternehmen besteht im Zuge der Digitalisierung eine große Herausforderung darin, das Potential ihrer Daten auszuschöpfen. Oftmals liegt die Ursache hierfür nicht nur an der mangelnden Erhebung oder Qualität der Daten, sondern an der Verfügbarkeit von Ressourcen mit entsprechenden Kompetenzen. Der Data Scientist ist in großen Unternehmen heute Mangelware. IDC beziffert den Fachkräftemangel in diesem Bereich auf das Fünffache des aktuellen Bedarfs. Nur rund 30 Prozent der im Rahmen der Industrial Analytics Studie 2016/2017 befragten Unternehmen sind der Meinung, Daten so analysieren zu können, dass relevante Erkenntnisse erzeugt werden. Das müssen neue Analytics-Lösungen verstärkt berücksichtigen.
Während traditionelle Unternehmen um die IT-Talente buhlen, haben Startups hier den Vorteil diese durch attraktivere Unternehmenskultur oder Standorte für sich zu gewinnen. Spätestens wenn diese aber eine Software für Unternehmen entwickeln, deren Einsatz erweiterte Data-Science-Kenntnisse erfordert, kehrt sich dieser Vorteil wieder um.
Startups setzen auf Self-Service-Analytics durch Automatisierung
„Während unser Geschäftsmodell hauptsächlich den Verkauf von Softwarelizenzen fokussiert, beobachten wir einen konstanten Bedarf an Beratungsleistungen im Bereich der Datenaufbereitung und Analyse.“ so Dr. Rami-Habib Eid-Sabbagh, Mitgründer und Head of Sales bei dem Berliner Startup Lana Labs.
Dieser Umstand wurde in der Entwicklung des Prozessanalyse-Tools von Anfang an berücksichtigt: Durch den Einsatz von Machine-Learning-Algorithmen zur größtmöglichen Automatisierung der Datenanalysen benötigt der Anwender immer weniger Vorkenntnisse, sodass dieser Self-Service-Analytics-Ansatz den Mangel an Ressourcen teilweise auffängt.
Mit LANA Process Mining realisiert das junge Unternehmen den Traum vieler Analysten: eine automatisierte Prozessanalyse, die per Mausklick aufzeigt wo der Prozess nicht optimal läuft und vor allem warum. Damit zeichnet sich ein neues Entwicklungsparadigma ab, welches den aktuellen Data-Scientist-Mangel zum Übergangsphänomen macht. Die Entwicklung eines neuen Paradigmas der Automatisierung in diesem Bereich stützt auch eine aktuelle Gartner-Prognose, nach welcher über 40 Prozent der Aufgaben eines Data Scientists bis 2020 automatisiert werden.
Während traditionelle Unternehmen um die IT-Talente buhlen, haben Startups hier den Vorteil diese durch attraktivere Unternehmenskultur oder Standorte für sich zu gewinnen. Spätestens wenn diese aber eine Software für Unternehmen entwickeln, deren Einsatz erweiterte Data-Science-Kenntnisse erfordert, kehrt sich dieser Vorteil wieder um.
Startups setzen auf Self-Service-Analytics durch Automatisierung
„Während unser Geschäftsmodell hauptsächlich den Verkauf von Softwarelizenzen fokussiert, beobachten wir einen konstanten Bedarf an Beratungsleistungen im Bereich der Datenaufbereitung und Analyse.“ so Dr. Rami-Habib Eid-Sabbagh, Mitgründer und Head of Sales bei dem Berliner Startup Lana Labs.
Dieser Umstand wurde in der Entwicklung des Prozessanalyse-Tools von Anfang an berücksichtigt: Durch den Einsatz von Machine-Learning-Algorithmen zur größtmöglichen Automatisierung der Datenanalysen benötigt der Anwender immer weniger Vorkenntnisse, sodass dieser Self-Service-Analytics-Ansatz den Mangel an Ressourcen teilweise auffängt.
Mit LANA Process Mining realisiert das junge Unternehmen den Traum vieler Analysten: eine automatisierte Prozessanalyse, die per Mausklick aufzeigt wo der Prozess nicht optimal läuft und vor allem warum. Damit zeichnet sich ein neues Entwicklungsparadigma ab, welches den aktuellen Data-Scientist-Mangel zum Übergangsphänomen macht. Die Entwicklung eines neuen Paradigmas der Automatisierung in diesem Bereich stützt auch eine aktuelle Gartner-Prognose, nach welcher über 40 Prozent der Aufgaben eines Data Scientists bis 2020 automatisiert werden.
