Die 5 Data Science Trends 2020

In unseren Data-Science-Projekten stützen wir Vorhersagen über die Zukunft stets auf Daten. Für die Prognose der Data Science Trends 2020 haben wir unsere Erkenntnisse aus dem Austausch mit Kunden und Partnern mit unserer mittlerweile über 10 Jahre gereiften Intuition für die kommenden Themen unserer Branche verbunden.

Das Ergebnis? Die 5 führenden Data-Science-Themen, die für Sie in 2020 wichtig werden.

1. Data Citizens: Etablierung von Datenexpertise in den Fachbereichen

2020 wird es wichtig, Data Science Know-how breiter in den Unternehmen zu verteilen. Der Erfolg datenbasierter Lösungen hängt stark von der Zusammenarbeit ab. Ein zentrales Erfolgskriterium dabei: Fachbereiche müssen sich auf die für sie entwickelten Lösungen verlassen können. Um dies zu erreichen, ist es wichtig, ein Verständnis dafür zu entwickeln, wie datenbasierte Anwendungen entstehen und wie sie funktionieren. Der Bedarf an Zusammenarbeit ist dabei beidseitig, denn auch die Data Scientists sind in der Entwicklung von datengestützten Lösungen auf das Domänenwissen der Fachbereiche angewiesen.

eoda hilft die Zusammenarbeit zwischen Data Science Teams und Fachbereichen zu verstärken und die immer wichtiger werdende Datenexpertise in den Unternehmen aufzubauen. In unserer Data Science Experience werden Fachbereiche durch ein typisches Data-Science-Projekt geleitet, wobei Ihnen ein klares Verständnis für die Chancen und Schwierigkeiten von Data-Science Prozessen vermittelt wird.

 

2. Explainable AI: Entscheidungen von Algorithmen transparent machen

Wir haben es letztes Jahr schon angekündigt und das Thema Explainable AI wird auch 2020 weiterhin relevant bleiben. Algorithmen werden immer mehr Prozesse und Entscheidungswege in Unternehmen maßgeblich verändern. Entscheidungen aus der „AI Black Box“ erschweren nicht nur den Aufbau von Akzeptanz für die Auswirkungen der digitalen Transformation, sondern sind für viele nicht akzeptabel. Die Entwicklung in diesem Gebiet ist noch lange nicht abgeschlossen, hat 2019 aber große Fortschritte gemacht. Beispielsweise veröffentlichte Google vergangenes Jahr seinen AIx Service  und wir habe eine größere Verbreitung der Open Source Lösung lime gesehen.

 

3. Data Science meets Design Thinking: Das Streben nach produktiven Datenprodukten

Die Zahl der erfolgreichen Proof of Concepts und Prototypen im Data-Science-Bereich steigt stetig. Zudem arbeiten immer mehr Unternehmen mit Nachdruck daran ihre Infrastruktur auf die erfolgreiche Produktivsetzung von Datenprodukten vorzubereiten. Zeit den Fokus in 2020 noch stärker auf die Produktivsetzung der entstehenden Prototypen zu setzen. Dabei immer im Zentrum der Überlegungen: Die anvisierten Nutzer dieser datenbasierten Lösungen. Der Design-Thinking-Ansatz in der Produktentwicklung nimmt die Nutzer von Anfang an in den Fokus und harmoniert hervorragend mit dem iterativen und explorativen Vorgehen in Data Science. Denn auch bei Datenprodukten entscheiden am Ende die Nutzer über Erfolg oder Misserfolg.

Design Thinking


 

Design Thinking ist ein Problemlösungsansatz, der stets den Nutzer in den Fokus nimmt. Mitglieder eines Design Thinkings Prozess durchlaufen iterativ folgende Phasen:

 

1. Verstehen
2. Beobachten
3. Sichtweise definieren
4. Ideen generieren
5. Prototyp entwickeln
6. Testen

4. DataOps: Ansatz für die agile Entwicklung von Datenprodukten

Der DevOps-Ansatz, die Verknüpfung von Softwareentwicklung (Dev) und IT-Infrastruktur Betrieb (Ops), ist über die letzten Jahre hinweg in vielen Unternehmen angekommen. In der jüngeren Vergangenheit findet eine weitere Ausprägung dieses Ansatzes immer mehr Anklang, die Data Operations (DataOps). Der DevOps-Engineer verbindet die Kompetenzen von Operations und Development, der DataOps-Engineer bedient sich ebenfalls dieser Kompetenzen und passt sie auf die Anforderungen im Data-Science-Kontext an. Reproduzierbarkeit, Kollaboration, automatische Auslieferung von Ergebnissen: Dies sind nur einige der Themen, die eine professionelle Infrastruktur im Data-Science-Kontext in 2020 abdecken muss.

 

5. Relevanz: Data Science als Antwort auf Zukunftsfragen

Klimawandel, Konjunkturkrise und der internationale Wettstreit um technologischen Fortschritt: 2020 wird in vielen Bereichen ein richtungsweisendes Jahr. Beim Streben nach mehr Nachhaltigkeit oder der Suche nach Differenzierungsmerkmalen am Markt wird in 2020 noch häufiger als aktuell schon Data Science die Überlegungen zur Frage nach dem „Wie?“ maßgeblich beeinflussen. 2020 ist der Start einer neuen Dekade, in der künstliche Intelligenz und Machine Learning natürlich weiterhin die bestimmenden Technologiethemen sein werden, aber weniger als Zukunftsversprechen, sondern als Schlüsselelemente bei der Umsetzung von Digitalstrategien.

Wir verwandeln Trendthemen für Sie in nachhaltige Mehrwerte
Beratung, Projekte, Training, Software: Wir von eoda sind auf das Thema Data Science spezialisiert und unterstützen Sie dabei Ihren Datenschatz zu heben.


Martin Schneider - Beitrag vom 22.01.2020

Martin Schneider arbeitet seit 2012 als Senior Data Scientist bei der eoda GmbH in Kassel. Seine Haupttätigkeit liegt in Projekten zur Datenanalyse und im Wissenstransfer rund um das Thema Data Science.

Abonnieren Sie unseren Datenanalyse-Blog