Philipp Tschachtschal, Solution Architect bei eoda, findet auf genau diese Frage Antworten. Im Interview klärt er, warum die Technologieberatung heutzutage so wichtig für den nachhaltigen Erfolg der Analysen ist und mit welchen individuellen Herausforderungen Unternehmen, die produktiv Data Science einsetzen, konfrontiert werden. Zusätzlich gewährt er Einblicke in das Beratungskonzept analytic infrastructure consulting (aicon) von eoda.

Welche Herausforderungen müssen Firmen meistern, die Data-Science-Projekte operationalisieren wollen?

Philipp Tschachtschal: Für viele Firmen und deren Analytik-Abteilungen steht natürlich das Analyse-Ergebnis und der jeweilige Use Case im Vordergrund. Was aber oft zu kurz kommt, mindestens aber genauso wichtig ist, ist die Wahl des passgenauen Ökosystems für die Analysen: Welche Tools werden genutzt? Wie sind IT-Prozesse und IT-Infrastruktur aufgesetzt? Erfüllt das Vorgehen die Compliance-Anforderungen? Die Themen von Administratoren und IT-Abteilungen werden oftmals stiefmütterlich behandelt, weil sie vorerst in der analytischen Modellbildung nicht im Fokus stehen. Erst später zahlt sich hier eine gut durchdachte IT-Umgebung aus. Um eine Analyse dann aber in einem professionellen IT-Kontext zu betreiben, sie also zu operationalisieren, ist ein gutes Zusammenspiel zwischen dem technischen Ökosystem und IT-Betriebsführungsprozessen unabdingbar. Die große Frage lautet: Wie können die entwickelten Analysen in eine professionelle IT-Umgebung eingebettet werden? Hier setzen wir mit unserem analytic infrastructure consulting an, damit eine professionelle Datenanalyse kein Zufall, sondern Standard ist.

Ab wann lohnt sich eine Technologieberatung?

Das kommt ganz darauf an, wo das jeweilige Unternehmen in puncto Data Science gerade steht. Wir beobachten Firmen, die bereits sehr professionelle Prozesse und Strukturen implementiert haben. Hier können wir eine Art Data-Science-Infrastruktur-TÜV anbieten, der beispielsweise Bottlenecks identifiziert und für den Feinschliff zuständig ist. Das kann die bestehende Analyse-Infrastruktur deutlich aufwerten und neue Ideen generieren.

Zumeist stehen die Data-Science-Abteilungen aber noch am Anfang. Wenn die ersten Erfahrungen mit R oder Python gesammelt sind und wir relativ früh hinzugezogen werden, kann auch die Professionalisierung früh beginnen. Damit vermeiden die Firmen nicht nur möglichen Wildwuchs, sondern auch, dass Data Science und IT-Abteilung sich zu sehr voneinander entfernen. Das senkt das Konfliktpotenzial und steigert die Qualität enorm.

Heißt das, überspitzt gesagt, Data Science denkt zu wenig an die IT-Abteilung und diese fühlt sich dadurch überrumpelt?

Wir finden beide Sichten durchaus nachvollziehbar. Auf der einen Seite steht der Data Scientist der Fachabteilung, der die Analysen schreibt und so ein Problem mit möglichst großem kreativen Freiraum lösen will. Dafür verwendet er Pakete, die online verfügbar sind und die er sich ohne Einschränkungen downloaden können muss. Wenn er dabei durch Richtlinien und Adminrechte in seinem Handlungsspielraum limitiert wird, erhöht das verständlicherweise nur sein Frustrationslevel.

Dem gegenüber steht die IT-Abteilung, die an einem stabilen System und an klaren Prozessen, die sich möglichst selten ändern, interessiert ist – auch das ist nur richtig und nachvollziehbar, besonders im Hinblick auf die IT-Sicherheit. Genau hier entsteht die Reibung und unsere Aufgabe: Wir bringen beide Anforderungsseiten zusammen und stellen sicher, dass jeder Stakeholder zufrieden ist. Dabei hilft uns natürlich auch die eigene Projekt- und Beratungserfahrung, aus der wir beide Seiten gut kennen.

Wie löst ihr dieses Problem genau und was ist dabei deine Aufgabe?

Als Solution Architect des eoda analytic infrastructure consulting begleite ich unsere Kunden während des gesamten Prozesses und bin ihr direkter Ansprechpartner.

Der erste Schritt ist immer ein Assessement und beginnt mit einem Telefoninterview mit Vertretern aus den Bereichen Fachabteilung, IT-Abteilung und gegebenenfalls auch Compliance- und Risikomanagement auf Kundenseite und wird von mir und einem erfahrenen eoda Data Scientist ergänzt. Wir evaluieren hier den Status Quo und erfragen die grobe Zukunftsperspektive des Kunden.

Die Ergebnisse des Telefoninterviews bilden dann die Agenda für einen Workshop vor Ort. Hier sprechen wir im ersten Teil über Sicherheitsfragen, Anforderungen hinsichtlich der IT-Prozesse, listen auf, welche Betriebssysteme und Software-Lösungen genutzt werden und vieles mehr. So kennen wir genau den Lösungsspielraum. Im zweiten Teil geht es dann darum, auch die betreffenden Use Cases zu verstehen. Dazu schauen wir uns die bereits entwickelten Analysen im Detail an. Unser Data Scientist kann dann auch feststellen, welche Algorithmen verwendet werden, wie groß die Datenmenge ist, ob die Analysen zeit- oder geschäftsprozesskritisch sind und so weiter. Am Ende des Workshops fassen wir zusammen und es gibt eine Fragen- und Diskussionsrunde, bei der Data Science und IT gleichermaßen zu Wort kommen. Mit diesem großen Informationspaket fahren wir dann zurück nach Kassel und entwickeln unter Berücksichtigung aller Faktoren das Realisierungskonzept.

Was beinhaltet das von euch erstellte Realisierungskonzept?

Das ist natürlich sehr individuell. In den häufigsten Fällen beschreiben wir grundsätzlich die unterschiedlichen Möglichkeiten und Bestandteile des Ökosystems auf Basis der zuvor erfragten Anforderungen und Lösungen und sprechen dann eine Empfehlung aus. Themen sind hier beispielsweise die passende Entwicklungsumgebung, Versionsverwaltung und Paketverwaltung. Wir entscheiden uns dann für einen dezentralen oder zentralen Ansatz. Bei Bedarf verweisen wir auch auf weitere unterstützende Tools, mit denen automatisiertes Testing, Continuous Integration und weiteres möglich wäre – hier ist oft viel Luft nach oben. Wir können dann von dem breit angelegten Wissen unserer Kollegen aus Data Science, Data Engineering und Software profitieren und so das Realisierungskonzept noch gehaltvoller gestalten.

Zumeist unterteilen wir auch in eine erste und zweite Ausbaustufe: Die erste umfasst einen Standard und bildet ein solides Fundament für die Implementierung von Data Science. Die zweite Ausbaustufe kann aber auch bereits mögliche Roadmaps der Firmen oder Projekte miteinbeziehen. Damit ist das Grundkonzept schon entsprechend dieser Ziele entworfen, was ökonomisch mehr als sinnvoll ist.

Das Stichwort ist hier Langfristigkeit: Wir empfehlen nur Technologien, von denen wir der Meinung sind, dass sie eine gewisse Beständigkeit haben und auch die von den Unternehmen getätigten Investitionen auf mindestens fünf Jahre sichern.

Wie geht es dann weiter, lasst ihr die Kunden dann „einfach machen“?

Ganz wie der Kunde will! Das Konzept ist so angelegt, dass es ohne Restriktionen von einem Dienstleister oder intern umgesetzt werden kann – wir lassen das grundsätzlich offen und schreiben auch hier Transparenz groß.

Der Umsetzungszeitraum ist dabei abhängig von der aufzusetzenden Infrastruktur. Das reicht von RStudio-Server und Versionsverwaltung bis zu wesentlich komplexeren Konstrukten, bei denen beispielsweise Performanceanforderungen, Qualitätsansprüche, Compliance- und Datenschutzvorgaben und Testmanagementprozesse im Zuge der Qualitätssteigerung bedacht werden müssen.

Bisher haben wir jedoch 100 Prozent der Realisierungskonzepte selbst umgesetzt. Das macht auch Sinn, schließlich haben wir das benötigte Know-how und die Probleme des Kunden bereits verstanden und verinnerlicht. All unsere Empfehlungen können wir implementieren und anschließend bei Bedarf auch betreiben.

Ihr stellt also auch den anschließenden Support?

Klar! Wir setzen zusammen mit dem Kunden noch während des Implementierungsprojekts ein Betriebskonzept auf, um die Systeme nach einer Transitionphase in den Regelbetrieb durch das eoda Operations-Team zu überführen. Dieses Konzept beinhaltet Prozesse wie z.B. Incident- oder Change-Management, die zur Sicherstellung eines kontinuierlichen IT-Betriebs notwendig sind.

Wenn es doch mal zu Problemen kommt, können wir einen individuellen Support garantieren, bei dem der Kunde nicht als erstes seine Infrastruktur erklären muss, denn wir kennen seine Umgebung im Detail. Zusätzlich sprechen wir dieselbe Sprache wie die IT-ler und orientieren uns an den gängigen Standards wie z.B. ITIL. Selbstverständlich unterstützen wir aber auch, wenn gewünscht, die lokale IT-Abteilung durch „training-on-the-job“ beim Betrieb der eigenen Infrastruktur oder bei der Überführung zu einem Outsourcing-Provider.

So kann der Kunde mit uns bereits auf eine bestehende und vertrauensbasierte Zusammenarbeit zurückblicken. Damit sind wir auch der beste Partner für die Zukunft.

   

Philipp Tschachtschal

arbeitet als Solution Architect bei der eoda GmbH. Dort berät er Unternehmen jeder Größe bei Fragen zur passenden IT-Infrastruktur im Data-Science-Kontext und sorgt so für eine reibungslose und nachhaltige Implementierung der Datenanalysen.