AT_Logo

Data Lab – das Zentrum für Unternehmensinnovationen

von | 24. September 2021 | Grundlagen

Data Labs sind zukunftsfähige, datengetriebene Zentren für Unternehmensinnovationen. Sie unterstützen den Aufbau von Use Cases, indem vorhandene Daten analysiert und hinterfragt sowie Lösungen aufgezeigt werden. Wir gehen der Frage auf den Grund, was man eigentlich unter einem Data Lab versteht und wie diese aufgestellt sind. Zudem zeigen wir häufige Herausforderungen und Best Practices auf und wollen auf das DataLab im Rahmen der [at] Data Journey eingehen. 

Data Lab – Brücke zwischen Business Intelligence und Fachabteilung

IT-Abteilungen in Unternehmen aller Branchen stehen heute vor der Herausforderung, klassische Business Intelligence-Lösungen mit den Anforderungen der Fachabteilungen zu vereinen. Die Notwendigkeit nimmt zu, immer schneller datenbasierte Entscheidungen zu treffen. Zudem gilt es diese in monetarisierbare Modelle und Routinen zu überführen. Dafür nutzen viele Fachbereiche jeweils passende Self-Service-Tools und Cloud-Dienste – oftmals an der eigenen Business-Intelligence (BI) vorbei. Das birgt fast zwangsläufig die Gefahr von Transparenzverlusten – man arbeitet aneinander vorbei. 

Durch den Einsatz eines Data Labs kann der Entstehung einer „Zwei-Klassen-IT“ entgegengewirkt werden. Dies liegt zum einen daran, dass durch Data Labs ein zentraler Ort für alle Daten geschaffen wird. Zum anderen wird durch die Einführung entsprechender Prozesse die Grundlage für die intelligente Arbeit mit den gesammelten Daten ermöglicht. 

Das Data Lab verbindet traditionelle und moderne Ansätze in Form einer bimodalen BI. Dadurch bietet es einen Ort für Innovation, gleichzeitig dient es aber auch als Bindeglied in der Kommunikation. Das übergeordnete Ziel ist es, gemeinsam mit den Fachbereichen, die Unternehmensdaten schnell und anwendungsbezogen zu analysieren. Durch beschleunigte Feedback-Schleifen werden die Erkenntnisse in der Prototypen-Entwicklung operationalisiert.  

Die in einem Data Lab geschaffenen Prozesse ermutigen zur Generierung von Hypothesen und ermöglichen deren zeitnahe Überprüfung auf Umsetzbarkeit. Business-relevante datenbasierte Modelle finden so schneller den Weg in die Anwendung, ohne die Kapazitäten einer klassischen BI zu sehr zu belasten.   

Strategie und Experten als Erfolgsfaktoren für den Aufbau eines Data Labs 

Die Implementierung eines Data Labs im Unternehmen erscheint auf den ersten Blick kompliziert und schreckt möglicherweise einige Betriebe ab. Jedoch überwiegen die Vorteile eindeutig und mit einer umfassenden Planung ist das Projekt gut umsetzbar. Dabei spielen folgende Erfolgsfaktoren eine Rolle: 

  1. Ziele und KPIs definieren 
  1. Umfang und Budget des Data Labs abstecken 
  1. Passende Ressourcen zur Verfügung stellen 

Basierend auf der Zieldefinition können Unternehmen den individuellen Umfang des Data Labs festlegen. Für eine erfolgreiche Umsetzung sind insbesondere die zur Verfügung stehenden Ressourcen ausschlaggebend. Dazu gehören vor allem qualifizierte und geschulte Mitarbeiter. In einem Data Lab müssen die folgenden Schlüsselpositionen besetzt sein: 

Data Analyst oder Business-Analyst 

Ein Data Analyst versteht die Anforderungen der Anwender in den verschiedenen Fachbereichen und bringt diese Erkenntnisse im Data Lab ein. Dieser Mitarbeiter bildet somit die direkte Verbindung zwischen Data Lab und Business – und das nicht als stiller Beobachter, sondern als proaktive Akteure. Der Data Analyst ist für das aktive Verständnis von Geschäftsprozessen und das Aufspüren von Bedürfnissen zuständig. 

Data Scientist 

Der Data Scientist überführt die Erkenntnisse über die Bedürfnisse und Anforderungen aus den Fachbereichen in konkrete Daten-Fragen. Dazu erarbeitet er passende Antworten und entwickelt entsprechende Modelle.  

Data Engineer 

Die Zusammenstellung der Daten für den Data Scientist übernimmt der Data Engineer. Er sorgt zugleich für den Brückenschlag zu den Entwicklern und Data Architects der Corporate BI. Seine Aufgabe ist es, die Überführung in die Corporate BI und Anpassung der im Data Lab erarbeiteten Modelle zu initiieren und zu überwachen. Dadurch verhindert er auch das Entstehen von autarken Datensilos in den Abteilungen.  

Data Architect oder Developer 

Der Data Architect ist eigentlich mehr der Corporate BI als dem Data Lab zugehörig. Dennoch spielt er durch seine unmittelbare Nähe zum Anwender in den Fachbereichen eine wichtige Rolle. Der Data Architect setzt die Modelle, also die Ergebnisse der Arbeit des Data Labs, im Business-Betrieb um und ein. 

Welche Herausforderungen gilt es zu bewältigen? 

Auch wenn Unternehmen über eine umfassende Strategie und Mitarbeiter mit Know-how verfügen, kann ein Data Lab Herausforderungen mit sich bringen. Zu den häufigsten Hürden gehören: 

Kompatibilität aller genutzten Systeme 

Von Vorteil ist eine gleichermaßen auf die Bedürfnisse von Corporate BI und Data Lab abgestimmte technologische Infrastruktur. Bei der Auswahl von passenden Systemen kann die Unterstützung von erfahrenen Beratern hilfreich sein. Diese evaluieren das bestehende Setup und liefern Vorschläge für Verbesserungen und Best Practices.  

Skalierbarkeit des Data Labs 

Durch den Einsatz von Cloud-Lösungen kann die Skalierbarkeit deutlich erhöht werden. Die Anforderungen an Speicher und Rechenleistung sind flexibel an die tagesaktuellen Anforderungen und Workloads anpassbar. Außerdem ist die Schaffung und gleichzeitige Nutzung unterschiedlicher Testumgebungen inklusive. 

Datensicherheit 

Im Data Lab werden sensitive Daten gespeichert. Ein konstantes Monitoring und der Schutz vor dem Zugriff durch Dritte sind daher unabdingbar. Intern lässt sich das durch begrenzte Ressourcen häufig nicht abdecken. Durch cloud-basierte Datensicherheitsysteme kann hier Abhilfe geschaffen werden. 

Das [at] DataLab – vom Konzept zum Prototyp 

Data & AI Projekte werden bei [at] nach der Data Journey Methode abgewickelt. Die Phase des DataLabs hat das Ziel, aufbauend auf der Datenstrategie möglichst schnell Use Cases zu testen und in erste Prototypen zu überführen. Dabei werden folgende Phasen durchlaufen: 

1. Concept 

Gemeinsam mit den einzelnen Fachabteilungen werden Hypothesen erstellt, vorhandene Daten geprüft und in Use Case Workshops analytische Konzepte erarbeitet.  

2. Exploration 

Die anschließende Use Case Exploration, also die Überprüfung auf Business-relevante Umsetzbarkeit, wird durch den Bau einer Testumgebung während eines mehrtägigen sogenannten Hackathons realisiert. Nach einer Woche steht fest, ob der Use Case umsetzbar ist. 

3. Prototype 

Je nach Ergebnis kann schon im nächsten Schritt ein Prototyp einer Anwendung entwickelt und genutzt werden. Dafür wird in einer Testumgebung eine erste Version basierend auf der vorhandenen Datenbasis erstellt. Diese bietet realistische Ergebnisse und einen Mehrwert für die Nutzer. 

Das Data Lab als Schlüssel zum Erfolg 

Damit ein Unternehmen infrastrukturell, personell und technisch in der Lage ist, ein Data Lab nicht nur einzurichten, sondern mit diesem auch hilfreiche Ergebnisse zu erzielen, kann die Unterstützung von externen Beratern sinnvoll sein. Dadurch fällt nicht nur die Strategieentwicklung leichter, auch die Besetzung von wichtigen Schlüsselpositionen wird ermöglicht. Die Chancen, wertvolle Unternehmensdaten zu erkennen und eine Business-Innovation zu realisieren, steigen erheblich. Letztlich bietet das Data Lab die gezielte und erfolgreiche Förderung des Innovationsdrangs seiner Fachabteilungen für Unternehmen jeder Größe.

<a href="https://www.alexanderthamm.com/de/blog/author/at-redaktion/" target="_self">[at] REDAKTION</a>

[at] REDAKTION

Unsere AT Redaktion besteht aus verschiedenen Mitarbeitern, die mit größter Sorgfalt und nach Bestem Wissen und Gewissen die entsprechenden Blogartikel ausarbeiten. Unsere Experten aus dem jeweiligen Fachgebiet versorgen Sie regelmäßig mit aktuellen Beiträgen aus dem Data Science und AI Bereich. Wir wünschen viel Freude beim Lesen.