Herr Buchinsky, Sie helfen Unternehmen, verstecktes Wissen aus Daten zu generieren. Können Ihre Kunden das nicht schon selbst?
Viele Unternehmen sind mittlerweile im Bereich Data Science gut aufgestellt. Das liegt daran, dass es in vielen Fällen schlichtweg sinnvoll ist, diese Informationen in-house „zu konsumieren“. Denn in der Regel handelt es sich um sensible Daten, deren Auswertung und Interpretation intern besser aufgehoben ist. Allerdings ist das erst der zweite Schritt.
Was wäre der erste Schritt?
Daten müssen so vorbereitet sein, dass ein Data Scientist damit arbeiten kann, was eigentlich nie der Fall ist. Denn in Unternehmen gibt es viele verschiedene Quellsysteme, in denen Daten und damit Wissen verborgen liegt – CRM- oder ERP-Systeme, Finanzbuchhaltung oder Personalwesen. Der erste Schritt ist also, die Daten so zusammenzuführen, dass eine übergreifende Analyse überhaupt erst möglich wird. Mit anderen Worten: Ohne Data Engineering kein Data Science. Genau da brauchen die meisten Unternehmen Unterstützung – zumal die Industrie 4.0 die Anzahl der Datenquellen noch einmal erhöht.
Inwiefern?
Industrie 4.0 steht für Vernetzung und Sensorik. Hier sind viele deutsche Unternehmen schon sehr gut aufgestellt, bauen Top-Maschinen mit Spitzen-Sensorik. Mit den so generierten Daten wissen aber die wenigsten etwas anzufangen. Wir sprechen hier über Terrabytes ungenutzter Daten. Genau da setzen wir von ADASTRA an. Seit mehr als 20 Jahren profitieren unsere Kunden von unserem Know-how und unseren bewährten Best Practices. Die Anwendungsbereiche sind dabei vielfältig: K.I., Big Data, Robotic Process Automation und viele weitere.
Woran erkennt man gutes Data Engineering?
Data Engineering ist immer dann gut, wenn es individuell auf konkrete Situationen reagieren kann. Bei Adastra finden wir daher immer gemeinsam mit unseren Kunden die passende Kombination aus einer Vielzahl an Tools.