Unsere Datenexpertise kann sich sehen lassen – wir finden Signale im Geräusch – sofern vorhanden. Jedoch ist die Datenqualität, die wir vorfinden immer ein Fragezeichen. Wir müssen uns fragen, welche Daten wurden wie gemessen und beschrieben und wurden diese kontextuell den richtigen Quellen zugeteilt? Hier können wir mit den Methoden der Data Science vieles bewältigen, aber beim Kontext der Daten stoßen wir als externer Consultant oft an die Grenzen des machbaren. An diesem Punkt tritt für uns als klarer nächster Schritt die Fachabteilung des Kunden in Szene. Sie können, als erfahrene Fachleute im Unternehmen, viele dieser Fragen eloquent beantworten und die mühsame Suche im Heuhaufen bleibt erspart.
Beispiel 1
In einem Predictive-Maintenance Projekt haben wir eine Reihe von nicht dokumentierten historischen „Ausfällen“ gefunden – bis uns die Kollegen aus der Fachabteilung verrieten, das diese Ausfälle geplante Shut Downs wären, aber nicht richtig kodiert in dem System. Dann konnten wir die Data Labels anpassen und die Daten wurden somit als richtig bezeichnet – sonst würden sie aus dem Algorithmus als falsch ausgeschlossen und die Genauigkeit unserer Vorhersagen wäre dadurch beeinträchtigt.
Beispiel 2
Nicht immer kann man „nur“ mit der Fachabteilung dem Problem auf den Zahn fühlen. Es gibt Situationen, wo externe Daten, die der Analyse herangezogen werden, einen besseren Blick bieten:
Ein bekannter Audio-Streaming Dienstleister hat an einem Tag im späten Oktober 2012 eine Reihe von Abmeldungen der Abonnenten im Nordosten von USA vermerkt. Eine schnelle Analyse von allen internen Systemen hat keine Ursache gezeigt. Alles hat bestens funktioniert, jedoch immer mehr Leute haben Live-Streaming abgebrochen. Das Rätsel wurde erst am nächsten Morgen gelöst, als es bereits zu spät war. Der Hurricane Sandy hat die Küste USA mit Regen, Wind und Wellenschlag bereits am Vortag erreicht. Die Menschen mussten plötzlich aus ihren Häusern fliehen, um ihre Leben zu retten. Hier wäre ein Anschluss von bereits frei verfügbaren externen Daten (Wetter) hilfreich, um vielleicht durch schnelle Warnung Menschenleben retten zu können.
Die Zusammenarbeit von Data Scientists mit der Fachabteilung des Kunden birgt noch einen wichtigen Vorteil: nachhaltige Genauigkeit der Vorhersagen in bereits laufendem System. Wie man so schön sagt, die einzige Konstante ist die Veränderung. Die Lage beim Kunden, am Markt, im Betrieb usw. ändert sich.
Datasense Consulting hat einen robusten Observability Approach zu unseren laufenden prädiktiven Systemen - wir sind in der Lage, die Vorhersagen zu monitoren und zu erkennen, welche Optimierung notwendig ist, um diese aufrechtzuhalten oder sogar zu steigern. Wir bieten eine automatische Selbstoptimierung des Algorithmus an – jedoch ist dies, ohne Beitrag der Fachabteilung, nur ein reiner Data Science Approach. Mit den Fachleuten unserer Kunden können wir sicherstellen, dass zusätzliche Daten, die den prädiktiven Systemen zugefügt werden, relevant und von guter Qualität sind.
Wir, Datasense Consulting liefern Data Science Know-how und in Kombination mit dem Domänenwissen unserer Kunden maximieren wir die Chancen für ein erfolgreiches Predictive Analytics Projekt.
Comments