3.3.1 Nachweis von Business Value der Lösungen

Während es zu den etablierten Business Intelligence oder auch Corporate Performance Lösungen zahlreiche Tools und Betrachtungen zur Wirtschaftlichkeit gibt, gestaltet sich der Nachweis von Business Value in den Bereichen Data Science und Artificial Intelligence deutlich schwieriger. Bei Letzteren ist vor Allem in frühen Projektphasen nur schwer erkennbar oder prognostizierbar, ob die Technologie wirklich einen Mehrwert liefern kann oder nicht. Data Science Projekte betreten oft Neuland und haben zur Aufgabe in den Daten Muster oder neue Erkenntnisse zu finden. Nicht immer ist gewährleistet, dass dabei ein Mehrwert entsteht und tatsächlich brauchbare Erkenntnisse gewonnen werden können. Oft kommt es vor, dass die Algorithmen in den Daten nur trivial Kombinationen finden, die ohnehin bereits aus Erfahrung bekannt waren oder kausale Zusammenhänge, die falsche Rückschlüsse erlauben. Hierbei geht es um sogenannte Scheinkorrelationen also statistische Zusammenhänge zwischen zwei Variablen, die auftreten, weil sie von einer dritten oftmals einer sogenannten Störvariablen beeinflusst werden und dadurch kein plausibles Ergebnis liefern. Der amerikanische Mathematiker Tyler Vigen hat die amüsantesten Scheinkorrelationen zusammengestellt und in einem Buch veröffentlicht, um zu zeigen das die Arbeit mit statistischen Daten auch Spaß machen kann[1]. Gleichzeitig zeigen diese Beispiele aber auch, dass bei der Interpretation von Daten ein fachlicher Hintergrund wichtig ist und dass man den Ergebnissen nicht blind vertrauen sollte.

Auch der Datenwissenschaftler Hans Rosling beschreibt in seinem Buch „Factfulness“ wie schnell Menschen zu vorschnellen Fehlurteilen kommen, die sie versuchen aus Daten abzuleiten, dadurch dass sie zu stark von Annahmen beeinflusst werden und eigentlich nur versuchen diese zu bestätigen[2]. Damit werden keine neuen Erkenntnisse gewonnen, sondern nur das Motto verfolgt „Traue keiner Statistik, die du nicht selbst gefälscht hast.

[1]

Tyler Vigen, 2015

[2] Hans Rosling,2018