Rufen Sie uns einfach an, und wir beraten Sie gerne zu unserem Seminar- und Studienangebot.
Unsere Ansprechpartner:
Michael Rabbat, Dipl.-Kfm.
MBA Chief Operating Officer
Claudia Hardmeier
Kunden-Center
Studienbetreuung
Institute und Kompetenzzentren
Bindeglied zu einer Vielzahl an
Unternehmen und Organisationen
3.3.2 Nachweis von Business Value der Lösungen
Welche Konsequenzen kausale Fehlschüsse haben können zeigt auch ein aktuelles Beispiel aus der Zeit der Corona Pandemie. In den USA wurden zwei Landkarten verbreitet auf denen ein statistischer Zusammenhang zwischen Anzahl Corona infizierten und 5G Mobilfunkmasten dargestellt wurde. Daraus könnte man nun schließen, dass ein Aufenthaltsort in der Nähe von 5G Masten, das Infektionsrisiko mit COVID-19 erhöht. In Wirklichkeit war der Zusammenhang darauf zurückzuführen, dass 5G Telekommunikation vor allem in Gebieten mit hoher Bevölkerungsdichte angeboten wird und die die Ansteckungsgefahr auf die größere Nähe der Menschen zueinander in diesen Gebieten zurückzuführen war[1].
Wenn solche Fehlschlüsse in Unternehmen getroffen werden, haben diese meist sehr hohe Kosten oder können sogar der Reputation der Firma schaden. Dies können wie im Kapitel 2.2 erwähnte Personalentscheidung zu Gunsten von Männern durch ein falsch trainiertes Modell bei Amazon sein, die nicht nur zur irrtümlichen Ablehnung von qualifizierten Frauen für die Stellenbesetzung, sondern auch dem Ruf der Firma geschadet hat.
Ein viel beachteter Anwendungsbereich von Data Science findet sich auch im Qualitätsmanagement der Industrie. Hier lassen sich große Einsparungseffekte erzielen, wenn die Ausschussrate im Produktionsprozess gesenkt werden kann. Über statistische Verfahren lassen sich auch hier Zusammenhänge und Ursachen für Ausschussproduktion erkennen und die Faktoren dafür ermitteln. Im Erfolgsfall lässt sich durch Predictive Quality der Produktionsprozess nachhaltig optimieren und somit die Qualität steigern und die Kosten senken. Nur sollte man auch hier auf möglich Fehlentscheidungen durch Scheinkorrelationen oder die falsche Bewertung von Kausalitäten achten, um hohe Folgekosten zu vermeiden.
Nicht nur der statistische Auswertungsprozess selbst birgt hier zahlreiche Fehlerquellen, sondern auch die Auswahl der Datenquellen und die Qualität der Daten. Bis heute verbringen Datenwissenschaftler 80% ihrer Zeit in einem Projekt die passenden Daten im Unternehmen zu finden, die Qualität und Vertrauenswürdigkeit zu prüfen und dann in eine Form zu bringen, die für die Auswertung nutzbar ist.
Björn Heinen, 2021