SlideShare ist ein Scribd-Unternehmen logo
1 von 24
Downloaden Sie, um offline zu lesen
Daten- & AI-Strategie
in der Praxis -
(wann) braucht man sie
wirklich?
1
2
About me
shirin.elsinghorst@codecentric.de
Dr. Shirin Elsinghorst
● Was ist eine Datenstrategie
(DS)?
● Warum brauchen (manche)
Organisationen eine DS?
● Zeichen, dass eine DS
sinnvoll ist
● Wie wird eine DS gebaut,
implementiert und in
Betrieb gehalten?
● Case-Studies erfolgreicher
Datenstrategien
3
Was ist eine Datenstrategie?
Was ist eine AI-Strategie?
4
Woran denkt ihr bei dem
Wort?
5
Das ist KEINE
Strategie:
Reißbrett
Anleitung
übergestülpt
feststehend
von außen
vorgegeben
Was ist eine Daten-/AI-Strategie denn dann?
6
Ein (umfassender) Plan, der
beschreibt, wie eine
Organisation Daten sammelt,
speichert, analysiert und
verwendet, um ihre
Business-Ziele zu erreichen
=>AI-Readiness
Data
Governance
Data
Architecture
+ Platform
Data
Analytics
Data/AI
Security
Data Culture
& Data-
Thinking
AI-Thinking
Unternehmen mit erfolgreicher
Datenstrategie
8
Daten sammeln, speichern & Zugriff
ermöglichen
Suchmaschine
Werbung/ Advertising => Personalisierung
ML & AI
Cloud
Innovation => Continuous improvement
Google
Objective: Data as a core asset to drive
innovation, personalize user experiences, and
expand the business ecosystem.
9
Data-Driven Decision-Making
Personalisierung durch gezielte Empfehlungen
Dynamic Pricing
Quality Control => Vertrauen
Continuous Experimentation
Customer Support
AirBnB
Objective: To create a personalized and
seamless experience for hosts and guests,
drive growth, and enhance the overall user
experience.
10
User-Centric Approach
Personalisierte Empfehlungen
Erstellung von Playlists & Radiostationen
Advertisement
Data Privacy & Security
Innovation
Spotify
Objective: Personalization, from music
recommendations to content curation and
advertising, offering a tailored experience that
keeps users engaged and coming back for
more.
Data-/AI-Driven
Business als
Marktvorteil
11
Effizienz durch
optimierte
Prozesse
Innovation
AI-Readiness
Compliance
Daten-Ethik
Warum brauchen (manche)
Organisationen eine DS?
Woran erkenne ich, dass eine DS in meinem
Unternehmen sinnvoll wäre?
12
Unorganisierte
Daten-
Umgebungen
Verpasste
Chancen (am
Markt) => AI?
Fehler/ Ausfälle /
Suboptimale
Prozesse
Fehlen einer
Data-Driven
Culture
Data-/AI-
Thinking
Enablement!
13
Priorisierung von Daten-getriebenen
Entscheidungsprozessen auf allen Ebenen => Daten als
Schlüssel-Resource für KPIs
• Strategische Nutzung von Daten => Insights,
Improvements, Innovation (AI-ready)
• Data Literacy => Daten interpretieren, hinterfragen,
Entscheidungen treffen
• Enablement & Knowledge-Sharing
• Experimentieren & Testen (fast-cycle)
• Daten-Ökosysteme für Sammlung, Speicherung &
Ermöglichung einfacher Nutzung (Zugriff)
Was bedeutet das eigentlich?
Mindset
Decision-Making
Key-Resource
Data-Driven Culture
Wie wird eine DS entwickelt, implementiert
und in Betrieb gehalten?
Vorbereitung
15
Objectives
definieren
Data
Analytics
Data
Security
Ist-Analyse
Data
Governance
Data
Architecture
Data- & AI-
Culture
Data
Platform
16
Bedarfe &
Bedürfnisse
identifizieren
● Zuhören
● Verstehen
● Nachfragen
Lösungen
entwickeln
● Konzepte zum
Leben
erwecken =>
Kreativität
Konzepte erarbeiten
● Bedarfe &
Bedürfnisse
strukturieren
● Umsetzungsziele
planen
Ganz konkret
Umsetzung & Ausführung
17
Daten
sammeln
Talent &
Training
Change
Management
Technologien
Werkzeuge
Kommunikation
Daten
speichern
Daten
integrieren
Daten
verwenden
Monitoring & Skalierung
18
Key Performance
Indicators (KPIs)
Regelmäßige
Bestands-
aufnahme Kontinuierliche
Optimierung
Flexibilität
Herausforderungen
20
• Datenqualität sicherstellen
• Data Governance => zentralisiert oder dezentral =>
Skalierungsbedarf
• Daten-Silos auflösen => Zugriff & Integration
verschiedener Datenquellen
• Privatsphäre, Compliance, Sicherheit, DSGVO (besonders
überregional/international)
• Legacy Systeme: Cultural Change kann schwierig sein =>
Change Management & Kommunikation
• Mangel an Fachkräften mit entsprechenden Skills
• Return of Interest nicht immer einfach zu demonstrieren
für die erfolgreiche Umsetzung
Größe der
Organisation
Organisations-
strukturen
Bestehende
Prozesse &
Mindsets
Challenges
Take-Home-Messages
Danke!
Data- &
AI-Driven-
...
…
Decision-
Making
…
Culture
Daten als
Key-
Resource
Change-
Management
Innovation
Innovative - Trustful - Competent - Pragmatic
codecentric AG
Am Mittelhafen 14
48155 Münster
Dr. Shirin Elsinghorst
Senior Data Scientist
shirin.elsinghorst@codecentric.de
www.codecentric.de
22
Stay
connected
Photo by Markus Spiske on Unsplash
23
https://www.codecentric.de/leistungen/
data-science-und-kuenstliche-intellige
nz/ki-gestuetzte-anwendungsfaelle-eta
blieren
karriere

Weitere ähnliche Inhalte

Ähnlich wie Datenstrategie in der Praxis

Erfolgreiche Datenstrategien für PIM & MDM entwerfen
Erfolgreiche Datenstrategien für PIM & MDM entwerfenErfolgreiche Datenstrategien für PIM & MDM entwerfen
Erfolgreiche Datenstrategien für PIM & MDM entwerfenDatentreiber
 
Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014Tableau Software
 
Tableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
Tableau Drive, Die neue Methode für Bereitstellungen in UnternehmenTableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
Tableau Drive, Die neue Methode für Bereitstellungen in UnternehmenTableau Software
 
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)Praxistage
 
Neue Potentiale durch Recommendations erschliessen und Conversions steigern (...
Neue Potentiale durch Recommendations erschliessen und Conversions steigern (...Neue Potentiale durch Recommendations erschliessen und Conversions steigern (...
Neue Potentiale durch Recommendations erschliessen und Conversions steigern (...SHI Search | Analytics | Big Data
 
Persönliches Wissensmanagement
Persönliches WissensmanagementPersönliches Wissensmanagement
Persönliches Wissensmanagementsommer22
 
DE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own dataDE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own datacaniceconsulting
 
Datenstrategie-Seminar
Datenstrategie-SeminarDatenstrategie-Seminar
Datenstrategie-SeminarDatentreiber
 
Fitness Check Internal Relationship Management
Fitness Check Internal Relationship ManagementFitness Check Internal Relationship Management
Fitness Check Internal Relationship Managementdidijo
 
Ihr unternehmensinternes IT-Team: Welches ist die strategisch sinnvolle Posit...
Ihr unternehmensinternes IT-Team: Welches ist die strategisch sinnvolle Posit...Ihr unternehmensinternes IT-Team: Welches ist die strategisch sinnvolle Posit...
Ihr unternehmensinternes IT-Team: Welches ist die strategisch sinnvolle Posit...Gernot Sauerborn
 
Mit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen MarketingMit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen MarketingDatentreiber
 
Gewinnen Sie Wissen - Wir wissen wie - basis06
Gewinnen Sie Wissen - Wir wissen wie - basis06Gewinnen Sie Wissen - Wir wissen wie - basis06
Gewinnen Sie Wissen - Wir wissen wie - basis06CVCube AG
 
Transparente und Verantwortungsbewusste KI
Transparente und Verantwortungsbewusste KITransparente und Verantwortungsbewusste KI
Transparente und Verantwortungsbewusste KIShirin Elsinghorst
 
Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018
Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018
Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018Digital Analytics Institute
 
Vorstellung von Datentreiber
Vorstellung von DatentreiberVorstellung von Datentreiber
Vorstellung von DatentreiberDatentreiber
 

Ähnlich wie Datenstrategie in der Praxis (20)

Erfolgreiche Datenstrategien für PIM & MDM entwerfen
Erfolgreiche Datenstrategien für PIM & MDM entwerfenErfolgreiche Datenstrategien für PIM & MDM entwerfen
Erfolgreiche Datenstrategien für PIM & MDM entwerfen
 
Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014
 
Tableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
Tableau Drive, Die neue Methode für Bereitstellungen in UnternehmenTableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
Tableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
 
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
 
Neue Potentiale durch Recommendations erschliessen und Conversions steigern (...
Neue Potentiale durch Recommendations erschliessen und Conversions steigern (...Neue Potentiale durch Recommendations erschliessen und Conversions steigern (...
Neue Potentiale durch Recommendations erschliessen und Conversions steigern (...
 
Analytics für Einsteiger
Analytics für EinsteigerAnalytics für Einsteiger
Analytics für Einsteiger
 
Persönliches Wissensmanagement
Persönliches WissensmanagementPersönliches Wissensmanagement
Persönliches Wissensmanagement
 
Das CDO & Data Teams Handbuch
Das CDO & Data Teams HandbuchDas CDO & Data Teams Handbuch
Das CDO & Data Teams Handbuch
 
DE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own dataDE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own data
 
Datenstrategie-Seminar
Datenstrategie-SeminarDatenstrategie-Seminar
Datenstrategie-Seminar
 
Fitness Check Internal Relationship Management
Fitness Check Internal Relationship ManagementFitness Check Internal Relationship Management
Fitness Check Internal Relationship Management
 
Ihr unternehmensinternes IT-Team: Welches ist die strategisch sinnvolle Posit...
Ihr unternehmensinternes IT-Team: Welches ist die strategisch sinnvolle Posit...Ihr unternehmensinternes IT-Team: Welches ist die strategisch sinnvolle Posit...
Ihr unternehmensinternes IT-Team: Welches ist die strategisch sinnvolle Posit...
 
Wirksames Stammdatenmanagement
Wirksames StammdatenmanagementWirksames Stammdatenmanagement
Wirksames Stammdatenmanagement
 
Mit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen MarketingMit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen Marketing
 
Gewinnen Sie Wissen - Wir wissen wie - basis06
Gewinnen Sie Wissen - Wir wissen wie - basis06Gewinnen Sie Wissen - Wir wissen wie - basis06
Gewinnen Sie Wissen - Wir wissen wie - basis06
 
KI Integration ins Unternehmen
KI Integration ins UnternehmenKI Integration ins Unternehmen
KI Integration ins Unternehmen
 
Transparente und Verantwortungsbewusste KI
Transparente und Verantwortungsbewusste KITransparente und Verantwortungsbewusste KI
Transparente und Verantwortungsbewusste KI
 
Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018
Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018
Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018
 
Vorstellung von Datentreiber
Vorstellung von DatentreiberVorstellung von Datentreiber
Vorstellung von Datentreiber
 
Agiles Arbeiten - Mythen, Trends und Best Practices
Agiles Arbeiten  - Mythen, Trends und Best PracticesAgiles Arbeiten  - Mythen, Trends und Best Practices
Agiles Arbeiten - Mythen, Trends und Best Practices
 

Mehr von Shirin Elsinghorst

RICHTIG GUT: DIE QUALITÄT VON MODELLEN VERSTEHEN
RICHTIG GUT: DIE QUALITÄT VON MODELLEN VERSTEHENRICHTIG GUT: DIE QUALITÄT VON MODELLEN VERSTEHEN
RICHTIG GUT: DIE QUALITÄT VON MODELLEN VERSTEHENShirin Elsinghorst
 
Real-World Data Science (Fraud Detection, Customer Churn & Predictive Mainten...
Real-World Data Science (Fraud Detection, Customer Churn & Predictive Mainten...Real-World Data Science (Fraud Detection, Customer Churn & Predictive Mainten...
Real-World Data Science (Fraud Detection, Customer Churn & Predictive Mainten...Shirin Elsinghorst
 
SAP webinar: Explaining Keras Image Classification Models with LIME
SAP webinar: Explaining Keras Image Classification Models with LIMESAP webinar: Explaining Keras Image Classification Models with LIME
SAP webinar: Explaining Keras Image Classification Models with LIMEShirin Elsinghorst
 
Workshop - Introduction to Machine Learning with R
Workshop - Introduction to Machine Learning with RWorkshop - Introduction to Machine Learning with R
Workshop - Introduction to Machine Learning with RShirin Elsinghorst
 
HH Data Science Meetup: Explaining complex machine learning models with LIME
HH Data Science Meetup: Explaining complex machine learning models with LIMEHH Data Science Meetup: Explaining complex machine learning models with LIME
HH Data Science Meetup: Explaining complex machine learning models with LIMEShirin Elsinghorst
 
HH Data Science Meetup: Explaining complex machine learning models with LIME
HH Data Science Meetup: Explaining complex machine learning models with LIMEHH Data Science Meetup: Explaining complex machine learning models with LIME
HH Data Science Meetup: Explaining complex machine learning models with LIMEShirin Elsinghorst
 
Ruhr.PY - Introducing Deep Learning with Keras and Python
Ruhr.PY - Introducing Deep Learning with Keras and PythonRuhr.PY - Introducing Deep Learning with Keras and Python
Ruhr.PY - Introducing Deep Learning with Keras and PythonShirin Elsinghorst
 
From Biology to Industry. A Blogger’s Journey to Data Science.
From Biology to Industry. A Blogger’s Journey to Data Science.From Biology to Industry. A Blogger’s Journey to Data Science.
From Biology to Industry. A Blogger’s Journey to Data Science.Shirin Elsinghorst
 

Mehr von Shirin Elsinghorst (9)

RICHTIG GUT: DIE QUALITÄT VON MODELLEN VERSTEHEN
RICHTIG GUT: DIE QUALITÄT VON MODELLEN VERSTEHENRICHTIG GUT: DIE QUALITÄT VON MODELLEN VERSTEHEN
RICHTIG GUT: DIE QUALITÄT VON MODELLEN VERSTEHEN
 
Real-World Data Science (Fraud Detection, Customer Churn & Predictive Mainten...
Real-World Data Science (Fraud Detection, Customer Churn & Predictive Mainten...Real-World Data Science (Fraud Detection, Customer Churn & Predictive Mainten...
Real-World Data Science (Fraud Detection, Customer Churn & Predictive Mainten...
 
SAP webinar: Explaining Keras Image Classification Models with LIME
SAP webinar: Explaining Keras Image Classification Models with LIMESAP webinar: Explaining Keras Image Classification Models with LIME
SAP webinar: Explaining Keras Image Classification Models with LIME
 
Workshop - Introduction to Machine Learning with R
Workshop - Introduction to Machine Learning with RWorkshop - Introduction to Machine Learning with R
Workshop - Introduction to Machine Learning with R
 
Deep learning - a primer
Deep learning - a primerDeep learning - a primer
Deep learning - a primer
 
HH Data Science Meetup: Explaining complex machine learning models with LIME
HH Data Science Meetup: Explaining complex machine learning models with LIMEHH Data Science Meetup: Explaining complex machine learning models with LIME
HH Data Science Meetup: Explaining complex machine learning models with LIME
 
HH Data Science Meetup: Explaining complex machine learning models with LIME
HH Data Science Meetup: Explaining complex machine learning models with LIMEHH Data Science Meetup: Explaining complex machine learning models with LIME
HH Data Science Meetup: Explaining complex machine learning models with LIME
 
Ruhr.PY - Introducing Deep Learning with Keras and Python
Ruhr.PY - Introducing Deep Learning with Keras and PythonRuhr.PY - Introducing Deep Learning with Keras and Python
Ruhr.PY - Introducing Deep Learning with Keras and Python
 
From Biology to Industry. A Blogger’s Journey to Data Science.
From Biology to Industry. A Blogger’s Journey to Data Science.From Biology to Industry. A Blogger’s Journey to Data Science.
From Biology to Industry. A Blogger’s Journey to Data Science.
 

Datenstrategie in der Praxis