Advertisement
Published in:
01-06-2017 | Information & Technologie
In Kürze
Published in: Controlling & Management Review | Issue 5/2017
Log inActivate our intelligent search to find suitable subject content or patents.
Select sections of text to find matching patents with Artificial Intelligence. powered by
Select sections of text to find additional relevant content using AI-assisted search. powered by
Auszug
Big Data ist unter anderem der Grundstein für künstliche Intelligenz (KI), die in alle Bereiche unseres Lebens Einzug halten und die Wirtschaft revolutionieren wird. Unternehmen sollten schnell handeln und auf den frühen KI-Zug aufspringen, rät beispielsweise der Digitaldienstleister und Berater Avanade in seinem Report „Avanade Technology Vision 2017“. Die Welt richte sich auf eine neue Dekade der Veränderung aus, die Beweise dafür seien überall und klar anzutreffen. Doch zur Ausrichtung auf die „Artificial-Intelligence-first-Ära (AI-first) müssen Unternehmen sich zunächst mit Big Data und deren Handhabung beschäftigen. Die Komplexität der Big-Data-Projekte setzt auch einen Kulturwandel in den Unternehmen voraus. Ohne einen Kulturwandel und mit einer hohen Return-on-Investment-Erwartung werden Big-Data-Projekte nicht den erwarteten Erfolg bringen“, prophezeien Andreas Gadatsch und Holm Landrock in ihrem Buch „Big Data für Entscheider“ und nennen fünf grundlegende Erfolgsfaktoren, um Big Data effektiv einsetzen zu können:
1.
Umdenken, denn Big Data lässt sich nicht als Return-on- Investment über einen bestimmten Zeitraum darstellen.
2.
Verstärkte Investitionen in neue Berufe sowie in den Business-Intelligence-Bereich sind erforderlich, um die Informationen in großen Datenmengen zu untersuchen.
3.
Keimzellen sind zu schaffen, in denen Big-Data-Ideen zu Big-Data-Szenarien werden.
4.
Eine Leitungsentscheidung ist darüber notwendig, ob die Fachabteilung oder die IT-Abteilung für die Erhebung von Daten und den Aufbau von Big-Data-Szenarien zuständig ist beziehungsweise ob hier eine Stabsfunktion für das Unternehmen hilfreich ist.
5.
Neue Algorithmen sind zu finden statt eines Scale-outs vorhandener Lösungen.