Data Processing

Unter Data Processing oder einfach Datenverarbeitung versteht man das Sammeln und Umwandeln von Daten in für eine Organisation oder ein Unternehmen nützliche Informationen. Der Prozess ist für Unternehmen von entscheidender Bedeutung, um ihre Geschäftsstrategien zu verbessern und sich Wettbewerbsvorteile zu sichern. Durch das Umwandeln der Daten in ein lesbares Format wie Grafiken, Diagramme und Dokumente können die Informationen besser verstanden und verwendet werden. Normalerweise erfolgt die Aufbereitung der Daten durch Data Scientists in folgenden Schritten:

1. Datenerfassung

Im ersten Schritt werden Daten aus verfügbaren Quellen extrahiert. Hierbei sollte auf die Qualität der Daten geachtet werden, da die daraus gewonnen Informationen nur so gut wie deren Grundlage sein können.

2. Datenaufbereitung

Nach der Erfassung werden die Daten bereinigt und organisiert. Ziel bei dieser Vorverarbeitung ist es redundante, unvollständige oder fehlerhafte Daten zu beseitigen.

3. Dateneingabe

Die bereinigten Daten werden in ein geeignetes Zielsystem wie z.B. ein CRM-System oder ein Data-Warehouse eingegeben und in eine für das entsprechende System verständliche Sprache übersetzt.

4. Verarbeitung

Die Verarbeitung der eingelesenen Daten erfolgt mittels Machine Learning Algorithmen und bereitet sie auf die Interpretation vor.

5. Datenausgabe/Interpretation

In diesem Schritt geht es nun darum, die Daten für einen Nicht-Data-Scientist in eine verständliche, leicht lesbare Form, wie zum Beispiel Graphen, Bilder, Videos usw. zu bringen. Ab diesem Schritt können die Daten von allen Beteiligten im Unternehmen für Analyseprojekte genutzt werden,

6. Datenspeicherung

Im letzten Schritt erfolgt die Speicherung der aufbereiteten Daten, um bei Bedarf jederzeit schnell und einfach auf sie zugreifen zu können.

In einer immer digitaleren Welt lässt sich der Fokus von Data Processing nicht mehr auf bestimmte Branchen festlegen, da diese Technologie mittlerweile in allen Bereichen eingesetzt wird, wie folgende Beispiele zeigen:

• Finanzsektor

Aktienhandels-Softwares dienen dazu große Mengen an Aktiendaten zu verarbeiten und in einfachen Diagrammen darzustellen.

• E-Commerce

Daten, welche von potentiellen Kunden beim Besuch eines Online-Shops gesammelt werden, werden analysiert und beispielsweise für die Empfehlung weiterer Produkte genutzt

• Marketing

Ein Unternehmen für digitales Marketing verwendet demografische Daten von Personen, um standortspezifische Kampagnen zu planen

• Automobilbranche

Die Fahrerassistenzsysteme von Autos nutzen Echtzeitdaten der Sensoren, um beispielsweise die Spur zu halten oder eine Notbremsung einzuleiten.

Herausforderungen

• Datenqualität

Bei mangelhaften, fehlerhaften oder unvollständigen Daten leidet die Ergebnisqualität

• Kosten

Data Processing ist immer mit Kosten in Form von Mitarbeitern, Hardware, Software, Cloud Services usw. verbunden, sodass viele Unternehmen vor dem flächendeckenden Einsatz von Data Processing zurückschrecken

Chancen

• Entscheidungsfindung

Einrichten von präventiv Maßnahmen, z.B. die Instandhaltung zu einem bestimmten Zeitpunkt vor Ausfall einer Maschine

• Steigerung der Effizienz

Optimierung von Prozessen sowie Kostensenkung

• Kundenindividualität

Personalisierte Angebote für Kunden

• IBM Corporation
• Hewlett Packard Enterprise Development LP
• SAP SE
• Teradata Corporation

• Big Data
• Machine Learning
• Hosting Services
• Data Mining