CDO Wissen – Big Data & Analytics

Chief Digital Officer verstehen den Begriff «Big Data» und finden Wege und Mittel, die Datenmengen zu analysieren und sinnvoll zu nutzen.

Chief Digital Officer müssen in der Lage sein:

  • die Digitalisierung in Unternehmen auf der Basis von Daten und Analysen voranzutreiben
  • die grundlegenden Konzepte hinter dem Schlagwort «Big Data» zu verstehen und deren Potenzial für das eigene Unternehmen einzuschätzen
  • die für die Digitalisierung relevanten Fragen zu formulieren und durch Data Scientists analysieren zu lassen
  • die Analyse-Resultate von Spezialisten zu interpretieren, zu validieren und daraus die richtigen Schlüsse und Aktionen abzuleiten

Meine SIB – CDO NDS HF – Studium / Mündliche Prüfung «Projekt- und Change-Management»

Kommentare willkommen.

A must read – How the Tech Giants Make Their Billions

chart-tech-giant-revenues

How the Tech Giants Make Their Billions

At a glance, it may seem like the world’s biggest technology companies have a lot in common.

For starters, all five of the Big Tech companies (Amazon, Apple, Facebook, Microsoft, and Alphabet) have emerged as some of the most valuable publicly-traded companies in the world, with founders such as Jeff Bezos or Bill Gates sitting atop the global billionaire list.

These tech giants also have a consumer-facing aspect to their business that is front and center. With billions of people using their platforms globally, these companies leverage user data to tighten their grip even more on market share. At the same time, this data is a double-edged sword, as these same companies often find themselves in the crosshairs for mishandling personal information.

Finally, all of these companies have a similar origin story: they were founded or incubated on the fertile digital grounds of the West Coast. The company that has the weakest claim to such origins would be Facebook, but even it has been based in Silicon Valley since June 2004.

Sizing Up the Tech Giants

For all of their commonalities, it seems that there is less of a mold for how these tech giants end up generating cashflow.

But before we get to how Big Tech makes its money, let’s start by looking at the financials at a higher level. The following data comes from the 2018 10-K reports filed last year.

Company Revenue (2018) Net Income (2018) Margin
Combined $801.5 billion $139.0 billion 17.3%
Apple $265.6 billion $59.5 billion 22.4%
Amazon $232.9 billion $10.1 billion 4.3%
Alphabet $136.8 billion $30.7 billion 22.4%
Microsoft $110.4 billion $16.6 billion 15.0%
Facebook $55.8 billion $22.1 billion 39.6%

Together, the Big Five tech giants combined for just over $800 billion of revenue in 2018, which would be among the world’s 20 largest countries in terms of GDP. More precisely, they would just edge out Saudi Arabia ($684 billion GDP) in terms of size.

Meanwhile, they generated a total of $139 billion of net income for their shareholders, good for a 17.3% profit margin.

How Big Tech Makes Money

Let’s dig deeper, and see the differences in how these companies generate their revenue.

You are the Customer
In the broadest sense, three of the tech giants make money in the same way: you pay them money, and they give you a product or service.

Apple (Revenue in 2018: $265.6 billion)

  • Apple generates a staggering 62.8% of its revenue from the iPhone
    The iPad and Mac are good for 7.1% and 9.6% of revenues, respectively
    All other products and services – including Apple TV, Apple Watch, Beats products, Apple Pay, AppleCare, etc. – combine to just 20.6% of revenues

Amazon (Revenue in 2018: $232.9 billion)

  • Amazon gets the most from its online stores (52.8%) as well as third-party seller services (18.4%)
    Amazon’s fastest-growing segment is offline sales in physical stores
    Offline sales generate $17.2 billion in current revenue, growing 197% year-over-year
    Amazon Web Services (AWS) is well-known for being Amazon’s most profitable segment, and it counts for 11.0% of revenue
    Amazon’s “Other” segment is also rising fast – it mainly includes ad sales

Microsoft (Revenue in 2018: $110.4 billion)

  • Microsoft has the most diversified revenue of any of the tech giants
    This is part of the reason it currently has the largest market capitalization ($901 billion) of the Big Five
    Microsoft has eight different segments that generate ~5% or more of revenue
    The biggest three are “Office products and cloud services” (25.7%), “Server products and cloud services” (23.7%), and Windows (17.7%)

The remaining tech giants charge you nothing as a consumer, so how are they worth so much?

You are the Product!

Both Alphabet and Facebook also generate billions of dollars of revenue, but they make this money from advertising. Their platforms allow advertisers to target you at scale with incredible precision, which is why they dominate the online ad industry.

Here’s how their revenues break down:

Alphabet (Revenue in 2018: $136.8 billion)

  • Despite having a wider umbrella name, ad revenue (via Google, YouTube, Google Maps, Google Ads, etc.) still drives 85% of revenue for the company
  • Other Google products and services, like Google Play or the Google Pixel phone, help to generate 14.5% of total revenue
  • Other Bets count to 0.4% of revenue – these are Alphabet’s moonshot attempts to find the “next Google” for its shareholders

Facebook (Revenue in 2018: $55.8 billion)

  • Facebook generates almost all revenue (98.5%) from ads
  • Meanwhile, 1.5% comes from payments and other fees
  • Despite Facebook being a free service for users, the company generated more revenue per user than Netflix, which charges for its service
  • In 2018 Q4, for example, Facebook made $35 per user. Netflix made $30.

So while the tech giants may have many similarities, how they generate their billions can vary considerably.

Some are marketing products to you, while others are marketing you as the product.

Source: Infographic

Fantastische Sendung von SRF „Dataland“ Sehr empfehlenswert!

In welchem Datenland wollen die Schweizerinnen und Schweizer zukünftig leben?

Dieser und weiteren Fragen rund um die Digitalisierung in der Schweiz nimmt sich SRF im Rahmen des nationalen Themenabends «Dataland» an.

Susanne Wille führt durch die Sendung.

Zur Sendung

Google will Antworten geben, bevor jemand Fragen stellt

Die wichtigste Website der Welt verändert sich radikal: bunt und lang statt schlicht und kompakt. Google wird Milliarden Menschen vorsetzen, was sie angeblich wollen.

Finden statt suchen: Google plant mit seinem Feed Discover eine ziemlich radikale Veränderung seiner Suchseite.

Dieser Text besteht aus gut 1000 Wörtern. Wer bis zum Ende durchhält und durchschnittlich schnell liest, benötigt dafür etwa fünf Minuten. Im selben Zeitraum suchen Dutzende Millionen Menschen mit Google. Jedes Jahr verarbeitet es mehrere Billionen Suchanfragen und hat damit ein Quasimonopol. Googeln steht im Duden, gebingt wird höchstens beim Serienkonsum.

Wer auf seinem Smartphone sucht, nutzt dafür in 97 von 100 Fällen Google.

Genau jetzt, scheinbar auf dem Höhepunkt seiner Macht, will Google sich neu erfinden. Ende September gab das Unternehmen eine kleine Pressekonferenz in San Francisco und veröffentlichte mehrere Ankündigungen auf seinem Firmenblog. Die Weltöffentlichkeit nahm wenig Notiz, aber diese könnten Googles Vorhaben grundlegender verändern, als den meisten Menschen klar ist.

Im Laufe der kommenden Wochen wird sich die meistaufgerufene Seite des Webs radikal verändern. Wer dann Google.com auf seinem Smartphone eingibt, sieht das gewohnte Suchfeld – und darunter eine lange Liste mit Artikeln, Videos und anderen Vorschlägen. Dieser Feed erinnert an soziale Netzwerke, und ähnlich wie Facebook und Twitter könnte Google auch Werbung darin anzeigen, erste Experimente laufen bereits.

«Bekommen Sie mehr als eine Antwort, wenn Sie Google nutzen?»

«Die Menschen wollen, dass Google ihnen sagt, was sie als Nächstes tun sollen.» Das bricht mit Prinzipien, an denen Google zwei Jahrzehnte festgehalten hat: Die Startseite sollte schlicht sein, so schnell wie möglich laden und keine Werbung zeigen. Erst wer tippt, findet, und zwar meist das, was er gesucht hat. Um zu verstehen, warum Google diesen Schritt wagt, und was das für Milliarden Menschen auf der Welt bedeutet, helfen drei denkwürdige Zitate von Googles Topmanagern.

Bereits 2005 sagte der damalige Google-Chef Eric Schmidt: «Bekommen Sie mehr als eine Antwort, wenn Sie Google nutzen? Natürlich. Nun, das ist ein Fehler. Wir sollten wissen, was Sie meinten, und in der Lage sein, Ihnen nur eine exakt richtige Antwort zu geben.»

Fünf Jahre später gestand Schmidt ein, dass man nicht wisse, wie die Zukunft der Suche aussehe. «Aber eine Idee ist, dass wir Ihnen mehr und mehr Abfragen abnehmen, ohne dass Sie tippen müssen. Ich denke, dass die meisten Menschen nicht wollen, dass Google ihre Fragen beantwortet. Sie wollen, dass Google ihnen sagt, was sie als Nächstes tun sollen.»

2012 schliesslich schrieb Google-Gründer Larry Page in einem Brief an Investoren: «Wirklich gute Suche bedeutet, Bedürfnisse innerhalb eines Wimpernschlags in Aktionen zu übersetzen. Es geht darum, Dinge zu beschleunigen, damit Nutzer Zeit für die wichtigen Dinge in ihrem Leben haben.»

Google steigt in den weltweiten Kampf um unsere Aufmerksamkeit ein. Schmidt und Page haben frühzeitig erkannt, dass sich Google weiterentwickeln muss, um relevant zu bleiben. Die Dominanz bei der Websuche macht Google aktuell zu einem der wertvollsten Unternehmen der Welt, doch auch Myspace schien einst unaufhaltsam zu sein.

Kein Wirtschaftszweig ist so disruptiv wie die Tech-Branche, nirgends werden Fehler und Versäumnisse so gnadenlos bestraft wie im Silicon Valley.

Unternehmen wie Google müssen antizipieren, wie das Internet in fünf Jahren aussehen könnte, und ihre Strategie schon heute darauf ausrichten.

Als Google Ende der 1990er gegründet wurde, glich das Netz einem Dschungel, abenteuerlich und voller Überraschungen, aber auch unübersichtlich und ohne grosse Strassen. Google war der Pfadfinder, der das Dickicht der damals rund 25 Millionen Websites durchblickte und zuverlässig ans Ziel führte. Heute gibt es Hunderte Milliarden Seiten, aber der Urwald ist grösstenteils verschwunden und wurde durch Monokulturen ersetzt: Wenige Unternehmen dominieren grosse Teile des Internets. Sie haben das Unterholz gerodet und vielspurige Autobahnen gebaut, auf denen sich Nutzer durchs Netz bewegen.

Zum richtigen Zeitpunkt die passenden Inhalte anzeigen

Einige errichten hohe Mauern, damit die Menschen nicht sehen, dass es jenseits der Facebook-Plantage und des Amazon-Feldes noch mehr zu entdecken gibt: Mehr als die Hälfte der Menschen in riesigen Entwicklungs- und Schwellenländern wie Nigeria, Indien und Brasilien stimmt der Aussage zu, dass «Facebook das Internet ist». Wer nach Produkten sucht, nutzt dafür immer öfter direkt Amazon: Im vergangenen Jahr hat die Handelsplattform Google in dieser Kategorie den Rang abgelaufen und kann die besonders begehrten Werbeplätze selbst vermarkten.

Für Google sind das bedrohliche Entwicklungen. Auch deshalb steigt es nun in den weltweiten Kampf um Aufmerksamkeit ein.

Statt Nutzer möglichst schnell wegzuschicken, sollen sie künftig so lange wie möglich bleiben.

Dann kann Google mehr Werbung einblenden und mehr Daten sammeln. Denn darum geht es: Google wettet darauf, dass es mehr über seine Nutzer weiss als Facebook und ihnen zum richtigen Zeitpunkt die passenden Inhalte anzeigen kann.

Die Tracking-Werkzeuge des Konzerns durchziehen das Netz wie digitale Wanzen. Der Suchverlauf verrät Interessen, Pläne und heimliche Vorlieben, von denen nicht einmal die engsten Freunde wissen: das nächste Reiseziel, das Geburtstagsgeschenk für den Partner, manchmal sogar Schwangerschaften, noch bevor es die Frau selbst ahnt.

Google kennt die E-Mails von knapp anderthalb Milliarden Gmail-Nutzern und kann über Chrome und Android, den grössten Browser und das dominierende Smartphone-Betriebssystem, weitere wertvolle Daten sammeln.

Ab sofort heisst der Nachrichtenstrom Discover

Googles Werbenetzwerke und Tracking-Werkzeuge durchziehen das gesamte Netz wie digitale Wanzen, die Information über fast alle Klicks an Google übertragen. Diesen gewaltigen Datenschatz nutzt das Unternehmen, um personalisierte Werbung anzuzeigen. Nun soll er auch als Grundlage für individuell zugeschnittene Inhalte dienen.

Diese kuratierten Inhalte, die Google bald auf der mobilen Website standardmässig anzeigen will, wurden jahrelang getestet.

2012 startete Google Now, später wurde daraus der Google-Feed, ab sofort heisst der Nachrichtenstrom Discover. Bislang tauchen die Leseempfehlungen nur in der Google-App, auf bestimmten Android-Smartphones und im Chrome-Browser auf. Nach eigenen Angaben erreicht Google damit jeden Monat 800 Millionen Menschen, doch es ist unklar, wie intensiv diese damit interagieren. Klar ist dagegen, dass bald noch mehr Menschen mehr Zeit mit Discover verbringen werden, sobald Google seine Ankündigungen umsetzt und auf der mobilen Website Antworten anzeigt, bevor Nutzer Fragen stellen.

Discover wird Milliarden Menschen vorsetzen, was sie angeblich wollen.

Genau wie Amazon setzt Google darauf, dass Menschen künftig mit ihren Geräten reden werden. Persönliche Assistenten wie Alexa, Siri und der Google Assistant nisten sich über sprachgesteuerte Lautsprecher und Displays in Schlaf- und Wohnzimmern ein.

Als Google-Chef Sundar Pichai 2016 den Smart Speaker Google Home vorstellte, sagte er, dass jede fünfte mobile Suchanfrage gesprochen statt getippt werde.

Mittlerweile dürfte der Anteil noch grösser sein. Umso wichtiger wird es, Nutzern sofort die eine, richtige Antwort zu liefern: Es ist kein Problem, sich eine Seite mit Suchergebnissen anzusehen, aber niemand hört einer Computerstimme zu, wie sie zehn Resultate vorliest.

Discover wird Milliarden Menschen vorsetzen, was sie angeblich wollen – ob sie es wollen oder nicht.

Das mag bequem sein und viele Vorteile bieten, eine Sache aber könnte verloren gehen: Serendipität, also die Möglichkeit, Dinge zu entdecken, die man gar nicht gesucht hat. Google bietet Inhalte, die perfekt zum persönlichen Profil passen. Wer kreuz und quer durchs Netz surft oder eine Zeitung aufschlägt, kann Zufallsfunde machen, die Algorithmen aussortiert hätten: etwa einen langen Text über Google, für den man sich eigentlich gar nicht interessiert hat und den man jetzt doch bis zum Ende gelesen hat.

Source: Tamedia Simon Hurtz

Using Artificial Intelligence in Sales Saves Time and Reveals New Opportunities

Management consultant, educator and author Peter Drucker once declared that increasing the productivity of knowledge workers was „the most important contribution management needs to make in the 21st century.“

AI is changing that. More than 75 percent of companies are firing up AI to accelerate business development, automate busy work and deliver a better customer experience.

AI algorithms are powering massive amounts of calculations and decisions because they can find patterns in data, unseen to the naked eye. They’re evolving technology in powerful ways that are enhancing our knowledge work:

1. Automating the work humans don’t want to do

The most liberating support comes from AI doing the jobs we find monotonous. AI platforms can do repetitive tasks, like learn how to automatically update contact data in your customer relationship manager (CRM) or generate weekly status reports for your leads.

In the business development world, AI and machine learning tools sort through leads and pull a wide range of data together about your prospect list. The tedious work of organizing contact information or researching prospect demographics can be handed to bots and allow your sales team to focus on selling.

2. Automating the work we can’t do

How many hours per week do you need to focus on selling to meet your quotas and keep the business growing?

You probably don’t have hundreds of hours left over for data science. But, that’s what it takes to review large data sets to find trends in your industry, uncover business opportunities and stay ahead of the competition. Whether you want to know which companies are actively searching for your solution or how qualified they are, the data is available — but it’s complex and spread out across multiple websites and databases.

AI bots and services can look at how many pieces of content are being shared around a topic, determine traffic volume, number of companies searching for your product/service and their lead score.

AI can also deliver complex data sets to be reviewed on one platform, instead of having your team sort through thousands of lists or records. It can review and mark this data, then provide a report of actionable insights.

3. Improving lead quality and shortening sales cycles

A full pipeline isn’t useful if the leads aren’t relevant or qualified. Today, many companies use a variety of people and tools to do basic data entry before these leads are delivered to a salesperson. Even then, they’re only guessing which leads will be interested.

Sales teams that use predictive analytics spend less time prospecting and more time selling, which motivates them and makes them more successful in their role. This reduces sales department churn.

AI is the new go-to partner for this relationship. Algorithms can now score leads based on key performance indicators (KPIs) and historical success patterns. The closer a new lead matches your existing best-value customers, the higher AI can score it.

Delivering a flow of the best leads who are ready to buy can significantly reduce your sales cycle times. It gives you more revenue opportunities because your team isn’t overwhelmed with prospecting or follow up — they’re focused on selling to qualified opportunities.

Focusing on the people already looking for your solution provides a more enjoyable process for both you and your future customer.

4. Predicting cross-sell and up-sell opportunities

AI provides a connection that we weren’t expecting initially but are pleased to see: people who want the advanced services our sales team can offer.

p-sells and cross-sells are often missed because sales teams lack a definitive process for whom to up-sell and when. It’s the easiest and most neglected part of the sales process.

AI makes your sales process more predictable by finding the customer personas who are most likely to say yes. That ensures sales teams are focused on customers with the largest revenue opportunity and the highest likelihood of converting.

Advanced analytics can help create these personas, and the AI underneath it can continuously update those personas based on how successful its past model was. Buyers enjoy the help. Businesses enjoy the increase in revenue. And sales teams enjoy hitting those stretch goals and maximizing their bonuses.

5. Forecasting sales projections for specific customer personas and offers

International Data Corporation (IDC) notes that real-time personalization of ads will arrive by 2020. The goal for these platforms is improving the accuracy of targeting, increasing the precision of its messaging and ensuring the context is appropriate for the customer and their pain points.

Smart AI will power these platforms and we can start to see it bridging the gap between inbound marketing and outbound sales development — aligning sales and marketing once and for all.

When we look at the possibility: It’s targeting your best customer personas with the best messaging to analyze buying stages, marketing channels and optimize them all. In essence, we’re learning the personas that respond best to each offer and when up-sells correlate with an increase in churn.

It’s possible for AI to scan an entire integrated database, from CRM and customer orders to conversation intelligence and lead scoring tools. Machine learning can build out customer personas that include risk prediction and sales potentials, segmenting groups into a variety of characteristics.

It’s a nuanced understanding of the customer journey that takes a few extra things into account:

  • Customer lifetime value
  • Risks relative to sales thresholds
  • Intervention points for sales and support
  • Projections by category and product type within customer groups as well as individual customers

This greater understanding can be used to guide a variety of business decisions. Initially, companies can use it to manage pricing and sales strategies. Later, there’s a clear understanding of messaging success rates by persona and product needs — even the potential for a tailored customer journey with offers designed to maximize revenue, while minimizing churn.

6. Making human work more meaningful and valuable

AI in business development boils down to this: It gives us the freedom to focus on our unique abilities. We’re not bogged down with repetitive busy work or boring data entry. We can focus on the meaningful work — the elements that lead to a successful sale and customer experience.

AI runs in the background and gives us the ability to increase the productivity of knowledge work.

„Every few hundred years throughout Western history, a sharp transformation has occurred,“ Drucker observed in a 1992 essay for Harvard Business Review.

In a matter of decades, technology altogether has evolved at light speed — its purpose, applications and capabilities. Years later, AI is changing our work in meaningful ways. And the people entering this brave new world can’t imagine work without this valuable tool. AI is transforming technology, saving us time and uncovering new sales opportunities — and surely exceeding the expectations of Peter Drucker.

Source: 

Visualize the Entire Global Economy in One Chart

Last week President Trump announced a landmark new trade agreement replacing NAFTA, a deal that he thinks will pour “cash and jobs” into the US economy. We don’t want to debate the merits of Trump’s approach to trade, but the world should always pay attention when the leader of the world’s largest economy starts talking about tariffs.

Our newest visualization highlights exactly how big the U.S. economy is compared to the every other country in the world.

Our visualization neatly slices the latest 2017 GDP numbers from the World Bank, released on 21st of September 2018, a few different ways. The underlying idea is that GDP is not a zero-sum game, meaning the pie can continue to grow for every country in the world and not just a few.
Each slice represents the total economic output, or GDP, of a country in 2017, the latest year for which definite and complete data are available. The color corresponds to its geographic location, and we included the percentage of the world’s economy each country makes up for easy references.
This lets you immediately see which countries and continents dominate the world economy, and which ones lag way behind.

Top 10 Biggest World Economies by GDP

1. United States – $19.39 trillion

2. China – $12.24 trillion

3. Japan – $4.87 trillion

4. Germany – $3.67 trillion

5. UK – $2.62 trillion

6. India – $2.60 trillion

7. France – $2.58 trillion

8. Brazil – $2.05 trillion

9. Italy – $1.93 trillion

10. Canada – $1.65 trillion

An interesting way to understand these numbers is by comparing them to a previous visualization we did last year on the relative size of economies using the same underlying dataset from the World Bank. There are in fact a few changes to note. Looking at the top ten countries overall, India’s economy surpassed France to become the 6th biggest in the world. The UK was the only economy to shrink among the top ten, dropping from $2.86 trillion to $2.62 trillion, not adjusting for inflation. The U.S. is still the biggest both in overall terms and as a share of the global economy (24.32% last year vs. 24.40% this year). China is continuing to rise as a global economic power, accounting for 15.4% of the world’s GDP, up from 14.84%. In short and in general, the world’s heavyweight economies continue to reign supreme.

So how big are they? The combined GDP of the top four countries in the world (U.S., China, Japan and Germany) is greater than the entire rest of the world. The most obvious conclusion is that the U.S., Europe and Asia collectively control an enormous swath of the global economic order, totaling over 87% of the globe’s GDP. As you can see, the Global South barely makes it onto the visualization. Hundreds of countries contribute so little to the world’s GDP that we simply lumped them together into one uncategorized bucket, otherwise the visual would become too crowded.

That’s why every time President Trump threatens to increase tariffs on Chinese goods, the world’s markets take him seriously. He’s not talking about small economies where trade deals have a only ripple effect around the world. Tariffs worth hundreds of billions in annual revenue would have a serious impact on the global economy. Whether you think the impact would be net positive or net negative is another matter altogether.

Data: Table 1.1

Source: howmuch.net Raul Amoros

Die Digitalisierung ist die 1. technische Revolution, die mehr Stress bringt als Komfort

Passt zur aufgeführten Thematik:

Bestseller: Zero – Sie wissen, was du tust. Big Data at it’s finest!

Die Schweizer wollen keine verhaltensabhängige Krankenassenprämien, sind sensibilisiert auf Datenschutz und stehen Tracking-Apps skeptisch gegenüber. Trotzdem benutzen viele genau diese Apps, wie eine Studie ergeben hat. Studienautor Michael Hermann über paradoxe Entscheidungen und warum der Mensch manchmal ein Frosch ist.

Herr Hermann, wenn man Ihre Studie liest, dann wird einem ein bisschen mulmig: Angst vor der Digitalisierung, Furcht vor der allgegenwärtigen Lebensvermessung, permanenter Druck im Alltag … Die Befragten wirken ziemlich pessimistisch.
Michael Hermann: Der Eindruck ist absolut richtig. Wenn man sich die Welt so ausmalt, dass alles gemessen und alles ausgewertet werden kann, dann endet man beim gläsernen Bürger. Diese Vorstellung behagt den Leuten gar nicht, das wird in unserer Studie deutlich.

Und doch sind viele der Befragten offen für die Idee, noch mehr Bereiche ihres Lebens auszuwerten …
Ja, interessanterweise ist man offener für die Idee der Vermessung und Auswertung von Daten, wenn man selber aktiv ist. Es sind eben zwei unterschiedliche Ebenen: Theoretisch stehen viele der Idee der permanenten Vermessung des eigenen Lebens sehr skeptisch gegenüber, sobald man es aber selber anwendet, scheint diese Skepsis bei vielen zu verschwinden.

Wie erklären Sie dieses Paradox?
Es ist wie beim Frosch im warmen Wasser. Der Frosch stört sich nicht daran, dass das Wasser Schritt für Schritt ein bisschen wärmer wird. Im Gegenteil, er findet es wohlig warm. Wenn er aber wüsste, dass das Wasser irgendwann kochend heiss ist, dann wäre er schon lange aus dem Teich gehüpft.

Der Mensch als Frosch?
Schauen Sie, im Alltag kommt vieles Schritt für Schritt. Bei Dingen, die man nicht braucht und die man nicht verwendet, ist man skeptisch. Sobald man es im Alltag aber braucht, wird der Nutzen höher gewichtet als die Ängste. Man macht mit, sagt sich, dass die kleinen Schritte die Machtverhältnisse ja nicht auf den Kopf stellen. Es ist ein schleichendes Abgleiten in eine neue Welt. Wenn man aber einen Schritt zurück geht und reflektiert, dann hat man plötzlich die dystopische Vorstellung einer Welt, die allumfassend kontrolliert wird. Eigentlich nimmt man an etwas teil, von dem man das Gefühl hat, es führe an einen schlechteren Ort.

Interessanterweise glauben auch diejenigen Befragten, die selber regelmässig eigene Daten aufzeichnen und auswerten, dass sie damit eigentlich nur den grossen Konzernen wie Facebook, Google & Co. in die Hände spielen.
Ja, der Gedanke des Wissensvorsprungs durch die Auswertung der eigenen Gesundheitsdaten spielt offenbar nur eine geringe Rolle. Selbst die, die mehr Daten aufzeichnen, haben das Gefühl, dass sie an Einfluss verlieren. Es ist dieses Bild, dass die Macht der wenigen Grossen erhöht wird – the survival of the fittest.

Gleichzeitig beklagen sich die Befragten über den Stress und den Druck, den die Digitalisierung mit sich bringe.
Das ist tatsächlich eine Premiere in der Geschichte: Die technische Entwicklung war bislang immer mit Komfort und einem Lebensversprechen verbunden – die Waschmaschine, der Staubsauger, im Arbeitsbereich der Bagger – jetzt beklagen sich die gleichen Leute, die Tracking-Apps nutzen, über Stress und Leistungsdruck.

Wir haben also die erste Art technischer Revolution, die mehr Stress bedeutet als Komfort.

Auch das ist ein Grund dafür, warum die Befragten so pessimistisch sind.

Woran liegt das?
Alles was man aufzeichnet, kann verglichen werden, und dieser permanente Vergleich wiederum kann unglaublich belastend sein.

Apropos Vergleich: Das Heilsversprechen des Individualismus scheint die Leute nicht mehr so richtig zu überzeugen.
Ja, die Angst vor einem Verlust an Individualität ist bei den Befragten verbreitet. Das ist tatsächlich erstaunlich: Trotz personalisierter Werbung und zugeschnittener Produkte fürchtet man sich offenbar vor einer zunehmenden Uniformität.

Auch das Sammeln persönlicher Daten durch Dritte wird skeptisch betrachtet. Dem Satz «Da ich nichts zu verbergen habe, brauche ich auch nichts zu befürchten» stimmten Linke häufiger zu als Rechte. Sind das Spätfolgen des Fichenskandals?
Ich glaube eher, es liegt daran, dass aus linker Sicht der Schutz vor abweichenden Meinungen, der Minderheitenschutz und die Angst, dass man aufgrund von Persönlichkeitsmeinungen diskriminiert werden könnte, viel mehr im Bewusstsein ist als bei den Rechten. Auf der rechten Seite sind die Konformitätsvorstellungen viel dominanter.

Die Studie wurde von der Stiftung der Sanitas finanziert, einer der grössten Schweizer Krankenkassen. Was die Krankenkasse mit dieser Studie eigentlich wissen möchte, ist, ob die Solidarität im Gesundheitssystem noch immer sakrosankt ist. 
Ja, das Prinzip der Solidarität ist in der Gesellschaft nach wie vor sehr verankert. Will man das aushebeln, wird man auf starken Widerstand stossen. Das heisst auch, dass politische Vorstösse in diese Richtung aktuell nicht erfolgversprechend wären.

Sie sagen «aktuell». Der Gebrauch von Fitness-Tracker & Co. könnten diese scheinbare Gewissheit aber umstossen.
Das Versicherungsprinzip funktioniert so, dass man nicht im vornherein weiss, wen es trifft und wen nicht: Man schliesst sich zusammen, um die Risiken zu vergesellschaften. Der gesellschaftliche Kitt besteht unter anderem auch aufgrund dieses sogenannten «Schleiers des Nichtwissens» – niemand weiss im vornherein, wen einst welche Krankheit oder welcher Unfall ereilt. Deshalb ist man bereit, in diesen Topf einzuzahlen. Die Tracking-Apps bewirken nun, dass dieser Schleier immer mehr gelüftet wird – individualisierte Prämien aufgrund des Vorwissens sind also denkbar. Es könnte irgendwann soweit kommen, dass es gar keine Versicherung mehr gibt.

Was hat Sie an den Studienergebnissen am meisten überrascht? 
Das Gefühl, man könne im Netz alles gratis haben, ohne auf irgendeine Art dafür zu bezahlen, sei es mit Geld oder mit Daten.

Gratis-Emails, Suchmaschinen, WhatsApp – dass irgendjemand hinter diesen Produkten ein Geschäftsmodell verfolgt, scheint in den Köpfen der Leute nicht zu existieren.

Das überrascht mich, schliesslich hat sich überall sonst in der Geschichte des Kapitalismus das Bewusstsein für die Marktwirtschaft bis in die letzte Pore durchgesetzt.

Sind wir einfach zu naiv? 
Ich glaube, es hat mit der Entstehungsgeschichte des Netzes zu tun, man hat eine ganze Generation so sozialisiert, als ob das Internet ein einziger grosser Gratis-Spielplatz wäre. Darunter leiden jetzt dutzende Branchen, nicht zuletzt die Medien.

Wir haben das Internet zu Unrecht als Hort der Freiheit hochgejubelt? 
Ja. Die Idee, dass ein freies Internet automatisch zu Gleichheit und Gleichberechtigung führt, war von Anfang an illusorisch. Diese utopische Vorstellung ist jetzt endgültig weg.

Dafür ist jetzt die Vorstellung stark ausgeprägt, dass das Netz dominiert ist von wenigen grossen Konzernen in einer historisch einmaligen Machtballung.

Source: William Stern

KI Künstliche Inteligenz: Sicher durch das digitale Labyrinth

Wie können Lösungsanbieter jedem Kunden rund um die Uhr personalisierten Support bieten? Die Antwort lautet: durch den Einsatz von künstlicher Intelligenz (KI).

Digitale Transformation ist eine entscheidende Voraussetzung, um in der heutigen Geschäftswelt wettbewerbsfähig zu bleiben – an dieser Tatsache kommt kein Unternehmen mehr vorbei. Vielen von ihnen kommt jedoch der Weg zum digitalen Unternehmen einem Irrgarten gleich, in dem sie erst die richtige Richtung finden müssen.

Cloud-Lösungen bieten heute die Möglichkeit, Anwendungen miteinander zu verbinden. Sie lassen sich flexibel nutzen sowie skalieren und unterstützen auf diese Weise die individuellen Anforderungen von Unternehmen, die sich immer wieder ändern. Zwar hat diese nahtlose Innovation vielen Unternehmen den Weg in die digitale Transformation geebnet, doch führt auch dieser nicht immer geradeaus.

Hier kommt der Kunden-Support mit seinen Services ins Spiel – zumindest wäre dies seine Aufgabe. Denn trotz der zunehmenden Vielfalt von Lösungen setzen zu viele Anbieter beim Kunden-Support nach wie vor auf einen pauschalen Ansatz. Doch jedes Unternehmen nutzt individuelle digitale Systeme und Prozesse, die auch einen individuellen Support erfordern.

Künstliche Intelligenz, ein „Mitglied“ des Support-Teams

Künstliche Intelligenz kann die Arbeit von Support-Spezialisten unterstützen und das Team als zuverlässiges, technisch versiertes „Mitglied“ ergänzen, indem sie durch die Verarbeitung und Auswertung grosser Datenmengen Empfehlungen für die optimale Lösung unterbreitet.

Beim Bearbeiten einer Support-Anfrage verirren sich Experten mitunter ebenso im Labyrinth wie die Kunden selbst. Da Lösungsanbieter viele Tausend Produkte gleichzeitig unterstützen müssen, gibt es dazu auch Unmengen von Daten, aus denen sich wiederum Millionen von möglichen Lösungen ableiten lassen. Hinzu kommt, dass Kunden so vielfältig sind wie die von ihnen eingesetzten Lösungen und deshalb ein und dasselbe Problem von verschiedenen Kunden ganz unterschiedlich beschrieben wird.

Um dem Team vor diesem Hintergrund den richtigen Weg zur Problemlösung zu weisen, kann künstliche Intelligenz zwischen den Zeilen von Support-Anfragen lesen und dafür sorgen, dass den Support-Spezialisten sofort die notwendigen Informationen zur Verfügung stehen. Durch diesen schnellen Zugriff auf Daten sind Support-Mitarbeiter in der Lage, Probleme doppelt so schnell zu beheben und Anfragen wesentlich effizienter und genauer zu bearbeiten.

Ein präventiver Support-Ansatz

Durch die vielen Tausend Support-Meldungen täglich entstehen umfangreiche Daten, die Aufschluss über die Häufigkeit bestimmter Probleme geben und auch darüber, in welcher Form sie auftreten und wie sie sich am besten lösen lassen. Die Support-Abteilung würde Jahrzehnte brauchen, aussagekräftige Informationen aus diesen Daten abzuleiten. Künstliche Intelligenz hingegen ist in der Lage, komplexe IT-Landschaften eigenständig zu überwachen und die Informationen, die zur Behebung von Problemen mit einer bestimmten Lösung relevant sind, auszulesen.

Durch Analyse der bereits vorhandenen Daten kann künstliche Intelligenz häufig auftretende Probleme aufgreifen, sodass der Softwareanbieter Lösungsstrategien entwickeln und bereitstellen kann. SAP stellt beispielsweise eine umfassende Bibliothek mit Artikeln in der Wissensdatenbank SAP Knowledge Base zur Verfügung, die Anleitungen zur Lösung bekannter Probleme enthalten. Der Einsatz von künstlicher Intelligenz auf den Backend-Systemen ermöglicht eine einfache Zuordnung und stellt sicher, dass die empfohlenen Artikel zur jeweiligen Lösung passen und auf die Anforderungen der Kunden zugeschnitten sind.

Oft treten bestimmte Sachverhalte immer wieder auf, weshalb ein präventiver Support-Ansatz für den langfristigen Erfolg entscheidend ist. Mithilfe künstlicher Intelligenz lässt sich erkennen, ob ein Problem auf kurze Sicht noch weitere Kunden betreffen wird, sodass entsprechende Gegenmassnahmen ergriffen werden können. Ebenfalls gefährdete Kunden können dann benachrichtigt werden, noch bevor das Problem tatsächlich auftritt. Es können ausserdem die erforderlichen Änderungen an der Lösung vorgenommen werden, damit sich die Probleme in Zukunft vermeiden lassen.

Der zunehmende Einsatz von künstlicher Intelligenz im Support wird dazu führen, dass die Zahl der Vorfälle deutlich abnimmt und auch für die Problembehebung wesentlich weniger Zeit benötigt wird. Noch bevor ein Anwender seine Support-Meldung vollständig eingegeben hat, wird künstliche Intelligenz auf der Grundlage der verwendeten Begriffe sowie bisheriger Support-Anfragen dieses Anwenders und anderer Kunden eine geeignete Lösung vorschlagen. Mit diesen neuen Möglichkeiten sind Unternehmen durch den Einsatz von künstlicher Intelligenz bestens gerüstet, ihren Weg aus dem digitalen Labyrinth zu finden und ihre Support-Prozesse zu optimieren.

Source: Jens Trotzky

Big Data mit Operational Intelligence (OI) analysieren

Industrie 4.0 ohne künstliche Intelligenz? Das scheint undenkbar, denn gerade Machine Learing wird als eine Methode propagiert, um die Datenmengen zu bewältigen. Ein anderer Ansatz ist die Operational Intelligence (OI), die für transparente Prozesse sorgen soll.

Die Wertschöpfungskette optimieren, IT-Stabilität erhöhen, Sicherheitsbedrohungen erkennen – maschinengenerierte Daten spielen in der Industrie 4.0 eine wichtige Rolle. Je nach System entstehen bei der Verarbeitung von Maschinendaten schnell extrem grosse Datenmengen. In diese Masse an Big Data fällt im industriellen Umfeld zunehmend auch die Unterstützung der horizontalen Wertschöpfungskette, in die Maschinen und Systeme von Lieferanten, Händlern, Dienstleistern oder Kunden eingebunden werden. Zudem soll dieser Informationsberg betriebswirtschaftliche Prozesse positiv beeinflussen. Ein Ansatz hierzu ist die Operational Intelligence (OI). OI soll es zum einen ermöglichen, Big Data zu verstehen, zum anderen die Echtzeitanalyse der einzelnen Systeme erlauben. Diese Analysen können wiederum als Basis dienen, um Entscheidungen für unterschiedliche Unternehmensprozesse zu fällen.

Anwendungsszenarien

Dies könnten etwa klassische Abläufe im Kerngeschäft eines Fertigers sein: Wertschöpfungsketten werden intelligent und umfassen zunehmend sämtliche Phasen des Lebenszyklus eines Produkts – von der Idee über die Entwicklung, bis hin zur Produktion, Nutzung, Wartung und dem Recycling. Liegen beispielsweise alle Informationen für einen Fertigungsprozess transparent vor, so kann ein Hersteller frühzeitig auf Qualitätsprobleme bei bestimmten Produktionschargen reagieren. Auf Grundlage der konsolidierten und ausgewerteten Informationen kann die Geschäftsführung dann auf unvorhergesehene Abweichungen reagieren. Ein anderes Einsatzgebiet ist etwa die Untersuchung der Interaktionen mit Kunden, um auf zunehmende Kundenbeschwerden zu reagieren oder einen Rückgang der E-Commerce-Geschäfte erklären zu können.

OI in der IT

In Verbindung mit Maschinendaten bietet sich der OI-Einsatz auch in der IT selbst an. Informationen aus verschiedenen IT-Systemen wie Web-Servern oder Infrastruktur-Komponenten sowie Netzwerkdaten oder Cloud-Service-Informationen können mit OI für die Fehlersuche und Performance-Steigerung verwendet werden. Nach der Auswertung dieser Daten lässt sich eine Ursachenforschung betreiben, um künftig auf Vorfälle, Ausfälle und andere Probleme reagieren zu können. Mit dieser Echtzeit-Berichterstattung aus den „Maschinenräumen“ einer Organisation sind IT-Manager in der Lage, eine serviceorientierte Sicht auf ihre IT-Umgebung zu entwickeln. So lassen sich On-the-Fly-Berichte und Datenvisualisierungen nutzen, die einen Überblick über die Geschehnisse aus unterschiedlichen Perspektiven ermöglichen.

Eine weitere Anwendung für OI ist der Security-Bereich. Die Analyse erlaubt es, forensische Untersuchungen in unterschiedlichen Ebenen der Infrastruktur durchzuführen, um etwa nach einem Cyber-Angriff nach bestimmten Mustern zu suchen. Mit diesen Informationen können IT-Verantwortliche ein ungewöhnliches Verhalten im Unternehmensnetz frühzeitig erkennen. Gleichzeitig können sie potenziellen Bedrohungen vorbeugen, indem sie eine kontinuierliche Überwachung und -bewertung von Vorfällen inklusive Warnsystem implementieren.

So funktionieren OI-Plattformen

Die OI-Plattformen selbst sammeln und indizieren zunächst Informationen aus unterschiedlichen Quellen, bevor eine Analyse vorgenommen werden kann. Beim Sammeln sollten sowohl physische als auch virtuelle Umgebungen sowie Cloud-Umgebungen einbezogen werden. In Industrie-4.0-Szenarien kommen dann häufig noch Inhalte aus Sensoren und Microcontrollern von Produktionssystemen hinzu sowie Informationen aus strukturierten Datenbanken. Für die Einspeisung der Daten dienen in der Regel so genannte Forwarder, die sich direkt in den Datenquellen befinden. Darüber hinaus lassen sich DevOps-, IoT- und andere Daten über Applikationsschnittstellen (APIs) integrieren.

Für die Darstellung der konsolidierten Informationen stellen die OI-Plattformen in der Regel Dashboards bereit. Die Dashboards informieren visuell über bestimmte Vorgänge und Zusammenhänge in IT- und Geschäftsprozessen und zeigen Engpässe, Probleme und sogar neue Geschäftschancen auf. Möglich wird dies durch eine Ereigniskorrelation. Sie erlaubt es, Beziehungen zwischen scheinbar unzusammenhängenden Ereignissen in Daten aus verschiedenen Quellen zu finden.

Source: Computerwoche, Matthias Meier

Die Datenflut und was sie für Unternehmen bedeuten

Ob E-Mails, Präsentationen, digitale Fotos, Kurznachrichten oder beim Onlineshopping: In der digitalen Welt produziert jeder grosse Mengen an digitalen Daten – im privaten wie im beruflichen Kontext. Solche Daten und ihr Umfang stellen Unternehmen vor neue Herausforderungen, bergen aber auch grosses Potenzial. Unternehmen, die intelligent mit diesen Informationen umgehen, können entlang der gesamten Wertschöpfungskette Mehrwert generieren.

Daten, Daten und noch mehr Daten

Fast alles erfolgt digital – auch in Unternehmen. Jeden Tag generieren Menschen und Maschinen neue Daten. Auch die fortschreitende Vernetzung von Maschinen trägt zur Datenflut bei. Nach Angaben des statistischen Bundesamts wird die Datenmenge weltweit von rund 8,6 Zettabyte im Jahr 2015 auf rund 40 Zettabyte im Jahr 2020 steigen. Mit 40 Zettabyte wird es dann 57-mal mehr Daten als Sandkörner auf den Stränden der Erde geben. Diese Masse an Informationen versuchen Unternehmen über gezielte Analysen und professionelle Aufbereitung für sich nutzbar zu machen.

Der Oberbegriff ist Big Data: die Auswertung grosser, meist heterogener Mengen an Daten. Möglich ist das über einfache oder fortgeschrittene Analysen. Das Potenzial von Big Data erkannt haben nach einer Studie des Bundesverbands Informationswirtschaft, Telekommunikation und neue Medien (Bitkom) bereits viele deutsche Unternehmen. Sie nutzen vor allem einfache Methoden, zum Beispiel bei der Analyse interner Unternehmens- und Kundendaten für das Qualitätsmanagement. Einen Mehrwert für das eigene Unternehmen zu generieren gelingt dabei vor allem der Transport- und Logistikbranche: Solche einfachen Methoden nutzen bereits zwei Drittel der Unternehmen aus diesem Industriezweig.

Die fortgeschrittene strukturierte Analyse und Auswertung grosser Datenmengen unterschiedlichster Herkunft und Struktur ist in Deutschland dagegen insgesamt noch wenig verbreitet.

Die Lebensumstände und Vorlieben ihrer Kunden zu kennen würde sicher allen Unternehmen nutzen, das Potenzial dieser Daten schöpfen allerdings nur wenige Unternehmen voll aus. Nur selten verarbeiten sie externe Daten und verbinden sie mittels komplexer Analysen mit internen Daten. Auch die Logistikbranche hat hier grossen Nachholbedarf, denn nur zwei von 100 Unternehmen nutzen fortgeschrittene Methoden. Aus diesen Daten liessen sich relevante Vorhersagen und konkrete Empfehlungen für Handlungen ableiten, um beispielsweise den Einsatz der Flotte zu optimieren. Auf Basis fortgeschrittener Datenanalysen könnten beispielsweise Kapazitäten besser überwacht und geplant werden. Viele Unternehmen haben das Potenzial erkannt: 6 Prozent planen und 12 Prozent diskutieren den Einsatz.

Digitalisierung birgt enormes Potential

Die Digitalisierung hat die Industrie bereits vollständig erfasst. Big Data, Vernetzung und Automatisierung verändern inzwischen alle Stufen der bestehenden industriellen Wertschöpfungsketten. Die Digitalisierung zu ihrem Vorteil zu nutzen wird für die Zukunft der Unternehmen entscheidend sein. Das Potenzial kann jedoch nur dann ausgeschöpft werden, wenn sich alle Wirtschaftsbereiche vernetzen und die Akteure in der Lage sind, sich an die neue digitale Ökonomie anzupassen. Diese Veränderung wird meist als digitale Transformation bezeichnet.

Im Positivszenario ergibt sich laut dem Bundesverband der Deutschen Industrie (BDI) allein für Deutschland ein zusätzliches Wertschöpfungspotenzial von 425 Milliarden Euro bis 2025, für die europäische Industrie sind es 1,25 Billionen Euro in den nächsten zehn Jahren. Der europäischen Logistik kann eine erfolgreiche digitale Transformation jährlich bis zu 54 Milliarden Euro an zusätzlicher Bruttowertschöpfung bringen. Diesen gewaltigen Chancen gegenüber steht ein ebenso grosses Verlustpotenzial: Verpasst die europäische Industrie die digitale Transformation, könnte allein der Automobil- und Logistikindustrie bis zum Jahr 2025 Bruttowertschöpfung in Höhe von 350 Milliarden Euro entgehen.

Wohin mit all den Daten?

Daten zu sammeln und auszuwerten allein wird die Unternehmen nicht voranbringen. Big Data erzeugt immer grössere Ökosysteme von Daten, die immer höhere digitale Speicherkapazitäten erfordern. Die Nachfrage nach Speicherlösungen wird deshalb auch in den kommenden Jahren weiter steigen. Grosse Mengen an Daten zu verwalten und zu sichern wird immer wichtiger. Eine stabile und dauerhafte Speicherung grosser Datenvolumen braucht neue Speicherarchitekturen, die einen schnellen Zugriff zulassen und zugleich die notwendige Sicherheit der Daten gewähren. Neue Technologien stehen vor der Herausforderung, einen möglichen Speicherengpass in den kommenden Jahren zu vermeiden.

Neben traditionellen Speicherlösungen fragen Unternehmen auch immer stärker Cloud-basierte Lösungen nach. Häufig nutzen sie sowohl eigene Server als auch Cloud-Kapazitäten, weshalb Dienstleister meist beide Möglichkeiten anbieten.

Digitale Sicherheit

Ganz eng mit der Speicherung digitaler Daten verbunden ist die Frage nach ihrer Sicherheit. Wer kann und darf wann wie welche Daten speichern oder auf welche Daten zugreifen? Inzwischen ist der Aspekt Sicherheit das zentrale Thema in der Diskussion um den Einsatz von Datenanalysen. Faktoren wie Compliance, Recht und Sicherheit engen den Handlungsrahmen der Unternehmen beim Einsatz von umfassenden Datenanalysen ein, denn die Digitalisierung birgt durchaus auch grosse Gefahren: Der Verlust von Daten, der Ausfall von IT-Systemen, Cyberattacken, Datenklau und digitale Industriespionage können die Existenz von Unternehmen bedrohen. Die Anforderungen an die Sicherheit steigen nicht nur stetig, sondern verändern sich auch ständig. Nach einer Studie des Bitkom ist jedes zweite Unternehmen digitalen Angriffen ausgesetzt. Trotzdem scheuen viele Unternehmen noch immer die Auseinandersetzung mit diesem Thema.

Unternehmen sind gut beraten, sich rasch mit dem Schutz ihrer Daten zu befassen. Laut einer Studie über Industriespionage von Corporate Trust ist das Thema bei den meisten Unternehmen Chefsache. Einige haben jedoch bis heute noch keinen Ansprechpartner, der sich aktiv um den Schutz der Informationen kümmert. In diesem Bereich besteht gewaltiger Nachholbedarf, denn langfristig können Unternehmen, die sensible Daten nicht schützen, nicht überleben.

Source: connected solutions